“Νοοτροπία του κηπουρού”… Οι εταιρείες μπορούν να επιταχύνουν τη χρήση της AI

«Το μέλλον είναι ήδη εδώ—απλώς δεν έχει κατανεμηθεί ισότιμα». Αυτή η φράση του William Gibson από το 1990 αποτυπώνει ιδανικά τη σημερινή πραγματικότητα της τεχνητής νοημοσύνης (AI). Η εκρηκτική ταχύτητα με την οποία εξελίσσεται η AI κάνει σχεδόν αδύνατο να παρακολουθήσουμε όλες τις νέες δυνατότητες που προσφέρει στην εργασία. Ωστόσο, για τις περισσότερες επιχειρήσεις, το χάσμα ανάμεσα στο τι είναι εφικτό και στο τι εφαρμόζεται διευρύνεται συνεχώς. Μια παγκόσμια έρευνα της McKinsey το 2024 έδειξε ότι εννέα στους δέκα εργαζόμενους χρησιμοποιούν γενετική AI στην εργασία τους, με το 21% να είναι εντατικοί χρήστες. Παρά τον ενθουσιασμό των εργαζομένων, η επίσημη υιοθέτηση AI εργαλείων παραμένει πίσω: Μόλις το 13% θεωρεί ότι η εταιρεία του αποτελεί «πρώιμο υιοθετητή».

Η αργή υιοθέτηση νέων τεχνολογιών από τους οργανισμούς δεν είναι κάτι νέο. Στο παρελθόν, οι «ψηφιακοί αυτόχθονες» συνεργάζονταν μέσω cloud πλατφορμών και επικοινωνούσαν με πελάτες στα social media πολύ πριν οι εργοδότες τους εγκρίνουν επίσημα αυτές τις τεχνολογίες. Πιο πρόσφατα, οι «mobile natives» ξεκίνησαν να κάνουν δουλειές μέσω messaging apps και mobile-first workflows, ενώ τα IT τμήματα ανησυχούσαν ακόμη για θέματα ασφάλειας στα smartphones. Σήμερα, βλέπουμε την ανάδειξη των «AI natives»—κυρίως νεότερους εργαζόμενους—που ήδη χρησιμοποιούν γενετική AI για σύνταξη emails, ανάπτυξη κώδικα και ανάλυση δεδομένων, ενώ οι υπεύθυνοι λήψης αποφάσεων ανησυχούν για τη διακυβέρνηση και το κόστος επένδυσης.

Η διαφορά αυτή τη φορά βρίσκεται στην ταχύτητα και στην κλίμακα της αλλαγής. Ο χρόνος που η γενετική AI αποτελεί ανταγωνιστικό πλεονέκτημα μέχρι να γίνει αναγκαία προϋπόθεση για τον ανταγωνισμό είναι πλέον πολύ μικρότερος σε σχέση με προηγούμενες τεχνολογικές μεταβάσεις. Οι οργανισμοί που θα καταφέρουν να υιοθετούν γρήγορα τις νέες τεχνολογίες θα καθορίσουν τους νέους κανόνες στον κλάδο τους.

Όμως πώς μπορούν οι ηγέτες να επιταχύνουν τη μάθηση σε ολόκληρο τον οργανισμό χωρίς να θυσιάσουν την ποιότητα ή να δημιουργήσουν χάος; Πώς εξασφαλίζουν ότι η επιχείρηση αξιοποιεί στο έπακρο τις διάσπαρτες εστίες καινοτομίας; Τέσσερις νοοτροπίες και πρακτικές μπορούν να βοηθήσουν.

