Katra sistēma rādīja pareizus datus. Kopā tās stāstīja pavisam citu stāstu.

Katra sistēma rādīja pareizus datus. ERP sistēmā bija aktuāla klientu informācija. Pārdošanas pārstāvji iesniedza ikdienas atskaites. Automašīnu GPS dati apstiprināja veiktos maršrutus. Taču kopā šie dati stāstīja pavisam citu stāstu.

Tieši šajā atšķirībā bieži sākas biznesa problēmas. Vai mākslīgais intelekts var pamanīt šo atšķirību agrāk nekā cilvēks? Jā. Nevis tāpēc, ka tas uzņēmumu saprot labāk par cilvēkiem, bet tāpēc, ka tas nepārtraukti salīdzina informāciju no dažādām sistēmām, kamēr cilvēki to parasti analizē noteiktos intervālos.

Kāpēc biznesa problēmas tiek atklātas tik vēlu?

Biznesa problēmas reti sākas brīdī, kad tās kļūst redzamas. Klientu aizplūšana parādās ceturkšņa pārskatā. Neparasts maksājums kļūst redzams finanšu auditā. Ražošanas aizkavēšanās kļūst acīmredzama tikai tad, kad sāk kavēties piegādes.

Līdz tam brīdim jau ir notikuši desmitiem vai pat tūkstošiem nelielu notikumu. Katrs no tiem šķita pārāk nenozīmīgs, lai tam pievērstu uzmanību. Kopā tie izveidoja modeli.

Kur parādās pirmais signāls?

Pirmais signāls reti parādās vienā sistēmā. Tas rodas brīdī, kad dažādas sistēmas sāk atšķirīgi aprakstīt vienu un to pašu biznesa procesu.

Lielākajai daļai uzņēmumu jau ir visi nepieciešamie dati. Biežāk pietrūkst iespējas redzēt, kā informācija no dažādām sistēmām raksturo vienu un to pašu biznesa procesu. Pārdošanas komanda redz vienu daļu no kopainas. Finanšu komanda redz citu. Operāciju komanda redz vēl citu. Katra nodaļa pieņem pamatotus lēmumus, balstoties uz tai pieejamo informāciju.

Sarežģījumi sākas brīdī, kad neviens neredz, kā šīs daļas savienojas kopējā attēlā. Biznesa problēmas bieži sākas tad, kad divas sistēmas pārstāj stāstīt vienu un to pašu stāstu.

Kas notiek, kad katra sistēma stāsta citu stāstu?

Kādā uzņēmumā ar 76 pārdošanas pārstāvjiem vadītāji bija pārliecināti, ka klientu vizītes notiek atbilstoši plānam, jo visi pārstāvji regulāri iesniedza dienas atskaites. ERP sistēmā klientu dati bija aktuāli, un visas atskaites izskatījās korektas. Tomēr, aplūkojot kopā vizīšu atskaites, ERP datus un automašīnu GPS informāciju, atklājās pavisam cita aina.

Pirmais signāls nebija ieņēmumu kritums. Tā bija pieaugoša neatbilstība starp dažādām sistēmām - ilgi pirms tas ietekmēja uzņēmuma rezultātus. Katrs informācijas avots atsevišķi šķita pareizs. Tikai aplūkojot tos kopā, kļuva redzams pats biznesa process.

Šī redzamība ļāva vadītājiem identificēt nenotikušās klientu vizītes, salīdzināt plānotos maršrutus ar faktiski veiktajiem un koriģēt grafikus, pirms neapmeklētie klienti kļuva par zaudētām biznesa iespējām.

Kāpēc agrīni brīdinājumi ne vienmēr pārvēršas rīcībā?

Pamanīt pirmo signālu ir tikai sākums. Tas, vai šis signāls pārtaps rīcībā, visbiežāk ir atkarīgs no trim lietām:

• Informācija ir pieejama pietiekami savlaicīgi, lai varētu reaģēt.
• Visas iesaistītās nodaļas redz vienu un to pašu kopainu.
• Ir skaidri noteikts, kurš pieņem nākamo lēmumu.

Ja šie priekšnoteikumi nav izpildīti, agrīna problēmas atklāšana pārvēršas tikai agrākā problēmas apzināšanā, nevis ātrākā rīcībā.

Kāpēc redzamība rada labākus lēmumus?

To apstiprina Cisco AI Readiness Index 2025: Realizing the Value of AI. Pētījums rāda, ka organizācijas ar centralizētiem un viegli pieejamiem datiem ir ievērojami labāk sagatavotas radīt biznesa vērtību ar mākslīgā intelekta palīdzību. Tajā secināts, ka visgatavākās organizācijas jeb Pacesetters aptuveni četras reizes biežāk izmanto pilnībā centralizētus datus un 1,5 reizes biežāk ziņo izmērāmiem uzlabojumiem rentabilitātē, produktivitātē un inovācijās. Līdzīgu secinājumu izdara arī pētījums The State of AI 2025: lielāko biznesa vērtību rada nevis jaunu tehnoloģiju ieviešana, bet gan veids, kā uzņēmumi pārveido darbu ar informāciju.

Biznesa problēmas reti kļūst dārgas vienas nakts laikā. Tās kļūst dārgas brīdī, kad pirmie signāli paliek nošķirti un to sekas kļūst redzamas tikai vadības pārskatos. Vadības paneļi parasti dokumentē biznesa problēmas. Redzamība pāri dažādām biznesa sistēmām palīdz tās pamanīt laikā, kad vēl ir iespējams rīkoties.

Pirms sākt nākamo mākslīgā intelekta iniciatīvu, uzdodiet sev vienu vienkāršu jautājumu. Ja divas jūsu galvenās biznesa sistēmas jau šodien sāktu stāstīt atšķirīgus stāstus par vienu un to pašu procesu, cik ilgā laikā kāds to pamanītu?

Atbilde uz šo jautājumu pasaka mazāk par mākslīgo intelektu. Tā pasaka ļoti daudz par to, cik skaidri jūsu uzņēmums redz pats sevi.