Prečo rýchlejšie škálovanie nenahrádza základ

Nástraha

Bol úspešný pilotný projekt. Manažment chce tempo. Padne rozhodnutie: rozšíriť to na zvyšok organizácie, iné tímy, iné oddelenia. Čo fungovalo v jednom kúte, musí teraz fungovať všade.

To sa ďaleko nie vždy podarí. Nie preto, že by technológia zrazu reagovala inak, ale preto, že prostredie, v ktorom má funkovať, je všade nastavené inak. Tím, kde sa pilot podaril, mal náhodou IT infraštruktúru, ktorá zvládla to, čo sa požadovalo, dátový manažment, ktorý bol v poriadku, a organizačnú štruktúru, v ktorej niekto prevzal zodpovednosť. Inde v organizácii je jedna alebo viac z týchto vecí nastavená inak. Výsledok: rovnaká snaha na jednom mieste niečo priniesie a na inom nič, alebo horšie, dodatočnú prácu na opravu chýb.

Prečo to pôsobí logicky

Škálovanie sa javí ako ďalší krok, pretože pilotný projekt niečo dokázal. Existuje výsledok, existuje nadšenie, existuje tlak na zvýšenie výnosu. Kto raz niečo dostal do fungujúceho stavu, nechce to obmedziť len na jeden tím. Navyše škálovanie je viditeľné: viac používateľov, viac tímov, viac procesných línií, ktoré si osvojujú nový spôsob práce. To pôsobí ako pokrok, aj keď základné dimenzie — organizácia, IT infraštruktúra, dátový manažment — ešte nie sú všade na úrovni, na akej môže fungovať dimenzia, ktorá od nich závisí.

Poradie, v ktorom to funguje, nie je voliteľné. Ak základná vrstva nestojí pevne, závislá vrstva nemá na čom stavať. To nie je otázka preferencie alebo toho, či si vziať viac času; je to spôsob, akým sa dimenzie navzájom podopierajú. Škálovanie toto poradie ignoruje a očakáva, že opakovanie postupu bude stačiť, aj bez podkladu, ktorý bol prítomný prvý raz len náhodou.

Na čom spoznáte, že sa v tom nachádzate

Opakuje sa niekoľko signálov. Tímy, ktoré prevezmú nový spôsob práce, hlásia rôzne výsledky, a nikto to nevie dobre vysvetliť, prečo to u jedného tímu funguje a u iného nie. Žiada sa viac školení alebo viac komunikácie, hoci problém je inde: v systémoch, ktoré na seba nenavazujú, v dátach, ktoré nemajú rovnakú kvalitu, v štruktúre, v ktorej nikto nie je vlastníkom výsledku medzi hranicami tímov.

Rozpoznateľná je aj situácia, kedy sa technológia zavádza do štruktúry, ktorá sa sama nezmenila: nový spôsob práce sa technicky poskytne, ale role, zodpovednosti a rozhodovacie linky ostávajú rovnaké ako pred pilotným projektom. Podobný je vzorec, kedy pilotný projekt funguje dobre vo svojom vlastnom kúte, ale nenapája sa na zvyšok organizácie: škálovanie kopíruje spôsob práce, nie podmienky, za ktorých tento spôsob práce vznikol.

Tretí signál je menej viditeľný, ale rovnako rozhodujúci: dvaja nadšenci ťahajú voz a nikto ďalší sa necíti zodpovedný. Kým iniciatíva závisí od niekoľkých ľudí, ktorí sú náhodou motivovaní, neexistuje organizačný základ na škálovanie — existuje len nadšenie, ktoré sa nezmnožuje, hneď ako sa tím zväčší.

Kto tieto signály rozpoznáva, mal by si položiť otázku, či je rozptyl medzi tímami dôsledkom vykonávania, alebo rozdielu v pripravenosti, ktorý bol prítomný už dávno pred škálovaním. Toto rozlíšenie je presne to, na čo sa zameriava meranie vyspelosti od hybridresourcing: nie na jedno skóre pre celú organizáciu, ale na päť úrovní v siedmich dimenziách, meraných tak, že viacero ľudí hodnotí samostatne a viditeľný sa stáva rozptyl medzi ich odpoveďami. Tento rozptyl často vypovedá viac než priemer: ak sa odhad CEO zásadne líši od odhadu CIO, tam sa skrýva časť vysvetlenia, prečo škálovanie niekde zaberá a inde nie. To, čo CEO v tomto meraní ukazuje o vlastnej organizácii a to, čo COO v ňom rozpoznáva na základe každodenného vykonávania, len málokedy poskytujú rovnaký obraz, a práve tento rozdiel je to, na čom je meranie postavené.

Mostík k ďalšej otázke

Táto stránka sa venuje otázke, či organizácia dokáže uniesť AI: či štruktúra, infraštruktúra a dátový manažment sú na úrovni, na akej má škálovanie zmysel. To je iná otázka než to, ktorá časť práce samotnej je vhodná na prenesenie na AI. Na túto poslednú otázku odpovedá pracovný scan od FTE TO AI: ten vypočíta pre každú úlohu, akú časť práce je možné preniesť na AI, nezávisle od toho, či je na to organizácia už pripravená. Obe otázky patria k sebe, ale poradie nie je voliteľné — vedieť, čo je prenosné, má malú hodnotu, kým nie je isté, či základ takýto prenos unesie.

Nástroj sa pripravuje