A bottleneck törvénye az AI bevezetésben

A felismerés

Amit egy jóváhagyási lánc valójában elárul

Egy debreceni gépgyártó cégnél ültem az egyik beszerzési vezetővel, és néztük végig, mi történik, amikor valaki egy sima alkatrészt rendel. Öt jóváhagyási szint volt egy húszezer forintos tételnél. Megkérdeztem, miért öt. Senki a szobában nem tudta pontosan megmondani. A válasz nagyjából annyi volt, hogy mindig is így volt, és senki nem merte kevesebbre venni, nehogy pont az ő idejében csússzon ki egy hibás rendelés.

Ez nem kivétel volt, ez a szabály. Évek óta látom ugyanezt HR-nél, pénzügynél, marketingnél, ügyfélszolgálatnál. A lépések száma szinte sosem a feladat bonyolultságát tükrözte. Azt tükrözte, hány dolgot bírt egy adott pillanatban emberi figyelemmel és ítélőképességgel lefedni a szervezet.

Amikor a beszerzési vezető ideje szűkös volt, minden tételt neki kellett látnia, mert nem volt más módja ellenőrizni a költségvetést és a szállító előéletét. Amikor egy HR-es egyszerre csak néhány jelöltet tudott alaposan megismerni, négy interjúforduló épült egymásra biztosítékként. Amikor a controller csak hónap végén tudta összesíteni a bizonylatokat, a zárás egy tíznapos, kimerítő esemény lett. Ezek nem minőségi döntések voltak. Egy szűkös erőforrás, az emberi figyelem, elosztásáról szóltak.

Ugyanez a minta az ügyfélszolgálatnál is megvan. A háromszintű eszkalációs lánc, L1, L2, L3, nem azért alakult ki, mert minden bejövő ügy valóban háromféle szaktudást igényelt volna. Azért, mert egy L1 ügyintéző csak egy rendszert tudott egyszerre nézni, és ha nem talált választ a saját felületén, tovább kellett küldenie valakinek, akinek volt hozzáférése egy másikhoz. A szint tehát nem a probléma nehézségét mérte, hanem azt, hány rendszerhez fért hozzá és mennyi ideje volt az adott embernek.

A teszt

Egy kérdés, ami mindent eldönt

Amikor egy céggel AI bevezetésbe kezdek, az első munkám nem az, hogy megkeressem, hol lehetne egy eszközt beépíteni egy folyamatba. Az első munkám egy rövid kérdéssor végigvitele minden olyan folyamaton, amit a cég érinteni akar.

1. Nevezzük meg pontosan, milyen lépést vagy jóváhagyást fontolgatunk elhagyni.
2. Azonosítsuk, milyen bottleneck hívta életre annak idején.
3. Döntsük el, létezik-e még ma az a bottleneck, vagy már feloldódott.
4. Írjunk pontos, testelhető szabályt arra, mikor mehet a döntés automatikusan tovább, és mikor kell megállnia emberi kéznél.

A debreceni gépgyártónál a második kérdésre a válasz gyors volt. A bottleneck az volt, hogy senki nem látta valós időben a költségvetést és a szállítói minősítést egy helyen. Amint ezt az adatot bekötöttük a beszerzési felületbe, a négy jóváhagyási szintből egy maradt, a többi tétel utólagos, mintavételes ellenőrzéssel fut tovább. A beszerzési vezető nem azért lett fölöslegessé, mert az AI átvette a munkáját. Azért szabadult fel, mert a bottleneck, amire a szerepe épült, megszűnt.

Fontos, hogy ez nem azt jelenti, mindent el kell hagyni. Egy vidéki élelmiszeripari cégnél a minőségbiztosítási jóváhagyást vizsgáltuk végig ugyanezzel a kérdéssorral, és ott a bottleneck nem oldódott fel, mert a végső felelősség jogi és élelmiszerbiztonsági okokból nem osztható meg egy algoritmussal. A válasz itt nem a lépés eltörlése volt, hanem az, hogy a rendszer minden mérési adatot azonnal a jóváhagyó elé tesz, kiemeli az anomáliát, de a döntést nem hozza meg helyette. A teszt nem azt dönti el, hogy AI legyen mindenhol. Azt dönti el, hol maradt valódi oka az emberi lépésnek, és hol nem.

