Глава 10. Разбор рабочих процессов

В разгар IT-революции компании задавались вопросом, как внедрить компьютеры в свой бизнес. Для некоторых ответ был ясен: определить сферу, где требуется много расчетов, и заменить людей компьютерами; они лучше, быстрее и дешевле. Для других все выглядело не столь очевидно, тем не менее многие пробовали. Но плоды экспериментов созрели не сразу. Роберт Солоу, лауреат Нобелевской премии по экономике, сокрушался: «Эпоха компьютеров наступила всюду, кроме статистики производительности труда»[94].

Из этой проблемы зародилось интересное движение под названием «реинжиниринг». Майкл Хаммер и Джеймс Чампи в книге «Реинжиниринг компании» (1993)[95] утверждали, что для применения новой универсальной технологии – компьютеров – компании должны отвлечься от процессов и обозначить цели, которых хотят достигнуть. Затем следует изучить рабочие процессы и определить, какие задачи необходимо выполнить для достижения целей, а только затем думать, какую роль в них можно отвести компьютерам.

Один из любимых примеров Хаммера и Чампи – дилемма Форда, с которой тот столкнулся в 1980-х; она касалась не производства автомобилей, а оплаты труда[96].

Его отдел расчетов с кредиторами в Северной Америке насчитывал 500 человек, и вложением немалых средств в компьютеры он надеялся сократить их количество на 20 %. Вполне реальной ему представлялась цифра в 400 человек, ведь у его конкурента Mazda эти функции выполняли всего пять сотрудников. Хотя в 1980-е годы все превозносили продуктивность японских рабочих, не нужно быть гуру менеджмента, чтобы понимать: дело не только в этом.

Для повышения производительности менеджеры Ford изучили процесс покупки. Между составлением и оформлением заказа на покупку было задействовано много людей; если хотя бы один выполнял свои обязанности слишком долго, буксовала вся система. Неудивительно, что некоторые покупки совершались проблематично, особенно если требовалось уточнить или дополнить заказ. Эту задачу выполнял один человек, и даже если трудности возникали только с частью заказа, большую часть времени он был занят их решением. Поэтому весь заказ продвигался со скоростью самой проблемной его части.

В этом заложен потенциал для эффективного применения компьютеров. Они не только снижают количество нестыковок в системе, но и могут отделять простое от сложного и обеспечивать обработку задачи с нормальной скоростью. Как только новую систему внедрили, отдел расчетов с кредиторами Ford уменьшился на 75 %, а весь процесс значительно ускорился и стал гораздо точнее.

Не всегда реинжиниринг нацелен на сокращение персонала, даже если (к сожалению) многие думают об этом в первую очередь[97]. В широком применении он может повысить качество услуг. Есть еще пример крупной компании по страхованию жизни Mutual Benefit Life, которая обнаружила, что девятнадцать человек в пяти отделах выполняют тридцать отдельных этапов обработки заявок. Теоретически стандартная заявка должна была проходить эту запутанную схему за день, но на практике это занимало от пяти до двадцати дней. Почему? Из-за отсрочек при переходе от одного сотрудника к другому. И чем медленнее продвигалась заявка, тем больше проволочек с ней возникало. Единая база данных, обеспеченная централизованной компьютерной системой, улучшила процесс принятия решений, уменьшила отсрочки и значительно повысила продуктивность работы в целом.

В итоге каждую заявку принимал один человек, а обработка занимала от четырех часов до нескольких дней.

Как инструмент классических вычислений ИИ представляет собой универсальную технологию. Он обладает потенциалом влияния на все решения, потому что их ключевой элемент – прогноз. Впредь ни один менеджер не добьется повышения продуктивности простым внедрением ИИ в проблему или существующий процесс. Эта технология требует переосмысления всех процессов, как это описали Хаммер и Чампи.

Компании уже занимаются анализом, разбивая рабочий процесс на отдельные задачи. Финансовый директор Goldman Sachs Р. Мартин Чавез отметил, что большая часть из 146 задач по первичному публичному размещению «напрашивается на автоматизацию»[98]. Многие из этих задач основаны на решениях, которые инструменты ИИ заметно улучшат. В истории о трансформации Goldman Sachs (а ее напишут через десяток лет) расскажут о том, какую значительную роль в ней сыграл прогресс ИИ.

Практическое внедрение ИИ осуществляется посредством разработки инструментов. Единицей ИИ в них является не «работа», «обязанности» или «стратегия», а «задача». Задачи состоят из решений (как представленные на рис. 5.1 (глава 5) и описанные в части II). Решения основываются на прогнозе и суждении и принимаются исходя из данных. У решений внутри одной задачи эти элементы часто совпадают. И различаются только последующими действиями (рис. 10.1).

Рис. 10.1. Анализ полного изменения и автоматизации процессов

Некоторые решения внутри задачи иногда возможно автоматизировать, а сегодня, сообразно повышению точности прогнозов, можно автоматизировать последнее оставшееся решение. Распространение прогностических машин заставляет задуматься, как переиначить и автоматизировать рабочие процессы полностью, эффективно отстранив людей от таких задач вообще. Но чтобы сами по себе улучшенные и дешевые прогнозы привели к полной автоматизации, использование прогностических машин должно также повысить отдачу от их применения в других аспектах задач. Иначе при наличии прогностических машин решения будут принимать люди.