Καλλιεργήστε ό,τι ήδη αναπτύσσεται

Στο βιβλίο της Alison Gopnik, «The Gardener and the Carpenter», υποστηρίζεται ότι οι γονείς πρέπει να αφήνουν τα παιδιά να εξελίσσονται σύμφωνα με τις φυσικές τους τάσεις και όχι βάσει προκαθορισμένων προτύπων. Αυτή η προσέγγιση, γνωστή ως «νοοτροπία του κηπουρού», είναι εξίσου σημαντική για τους ηγέτες οργανισμών: καλλιεργήστε την ανάπτυξη που ήδη παρατηρείτε. Οι πιο επιτυχημένοι μάνατζερ εστιάζουν στον εντοπισμό των «βλαστών»—εργαζόμενοι ή τμήματα που πειραματίζονται με νέες τεχνολογίες και αποδίδουν θετικά αποτελέσματα. Ρωτούν: «Πού συμβαίνει ήδη καινοτομία; Ποιος λύνει προβλήματα με απρόσμενα αποδοτικούς τρόπους;»

Οι περισσότερες εταιρείες όμως προτιμούν τη «νοοτροπία του ξυλουργού»: σχεδιάζουν κάθε λεπτομέρεια από πάνω προς τα κάτω. Αυτή η προσέγγιση δεν μπορεί να συμβαδίσει με τον σημερινό ρυθμό αλλαγών. Όταν οι ηγέτες προσπαθούν να καθορίσουν ακριβώς πώς θα εφαρμοστεί η AI στον οργανισμό τους, συχνά καταλήγουν να δημιουργούν λύσεις του χθες για τα προβλήματα του αύριο.

Ένα χαρακτηριστικό παράδειγμα αποτελεί μια ασιατική εταιρεία χρηματοοικονομικών υπηρεσιών, όπου ομάδες χρησιμοποιούσαν ανεπίσημα AI για να επιταχύνουν την ανάπτυξη εφαρμογών. Οι μάνατζερ αγκάλιασαν την καινοτομία, δημιουργώντας ένα κοινό data layer που αυτοματοποίησε χρονοβόρες διαδικασίες όπως το data labeling, μειώνοντας τον χρόνο ανάπτυξης εφαρμογών AI στο μισό.

Ανάλογα παραδείγματα υπάρχουν και σε ομάδες εξυπηρέτησης πελατών που χρησιμοποιούν AI chatbots για σύνταξη απαντήσεων, μειώνοντας σημαντικά τους χρόνους απόκρισης. Ορισμένες διοικήσεις ανησυχούν για θέματα ασφάλειας ή διακυβέρνησης και σταματούν τέτοιες πρωτοβουλίες, ενώ άλλες τις μελετούν, τις βελτιώνουν και τις κλιμακώνουν. Η αναγνώριση και καλλιέργεια όσων ήδη αναπτύσσονται οδηγεί συχνότερα σε πρόοδο απ’ ό,τι ο σχεδιασμός θεωρητικών λύσεων. Αυτό απαιτεί από τους ηγέτες να παρατηρούν περισσότερο τα πρότυπα που εμφανίζονται και λιγότερο να σχεδιάζουν άκαμπτα πλάνα—και να δέχονται ότι οι πιο μεταμορφωτικές ιδέες συχνά προέρχονται από απρόβλεπτα σημεία του οργανισμού.

Δημιουργήστε κίνητρα για υιοθέτηση

Όλοι γνωρίζουν πόσο δύσκολο είναι να αλλάξεις εδραιωμένες συνήθειες εργασίας ή να μάθεις νέα εργαλεία. Η μεσαία διοικητική βαθμίδα—μάνατζερ και ανώτεροι ειδικοί που διαμορφώνουν την κουλτούρα—είναι συχνά πιο ανθεκτική στην αλλαγή λόγω λογικού προσωπικού συμφέροντος: έχουν φορτωμένο πρόγραμμα, οι υπάρχουσες μέθοδοι λειτουργούν αρκετά καλά και η εκμάθηση νέων τεχνολογιών φαντάζει απαιτητική.

Τα οικονομικά αλλά κυρίως τα κοινωνικά κίνητρα είναι απαραίτητα για ουσιαστική υιοθέτηση. Οι πιο αποτελεσματικές ανταμοιβές εστιάζουν στη μάθηση αντί για απλή χρήση: αντί για bonus επειδή εφαρμόστηκε AI, οι πρωτοπόρες επιχειρήσεις επιβραβεύουν όσους αναπτύσσουν δεξιότητες, μοιράζονται γνώσεις με συναδέλφους ή βοηθούν άλλους στη διαδικασία μάθησης. Η κοινωνική αναγνώριση συχνά αποδεικνύεται ισχυρότερη από τα χρηματικά κίνητρα. Όταν σεβαστά στελέχη μοιράζονται δημόσια την πορεία τους στην εκμάθηση AI—και παραδέχονται ότι ακόμα μαθαίνουν—μειώνονται τα ψυχολογικά εμπόδια για όλους.

