LEAN TECH VOICES: Greška 93–7 u umjetnoj inteligenciji

Facebook Twitter LinkedIn

U nedavnom članku, Bill Briggs iz kompanije Deloitte napisao je da kompanije troše 93% svojih ulaganja u umjetnu inteligenciju na tehnologiju, a samo 7% na ljude. Kao rezultat toga, povjerenje u AI agente opada, a “shadow AI” popunjava prazninu. Iz lean perspektive, šta ovaj odnos 93–7 govori o načinu na koji organizacije razmišljaju i funkcionišu i zašto stalno ponavljamo ovaj obrazac svaki put kada se pojavi nova tehnologija?

Fabrice Bernhard, CTO, Theodo – FRANCUSKA/UK

Ovo istraživanje pokazuje koliko predvidivo organizacije reaguju na nove tehnologije i trebalo bi nas natjerati na razmišljanje. Iznova i iznova, jurimo za alatom i zaboravljamo na ljudski sistem u koji taj alat ulazi. Čini se da umjetna inteligencija prati potpuno isti put kao i prethodne tehnološke revolucije.

Ovo smo već vidjeli. Na početku industrijske revolucije, mašine su se uvodile u velikim razmjerama bez mnogo razmišljanja o tome kako će ljudi s njima raditi. Rani automatski razboji, na primjer, radili su nesavršeno i zahtijevali su stalni nadzor ljudi, često djece, koji su morali intervenirati kada bi se niti pokidale i obavljati opasne korekcije dok su mašine i dalje radile. Mašina je bila na prvom mjestu; ljudi su se morali prilagoditi njoj. Produktivnost je rasla, ali uz veliku cijenu za ljude.

Današnja implementacija umjetne inteligencije izgleda zabrinjavajuće slično. Organizacije uvode AI sisteme koji rade “dovoljno dobro” većinu vremena, a zatim ljudima dodjeljuju zadatak da ih nadgledaju, ispravljaju greške i snose posljedice kada stvari krenu po zlu. Umjesto da AI radi za ljude, ljudi se sve više traže da rade za AI, da provjeravaju, validiraju i ispravljaju rezultate koji su često dosadni za pregled i rizični za povjerenje. To nije unapređenje rada; to je prebacivanje odgovornosti bez prebacivanja odgovornosti za ishod.

Početkom 1920-ih, Sakichi Toyoda osmislio je radikalni izum – automatski razboj koji se sam zaustavlja kada se nit prekine. To je olakšalo rad operaterima i omogućilo im da se bave drugim zadacima dok razboj radi, a u slučaju pucanja niti, mogli su intervenirati kada njima odgovara.

To je početak koncepta Jidoka, filozofije automatizacije koja je oblikovala Toyotu. Na toj osnovi, lean razmišljanje nudi potpuno drugačiju perspektivu uvođenja AI-a, onu u kojoj mašine unapređuju ljude, a ne obrnuto. Automatizacija ne bi trebala eliminisati ljude, već povećati njihovu autonomiju, sposobnost i mogućnost unapređenja sistema. Jidoka ugrađuje ljudsko prosuđivanje u automatizovane sisteme, umjesto da ljude svodi na obične kontrolore kvaliteta na kraju procesa.

Posmatrano iz ove perspektive, odnos ulaganja 93% u tehnologiju naspram 7% u obuku predstavlja problem načina razmišljanja. To pokazuje da se većina organizacija pita: “Šta možemo zamijeniti AI-em?” umjesto: “Kako možemo redizajnirati rad da ljudi budu efikasniji uz AI?”. Rezultat je predvidiv: nesavršeni AI sistemi, demotivišuće uloge za ljude, praznine u odgovornosti i rastuće nepovjerenje koje ljude gura ka nesigurnim zaobilaznim rješenjima.

Lean pristup tretira AI kao problem inženjeringa proizvodnje. Fokusira se na rano otkrivanje problema, izgradnju sistema koji ih prepoznaju na vrijeme i automatizaciju kontrole kvaliteta kako bi se ljudi mogli fokusirati na dizajn, rješavanje problema i unapređenje. Nije iznenađenje da ovakav pristup donosi znatno veće dobitke u produktivnosti. Inženjeri koji koriste AI na ovaj način ne samo da postižu bolje rezultate od početka, već mogu kontinuirano unapređivati sistem analizirajući svaki neuspjeh. To je siguran način da nadmaše one koji pokušavaju zamijeniti ljude AI-em, ali na kraju dodatno opterećuju ljude ispravljanjem njegovih nedostataka.

