LEAN TECH VOICES: Greška 93–7 u AI-ju

Pitanje

U nedavnom članku, Deloitteov Bill Briggs napisao je da kompanije 93% svojih ulaganja u AI troše 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 isti obrazac svaki put kada se pojavi nova tehnologija?

Odgovori

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 dolazi. Ispostavlja se da AI ide potpuno istim putem kao i prethodne tehnološke revolucije.

Ovdje smo već bili.

Na početku industrijske revolucije mašine su se masovno uvodile uz vrlo malo razmišljanja o tome kako će ljudi raditi s njima. Rani automatski tkalački stanovi, na primjer, radili su nesavršeno i zahtijevali su da ih ljudi — često djeca — stalno nadgledaju, intervenišu kada se konci pokidaju i obavljaju opasne korektivne radnje dok mašine i dalje rade.

Mašina je došla prva; ljudi su se morali prilagoditi njoj. Produktivnost je rasla, ali uz veliku ljudsku cijenu.

Današnje implementacije AI-ja izgledaju neugodno 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 pođu po zlu.

Umjesto da AI radi za ljude, ljudi se od njih traži da rade za AI — provjeravaju tekst, validiraju rezultate i ispravljaju izlaze koje je često zamorno provjeravati i rizično im vjerovati.

To nije augmentacija; to je prebacivanje odgovornosti bez prebacivanja odgovornosti za rezultat.

Početkom 1920-ih, Sakichi Toyoda osmislio je radikalni izum — automatski tkalački stan koji bi se sam zaustavio kada se konac pokida. Time je operatorima posao postao lakši i omogućilo im je da rade druge zadatke dok mašina radi, a u slučaju kvara mogli su doći i popraviti ga u trenutku kada njima odgovara.

Ovo je priča o nastanku koncepta Jidoka, filozofije automatizacije koja je oblikovala Toyotu.

Nadovezujući se na to, Lean razmišljanje nudi potpuno drugačiju perspektivu implementacije AI-ja, u kojoj mašine pomažu ljudima — a ne obrnuto.

Automatizacija ne bi trebala eliminisati ljude, već povećati njihovu autonomiju, sposobnosti i mogućnost unapređenja sistema.

Jidoka ugrađuje ljudsko prosuđivanje u automatizovane sisteme, umjesto da ljude gura niz proces kao obične kontrolore kvaliteta.

Posmatrano iz ove perspektive, ulaganje 93% u tehnologiju, a 7% u obuku ljudi zapravo je problem načina razmišljanja.

To signalizira da većina organizacija postavlja pitanje:

“Šta možemo zamijeniti AI-jem?”

umjesto:

“Kako možemo redizajnirati posao tako da ljudi postanu efikasniji uz pomoć AI-ja?”

Rezultat je predvidiv: nesavršeni AI sistemi, frustrirajuće ljudske uloge, praznine u odgovornosti i rastuće nepovjerenje koje ljude gura prema nesigurnim improvizovanim rješenjima.

Lean pristup posmatra AI kao problem proizvodnog inženjeringa.

Fokus je na pomjeranju kvaliteta unaprijed u procesu, izgradnji sistema koji rano otkrivaju probleme i automatizaciji provjera kvaliteta — tako da se ljudi mogu fokusirati na dizajn, rješavanje problema i unapređenje sistema.

Nije iznenađujuće da takav pristup donosi znatno veće dobitke u produktivnosti.

Inženjeri koji koriste AI na ovaj način ne samo da dobijaju bolje rezultate od samog početka, nego mogu i kontinuirano unapređivati sistem analizirajući svaki put kada AI ne uspije u svom zadatku.

To je siguran način da nadmašite one koji pokušavaju zamijeniti ljude AI-jem, ali na kraju samo opterete ljude dodatnim korektivnim radom kako bi nadoknadili nedostatke AI-ja.

Sandrine Olivencia, lean autor i suvlasnik Taktique – FRANCUSKA

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

Zvuči nerealno? Pa, upravo tako mnoge organizacije danas pristupaju tehnologiji, prema ovoj studiji kompanije Deloitte.

