Technologia i tworzenie oprogramowania przypominają rynek forex. Są tacy, którzy dużo zyskują – i dzięki technologii wyprzedzają konkurencję o pięć kroków naraz. Ale większość niestety przegrywa.
- Projekty AI kończą się niepowodzeniem w ponad 80% przypadków
- Skąd bierze się nieprzewidywalność?
- Można też wygrać
Projekty AI kończą się niepowodzeniem w ponad 80% przypadków
Technologia to inżynieria. Samo stwierdzenie, że inżynieria jest nieprzewidywalna, brzmi trochę tak, jakby budowniczy mostu stwierdził, że może wytrzyma on przejazd 30-tonowej ciężarówki – a może nie. Że musimy go najpierw zbudować i przejechać tą ciężarówką, żeby zobaczyć, czy wytrzyma.
51% z 400 amerykańskich dyrektorów IT stwierdziło, że w ciągu ostatnich dwóch lat nie zauważyli żadnej poprawy wyników ani rentowności w wyniku inwestycji w transformację cyfrową.
W sierpniu ubiegłego roku Narodowy Wydział Badań nad Bezpieczeństwem RAND ustalił, że projekty AI kończą się niepowodzeniem w ponad 80% przypadków – to dwukrotnie wyższy wskaźnik niż w przypadku projektów IT bez elementów AI.
To jakby tylko 2 na 10 mostów nadawało się do przejechania.
Skąd bierze się nieprzewidywalność?
Biznes, pływające wymagania i software ciągle “prawie gotowy”
Najpierw oberwą ci, którzy powinni być najskuteczniejsi. Zespoły biznesowe często nie potrafią jasno określić, czego naprawdę potrzebują.
Jeden z moich klientów zdefiniował 30 wymagań dotyczących obsługi zwrotów w nowej linii produktowej. Koszt: dodatkowe 300 tys. zł. Po wdrożeniu okazało się, że miesięcznie było... 5 zwrotów.
Skąd takie absurdy?
• brak zrozumienia wartości biznesowej produktu,
• ucieczka przed odpowiedzialnością za trudne decyzje,
• pozorna produktywność: robienie „czegoś”, byle nie zmierzyć się z tym, co naprawdę ważne.
Co zrobić?
• Wybrać lidera z biznesowym DNA - takiego, który widzi zyski i straty,
• Mocna orientacja na cele - każde zadanie musi dać się przełożyć na jedno: czy się opłaca, czy nie.
Odrealniony zespół technologiczny, który nie rozumie biznesu
Weźmy przykład wspomnianych 80% nieudanych projektów AI.
Do ich stworzenia i uruchomienia potrzebni są ludzie, którzy rozumieją potrzeby biznesowe, a jednocześnie mają szeroką wiedzę technologiczną. Trzeba znać modele AI, algorytmy, przetwarzanie danych. Do tego dochodzi integracja z CRM, systemem księgowym i bazą wiedzy.
Pozyskanie zespołu, który rozumie tak złożoną technologię i jednocześnie jest nastawiony na wynik biznesowy – graniczy z cudem.
A potem wracają dokładnie te same problemy, co wcześniej: brak jasnych celów, pozorna produktywność, decyzje podejmowane bez odpowiedzialności.
Dodatkowo zespoły technologiczne często mają inne cele niż biznes. Na konferencjach IT nie usłyszymy case study o tym, ile rozwiązanie przyniosło zysku albo jak obniżyło koszty. Usłyszymy tylko, kto użył jakich klocków.
Jak to ogarnąć? Tak samo jak z zespołem biznesowym – tylko delikatniej. I z większą cierpliwością. Ale zasada pozostaje ta sama: sprawdzamy czy to, co robimy, opłaca się czy nie?
Dostarczasz coś, czego już nikt nie potrzebuje
Z tego powodu wiele firm przerzuciło się z zamawiania oprogramowania na zewnątrz na budowanie zespołów in-house.
Ale i tak bezwładność wewnętrznych zespołów sprawia, że software, który trafia na produkcję, jest już nieadekwatny do sytuacji biznesowej albo po prostu nie trafia w potrzeby użytkowników końcowych. W obu przypadkach efekt jest ten sam: frustracja.
Bo proces pochłonął mnóstwo pieniędzy – a efekt nie dowozi wartości.
Bezwładność zespołów ma swoje źródła w:
• braku konfrontowania rozwiązań z realnymi użytkownikami – dużo łatwiej budować software albo agentów AI w laboratorium niż zderzać je z rzeczywistością,
• zbyt rozbudowanych zespołach, w których ustalenia i szukanie konsensusu zajmują tygodnie,
• strachu przed odpowiedzialnością – czyli: „to musi być idealne i rozwiązać wszystko”, zanim ktokolwiek to zobaczy.
Jak to rozwiązać:
• No-blame policy – jeśli zespół boi się błędów, będzie robić wszystko, żeby się zabezpieczać, a nie dowozić,
• POC, MVP – lepiej wypuścić coś niedoskonałego (w kontrolowanej grupie użytkowników) niż szukać ideału w nieskończoność,
• Śledzenie time to market – czyli mierzenie czasu od pomysłu biznesowego do realnej zmiany na produkcji.
Można też wygrać
Nie wszystkie inwestycje w technologię kończą się fiaskiem. Są firmy, które potraktowały software nie jako koszt – ale jako dźwignię strategiczną. Zamiast mnożyć wymagania i optymalizować „dla siebie”, skoncentrowały się na jednym: wartości biznesowej. I to one wygrały.
Walmart
W latach 80, gdy konkurencja liczyła stany magazynowe na oko, Walmart zainwestował połowę swoich rocznych przychodów w pełne skomputeryzowanie logistyki. To dzięki cyfrowemu łańcuchowi dostaw firma dziś obsługuje ponad miliard transakcji rocznie, utrzymując niskie ceny i wysoką dostępność towaru.
UPS
Przez dekadę rozwijali własny algorytm optymalizacji tras (ORION). Efekt? Oszczędność 50 mln USD rocznie na paliwie i czasie pracy. Nie dlatego, że chcieli mieć AI – ale dlatego, że chcieli jechać krócej i taniej.
Domino’s
Zredefiniowali się jako „firma technologiczna, która sprzedaje pizzę”. Dzięki własnej aplikacji i pełnej cyfryzacji procesu zamawiania ponad 75% zamówień pochodzi z kanałów online, co zmniejszyło koszty, zwiększyło lojalność i przychody. Ich akcje eksplodowały.
Żabka
Nasz lokalny lider. Chmurowy ERP, SAP, AI i aplikacje mobilne? Jasne – ale tylko jako narzędzia do celu. Dzięki cyfryzacji procesów Żabka **zwiększyła wydajność operacyjną o 20%**, niemal zlikwidowała papierowy obieg dokumentów i otwiera dziś **3 sklepy dziennie**.
To nie magia. To nie AI.
To technologia w służbie celu – a nie odwrotnie.
Autorem artykułu jest Bartosz Szkudlarek, CEO Eversis, ekspert z 25-letnim doświadczeniem w tworzeniu oprogramowania dla biznesu.