Dat productiviteit cijfers liegen niet. Of is het waar?
De meeste bedrijven hebben het inmiddels gelanceerd AI hulpmiddelen in het hele bedrijf. Licentie is aangeschaft. Er is een training gepland. Het slappe kanaal is overspoeld met tips. Toen het leiderschap echter naar de ROI vroeg, viel de sfeer stil.
Dit is geen nieuw verhaal. In 1987 bekeek econoom Robert Solow de gegevens na jaren van enorme bedrijfsinvesteringen in personal computers en ontdekte iets raadselachtigs: er was geen statistisch significante toename van de productiviteit. Het bedrijf heeft de technologie gekocht. Ze veranderen gewoon niets aan de manier waarop het werkt. Dit staat bekend als de productiviteitsparadox, en het gebeurt vandaag opnieuw met AI.
Hier is de ongemakkelijke waarheid: de meeste organisaties ervaren geen technologische problemen. Ze lijden aan denkproblemen. Ze hebben het gereedschap. Ze misten de strategie. Ik ben een AI-transformatiestrateeg, keynote speaker en auteur Hoe u meer kunt doen met minder gebruik van AI. Ik zag hoe AI mijn team bij Alibaba in 2018 transformeerde en nu zie ik dat dezelfde fouten in de bredere sector worden gemaakt.
Hier zijn drie signalen dat uw bedrijf AI momenteel verkeerd gebruikt, en wat u moet doen.
1. Je meet de adoptie, niet de resultaten
Ik sprak onlangs bij een groot Fortune 500-bedrijf en ik hoorde dat een grote leidinggevende bij het bedrijf adoptiecijfers gebruikte op basis van het aantal mensen dat inlogde op de tool. Goed verdriet! Ik geloof niet dat we het nog steeds als een verifieerbaar getal zien in termen van AI-adoptie.
Als uw AI-successtatistieken lijken op ‘percentage werknemers dat heeft ingelogd’ of ‘aantal geplaatste bestellingen per week’, meet u het verkeerde.
Activiteit is geen vooruitgang. Een team dat tweehonderd AI-opdrachten op een dag uitvoert, maar nog steeds dezelfde output produceert als voorheen, heeft geen AI geadopteerd. Het heeft hetzelfde proces aangekleed met nieuwe kostuums.
Organisaties die daadwerkelijk actie ondernemen stellen een andere vraag: is de snelheid van onze besluitvorming toegenomen? Hebben we banen geëlimineerd die doorgaans files veroorzaken? Produceren we dingen die zes maanden geleden onmogelijk waren?
Als u op ten minste één van deze antwoorden geen ja kunt antwoorden, dan is uw AI-adoptie theater.
De oplossing is eenvoudig uit te voeren, zelfs als deze niet werkt. Selecteer een werkstroom. Breng in kaart hoe het was vóór AI. Breng in kaart hoe het er daarna uit zal zien. Sluit vervolgens het gat. Meet niet hoeveel mensen de tool gebruiken. Meet of de workflow daadwerkelijk sneller, beter of goedkoper is dan voorheen.
2. Je automatiseert taken zonder de rol opnieuw te ontwerpen
De geschiedenis heeft hier een nuttig voorbehoud. Toen de elektromotor in de jaren tachtig van de negentiende eeuw werd uitgevonden, maakten fabriekseigenaren een voorspelbare fout: ze verwijderden de gigantische stoommachine en vervingen deze door één gigantische elektromotor. Ze behouden dezelfde aandrijfas, hetzelfde riemsysteem, dezelfde smalle, getrapte indeling. Fabriek is niet sneller. Het is stiller.
Pas toen een nieuwe generatie managers besefte dat ze kleine motoren op individuele machines konden installeren en vervolgens hele fabrieksvloeren konden herontwerpen op basis van daadwerkelijke workflows, explodeerde de productiviteit uiteindelijk. Het herontwerp duurde meer dan dertig jaar. Technologie alleen is nooit genoeg.