Posljedice ove neravnoteže brzo će se pojaviti u svakodnevnom radu. Kada se tehnologija uvodi bez dovoljnog ulaganja u razumijevanje kako je treba koristiti, održavati i unapređivati, ljudi je prilagođavaju usput kako bi obavili svoj posao. Stvaraju prečice i paralelne prakse koje imaju smisla na lokalnom nivou, ali s vremenom stvaraju tehnički dug. Ovo nije problem discipline ili otpora promjenama; to je neuspjeh u dizajnu. Tehnologija je uvedena bez pravilnog povezivanja s tim kako se posao zaista odvija, šta kupci očekuju i kakve stvarne kompromise ljudi svakodnevno moraju praviti.

Iza ovakvog ponašanja krije se trajna zabluda: ulaganje u tehnologiju djeluje umirujuće jer je opipljivo, mjerljivo i brzo, dok izgradnja znanja i ljudskih sposobnosti djeluje sporo, neizvjesno i mnogo teže je opravdati poznatim pokazateljima kao što su obim proizvodnje, stope iskorištenosti i kratkoročni povrat na investiciju. Svaki novi talas tehnologije dodatno pojačava ovu pristrasnost. AI to samo čini vidljivijim jer dolazi upakovan u posebno zavodljivo obećanje: inteligencija u kutiji. Pod pritiskom da se „krene odmah“, lideri finansiraju ono što izgleda kao prečica, a teži posao – pretvaranje tehnologije u pouzdan dio načina na koji se odluke zaista donose – odgađaju za kasnije.

Posmatrano iz lean perspektive, ovaj odnos 93–7 otkriva način razmišljanja masovne proizvodnje primijenjen na rad zasnovan na znanju. Fokus se pomjera na „više outputa, brže“, što se prevodi u više sadržaja, više dashboarda, više automatizacije i više aktivnosti, čak i kada su osnovno znanje i namjera slabi i nejasni. Lean liderstvo je izgrađeno za suprotan izazov. Ono u centar stavlja jasnoću namjere, učenje i brigu, jer su to uslovi u kojima i ljudi i mašine mogu doprinositi boljim odlukama. Lean okruženje od početka postavlja drugačija pitanja: Šta pokušavamo postići? Šta trebamo naučiti da bismo tamo stigli? Šta kupci zaista cijene? Kako izgleda „dobro“ i kako ćemo znati kada se rezultati počnu udaljavati od toga? Tehnologija tada postaje sredstvo za odgovaranje na ta pitanja. Bez prosuđivanja, međutim, 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 zajedničke interpretacije partiture. Oni intimno poznaju svoje instrumente i znaju kako se prilagoditi u trenutku kada nešto ne funkcioniše baš onako kako se očekivalo. Na isti način, organizacije mogu funkcionisati i rasti samo ako stvaraju uslove za donošenje kvalitetnih odluka. Tehnologija može podržati ovaj rad, ali ga ne može zamijeniti. Kada se tehnologija posmatra kao alat zanatlije, a ne kao zamjena za razmišljanje, postaje moguće razvijati zanatstvo u velikom obimu: ljude koji vladaju svojim zanatom, razumiju svoje alate i znaju donijeti pravu odluku kada su situacije nejasne. AI može dramatično unaprijediti rad takvih ljudi, ali ne može zamijeniti njihovu ključnu sposobnost, a to je prosuđivanje zasnovano na stvarnosti.

Prava prednost u eri AI-ja neće doći iz brže proizvodnje. Doći će iz izgradnje i njegovanja visokokvalitetnog znanja kroz timove, tako da AI djeluje na osnovu jasne namjere, pouzdanog konteksta i eksplicitne odgovornosti.