Πολλοί μεγάλοι οργανισμοί (μεταξύ αυτών και η McKinsey) διοργανώνουν διαγωνισμούς καινοτομίας όπου ομάδες συνεργάζονται διατμηματικά και καταθέτουν ιδέες. Όσοι προχωρούν λαμβάνουν περισσότερους πόρους, υποστήριξη ειδικών και έκθεση στη διοίκηση. Οι καλύτερες εταιρείες προσφέρουν τέτοια κίνητρα όχι μόνο σε ετήσιες εκδηλώσεις αλλά καθημερινά. Ένας τεχνολογικός διευθυντής ανέφερε πως στην εταιρεία του καθιερώνονται τακτικές «ημέρες καινοτομίας», όπου ομάδες εξερευνούν ενδιαφέροντα κι ανακαλύπτουν ιδέες που ίσως δεν βρίσκονται ακόμη στον σχεδιασμό—και αυτές συχνά οδηγούν σε απρόσμενες ανακαλύψεις που επηρεάζουν τη στρατηγική των επόμενων έργων.

Επιταχύνετε τη μάθηση με στοχευμένα πειράματα

Οι επιτυχημένοι οργανισμοί δεν πειραματίζονται απλώς περισσότερο από τους ανταγωνιστές τους· πειραματίζονται καλύτερα. Υιοθετούν αρχές από τον χώρο του A/B testing στη διοικητική καινοτομία: ξεκινούν με σαφείς υποθέσεις. Αντί για γενικούς στόχους όπως «βελτίωση παραγωγικότητας με AI», διατυπώνουν συγκεκριμένες προβλέψεις—π.χ., «πιστεύουμε ότι η χρήση AI στην αυτοματοποίηση της μηνιαίας αναφοράς θα μειώσει τον χρόνο κατά 50% διατηρώντας ακρίβεια άνω του 95%.»

Ωστόσο, οι νέες ιδέες αξίζουν όσο καλές είναι οι υποκείμενες υποθέσεις τους· συχνά όμως δεν εντοπίζονται ή δεν δοκιμάζονται επαρκώς. Τα καλύτερα πειράματα σχεδιάζονται όχι μόνο για επιτυχία αλλά κυρίως για μάθηση: τα πιλοτικά προγράμματα πρέπει να μπορούν να αποτύχουν γρήγορα και να καταγράφουν τι δεν λειτούργησε—και ιδανικά καλύπτουν πολλαπλές λειτουργίες (π.χ., μια R&D ομάδα συνεργάζεται νωρίς με το τμήμα πωλήσεων). Περιλαμβάνουν ομάδες ελέγχου όπου είναι εφικτό κι αξιολογούν πρόδρομους δείκτες κι όχι μόνο τελικά αποτελέσματα.

Ορισμένες εταιρείες ξεκινούν ορίζοντας τι σημαίνει επιτυχία κι έπειτα εντοπίζουν τις κρίσιμες υποθέσεις πίσω της: μια αγροβιοτεχνολογική εταιρεία κατάφερε έτσι να μειώσει κατά 30% τον χρόνο λανσαρίσματος νέου προϊόντος. Επιπλέον, δεν χρειάζονται μαζικές εφαρμογές: πολλά πολύτιμα πειράματα γίνονται σε ομάδες 5–10 ατόμων μέσα σε 2–4 εβδομάδες με στόχο τη γρήγορη επανάληψη κι όχι τη στατιστική σημαντικότητα.

Το σημαντικότερο όμως είναι η τεκμηρίωση του «γιατί». Είτε ένα πείραμα πετύχει είτε αποτύχει, το βασικό ερώτημα δεν είναι «τι συνέβη;» αλλά «γιατί συνέβη;». Όταν τα συμπεράσματα καταγράφονται συστηματικά, δημιουργείται γνώση που επιταχύνει τη μελλοντική καινοτομία.

