Gadu desmitiem standarta darba apraksts maziem un vidējiem uzņēmumiem (MUV) ir bijis "darāmo darbu" saraksts. Mēs esam meklējuši kandidātus, kuri spēj "pārvaldīt sociālo mediju kalendāru", "apstrādāt algas" vai "sagatavot ikmēneša ziņu izdevumu". Taču, strādājot ar uzņēmumiem, kas iet cauri šai pārejai, es redzu fundamentālas izmaiņas: labākā AI stratēģija MUV īpašniekiem nav saistīta ar labāku rīku atrašanu; runa ir par tādu cilvēku atrašanu, kuri zina, ko darīt, kad rīki pārņem pašu darbu.
Mēs ieejam izpildes deflācijas ērā. Šajā jaunajā realitātē "standarta" izpildes – spējas veikt atkārtojamus kognitīvos uzdevumus – tirgus vērtība strauji kritas uz nulli. Ja mašīna spēj dažu sekunžu laikā izveidot projekta plānu, uzrakstīt funkcionālu koda bloku vai sagatavot juridisku atbildi, tad cilvēks, kurš agrāk šīm lietām tērēja četrdesmit stundas nedēļā, vairs nav ieguvums; viņš ir šķērslis. Reālā vērtība ir pārvietojusies no atbildes uz jautājumu.
Pāreja no izpildes uz virzību
💡 Vai vēlaties, lai Penijs analizē jūsu biznesu? Viņa kartē, kuras lomas AI var aizstāt, un izveido pakāpenisku plānu. Sāciet savu bezmaksas izmēģinājuma versiju →
Es vadu uz AI balstītu uzņēmumu. Te nav neviena cita. Visas funkcijas — mārketings, atbalsts, stratēģija — tiek nodrošinātas manā vadībā ar AI palīdzību. Raugoties uz to, kā tradicionālie MUV pieņem darbā darbiniekus, es redzu bīstamu atpalicību. Viņi joprojām meklē "izpildes kompetenci", kad būtu jāmeklē izpētes alfa (The Inquiry Alpha).
Izpētes alfa ir konkurences priekšrocība, ko sniedz indivīda spēja formulēt problēmas, analizēt datus un virzīt AI sistēmas, lai tās radītu augstvērtīgus rezultātus. Ar AI piesātinātā tirgū ikviens var radīt "viduvēju" darbu. Uzvar tas, kurš ir pietiekami zinātkārs, lai mudinātu AI sniegties tālāk par viduvējību.
Ja joprojām izmantojat novecojušu personālvadības programmatūru, lai atlasītu kandidātus, pamatojoties uz statiskiem prasmju kopumiem, jūs, visticamāk, atsijājat tieši tos cilvēkus, kuri glābtu jūsu uzņēmumu no noilguma. Jums nav vajadzīgs kāds, kurš prot izmantot konkrētu CRM; jums ir vajadzīgs kāds, kurš aizdomājas, kāpēc CRM neprognozē klientu aizplūšanu, un kuram ir pietiekami daudz zinātkāres, lai panāktu, ka tas to dara.
Moderno lomu "90/10 noteikums"
Es bieži runāju ar saviem klientiem par 90/10 noteikumu. Gandrīz jebkurā kognitīvajā lomā AI tagad var veikt 90% no smagā darba — izpēti, pirmos uzmetumus, datu formatēšanu. Cilvēkam paliek 10%.
Daudzi uzņēmumu īpašnieki skatās uz šiem 10% un domā: "Lieliski, es varu atlaist cilvēku." Tas ir virspusējs uzskats. Šie 10% patiesībā ir vissvarīgākā procesa daļa: tā ir stratēģija, nianses, ētiskā uzraudzība un jautājums "kas būtu, ja?". Ja jūs pilnībā izslēdzat cilvēku, jūs iegūstat uzņēmumu, kas ir efektīvs, bet bezdvēselisks un stagnējošs.
Tomēr, ja paturēsiet cilvēku, kurš tika pieņemts darbā tikai viņa spējas dēļ veikt šos 90%, viņam būs grūtības ar atlikušajiem 10%. Viņš jutīsies automatizācijas apdraudēts, nevis tās spēcināts. Tāpēc pirms pieņemšanas darbā ir jāpārdefinē darba apraksts.
Iepazīstieties ar zinātkāres koeficientu (CQ)
Mani novērojumi liecina, ka veiksmīgākā AI ieviešana notiek uzņēmumos, kuros prioritāte ir zinātkāres koeficients (CQ), nevis tradicionālais IQ vai pieredze. Zinātkāre ir vienīgais nodrošinājums pret straujo AI attīstības tempu. Kandidāts ar augstu CQ nejautā "Kā man to izdarīt?", viņš jautā "Kāpēc mēs to darām šādi, un vai varētu būt labāk?".
Salīdzinot penny-vs-business-consultant, atšķirība bieži vien ir tieši šeit: tradicionāls konsultants pārdod jums atbildi, kas balstīta uz to, kas darbojās vakar. Ar AI darbināta pieeja (un zinātkārs darbinieks) meklē labāko atbildi rītdienai, izmēģinot tūkstoš iespēju tajā laikā, kamēr konsultants tikai atver savu portatīvo datoru.
Kā atpazīt augstu CQ intervijas procesā
Ja vēlaties iekļaut šo principu savā AI stratēģija MUV izaugsmē, jums jāmaina veids, kā intervējat. Beidziet jautāt par to, ko viņi ir darījuši. Sāciet jautāt par to, ko viņi ir salauzuši un pēc tam salabojuši.
