W ostatnich dwóch tygodniach rozpoczęliśmy dwa duże przedsięwzięcia rozwojowe. W Poznaniu — nową edycję Executive MBA. W Gdańsku — program dla najwyższej i średniej kadry zarządzającej dużej firmy budowlano-realizacyjnej. To powody do satysfakcji. Ale z pierwszych spotkań zabieram także pytanie, które warto postawić każdemu menedżerowi zachwyconemu możliwościami AI.
Poznań i Gdańsk. Dobry początek ważnych rozmów.
Na Uniwersytecie Ekonomicznym w Poznaniu uruchomiliśmy nową edycję studiów Executive MBA. W Gdańsku, wspólnie z naszym partnerem EY Academy of Business, rozpoczęliśmy program rozwojowy dla najwyższej i średniej kadry zarządzającej dużej firmy budowlano-realizacyjnej.
Każdy z tych programów to duże przedsięwzięcie: przygotowanie, zaangażowanie wielu osób i odpowiedzialność za to, żeby wspólna praca przełożyła się na sposób zarządzania. Cieszymy się z ich rozpoczęcia i z zaufania, którym nas obdarzono.
Zarówno podczas zajęć MBA, jak i pierwszych spotkań w Gdańsku dużo rozmawialiśmy o MBO — Management by Objectives, czyli zarządzaniu przez cele — oraz o zarządzaniu projektami. Jak definiować cele, które mają sens? Jak przekładać je na codzienne decyzje? I co w tym wszystkim zmienia technologia, zwłaszcza agenci AI?
Jedna z tych dyskusji była dla mnie szczególnie interesująca. Dotyczyła różnicy pomiędzy zwiększaniem własnej produktywności a poprawą wyniku całego portfela projektów.
Sam korzystam z AI. I widzę ogromną różnicę.
Odkąd wdrożyłem agentów AI do swojej działalności, szacuję, że moja osobista produktywność wzrosła kilkukrotnie. To moja ocena własnej pracy, a nie wynik formalnego badania. Szybciej analizuję materiały, przygotowuję treści, porządkuję informacje i przechodzę od pomysłu do konkretnego rezultatu.
Korzystamy z tych możliwości również w naszym obecnym wdrożeniu w firmie produkcyjnej na Słowacji, gdzie zarządzamy portfelem 280 projektów. W rozwijanym przez nas rozwiązaniu Lynx-G wykorzystujemy agentów AI i AI board do generowania informacji, analiz oraz materiału wspierającego podejmowanie decyzji. Odpowiedzialność za decyzje pozostaje po stronie ludzi.
Widzę więc wartość tej technologii każdego dnia. Właśnie dlatego uważam, że warto postawić jej trudniejsze wymaganie: pokazać wpływ na wynik całego systemu.
Portfel projektów nie jest sumą osobistych produktywności.
W portfelu projekty konkurują o wspólne zasoby. O te same kompetencje, specjalistów, maszyny, stanowiska testowe czy dostępność osób podejmujących kluczowe decyzje. To, ile projektów kończymy i jak szybko to robimy, zależy w dużej mierze od ograniczenia, które wyznacza tempo przepływu całej pracy.
Dlatego z perspektywy teorii ograniczeń — TOC — i zarządzania portfelem pierwsze pytanie brzmi: co dzisiaj najbardziej ogranicza liczbę kończonych projektów? Dopiero odpowiedź na nie pozwala dobrze wybrać miejsce dla automatyzacji, agentów AI czy innych działań zwiększających produktywność.
Można mieć 30 agentów AI, szybciej wykonywać tysiące zadań i nadal nie kończyć większej liczby projektów.
To możliwe, jeśli usprawniamy przede wszystkim miejsca, które już mają zapas zdolności. Tworzymy więcej dokumentacji, analiz lub zleceń, a wszystkie nadal muszą przejść przez to samo przeciążone ogniwo. W skrajnym przypadku zwiększamy kolejkę przed nim.
Jeżeli wspólne stanowisko testowe pozwala zakończyć pięć projektów tygodniowo, dwukrotnie szybsze przygotowanie dokumentacji samo w sobie nie zwiększy tej liczby. Może natomiast pomóc, jeżeli usunie przestoje stanowiska, błędy w danych albo konieczność powtarzania testów.
Najłatwiej poprawić to, co łatwo poprawić.
Tu widzę największą pułapkę. Efektowną automatyzację możemy uruchomić szybko i od razu pokazać, ile godzin oszczędza. Tymczasem zwiększenie zdolności krytycznej kompetencji, maszyny czy zespołu bywa znacznie trudniejsze. Wymaga decyzji, zmiany priorytetów, przygotowania ludzi albo inwestycji. I właśnie tam często rozstrzyga się wynik portfela.
AI nie musi pracować bezpośrednio w wąskim gardle, żeby mu pomóc. Może odciążyć kluczowego specjalistę z czynności pomocniczych, zapewnić kompletne dane przed rozpoczęciem pracy, ograniczyć poprawki lub ułatwić wybór właściwej kolejności zadań. To także realne zwiększanie zdolności ograniczenia.
Po uwolnieniu tego miejsca trzeba ponownie spojrzeć na cały przepływ, bo ograniczenie może przesunąć się gdzie indziej. Sukcesu nie mierzyłbym więc liczbą uruchomionych agentów. Sprawdzałbym, czy kończymy więcej projektów, skracamy czas ich realizacji i lepiej dotrzymujemy zobowiązań wobec klientów.
Trzy pytania przed kolejnym agentem.
Z dyskusji w Poznaniu i Gdańsku zabieram trzy pytania, które proponuję zadać także we własnej organizacji:
- Co dziś wyznacza tempo kończenia naszych projektów? Czy potrafimy wskazać to na podstawie danych i obserwacji przepływu?
- Jak konkretnie planowane zastosowanie AI pomoże temu miejscu? Zwiększy jego zdolność, usunie zbędną pracę, ograniczy błędy czy zapewni lepsze decyzje?
- Po czym poznamy, że poprawił się wynik całego portfela? Co zmieni się dla klienta poza tym, że wewnętrznie wykonujemy więcej czynności?
To również bardzo praktyczny temat dla MBO. Jeżeli każdy dział ma cel „zwiększyć własną produktywność”, możemy osiągnąć wiele lokalnych sukcesów. Warto jednak sprawdzić, czy te cele wspólnie prowadzą do większej liczby zakończonych projektów i lepszego wyniku firmy.
Agenci AI przyspieszą Twoje projekty?
Nie, jeśli przyspieszają nie to, co trzeba.
W przyszłym tygodniu planuję nagrać podcast poświęcony właśnie temu tematowi. Rozwinę w nim tę myśl na przykładach z praktyki wdrożeniowej: zarządzania portfelem na Słowacji, Lynx-G oraz pracy z ograniczeniami.
Chcę porozmawiać o tym, jak wybierać zastosowania AI, które pomagają kończyć projekty, i jak oceniać ich rzeczywistą wartość. Zapraszam do powrotu do naszych nagrań po publikacji odcinka.
Zobacz dotychczasowe nagrania →A gdyby jutro każdy w Twojej firmie pracował dwa razy szybciej — ile więcej projektów naprawdę skończylibyście w przyszłym miesiącu?
Founder & CEO, Art Strategy Group
Portfel projektów · TOC / CCPM · Governance · Technologie w zarządzaniu