Τα πρώτα βήματα της Amazon στο video streaming αποτελούν χαρακτηριστικό παράδειγμα: αρχικά το Prime Video είχε χαμηλή απήχηση· αντί όμως να εγκαταλείψει το εγχείρημα, η Amazon διερεύνησε γιατί συνέβαινε αυτό. Διαπίστωσε ότι οι χρήστες δεν έβλεπαν αυτόνομη αξία στην υπηρεσία και προτιμούσαν πλατφόρμες με αποκλειστικό περιεχόμενο. Η εταιρεία πρόσθεσε τότε το Prime Video στη συνολική συνδρομή Prime κι επένδυσε σημαντικά σε πρωτότυπο περιεχόμενο—με αποτέλεσμα η υπηρεσία να μετατραπεί σε βασικό μοχλό αύξησης συνδρομών Prime και πιστότητας στη μάρκα.

Διατηρήστε υψηλά στάνταρ στην αναγνώριση

Στην προσπάθεια ενθάρρυνσης της καινοτομίας, πολλοί επικεφαλής πέφτουν στην παγίδα της υπερβολικής επιβράβευσης κάθε προσπάθειας εξίσου. Όταν κάθε πείραμα AI λαμβάνει υπερβολικούς επαίνους κι όταν οι αναφορές προόδου διογκώνουν αποτελέσματα για μεγαλύτερο budget, οι πραγματικά πρωτοποριακές ιδέες χάνονται στον θόρυβο.

Οι πιο καινοτόμοι οργανισμοί ξεχωρίζουν ανάμεσα σε ενδιαφέροντα πειράματα (που αξίζει να δοκιμαστούν) και καθοριστικές καινοτομίες (που αξίζει να κλιμακωθούν), ενώ επιβραβεύουν την ειλικρινή καταγραφή αποτυχιών όσο γιορτάζουν τις επιτυχίες.

Αυτό δεν σημαίνει αποθάρρυνση· σημαίνει στοχευμένη προσέγγιση: όταν ο έπαινος είναι επιλεκτικός κι αιτιολογημένος έχει μεγαλύτερη βαρύτητα· όταν οι ηγέτες εξηγούν γιατί μια προσέγγιση αποτελεί ορόσημο, όλοι καταλαβαίνουν τι σημαίνει αριστεία.

Η αλλαγή στον τρόπο συζήτησης των πιλοτικών προγραμμάτων μπορεί από μόνη της να μεταμορφώσει την κουλτούρα της καινοτομίας: αντί για το «Πώς πάει το project AI;», ρωτήστε «Τι μάθατε που σας εξέπληξε;». Αντί να γιορτάζεται απλώς η χρήση της AI, γιορτάστε τα συγκεκριμένα συμπεράσματα που βελτιώνουν τον τρόπο εργασίας.

Ένας CEO ομίλου, για παράδειγμα, ενθάρρυνε την ευρεία ανάληψη ευθύνης στα projects ζητώντας από 100 επικεφαλής επιχειρησιακών μονάδων να αναλάβει ο καθένας ένα project AI με συγκεκριμένους στόχους αύξησης εσόδων ή βελτίωσης ικανοποίησης πελατών—στόχος που έπρεπε να αποτυπωθεί στον προϋπολογισμό επόμενων ετών.

Οι οργανισμοί που εφαρμόζουν αυτές τις αρχές αποκτούν όχι μόνο ανταγωνιστικό πλεονέκτημα αλλά οικοδομούν αυτοπεποίθηση μέσα από κάθε επιτυχημένο πείραμα κι αποφεύγουν λάθη μέσα από καλοτεκμηριωμένες αποτυχίες· κάθε ηγεσία-«κηπουρός» αφήνει χώρο ώστε περισσότερη καινοτομία ν’ ανθίσει.

Το μέλλον δεν είναι απλώς άνισα κατανεμημένο—αναδιανέμεται συνεχώς. Οι οργανισμοί-«μαθητές» καρπώνονται τα οφέλη επειδή εντοπίζουν νωρίς την καινοτομία, τη φροντίζουν σωστά κι επεκτείνουν όσα λειτουργούν καλύτερα.

Πηγή: mckinsey.com