Оседлать ИИ и вырваться вперед | Harvard Business Review Russia
Технологии

Оседлать ИИ и вырваться вперед

Виджей Д’Силва , Брюс Лоулер
Оседлать ИИ и вырваться вперед
Фото: Jonathan Kitchen/Getty Images

Компания Vistra, крупный американский производитель электроэнергии, столкнулась с проблемой. Для эффективной работы ее электростанций сотрудникам нужно было постоянно отслеживать сотни разных индикаторов, чтобы контролировать температуру и давление в различных зонах, уровни кислорода, скорость насосов и вентиляторов — и регулировать эти показатели в режиме реального времени. Процесс был очень сложным, и даже самым искусным операторам не удавалось все всегда делать правильно. Чтобы справиться с этой проблемой, компания установила оптимизатор нагрева на основе искусственного интеллекта. Он анализирует сотни показателей и каждые полчаса выдает рекомендации. Результат — повышение эффективности на 1%. На первый взгляд, это скромное достижение, однако оно позволило организации сэкономить миллионы и уменьшить выбросы парниковых газов.

Фирмы из самых разных отраслей стараются использовать аналитику и данные, чтобы повысить эффективность работы. Компания Wayfair, специализирующаяся на интернет-коммерции, одной из первых переместила свои данные в облако и вложила деньги в машинное обучение. С началом пандемии COVID-19 и резким изменением тенденций потребительского спроса фирма смогла усовершенствовать логистику морских грузоперевозок, непрерывно корректируя распределение грузов по портам. Результат — снижение затрат на входящую логистику на целых 7,5%.

Однако не все организации так же преуспели. На самом деле лидеры, подобные Wayfair, могут внедрять искусственный интеллект вдвое быстрее среднестатистических компаний и достигать при этом в два раза более существенного эффекта. Почему одни настолько обгоняют других?

Чтобы ответить на этот вопрос, McKinsey и Machine Intelligence for Manufacturing and Operations (MIT MIMO) изучили 100 компаний из разных отраслей — от автомобилестроительной до горнодобывающей. Проводя интервью, исследования и опросы, мы старались получить представление о том, как эти фирмы используют цифровые технологии, анализ данных и искусственный интеллект; чего они хотят достичь; как они оценивают свой прогресс. Отслеживая 21 показатель эффективности в девяти категориях (стратегия, концентрация на возможности, администрирование, партнерства, люди, использование данных, бюджет и результаты), мы смогли разделить 100 компаний на четыре категории: лидеры, планирующие, исполнители и начинающие. Это позволило нам определить соотношение между действиями и инвестициями, с одной стороны, и ощутимыми, устойчивыми результатами — с другой.

У всех компаний из категорий планирующих, исполнителей и начинающих есть возможность изучить передовые практики плодотворного использования продвинутых цифровых технологий. Мы посмотрим, что стоит за самыми высокими показателями эффективности, чтобы понять первопричины успехов, достигнутых лидерами.

Секреты превосходства

Побеждает в состязании на самое плодотворное использование данных и аналитики не тот, кто делает один смелый ход, а тот, кто совершает множество скоординированных действий. Все четыре категории — лидеры, планирующие, исполнители и начинающие — работают в динамичном пространстве. Планка постоянно повышается, и появляется все больше направлений использования машинного обучения, становящегося элементом повседневного бизнеса.

Не всем нужно стремиться немедленно стать лидером. Вместо этого следует попытаться подняться на уровень выше.

Лидеры достигают самых высоких результатов и составляют около 15% выборки. Благодаря правильному распределению инвестиций они извлекли из использования продвинутых цифровых технологий больше всего пользы. Среди лидеров гораздо больше компаний, создавших четкий процесс оценки и внедрения цифровых инноваций. Они чаще дисциплинированно следуют этому процессу и постоянно его обновляют. В итоге они достигли гораздо более существенных улучшений по 20 из 21 проанализированного нами показателя. Их результаты вошли в верхние 25% по всем девяти категориям, на которые мы разделили показатели эффективности.

Планирующие составляют около четверти выборки. У многих из них хорошие навыки работы с людьми и наработки в области использования данных. Они методичны и сосредоточены на правильном распределении инвестиций. Однако для многих из них эти инвестиции еще не окупились. Впрочем, несколько планирующих почти догнали лидеров. У одних на счету успешное внедрение технологий, а другим не удается подобрать ключ к масштабированию действительно ценных проектов по их использованию. Третьи никак не могут выбраться из «чистилища пилотных проектов», о чем писали в McKinsey в 2018 году.

Исполнители (примерно треть выборки) приобщаются к постоянно пополняемому общему фонду компетенций — привлекают партнеров, чтобы создать конкретные решения для освоения самых многообещающих возможностей. Затем они как можно шире внедряют эти решения. Исполнители ориентированы на результат. Они могут достичь и достигают существенных результатов, хотя не строят таких обширных инфраструктур, как лидеры или планирующие. С другой стороны, им иногда бывает трудно связать воедино разрозненные проекты, чтобы повысить эффективность работы компании в целом.

советуем прочитать

Об авторах

Виджей Д’Силва (Vijay D’Silva) — старший партнер McKinsey & Company.

Брюс Лоулер (Bruce Lawler) — управляющий директор MIT MIMO.

Войдите на сайт, чтобы читать полную версию статьи
советуем прочитать
«У нас люди сами руководят своим развитием»
Дэниел Макгинн,  Эми Бернштейн