Bevezetés
Az AI mint második görbe - avagy miért bukik el 87% a projektek közül
Charles Handy 2016-os budapesti könyvbemutatóján ülve, amikor a „második görbe” elméletét magyarázta, nem gondoltam volna, hogy 9 évvel később ez lesz a kulcs az AI-projektek sikertelenségének megértéséhez. Pedig a statisztikák kegyetlenek: a vállalati AI-bevezetések 87%-a bukik el – nem technikai okok miatt, hanem szervezeti okokból.
De mi is az a második görbe, és hogyan kapcsolódik az AI-transzformációhoz?
A második görbe csapdája
Handy elmélete szerint minden vállalkozás, technológia és karrier egy S-görbét követ: lassú kezdet, exponenciális növekedés, majd stagnálás és hanyatlás. A túlélés titka az, hogy mielőtt az első görbe tetőpontját elérné, elindítsuk a második görbét – egy új működési modellt, technológiát vagy megközelítést.
A probléma az, hogy a legtöbb szervezet az AI-t úgy kezeli, mint egy eszközt az első görbén belül, nem mint egy új görbe kezdetét.
Tipikus AI-bevezetési hibák:
1. Technológia-centrikus megközelítés
- „Vegyünk egy ChatGPT licenszt minden munkatársnak”
- „Automatizáljunk minden folyamatot AI-val”
- A technológia vezet, nem az üzleti cél
2. Pontszerű implementáció
- Egy-egy részleg experimentál AI-eszközökkel
- Nincs átfogó szervezeti stratégia
- A változás nem integrált a vállalati kultúrába
3. Ellenállás alulbecslése
- A vezetés nem készíti fel a munkatársakat
- Félelem az állásvesztéstől
- Hiányzik a változáskezelési terv
Az AI mint paradigmaváltás
Az AI valójában nem egyszerűen egy új eszköz – egy teljesen új működési paradigma. Olyan, mint amikor a számítógép megjelent az irodákban az 1980-as években, vagy amikor az internet átformálta az üzleti világot az 1990-es évek végén.
A sikeres AI-bevezetés nem arról szól, hogy mit csinálunk most gyorsabban, hanem arról, hogy mit tudunk csinálni másképp.
Sikeres AI-transzformáció jellemzői:
Szervezeti szinten:
- Kulturális változás: elfogadás a kísérletezés és hibázás iránt
- Új szerepkörök kialakulása (AI coordinatior, data steward)
- Folyamatok újragondolása, nem csak automatizálása
Egyéni szinten:
- Munkavállalók részvétele a megoldások kialakításában
- Folyamatos tanulási kultúra
- AI mint munkatárs, nem helyettesítő
Vezetői szinten:
- Hosszú távú stratégiai látásmód
- Fokozatos bevezetés, pilot projektekkel
- Mérési és optimalizációs kultúra
A The Precursorius-modell megközelítése
9 év szervezetfejlesztési és 10 év digitális transzformációs vezetői tapasztalat alapján kidolgoztam egy modellt, amely ötvözi a vállalkozói, a szervezeti, az üzleti, a digitális (ICT) és az információ-technológiai (IT) aspektusokat.