A bizalmi létra

Hogyan lépcsőzzük le a döntést a géptől az emberig

A leggyakoribb félelem, amivel egy vezető AI bevezetéskor szembesül, hogy vagy mindent az emberre bíz, és semmi nem gyorsul, vagy mindent a gépre bíz, és egyszer csak történik valami visszafordíthatatlan. Erre találtam ki egy egyszerű létrát, amit azóta minden ügyfelemnél végigviszek.

Legfelül az elv áll, vagyis hogy mit jelent az adott cégnél a jó döntés. Ebből konkrét szabály lesz, ami pontosan leírja az elvárt viselkedést egy adott helyzetben. A szabályból automatikus emlékeztető lehet, ami jelez, ha valaki eltér tőle. Ahol a tét nagyobb, kemény technikai akadály állítja meg a folyamatot, amíg nincs jóváhagyás. Legvégül, ahol a döntés valóban nem helyettesíthető, ott marad kizárólag emberi kézben.

Egy budapesti logisztikai vállalatnál ezt a marketing jóváhagyási körén vittük végig. A márka hangját addig két ember fejében élő ítéletként kezelték, minden kampányanyagot fizikailag eléjük kellett vinni. Miután leírtuk, mi a tiltott szófordulat, milyen vizuális elem nem mehet ki, és milyen állításnál kötelező a jogi nézet, a kampányok nagy része automatikusan élesedett, és csak az új piaci szegmenst megszólító vagy nagyobb médiaköltésű elemek maradtak előzetes emberi jóváhagyásnál. A marketingesek nem kevesebb felelősséget kaptak, hanem mást. Nem egyedi kreatívokat hagytak jóvá egyesével, hanem azt figyelték, mely szabály hoz rendszerszinten jó eredményt.

A létra egyik fokát sem érdemes gondolkodás nélkül kihagyni. Volt már ügyfelem, aki az első ijedtségében mindent kemény technikai akadállyal zárt le, és fél év alatt annyi jóváhagyási kérést zúdított a vezetőire, hogy azok elkezdték kapásból, átolvasás nélkül jóváhagyni mindent, ami az eredeti probléma visszatérése volt, csak digitális formában. És volt olyan is, aki túl sok döntést engedett automatikusan tovább, majd egy hibás szállítói besorolás miatt komoly szerződéses vitába keveredett. A helyes szint mindig a kockázat súlyából következik, nem abból, mennyire kényelmes automatizálni, és a küszöböket érdemes negyedévente újranézni, mert a bottleneck, ami ma még valós indok, néhány hónap múlva már nem biztos, hogy az.

Hat pont, ami egyszerre mozdul

A hat tengely

Ha egy szervezet AI first akar lenni, hat egymással összefüggő dolgot kell újragondolnia, és a tapasztalatom szerint pontosan ott bukik el a legtöbb projekt, ahol csak egyet mozdítanak el a hatból.

• Munkafolyamat. Nem egy lépést gyorsítunk fel, hanem a folyamatot tervezzük újra a bemenettől a kimenetig, elhagyva mindent, aminek már nincs oka.
• Döntési jogok. Rögzítjük, mely döntéseknél elég az utólagos ellenőrzés, és melyeknél kötelező az előzetes emberi jóváhagyás.
• Szerepek. A végrehajtóból felügyelő lesz, a szakértőből pedig az, aki a saját ítéletét szabályba fordítja.
• Ösztönzők. A mérce aktivitásról kimenetre vált, mert amíg az óraszám vagy az elküldött ajánlatok száma számít, mindenki a régi logika szerint viselkedik az új eszközzel is.
• Tudás és adat. A hallgatólagos szakértői tudás, ami egy-két ember fejében él, explicitté válik, mert ez az AI nyersanyaga.
• Kultúra. A szervezet megbecsüli azt, aki kimondja, hogy egy egész folyamat feleslegessé vált, akkor is, ha ő maga építette fel.

Az ösztönzők tengelye a leginkább alábecsült. Egy fővárosi értékesítési csapatnál az ajánlatkészítés és az utókövetés nagy részét átvette a rendszer, mégsem gyorsult fel érdemben az értékesítés, mert a csapat teljesítményét továbbra is a hívások és az elküldött ajánlatok száma mérte. Az értékesítők ezért inkább több apró ajánlatot generáltattak a géppel, mintsem hogy a felszabaduló idejüket tényleges tárgyalásra fordították volna. Amint a mércét lezárt bevételre és a kapcsolat minőségére cseréltük, a viselkedés heteken belül megváltozott, pedig az eszköz addigra már hónapok óta ugyanaz volt.

