Ukryty dług zarządzania zmianą związany ze sztuczną inteligencją
Na podstawie podcastu The Digital Project Manager prowadzonego przez Galena Lowa. Posłuchaj tutaj.
Duże przedsiębiorstwa wdrażające AI często traktują je najpierw jako problem technologiczny, a dopiero w drugiej kolejności jako problem organizacyjny. Według Deborah Ketai, menedżerki ds. zmian organizacyjnych i członkini zarządu Project Management Institute (PMI), taka kolejność działań jest błędem.
Ketai przez lata kierowała inicjatywami związanymi ze zmianami w obszarze AI w United Health Group, firmie z sektora ochrony zdrowia należącej do rankingu Fortune 5, i powiedziała, że firmy, które pomijają pracę nad przełamywaniem silosów między zespołami, płacą za to później. „Jeśli pomijają etap przełamywania silosów, będą musiały również ponieść wiele kosztów, które określamy jako dług: dług techniczny, dług wiedzy i tak dalej” — powiedziała Ketai. „To sprawi, że przyszłe projekty będą droższe i trudniejsze”.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Jeśli pomijają etap przełamywania silosów, będą musiały również ponieść wiele kosztów, które określamy jako dług – dług techniczny, dług wiedzy i tak dalej. To sprawi, że przyszłe projekty będą droższe i trudniejsze.
Dług ten przejawia się w powielaniu pracy, konkurujących ze sobą narzędziach i zespołach, które nie wiedzą, co już buduje grupa pracująca w sąsiednim dziale.
Trzy cele zapewnienia spójności działań w obszarze AI na dużą skalę
Aby temu zaradzić, Ketai oparła swój program na trzech celach: mobilności i utrzymaniu talentów wśród pracowników zajmujących się AI, współpracy między zespołami oraz szerszej zmianie kulturowej polegającej na uznaniu AI za prawomocne rozwiązanie biznesowe. „My [w United Health Group] miałyśmy naprawdę trzy cele — talenty, mobilność i utrzymanie pracowników w całym obszarze AI” — powiedziała Ketai. Drugi cel dotyczył częstego problemu dużych organizacji, w których niezależnie od siebie powstają skupiska działań związanych z AI, powielając wzajemnie swoją pracę. „Moim drugim celem programu było zachęcanie do współpracy między tymi skupiskami działań związanych z AI, aby nie wymyślały koła na nowo” — powiedziała. Trzeci cel miał charakter kulturowy: „Trzecim jest zmiana kulturowa, zachęcanie liderów biznesowych do rozważania rozwiązań AI w kontekście wyzwań ich firm”.
Osiągnięcie tego celu wymagało stworzenia programu obejmującego konferencje, hackathony, treści wewnętrzne i kanały społecznościowe, skierowanego do różnych grup interesariuszy w całej firmie, zamiast narzucania jednego odgórnego polecenia.
Pomiar zmian, gdy dane są chaotyczne
Nawet przy jasno określonych celach udowodnienie wpływu programu okazało się jednym z najtrudniejszych aspektów tej pracy. Firma Ketai rozwijała się głównie poprzez fuzje i przejęcia, co oznaczało, że dane potrzebne jej do śledzenia mobilności zawodowej i zaangażowania były w najlepszym razie niespójne. „Przyznaję, że wskaźniki były dla mnie najtrudniejszą częścią programu” — powiedziała Ketai — „ponieważ była to firma z rankingu Fortune 5, która rozwijała się głównie poprzez fuzje i przejęcia, a pozostałości dawnych systemów HR wciąż były widoczne w tym, że ten sam rodzaj stanowiska często miał 15 różnych nazw, tytułów lub kodów stanowisk w całej organizacji, co bardzo utrudniało życie”.
Nie mając do dyspozycji uporządkowanych systemów, zespół Ketai opierał się na wskaźnikach zastępczych, takich jak zaangażowanie w treści i frekwencja na wydarzeniach, zamiast na bardziej szczegółowych danych dotyczących pracowników, które wolałby analizować.
Czy kierownicy projektów powinni być również menedżerami ds. zmian?