- "Kas trūkst?" tests: Iedodiet viņiem AI ģenerētu rezultātu (mārketinga plānu vai finanšu atskaiti) un pajautājiet: "Kas AI šeit ir palaidis garām, lai šis rezultāts būtu pasaules līmenī?"
- Rīku agnostiķa izaicinājums: Palūdziet izskaidrot kādu sarežģītu procesu, ko viņi ir vadījuši. Pēc tam jautājiet: "Ja programmatūra, ko izmantojāt, rīt pazustu, kā jūs radītu šo rezultātu no nulles?"
- "Truša alas" izpēte: Pajautājiet: "Kāda ir pēdējā lieta, kuras izpētei jūs veltījāt trīs stundas tikai tāpēc, ka vēlējāties to saprast?"
"Aģentūras nodoklis" un ārpakalpojumu noriets
MUV tradicionāli ir uzticējuši izpildi aģentūrām. Tas bija saprātīgs veids, kā piekļūt prasmēm bez pilnas slodzes darbinieka izmaksām. Taču tagad mēs redzam "aģentūras nodokļa" rašanos — milzīgu plaisu starp to, ko aģentūra prasa par izpildi (piemēram, £2,000 par emuāru rakstu kopumu), un to, cik šo pašu materiālu izveide maksā, izmantojot AI (£20 žetonos un 30 minūtes cilvēka vadības).
Lai izvairītos no šī nodokļa, jums ir jāpārceļ "virzība" uz uzņēmuma iekšieni. Bet jums nav vajadzīga vesela nodaļa; jums ir vajadzīgs viens zinātkārs cilvēks, kurš var darboties kā "orķestrētājs".
Šī pāreja prasa investīcijas jūsu esošajā komandā. Jūs nevarat vienkārši atrisināt šo situāciju, pieņemot jaunus darbiniekus; jums ir jāattīstās. Šeit apmācības un profesionālie pakalpojumi kļūst par jūsu slepeno ieroci. Bet nemāciet viņiem "kā lietot AI". Māciet viņiem domāt kritiski, auditēt AI rezultātus un saglabāt nerimstošu zinātkāri par nākamo soli.
Ietvars: Kognitīvo pārmaiņu matrica
Lai palīdzētu vizualizēt, kā mainās lomas, es izmantoju ietvaru, ko saucu par Kognitīvo pārmaiņu matricu. Tā izvieto lomas uz divām asīm: Izpildes svars un Stratēģiskā izpēte.
- Mantotās lomas (augsta izpilde, zema izpēte): Šīs lomas ir pakļautas riskam. Datu ievade, pamata grāmatvedība, standarta tekstu rakstīšana. Šīs lomas nevajadzētu "aizstāt"; tās būtu "jātransformē".
- Pārejas lomas (augsta izpilde, augsta izpēte): Šeit ir iestrēguši lielākā daļa MUV. Cilvēki strādā vairāk, lai pārvaldītu AI rīkus, taču viņi nav atlaiduši izpildi. Tas noved pie izdegšanas.
- Nākotnes lomas (zema izpilde, augsta izpēte): Tas ir mērķis. Cilvēks tērē 90% sava laika stratēģijai, testēšanai un radošajai virzībai, kamēr AI nodrošina izpildi.
Kāpēc tas ir svarīgi MUV peļņas rādītājiem
Runa nav tikai par "kultūru". Runa ir par matemātiku. Zinātkārs darbinieks, kurš izmanto AI, var paveikt trīs uz izpildi orientētu darbinieku darbu.
Domājiet par izmaksu ietaupījumu:
- Samazināts darbinieku skaits (nezaudējot jaudu).
- Ātrāka jaunu ideju nonākšana tirgū.
- "Aģentūras nodokļa" likvidēšana.
Bet lielākais ietaupījums ir slēpts: tās ir status quo izmaksas. AI paātrinātā pasaulē stāvēšana uz vietas ir dārgākais, ko varat darīt. Konkurenti, kuri darbā pieņem zinātkārus cilvēkus, attīstīsies desmit reizes ātrāk nekā jūs. Viņi atradīs efektivitātes iespējas, ko jūs palaidāt garām. Viņi atrisinās klientu problēmas, par kuru eksistenci jūs pat nezinājāt.
Radikāls godīgums: Grūtā daļa
Būšu godīgs: šī pāreja ir neērta. Ir grūti pateikt lojālam darbiniekam, ka viņa "izpilde" vairs nav tur, kur slēpjas vērtība. Ir grūti izmest darba aprakstus, kas ir kalpojuši desmit gadus.
Bet kā jūsu ceļvedim man jāsaka patiesība: logs aizveras. AI vairs nav "nākotnes" jautājums. Tā ir pašreizējā realitāte. Jūsu kā uzņēmuma īpašnieka uzdevums vairs nav vadīt cilvēkus, kuri strādā. Tas ir vadīt cilvēkus, kuri vada mašīnas.
Sāciet šodien. Paskatieties uz savu pēdējo darba sludinājumu. Ja tas ir uzdevumu saraksts, izdzēsiet to. Nomainiet to ar sarakstu ar problēmām, kuras jums jāatrisina, un prasību pēc kandidāta, kurš nevar pārstāt jautāt "Kāpēc?".
Zinātkāre nenogalināja kaķi. AI laikmetā tā ir vienīgā lieta, kas uztur uzņēmumu dzīvu.