Předpoklad ve strategii jen zřídka dostane datum expirace. Stojí tam: „tato práce zůstává prací lidí" nebo „tento proces vyžaduje naše lidi", a to platilo ve chvíli, kdy to bylo zapsáno. Otázka nezní, zda se ten předpoklad někdy stane nesprávným. Otázka zní kdy, a kdo si toho všimne dřív, než na něm plán mlčky dál staví.
Předpoklady o trhu opotřebovávají postupně. Konkurent pomalu získává půdu pod nohama, cena klesá v průběhu čtvrtletí. Předpoklad o AI se může zvrátit v jiném časovém horizontu. Úkol, který byl vloni zcela prací lidí, může být toto čtvrtletí z velké části převzatelný, částečně s dohledem, který schvaluje nebo zamítá s odůvodněním, částečně ještě ne. To se neděje všude stejně. Ve firmě, kde jsou podkladové úkoly už strukturované a digitálně dostupné, se předpoklad posouvá rychleji než ve firmě, kde práce spočívá převážně v hlavách a rozhovorech. Rozdíl netkví v ambicích, ale v tom, co už je měřitelné a přenositelné.
Proto také nefunguje pevná frekvence opětovného ověřování. Roční strategický cyklus předpokládá, že všechny předpoklady zastarávají stejným tempem. Některé ano. Předpoklad o AI k nim většinou nepatří, protože podkladová technologie a regulace kolem ní nečekají na kalendář vašeho strategického procesu. Jak udržet strategii aktuální, aniž byste ji museli revidovat každé čtvrtletí popisuje, proč moment opětovného ověření určuje předpoklad, ne kalendář.
Na otázku „jak často" neexistuje univerzální odpověď. Existují ale faktory, které určují trvanlivost konkrétního předpokladu. Jak přímo se úkol dotýká textu, dat nebo obrazu, které model dokáže zpracovat. Jak rychle se v tomto konkrétním oboru pohybují dodavatelé a regulátoři. Jak viditelný je tento pohyb pro lidi, kteří to denně vykonávají, oproti vedení, které plán sepsalo. Předpoklad o úkolu, který je již částečně automatizován, si zaslouží kratší dobu trvanlivosti než předpoklad o práci, která stále zcela spočívá na lidském úsudku. Právě tento rozdíl je důvodem, proč seznam všech předpokladů s jedním společným datem nefunguje: každý předpoklad má vlastní hodiny a ty jsou nastaveny podle toho, co se děje v dané konkrétní části organizace.
Tím je zároveň vymezena hranice této metody. Stanovení momentu opětovného ověření není předpovědí, kdy se předpoklad zvrátí. Je to odhad, kdy má smysl se znovu podívat. Někdy se při opětovném ověření ukáže, že se nic nezměnilo, a to je platný výsledek, ne promarněná příležitost.
Kontrola předpokladu může vytvořit falešný pocit jistoty, pokud jsou už zdrojová data zastaralá, nebo pokud předpoklad posuzuje tatáž osoba, která ho původně formulovala. Sebepotvrzení je reálné riziko: kdo předpokladu věřil, když ho psal, není o rok později nejkritičtějším posuzovatelem. Proto se v zátěžové zkoušce klade vedle sebe pohled zvenčí, odvětvová data, regulační hodiny, veřejné signály konkurence, a vlastní sebehodnocení vedení. Rozdíly mezi těmito dvěma obrazy jsou signál, ne závěr. Ukazují, kde je třeba dalšího zkoumání, ne co je třeba okamžitě změnit. A kdo v organizaci první vidí, že AI přebírá práci, obvykle není samo vedení, což znamená, že kontrola předpokladu bez signálů z provozu postrádá část obrazu.
Rovněž důležité: nejde zde o personální rozhodnutí. Předpoklad, který přestal platit, vypovídá o strategii, ne o tom, co zaměstnavatel dělá se svými zaměstnanci. Pro rozhodnutí, která se dotýkají personálního obsazení, platí vlastní zákonné požadavky, nezávisle na tom, co přinese tato metoda.
Dalším rizikem je zaměňování pilotního projektu se strukturálním posunem. Úspěšný experiment v jednom týmu neznamená, že předpoklad přestává platit pro celou organizaci, stejně jako neúspěšný pilotní projekt nedokazuje, že předpoklad stále platí. Proč pilotní projekt s AI ještě není strategie pojednává přesně o tomto rozdílu. Kdo určuje, zda je signál z provozu skutečným posunem, nebo jen šumem, najde oporu v tom, jak rozeznat hype kolem AI od posunu, který zůstává. Obě otázky patří ke stejné disciplíně: ne každý signál je předpoklad, který se mění, ale každý ignorovaný předpoklad je riziko, které čeká.
Na podkladovou otázku, jakou práci lze v této firmě v tuto chvíli skutečně převést na AI, nelze odpovědět obecným odhadem. To se liší úkol od úkolu, a pracovní sken od FTE TO AI to mapuje po jednotlivých úkolech.
Kontrola předpokladu není úkolem pro jednu funkci. Ředitel, který předpoklad sepsal, manažer, který denně sleduje, jak se úkol vykonává, a osoba, která sleduje vnější signály, se dívají každý na jinou část obrazu. Kdo se má účastnit strategického přezkumu popisuje, proč je tato skupina širší než jen vedení, a proč kontrola předpokladu bez tohoto rozprostření poskytuje užší obraz, než je potřeba.
Již dnes můžete začít s přehledem předpokladů, na nichž vaše strategie stojí, a u každého předpokladu určit, kdy byl naposledy potvrzen. Už jen tento přehled ukáže, které předpoklady stojí na místě, zatímco zbytek strategie se posouvá dál. FTE TO AI k tomu nabízí bezplatnou kontrolu předpokladů: krátké kolo, ve kterém pojmenujete své nejdůležitější předpoklady a u každého uvidíte, kdy byl naposledy potvrzen. Kompletní zátěžová zkouška, s vnějším obrazem a vlastním sebehodnocením vedle sebe, se právě připravuje.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.