W miarę jak rośnie liczba inicjatyw związanych z AI, coraz częściej oczekuje się od kierowników projektów, że będą również zajmować się zarządzaniem zmianą. Ketai powiedziała, że oba zestawy umiejętności częściowo się pokrywają, ale nie są identyczne, a różnica ma największe znaczenie w kontekście harmonogramu. „Nie wszystkie projekty wymagają zarządzania zmianą” — powiedziała. „Zestawy umiejętności są różne, ale częściowo się pokrywają”. Według Ketai prawdziwa różnica sprowadza się do tego, kto pozostaje na miejscu, aby doprowadzić zmianę do końca. „Powodem, dla którego powinny istnieć oddzielne role, są ramy czasowe, ponieważ tradycyjnie kierownicy projektów nie mają możliwości kontynuowania pracy i rzeczywistego upewnienia się, że zmiana zostanie utrzymana”.
Nie wszystkie projekty wymagają zarządzania zmianą. Zestawy umiejętności są różne, ale częściowo się pokrywają.
Ta luka — między ukończeniem projektu a utrzymaniem zmiany, którą miał on przynieść — jest jej zdaniem najsilniejszym argumentem za zachowaniem odrębności obu ról, nawet jeśli w praktyce granica między nimi nadal się zaciera.
AI to nie tylko narzędzie — to interesariusz
Ketai wskazała również na zmianę w sposobie, w jaki kierownicy projektów i zmian muszą myśleć o samej AI. Zamiast traktować ją wyłącznie jako infrastrukturę, argumentowała, że coraz częściej zachowuje się ona jak pełnoprawny interesariusz. „Coraz częściej, w przypadku generatywnej AI, AI sama w sobie jest interesariuszem” — powiedziała Ketai. „Ma własne cele i własne postawy, a także będzie działać inaczej, a czasami wbrew temu, czego od niej oczekujesz, w zależności od tych wewnętrznych uwarunkowań”.
Coraz częściej, w przypadku generatywnej AI, AI jest interesariuszem. Ma własne cele i własne postawy, a także będzie działać inaczej, a czasami wbrew temu, czego od niej oczekujesz.
Takie ujęcie ma praktyczne konsekwencje dla zarządzania: jeśli systemy AI mogą zachowywać się w sposób nieprzewidywalny lub odbiegać od oczekiwań, należy uwzględniać je w planowaniu i rozmowach o ryzyku w taki sam sposób, jak uwzględniałoby się ludzkiego interesariusza.
W jakim kierunku zmierza rola kierownika programu
Patrząc w przyszłość, Ketai powiedziała, że kierownicy programów będą musieli zbliżyć się do miejsca, w którym faktycznie kształtuje się strategia biznesowa, a nie tylko ją realizować. „Kierownicy programów muszą zbliżyć się do miejsca, w którym kształtuje się strategia, i mieć możliwość wywierania na nią wpływu” — powiedziała — „a także w przejrzysty sposób informować kierownictwo o obszarach, w których prawdopodobnie wystąpią rozbieżności”.
Kierownicy programów muszą zbliżyć się do miejsca, w którym kształtuje się strategia, i mieć możliwość wywierania na nią wpływu.
Ta zmiana oznacza również poszerzenie sposobu, w jaki kierownicy programów myślą o ryzyku — tak aby obejmował on także potencjalne korzyści, obok tradycyjnego skupienia na zagrożeniach — oraz bardziej świadome inwestowanie w budowanie relacji w całej organizacji z biegiem czasu.
Problem zaufania, którego jak dotąd nikt nie rozwiązał
Pomimo dynamiki stojącej za wdrażaniem AI, Ketai powiedziała, że największą pozostającą barierą nie jest sama technologia. Chodzi o zaufanie, szczególnie w odniesieniu do danych. Opowiedziała o niedawnej sesji podczas Regionalnej Konferencji Przywództwa PMI, na której dyskutowano, czy właściwe byłoby wykorzystanie AI przez oddział PMI do przygotowania wiadomości e-mail wysyłanych do członków. „Nie byłoby to etyczne, gdyby oznaczało udostępnienie danych członków” — powiedziała Ketai — „chyba że wykorzystywane byłoby całkowicie wewnętrzne narzędzie”.
To rozróżnienie — między narzędziami AI, które przechowują dane w zamkniętym środowisku, a tymi, które tego nie robią — prawdopodobnie wpłynie na sposób, w jaki organizacje będą podchodzić do zarządzania AI długo po wygaśnięciu obecnej fali eksperymentów.
Chcesz poznać więcej podobnych spostrzeżeń? Załóż bezpłatne konto DPM, aby poznać opinie większej liczby takich ekspertów.