Sandrine Olivencia, lean autorica i suosnivačica kompanije Taktique – FRANCUSKA

Možete li zamisliti dirigenta orkestra koji vjeruje da je dobra muzika 93% rezultat kvaliteta instrumenata, a samo 7% vještine muzičara? Ulaže u sofisticirane violine i sjajne limene instrumente, dok vrijeme za probe svodi na minimum. Kada muzika zvuči loše i orkestar izgubi sklad, ne preispituje svoj pristup, jednostavno traži još bolje instrumente.

Zvuči nerealno? Pa, upravo tako mnoge organizacije danas pristupaju tehnologiji, prema ovom istraživanju Deloittea.

Posljedice ove neravnoteže brzo se vide u svakodnevnom radu. Kada se tehnologija uvodi bez dovoljno ulaganja u razumijevanje kako je koristiti, održavati i unapređivati, ljudi je prilagođavaju u hodu kako bi obavili svoj posao. Stvaraju zaobilazna rješenja i paralelne prakse koje imaju smisla lokalno, ali s vremenom gomilaju tehnički dug. To nije problem discipline niti otpora promjenama, to je problem dizajna. Tehnologija je uvedena bez stvarne povezanosti s načinom na koji se posao zaista obavlja, s očekivanjima kupaca i stvarnim kompromisima s kojima se ljudi svakodnevno suočavaju.

Iza ovog ponašanja stoji trajna zabluda: ulaganje u tehnologiju djeluje ohrabrujuće jer je opipljivo, mjerljivo i brzo, dok izgradnja znanja i ljudskih sposobnosti djeluje sporo, neizvjesno i mnogo teže se opravdava kroz uobičajene pokazatelje poput obima proizvodnje, iskorištenosti i kratkoročnog povrata investicije. Svaki novi tehnološki talas dodatno pojačava ovu pristranost. Umjetna inteligencija to čini još vidljivijim jer dolazi upakovana u posebno privlačno obećanje: inteligencija „u kutiji“. Pod pritiskom da „reaguju odmah“, lideri finansiraju ono što izgleda kao prečica, a odgađaju teži posao pretvaranja tehnologije u pouzdan dio stvarnog donošenja odluka.

Gledano iz lean perspektive, ovaj odnos 93–7 otkriva način razmišljanja masovne proizvodnje primijenjen na rad zasnovan na znanju. Fokus se prebacuje na “više outputa, brže”, što znači više sadržaja, više dashboarda, više automatizacije i više aktivnosti, čak i kada su znanje i svrha slabi ili nejasni. Lean liderstvo je osmišljeno za suprotan izazov. Ono stavlja jasnoću namjere, učenje i brigu u centar, jer su to uslovi u kojima i ljudi i mašine mogu doprinositi boljim odlukama. Lean okruženje od samog početka postavlja drugačija pitanja: Šta želimo postići? Šta trebamo naučiti da bismo to ostvarili? Šta kupci zaista cijene? Kako izgleda “dobro” i kako ćemo znati kada se udaljavamo od toga? Tehnologija tada postaje alat koji pomaže da se odgovori na ova pitanja. Bez prosuđivanja, alati ostaju samo alati, baš kao instrumenti bez muzičara.

Tu analogija s dirigentom postaje praktična. Orkestar napreduje kada muzičari vježbaju, slušaju jedni druge, zajedno ispravljaju greške i usklađuju se oko zajedničkog tumačenja partiture. Oni duboko poznaju svoje instrumente i znaju kako reagovati kada nešto ne ide kako je planirano. Na isti način, organizacije mogu funkcionisati i rasti samo ako stvaraju uslove za kvalitetno donošenje odluka. Tehnologija može podržati taj proces, ali ga ne može zamijeniti. Kada se tehnologija tretira kao alat zanatlije, a ne kao zamjena za razmišljanje, moguće je razviti “zanatstvo” u velikim razmjerama: ljude koji vladaju svojim poslom, razumiju svoje alate i znaju donijeti pravu odluku u nejasnim situacijama. Umjetna inteligencija može značajno unaprijediti njihov rad, ali ne može zamijeniti njihovu ključnu sposobnost – prosuđivanje utemeljeno u stvarnosti.

Prava prednost u eri umjetne inteligencije neće dolaziti iz brže proizvodnje. Dolazit će iz izgradnje i upravljanja kvalitetnim znanjem unutar timova, kako bi AI radio na osnovu jasne namjere, pouzdanog konteksta i jasno definisane odgovornosti.