Az öt érettségi szint:
- 1. Túlélési szint: krízis üzemmód, ad-hoc AI használat, mindig egy újabb eszköz kerül képbe de egyiket sem használják 3 hónapnál tovább. Bárki hozzáférhet bármihez. Legjellemzőbb működésük: a lovat futva patkolás: ez hajtja őket előre, valamerre halad a vállalkozás. Az irány nem mindig tiszta. Amit belül kéne tartani pl. a marketing: ki van szervezve. Ha marketing és az onlne értékesítés véletlen kap költségvetést, akkor fut egy-két kampány. A PPC kampányt még azelőtt leállítják, hogy abból az algoritmus tanulni tudna. Így csak a kidobott pénz érzés erősödik fel ismét. Döntéshozás többnyire megérzés alapú, önálló, egy emberes. A napi feladatok papírkán és fejekben tartják. Ábrándoznak egy CRM-ről, mert azt hallják az megoldja az életük. Újabban (végre!) a crm-ben van feladatmenedzsment és munkafolyamat is. Valójában nem az eszköz segít nekik, hanem a módszertana ahogyan a napi rögzítés gyakorlata rögzül, a célok tiszták miért teszik. A napi használat viszont felkészületlenül éri őket, ezért adminisztrációs teherként emlegetik: azaz kifogásként rögzül, így önigazolásként 1-3 hónap után visszaállnak a fejben hordozott információkra. Digitális berögzítés nélkül. „Majd mi tudjuk mondat felerősödik” Miközben egyre frusztráltabb mindenki. Minden nap ég a ház, egyre többször érthetetlen okból. A legfontosabb kolléga benyújtja a felmondását. Vajon ki lesz a következő? Amíg nem fáj eléggé nem mernek külső segítséget kérni, amikor megteszik már nagyon ég. Idő kell az eloltásához és annál több tanácsadói díjazás. Közös eloltás után, hozzákezdeni a rendrakáshoz. Ez is egy szép folyamat lesz.
- 2. Fejlődő szint: strukturálási igény, alapvető eszközök no-code+AI képesek.
- 3. Kompetens szint: működő AI folyamatok, optimalizálási vágy
- 4. Haladó szint: érett AI integráció, innovációs készség
- 5. Kiváló szint: AI-vezérelt szervezet, vezetői ambíció
A kulcs nem az, hogy minden szintet végig kell járni, hanem hogy megtaláljuk az optimális átmeneti pontot – azt a pillanatot, amikor a szervezet készen áll a második görbe elindítására.
Konkrét jelek, hogy készen áll szervezeted az AI-transzformációra:
Zöld jelzőfények:
- A vezetés nyitott az új megoldásokra
- Van működő digitális alapinfrastruktúra
- A munkatársak proaktívak a problémamegoldásban
- Létezik mérési és fejlesztési kultúra
Piros jelzőfények:
- „Mindig így csináltuk” mentalitás
- IT-rendszerek karbantartási üzemmódban
- Ellenállás minden változással szemben
- Nincs adatvezérelt döntéshozatal
Mi a következő lépés?
Gyakorlati első lépések:
- 1. Diagnózis: Hol tart most a szervezeted valójában?
- 2. Pilot projekt: Válassz egy kis, alacsony kockázatú területet
- 3. Tanulás és mérés: Mi működik, mi nem?
- 4. Skálázás: A sikeres elemek kiterjesztése
Ha felismereted magad vagy szervezeted ezekben a leírásokban, ne izgulj. A second curve elmélet szerint még van idő az átmenetre – de nem végtelen ideig.
A legfontosabb felismerés: Az AI-transzformáció 20% technológia és 80% szervezetfejlesztés. Aki ezt megérti, annak van esélye a második görbe sikeres elindítására.
Tedd fel magadnak a kérdést: Hol tart most a szervezeted? Az első görbe végén, vagy már látod a második görbe lehetőségeit?
Ha szeretnéd megtudni, hogy szervezeted pontosan hol tart az AI-érettségben, foglalj időpontot annak ismeretében hogy a beszélgetésünk 21. percéltől az konzultációs óradíjra váltunk. Térképezzük fel közösen a lehetőségeket és a következő lépéseket.
Az AI, mint második görbe kapcsolódó cikkek:
- Következő héten:
„Az átmenet kritikus pontja – Mikor késő, mikor korai az AI?” - Két hét múlva:
„AI Ready Assessment – A diagnosztika forradalma”
A The Precusorius-hoz kapcsolódó cikkek:
- The Precursorius modell kialakulása: Hogyan jöttem én (Kúsz Péter) ahhoz hogy saját diagnózis modellt tegyek össze
- A név választás eredete, a vállalkozás építése és fejlesztése valójában mekkora feladat volt. Érdekel, mi The Precursorius mozgatórugúja, háttérsztorija?