Eivind Reke, Research Manager, SINTEF Manufacturing – NORVEŠKA

Mentalni model masovne proizvodnje, koji – htjeli mi to ili ne – prožima zapadno menadžersko razmišljanje, oduvijek je bio usmjeren na automatizaciju što većeg dijela rada kako bi se postigla efikasnost obima, a zaposlene koristiti samo tamo gdje mašina ne može obaviti posao. Ovakav način razmišljanja, koji ljude uglavnom tretira kao zamjenjive dijelove i trošak koji treba smanjiti, dodatno je ojačan doktrinom primata dioničara koju je uveo Milton Friedman sedamdesetih godina prošlog vijeka. U okviru te doktrine, podjela 97/3 ima savršenog smisla, jer je krajnji cilj kapital koji radi za kapital. Međutim, za mentalni model Lean Managementa to je čisto ludilo. Lean vjeruje u služenje općem dobru kroz proizvod ili uslugu koju organizacija isporučuje i vidi tehnologiju kao alat koji ljudi koriste kako bi stvorili veću vrijednost za kupca. Iz lean perspektive, pravi odnos trebao bi biti 50/50: sve što ulažemo u novu tehnologiju trebalo bi jednako ulagati i u ljude.

Toyota se nikada nije plašila nove tehnologije, a lean mislioci i praktičari također ne bi trebali. Bilo da ste CEO, direktor fabrike, lean koordinator ili coach, trik je u tome da nove tehnologije koristite na pametan način i da iskoristite organizacijsko znanje kako biste to postigli. Suprotno svojoj javnoj percepciji, Toyota je kao kompanija mnogo više rani usvajač novih tehnologija, kako u proizvodnji tako i u razvoju proizvoda, nego kasni sljedbenik. To postaje očigledno ako uzmemo u obzir da je već šezdesetih godina instalirala svoj prvi IBM mainframe računar za kontrolu proizvodne linije, da je početkom osamdesetih razvila vlastiti CAD/CAE sistem (koji od tada kontinuirano unapređuje kroz kaizen), ili da je krajem devedesetih i početkom 2000-ih provodila eksperimente u onome što bismo danas nazvali okruženjem Digital Twin. Kada je riječ o proizvodnoj tehnologiji, Toyota ima dugu historiju modifikacija: kupuje proizvodnu opremu, prilagođava je vlastitim potrebama, ponekad je unapređuje, a na kraju razvija i gradi vlastitu.

Druga važna stvar koju Toyota radi jeste jednako ulaganje u razvoj ljudi, jer su na kraju upravo ljudi ti koji upravljaju tehnologijom kako bi stvaranje vrijednosti bilo lakše u svim funkcijama, a ne samo u proizvodnim operacijama. To je jasno ako pogledamo njihove pažljivo osmišljene procese uvođenja i obuke za novozaposlene inženjere (detaljno opisane u knjizi Designing the Future), koji traju čitave dvije godine. Ako ste ozbiljan lean mislilac i praktičar, 50/50 bi trebao biti način na koji pristupate svakoj novoj tehnologiji: jednako ulaganje u ljude i tehnologiju, s ciljem stvaranja boljih i održivijih proizvoda i usluga za vaše kupce.

. . .

Tekst LEAN TECH VOICES: Greška 93–7 u AI-ju preveden je sa portala Planet Lean.

Autor

Redakcija PIT.ba

View all posts

LEAN TECH VOICES: Greška 93–7 u AI-ju

U ovoj novoj kolumni, tri stručnjaka za lean i tehnologiju odgovaraju na isto ključno pitanje koje oblikuje današnju raspravu o tehnologiji i AI-ju. Ovog mjeseca razgovaraju 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

Pametno planiranje proizvodnje bez zastoja i viškova uz GoSoft

PIT FoodCon 2026 stiže: Ideje su na šporetu, vrijeme je da zakuhamo!

Kada ERP postane temelj proizvodnje: priča o implementaciji GoSofta u kompaniji B&O

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 AI-ju

U ovoj novoj kolumni, tri stručnjaka za lean i tehnologiju odgovaraju na isto ključno pitanje koje oblikuje današnju raspravu o tehnologiji i AI-ju. Ovog mjeseca razgovaraju 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

Pametno planiranje proizvodnje bez zastoja i viškova uz GoSoft

PIT FoodCon 2026 stiže: Ideje su na šporetu, vrijeme je da zakuhamo!

Kada ERP postane temelj proizvodnje: priča o implementaciji GoSofta u kompaniji B&O

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