Eivind Reke, SINTEF Manufacturing – NORVEŠKA

Mentalni model masovne proizvodnje, koji, htjeli mi to ili ne, prožima zapadni način upravljanja, oduvijek je bio usmjeren na automatizaciju što većeg dijela rada kako bi se postigla ekonomija obima, a uključivanje zaposlenih samo tamo gdje mašina to ne može uraditi. Ovakav način razmišljanja, koji ljude uglavnom posmatra kao zamjenjive dijelove i trošak koji treba smanjiti, dodatno je ojačan doktrinom primata dioničara koju je 1970-ih uveo Milton Friedman. U okviru ove doktrine, odnos 97/3 ima savršenog smisla, jer je krajnji cilj kapital koji radi za kapital. Međutim, iz perspektive Lean Management to je potpuni apsurd. Lean polazi od ideje služenja širem dobru kroz proizvode ili usluge koje organizacija nudi i vidi tehnologiju kao alat koji ljudi koriste da bi stvorili veću vrijednost za kupce. Iz lean perspektive, pravi odnos bi trebao biti 50/50: koliko god ulažemo u novu tehnologiju, toliko trebamo ulagati i u ljude.

Toyota se nikada nije bojala novih tehnologija, a ni lean stručnjaci i praktičari ne bi trebali. Bilo da ste direktor, menadžer proizvodnje, lean koordinator ili coach, ključ je u pametnom korištenju novih tehnologija i oslanjanju na organizacijsko znanje kako bi se to postiglo. Suprotno javnoj percepciji, Toyota je kao kompanija mnogo više rani usvajač novih tehnologija, kako u proizvodnji tako i u razvoju proizvoda, nego kasni sljedbenik. To se vidi već po tome što je još 1960-ih instalirala svoj prvi IBM mainframe computer za upravljanje proizvodnom linijom, razvila vlastiti CAD/CAE sistem početkom 1980-ih (koji kontinuirano unapređuje kroz kaizen), te provodila eksperimente u onome što danas nazivamo “Digital Twin” konceptom krajem 1990-ih i početkom 2000-ih. Kada je riječ o proizvodnoj tehnologiji, Toyota ima dugu tradiciju prilagođavanja: kupuje opremu, prilagođava je vlastitim potrebama, unapređuje je i na kraju razvija vlastita rješenja.

Druga važna stvar koju Toyota radi jeste jednako ulaganje u razvoj ljudi, jer su upravo ljudi ti koji upravljaju tehnologijom kako bi olakšali stvaranje vrijednosti u svim funkcijama, ne samo u proizvodnji. To je jasno vidljivo kroz njihove detaljno razrađene procese uvođenja i obuke novih inženjera (opisane u knjizi Designing the Future), koji traju pune dvije godine. Ako ste ozbiljan lean praktičar, odnos 50/50 trebao bi biti vaš pristup svakoj novoj tehnologiji: jednako ulaganje u ljude i tehnologiju, s ciljem stvaranja boljih i održivijih proizvoda i usluga za kupce.

. . .

Tekst je preveden sa portala Planet Lean.

Autor

Redakcija PIT.ba

View all posts

LEAN TECH VOICES: Greška 93–7 u umjetnoj inteligenciji

U ovoj novoj kolumni, troje stručnjaka za lean i tehnologiju odgovara na isto ključno pitanje koje oblikuje današnju raspravu o tehnologiji i umjetnoj inteligenciji. Ovaj mjesec govore o grešci koju kompanije prave svaki put kada se pojavi nova tehnologija

Related Posts

Sretni Lean: Stavljanje ljudi u centar naše transformacije

Povezivanje strategije i izvršenja: Kako svakodnevni menadžment i hoshin kanri djeluju zajedno

Lean komercijalna kuhinja

Evolucija strateškog menadžmenta – Balanced Scorecard

Nešto novo u Sarajevu: Opuštanje i boravak na pčelinjaku uz zrak iz košnice

LogiMAT 2026: Rekordni rezultati i snažan signal za buduća ulaganja

Kategorije

Tel. +387 33 846 213
E-mail: info@www.pit.ba
| O nama | Oglašavajte se na PIT.ba

LEAN TECH VOICES: Greška 93–7 u umjetnoj inteligenciji

U ovoj novoj kolumni, troje stručnjaka za lean i tehnologiju odgovara na isto ključno pitanje koje oblikuje današnju raspravu o tehnologiji i umjetnoj inteligenciji. Ovaj mjesec govore o grešci koju kompanije prave svaki put kada se pojavi nova tehnologija

Autor

Related Posts

Sretni Lean: Stavljanje ljudi u centar naše transformacije

Povezivanje strategije i izvršenja: Kako svakodnevni menadžment i hoshin kanri djeluju zajedno

Lean komercijalna kuhinja

Evolucija strateškog menadžmenta – Balanced Scorecard

Nešto novo u Sarajevu: Opuštanje i boravak na pčelinjaku uz zrak iz košnice

LogiMAT 2026: Rekordni rezultati i snažan signal za buduća ulaganja

Kategorije

Tel. +387 33 846 213 E-mail: info@www.pit.ba | O nama | Oglašavajte se na PIT.ba

Pratite nas

Tel. +387 33 846 213
E-mail: info@www.pit.ba
| O nama | Oglašavajte se na PIT.ba