Az utolsó pont a legritkábban kerül szóba, pedig ez dönt a legtöbbször. Az egyik ügyfelemnél a controller pontosan tudta, hogy a havi zárás fele elhagyható lenne, mégsem mondta ki fél évig, mert attól tartott, hogy a saját munkáját teszi feleslegessé. Amikor a vezetés kifejezetten elismerést adott azért, hogy ezt felismerte és bejelentette, két hónap alatt megváltozott a hozzáállása a csapatnak is.

Motor vagy építkezés

Három szint, nem tíz

Van egy régi történet, amit szeretek elmesélni ügyfeleknek, mert pontosan megmutatja a hibát, amit a legtöbb cég elkövet. Amikor az elektromosság megjelent a gyárakban, a termelés évtizedekig alig nőtt, mert a mérnökök egyszerűen kicserélték a gőzgépet dinamóra, a gyár elrendezését, a tengelyeket, a munka logikáját érintetlenül hagyva. A valódi ugrás csak akkor jött, amikor rájöttek, hogy minden géphez saját motor jár, és a gyárat a munka logikája szerint kell megépíteni, nem a hajtás logikája szerint.

Ezért három szintben szoktam gondolkodni egy AI projektnél, és tudatosan nem tízben vagy ötben, mert a lényeg nem az AI használat gyakorisága, hanem az, hogy a szervezet mit épített át valójában.

Rátett motor. A régi folyamat, régi struktúra, régi mérőszámok változatlanok, az AI csak hozzá van adva a meglévő munkához. Ide tartozik a legtöbb eszközkiosztás és belső képzés. Ezek hasznosak lehetnek indulásnak, de önmagukban csak egy lépést gyorsítanak fel a régi láncban.

Helyi hajtás. Egy csapat vagy egy alfolyamat újratervezi magát az AI logikája köré, a szélesebb struktúra változatlan marad. Itt már valódi eredmény születik, de szigetszerűen.

Architektúraváltás. A folyamat, a döntési jogok, a szerepek, az ösztönzők és a struktúra egyszerre, egymáshoz illesztve épülnek újra. Ez hozza a nagyságrendi javulást, nem csak a lineárist, és ez az, amit a legtöbb cég kihagy, mert kényelmetlenebb és lassabb elindulni vele.

Van egy egyszerű jel, amiből egy vezető technikai audit nélkül is megállapíthatja, melyik szinten áll a saját szervezete. Ha az AI bevezetése óta a csapat létszáma, a jóváhagyási körök száma és a mérőszámok egy az egyben ugyanazok, mint korábban, csak gyorsabban mennek végig rajtuk, az rátett motor. Ha egy-egy csapat saját kezdeményezésre már máshogy dolgozik, de a szomszédos csapat erről mit sem tud, az helyi hajtás. Ha valaki meg tudja mutatni, mely teljes lépéssorozat szűnt meg végleg, és ezt a vezetés is tudja és számon tartja, az architektúraváltás.

Az első hónap

Hol érdemes kezdeni

A leggyakoribb hiba induláskor, hogy egy cég egyszerre tíz folyamatot akar újratervezni, és egyik sem jut túl a tervezésen. Azt szoktam javasolni, hogy egyetlen folyamattal induljunk, amelyiknél a bottleneck egyértelműen felismerhető, a kockázat alacsony, és a felelőse maga akarja csinálni, nem a vezetés kényszeríti rá. Egy győri kereskedelmi cégnél ez a beérkező számlák kontírozása volt, alacsony téttel járó, mégis rengeteg embert idegesítő folyamat. Hat hét alatt lezártuk az első architektúraváltást, és ez lett a belső bizonyíték arra, hogy a módszer működik, mielőtt bárkit meg kellett volna győzni elméletben.

