У McKinsey вышла свежая статья про ИИ и процессы. Мы как раз в коридорах продолжаем обсуждать (как и многие😅), кто какой эффект от ИИ получил в деньгах.

80% участников исследования McKinsey говорят, что ИИ повысил их личную продуктивность. Но только 37% видят хоть какой-то эффект на прибыль компании. И в McKinsey пошли смотреть, что происходит внутри процессов.

Один из кейсов – крупная промышленная компания из Fortune 500. Взяли обычный процесс от прогноза спроса до производства: 7 этапов и 6 переходов между ними.

И посчитали время. Сама работа внутри всех семи этапов занимала суммарно 12–24 часа. А ожидание, сверки, согласования и передача работы между этапами – 9–18 дней. Наша любимая координационная работа.

То есть работать – день, а проходить между подразделениями – до двух с половиной недель.⁉️

McKinsey оценили стоимость этих задержек только для одного процесса в $140–240 млн в год: замороженный оборотный капитал, недоиспользованные мощности, упущенная выручка из-за медленной реакции на спрос.

Причём затраты на людей, которые непосредственно занимаются координацией, составляли меньше 7% этой суммы. Остальные 93% почти нигде не видны.

Многие ищут все это время способы улучшить конкретные функции внутри компании:

[ функция ] → [ функция ] → [ функция ]

А McKinsey предлагает теперь смотреть на стрелки.

Что происходит между прогнозом и планированием? Между планированием и снабжением? Между закупкой и производством? Кто проверяет результат предыдущего шага? Кто сверяет противоречащие данные? Кто ждёт подтверждения? Кто решает, куда отправить задачу дальше?

Эти действия агенты уже могут брать на себя: проверить → сопоставить → передать дальше → позвать человека только при исключении.

В той же промышленной компании после перестройки планирования цикл сократился с 30 до 3 дней, 80% планирования стало проходить без ручного вмешательства. Вместо более чем 50 планировщиков, работавших каждый на своём участке, осталось около 10 специалистов, управляющих процессом целиком. Ещё больше 150 человек переучили на продуктовые, аналитические и AI-роли.

Там есть кейсы еще про Freeport-McMoRan, Toyota и тп.

И вот, кстати, ребята из Яндекса буквально вчера рассказали почти про тот же переход в разработке. В SourceCraft теперь можно назначить задачу не разработчику, а автономному AI-агенту. Он сам поднимает рабочее окружение, исправляет код, запускает тесты и отправляет изменения на проверку. Если не хватает информации или нужно согласование – сам идёт к команде. Автоматизируется цепочка от задачи до результата.

Вопросы подумать теперь: Где между этапами теряются часы и дни у вас на производстве/команде?