Один из старших партнёров McKinsey, Юго Сарразен, говорил, что может решить любую проблему за хорошим ужином с вином. Правда, тут же оговаривался, что обоснований у такого решения будет немного. От человека, чья профессия думать и анализировать, такого не ожидаешь :)

Напрашивается вопрос: Если сами консультанты так настроены, зачем платить им больше стоимости одного ужина?

Дело в том, что предварительный ответ у бизнеса почти всегда уже есть: 🔵Падают продажи? Надо усилить маркетинг и мотивацию продавцов. 🔵Клиенты отказываются от сделок? Дать более глубокую скидку. 🔵Разработка нового продукта тормозит? Нанять людей или внедрить ИИ.

Придумать, что делать, зачастую удаётся довольно быстро, для гипотезы - это хорошо, плохо - когда этот ответ автоматом считают реальным ответом и выделяют бюджет на реализацию. Т.е. диагностика ещё толком не проведена, но вывод уже готов и решение принято.

Чтобы не попасть в эту ловушку, необходимо задержаться на занятии, которое эффективные ТОПы обычно встречают словами "ну зачем на это занудство тратить время", а именно - договориться, какую именно проблему решаем.

Действительно, этап может выглядеть как занудство, придирки к словам и раздувание сметы - специалист начинает рыть: Здесь "и" или "или"? Под "клиентом" мы понимаем "пользователя" или "плательщика"? Что означает "эффективность бизнеса" - это какой показатель, насколько изменить и к какому сроку? А что нас сейчас ограничивает?

Такие вопросы могут действительно раздражать представителей руководства компании :) но это важно для дела

И тут вдруг выясняется, что один хотел увеличить выручку, а другой - прибыль, третий вообще собирался понять, стоит ли оставаться в этом бизнесе. А все уже были готовы бежать в разные стороны.

Из практики Компания решила внедрить ИИ в клиентскую поддержку: 🔵Финансовый директор рассчитывает сократить ФОТ. 🔵Коммерческий директор рассчитывает перестать терять клиентов. 🔵Руководитель сервиса - освободить сотрудников для второй линии поддержки.

Все согласны, пока обсуждали решение, но когда выяснилось, что людей придётся сохранить, а ИТ отправить на дообучение, начинается спор: оправдал ли ИИ инвестиции? Хотя сначала стоило договориться, о том, какой результат оправдает вложения.

Дак что же делать? Предлагаю применять алгоритм, описываемый семью этапами - они на иллюстрации. Причём, этот путь нелинейный - иногда его приходится проходить несколько раз, т.к. может меняться и сам вопрос, когда результаты анализа показывают, что изначально мы не ту задачу решали, и это нормальная часть работы, хотя заказчику, который уже ждёт окончательное описание решения, такая новость может и не понравиться.

Если вернуться к ужину с Сарразеном, то после его ответа я бы уточнил - "Какая из предпосылок должна оказаться верной, чтобы ваше решение сработало и как мы это проверим?". Думаю, тут станет очевидным, что понадобятся результаты анализа, расчёты, а возможно, и эксперименты.

❗️А вот если бизнес заранее решил, что его первоначальный ответ правильный, и ждёт от советника только подтверждения, то действительно стоит ограничиться вином :)