Utána jön a második folyamat, már nagyobb téttel, és innentől a legfontosabb szerep nem is a fejlesztőé, hanem azé, aki az adott funkcióban felelős a saját területéért. Ha ezt egy központi digitális csapatra bízzák, ahelyett hogy minden funkció vezetője maga vinné végig a saját folyamatát, a projekt jellemzően megreked az első pár lépés után, mert a központi csapat nem ismeri elég mélyen az adott terület hallgatólagos szabályait ahhoz, hogy azokat helyesen kódolja.

Amit senki nem mond ki

A fal, ami nem a szervezeti ábrán van

Az egyik ügyfelemnél, egy közepes méretű kereskedelmi vállalatnál, két külön csapat épített ki két külön bevétel előrejelző rendszert ugyanabban a negyedévben. A sales csapat az ügyfélaktivitásból számolt valós idejű forecastot, a pénzügy pedig, teljesen tőlük függetlenül, gördülő előrejelzést épített a tényadatokból. Amikor megmutattam a két táblázatot egymás mellett, öt százalékkal tért el egymástól ugyanarra a hónapra. Egyik oldal sem tudott a másikról.

Ez a legalulértékeltebb hiba, amit AI bevezetésnél látok. A cégek funkciónként gondolkodnak, HR külön épít, pénzügy külön épít, sales külön épít, miközben gyakran ugyanarra a mögöttes valóságra, a bevételre, az ügyfélre, a szállítóra épülnek külön, egymásnak akár ellent is mondó rendszerek. Az AI first szervezetben a funkciók közötti fal először az adatrétegben omlik le, nem a szervezeti ábrán. Mielőtt egy cég funkciónként nekilátna az újratervezésnek, érdemes feltérképezni, mely két csapat épít éppen ugyanarra a mögöttes adatra két külön motort.

Ugyanezt a mintát látom a beszerzés és a pénzügy között is. Az egyik oldal saját szállítói kockázatpontozást épít, hogy kiszűrje a megbízhatatlan partnereket, a másik oldal pedig, teljesen függetlenül, banki és partneregyeztetést futtat ugyanazokra a szállítókra. Mindkettő ugyanazt a szerződéses és fizetési adatot dolgozza fel, mégis külön logikával, külön eredménnyel. Ha ezt a két rendszert nem vonjuk össze, a cég két, egymásnak időnként ellentmondó AI szigetet üzemeltet ugyanarról a valóságról.

Az átmeneti visszaesés

Amire a vezetésnek fel kell készülnie

Van egy jelenség, amire szinte minden vezetőt előre figyelmeztetek, mert enélkül a legrosszabb pillanatban adják fel a helyes utat. Amikor egy folyamatot valóban újraépítünk, nem csak felgyorsítunk, a mért teljesítmény az elején gyakran visszaesik, mielőtt a vártnál magasabbra emelkedne. A régi folyamat már bomlik, az új még nem áll össze teljesen, és pontosan ekkor a legkönnyebb azt mondani, hogy az AI nem hozta a beígért eredményt.

A pénzügyi vezetésnek ezért két mércét kell egyszerre néznie az átalakítás alatt. A folyó üzleti mutatót, ami átmenetileg romolhat, és magát az architektúra-átépítés előrehaladását, ami mutatja, hogy a folyamat valóban jó irányba halad. Az egyik ügyfelemnél ezt a két mércét tudatosan szétválasztottuk a vezetői beszámolóban, és ez volt az egyetlen dolog, ami miatt a projekt túlélte azt a negyedévet, amikor a régi mutatók még romlottak.

Azt is érdemes előre kimondani a csapatnak, ne csak a vezetésnek. Amikor egy értékesítési csapatnál bevezettük az új, kapcsolat alapú mércét, az első hat hétben a lezárt üzletek száma látszólag visszaesett, mert az értékesítők még nem bíztak eléggé a géppel közösen készített ajánlatokban, és minden sort kézzel átírtak. Előre megmondtuk nekik, hogy ez a szakasz várható, és hogy nem ezen mérjük őket abban a negyedévben. Enélkül valószínűleg visszaálltak volna a régi munkarendre, mielőtt az új egyáltalán esélyt kapott volna.

Aki egy régi folyamatot évekig épített és karbantartott, annak nehéz kimondania, hogy feleslegessé vált. Azoknál a cégeknél láttam tartós eredményt, ahol a vezetés kifejezetten megbecsülte azt, aki ezt mégis kimondta, nem csak azt, aki egy meglévő lépést ügyesen felgyorsított.