Tegenwoordig maken de meeste bedrijven dezelfde fouten met AI.
Een manager wiens taak het is om wekelijkse statusupdates samen te stellen en PowerPoint-presentaties te maken, beschikt nu over AI die beide binnen enkele minuten kan doen. Maar niemand vertelde de manager wat hun nieuwe baan was. Ze besteden dus evenveel tijd aan het opnieuw onderzoeken van de prestaties van de AI, waarbij ze hier en daar belangrijke punten aanpassen en het een productiviteitswinst noemen.
Echte AI-adoptie vereist een herontwerp van rollen. Het gaat niet alleen om het verwijderen van taken. Wanneer u AI in uw workflow introduceert, is de eerste vraag niet “wat kan AI doen?” Het zou moeten zijn “waar moet deze persoon zich op concentreren nadat de AI de rest heeft afgehandeld?”
Het antwoord op die vraag is waar de echte waarde ligt. Voor de meeste kenniswerkers impliceert het antwoord meer oordeelsvermogen, creatievere probleemoplossing en een meer directe verantwoordelijkheid voor de resultaten. Dat is niet iets wat AI voor je kan doen. Dit zijn dingen die waardevoller worden naarmate AI al het andere aankan.
3. Je besteedt uit, denk na voordat je denkt
Dit is het rustigste en gevaarlijkste teken.
Dit gebeurt wanneer mensen stoppen met het vormen van hun eigen mening voordat ze zich tot AI wenden. In plaats van na te denken over een probleem, een hypothese te ontwikkelen en vervolgens AI te gebruiken om het te testen of uit te breiden, openen ze eerst de chatbot en nemen ze over wat er opkomt.
Dit is geen luiheid. Dit is een natuurlijke reactie op tijdsdruk. Maar de kosten op de lange termijn zijn enorm. Het oordeel atrofieert. Mensen verliezen snel het vermogen om onafhankelijke standpunten te vormen. En als AI ongelijk heeft, begrijpt niemand het omdat niemand hard genoeg heeft nagedacht om het te beseffen.
Ik heb dit zien gebeuren bij grote bedrijven die tot de early adopters van generatieve AI behoorden. De productiviteitsstijging in het eerste jaar was reëel. De resultaten van het tweede jaar waren verwarrend: de productie nam toe, maar de kwaliteit bleef vlak. Terwijl we groeven, was het patroon consistent. Mensen stoppen met ruzie maken met elkaar, stoppen met het testen van ideeën, stoppen met zich verzetten. Want waarom zou je je druk maken als AI het antwoord al heeft?
De beste AI-beoefenaars hebben een gemeenschappelijke gewoonte: ze denken na voordat ze handelen. Ze komen naar AI met een standpunt, gebruiken dat om dat standpunt uit te dagen en te verfijnen, en iets beters te produceren dan wat zij of de AI op eigen kracht zouden kunnen produceren.
Dat is een succesvol samenwerkingsmodel. Niet AI als orakel. AI als sparringpartner.
Het belangrijkste is
De paradox van Solow is eindelijk opgelost. De productiviteit explodeerde wel, maar dat gebeurde nadat organisaties stopten met het gebruik van computers om sneller oude memo’s te typen en de manier waarop ze werkten echt gingen veranderen. Dezelfde resolutie is beschikbaar voor hedendaagse bedrijven die AI gebruiken.
Maar dit vereist een verandering van de manier waarop u werkt, en niet alleen van de tools die u gebruikt. Het stellen van ongemakkelijke vragen over welke rollen nog steeds zinvol is. Herontwerp workflows in plaats van AI toe te voegen aan bestaande workflows. En houd het menselijk denken scherp, zelfs als AI dat voor je kan doen.
Dat is de enige AI-strategie die echt werkt. Anderen zijn gewoon duurdere versies van dezelfde oude fabrieksvloer.
