Operational Excellence · 5 min læsning · Alexander Saxe Thulesen
Operational Excellence i en AI-verden: Nye principper
AI ændrer ikke hvad Operational Excellence er. Men det ændrer, hvilke principper der er afgørende for at opnå det. Tre principper er særligt centrale.
AI ændrer ikke hvad Operational Excellence er. Men det ændrer, hvilke principper der er afgørende for at opnå det. Tre principper er særligt centrale: data-drevne beslutninger, kontinuerlig forbedring i realtid og samarbejdet mellem menneske og AI.
- Serie
- AI-Driven OpEx (6 af 7)
- Niveau
- Strategisk
- Læsetid
- ca. 5 minutter
Principper
Hvad der er nyt, og hvad det erstatter
De klassiske principper for OpEx forbliver gyldige. Men AI tilføjer et nyt lag af krav til, hvordan organisationen fungerer og beslutter. Herunder er de tre centrale principper i en AI-drevet OpEx-kontekst, sat op mod den tilgang de erstatter eller supplerer.
- Data-drevne beslutninger, ikke mavefornemmelser: Erstatter: "vi har altid gjort det sådan" og beslutninger baseret på erfaring alene. Operationelle beslutninger baseres på data, modeller og evidens. Det kræver ikke at menneskelig erfaring fjernes, men at den suppleres og udfordres af data. En leder med 20 års erfaring og adgang til realtidsdata træffer bedre beslutninger end den samme leder uden.
- Kontinuerlig forbedring i realtid, ikke i projekter: Erstatter: kvartalsvise Kaizen-workshops og periodiske forbedringsrunder. AI muliggør en forbedringscyklus der ikke er bundet til projekter, workshops eller rapporteringsperioder. Systemet overvåger, identificerer afvigelser og igangsætter korrektioner eller eskalerer kontinuerligt. Forbedring er ikke en aktivitet der planlægges. Det er en kapacitet der er bygget ind i driften.
- Menneske + AI samarbejde, ikke menneske eller AI: Erstatter: frygten for at AI overtager, eller forestillingen om at AI kan erstatte menneskelig vurdering. AI håndterer skala, hastighed og mønstre. Mennesker håndterer kontekst, etik, undtagelser og ansvar. Det bedste resultat opnås ved at designe samspillet rigtigt: hvad gør AI bedst, hvad gør mennesker bedst, og hvordan overleveres opgaver mellem de to.
I praksis
Hvad principperne kræver af organisationen
| Princip | Krav til organisation | Typisk barriere |
|---|---|---|
| Data-drevne beslutninger | Datakvalitet, datakompetencer og tillid til systemerne | Data eksisterer, men er silo'iseret eller upålidelig |
| Data-drevne beslutninger | Kultur der accepterer at data kan udfordre erfaring | Hierarki der prioriterer senioritet over evidens |
| Realtids-forbedring | Systemer der genererer og deler data i realtid | Periodiske datauttræk og manuelle rapporteringsprocesser |
| Realtids-forbedring | Definerede grænser for AI-autonomi og eskaleringsregler | Uklart ansvar når AI identificerer et problem |
| Menneske + AI | Rollekortlægning: hvad gør hvem i den AI-støttede proces | Frygt og modstand mod ændrede roller |
| Menneske + AI | Kompetenceudvikling i kritisk vurdering af AI-output | Blind tillid til eller blind modstand mod AI-anbefalinger |
Datadrevne beslutninger, Realtids-forbedring, Menneske-AI samarbejde, Operationel kultur, Forandringsledelse
Principperne for Operational Excellence er ikke skiftet. Men redskaberne til at indfri dem er, og det stiller nye krav til organisation, kultur og kompetencer. Organisationer der omfavner de nye principper, bygger ikke bare bedre processer. De bygger en organisation der er fundamentalt bedre til at lære.