Три признака ИТ-неравенства в вашей компании | Большие Идеи

・ Технологии
Статья, опубликованная в журнале «Гарвард Бизнес Ревью Россия»

Три признака ИТ-неравенства в
вашей компании

Чем опасно нарушение технологического баланса между подразделениями организации

Авторы: Пол Р. Доэрти , Рамнат Венкатараман , Х. Джеймс Уилсон

Три признака ИТ-неравенства в вашей компании
Иллюстрация: master1305/Getty Images

читайте также

Два способа вернуть доверие своего босса

Дэвид ДеСтено

Вредные советы: почему секреты успешных людей и компаний вам не помогут

Робин Хогарт,  Эмре Сойер

Как расшифровать корпоративные акронимы и словесный мусор

Борис Щербаков

Тайные ученики умных машин

Мэтт Бин

Богатые богатеют, а остальные пытаются их догнать — так можно описать разрыв в инновациях между компаниями, у которых есть огромные ресурсы в сферах ИИ, данных, автоматизации и сверхсовременных ИТ-систем, и теми, у кого всего этого нет. Но если вы не можете догнать конкурентов, проблема может заключаться не только в неравенстве между вами, но и в скрытом технологическом неравенстве внутри вашей компании. Оно усиливает неравномерность доступа к средствам автоматизации и программам обучения по работе с ИИ, что, в конце концов, бьет и по конкурентоспособности.

Вот три самых распространенных источника внутреннего неравенства и советы, как их можно исправить.

Неравномерный доступ к данным

В исследованиях и на практике мы видим, что доступ к данным для людей и систем часто бывает неравномерным. Так, две трети компаний используют неоптимальное сочетание облачных и физических систем. Огромные и разнородные ИТ-системы не способствуют работе бизнеса, ведь данные разбросаны по разным их частям. Например, у одного государственного ведомства было больше 10 тыс. отдельных локальных дата-центров, и сотрудники разных отделов (администрирования, операционной деятельности, разработки политики и научного анализа) имели неравномерный доступ к информации. Кроме того, они не всегда могли передавать данные из одного отдела в другой, чтобы скоординировать свою работу.

Другие компании замечают, что из-за такой неоднородности не могут ввести единую культуру принятия решений с опорой на данные — внутри организации могут возникать островки некомпетентности в работе с данными (data illiteracy). Например, когда одна крупная европейская энергетическая фирма решила внедрить на всех уровнях организации систему работы с данными и ИИ, обнаружилось, что сначала нужно провести для всех сотрудников компании учебные курсы, чтобы они одинаково понимали свои новые возможности.

Ведущие компании подстраивают свою экосистему решений и услуг под возможности бизнеса. Они стремятся использовать данные не изолированно и в режиме пакетной обработки, а всесторонне в масштабах всего предприятия и в формате реального времени, чтобы на их основе можно было принимать решения. Они не внедряют облачные технологии на отдельных участках, а полностью заменяют ими дорогую в обслуживании старую инфраструктуру — и вводят новую, эластичную и масштабируемую инфраструктуру, рассчитанную на скорость, продуктивность и инновации.

Возьмем в качестве примера мультинациональную компанию по производству игрушек. Эта сфера меняется быстрее многих других: конкуренты компании выпускают уже не просто игрушки, а цифровые проекты. Чтобы не отставать, компания решила дать каждому отделению (от разработки до производства и дистрибуции) возможность действовать быстро и согласованно, в то же время контролируя расходы. Вместо того чтобы использовать отдельные, несогласованные продукты по управлению данными, компания демократизировала доступ к информации и внедрила единую облачную систему. Кроме прочего, эта система включала аналитику на основе машинного обучения. С такой «аналитикой на самообслуживании» рядовым пользователям не приходилось каждый раз обращаться к специалистам по данным, и компания вдвое сократила время, которое раньше требовалось на проведение анализа. А автоматизация контроля качества данных снизила требования к поддержке этой функции на 80%. Теперь сотрудники всех отделов компании могли спокойно использовать эту систему, чтобы принимать качественные решения по финансам, дизайну и разработке.

Неравномерные полномочия для инвестиций в технологии

Во многих организациях некоторые отделы чувствуют за собой право инвестировать в технологии, а остальные будто бы остаются в стороне. Например, ИТ-команды зачастую думают только о поддержке, а не о поиске инновационных решений бизнес-проблем, в то время как более 60% инвестиций в ИТ проходит за пределами ИТ-отделов — например, в отделах маркетинга или операционной деятельности. ИТ-менеджеры даже не замечают эти «теневые системы», а загнанные в узкие рамки технологии не соответствуют возможностям бизнеса.

Еще более усугубляет проблему тот факт, что никто не учит ИТ-команды работать в этих «теневых системах», а значит, им будет сложнее обновлять и поддерживать их. Как отметили в одной из компаний, из-за такого отсутствия связи ИТ-отдел чувствует себя не у дел. Одна команда аналитиков данных, подчинявшаяся отделу стратегического планирования, Схожим образом уделяла все меньше времени стратегическим инсайтам, потому что сотрудники других отделов начали слишком часто просить ее решать мелкие аналитические задачи. В результате команда чувствовала себя беспомощной, и в ней была большая текучка сотрудников.

В хорошо отлаженной организации системы четко соответствуют возможностям бизнеса, и инвестиции в информационные технологии объединяют всех заинтересованных лиц, а не образуют «теневые системы», к которым у некоторых подразделений нет доступа. Например, одна американская сеть больниц обнаружила, что несколько административных команд создали разные кастомизированные аналитические инструменты для одних и тех же KPI, не проконсультировавшись с докторами. Так, при анализе стоимости операций по протезированию коленного сустава каждый из этих инструментов использовал разные наборы данных. В результате у докторов не было возможности рассмотреть лучшие практики больницы в целом, но от них все равно ждали, чтобы они улучшали качество ухода и снижали его цену. Поэтому врачи стали скептически относиться вообще ко всем аналитическим моделям, их полноте и объективности.

Чтобы решить эту проблему, все данные интегрировали в единый облачный инструмент, одному из докторов поручили проконтролировать процесс. Новая система дала медперсоналу, бизнес-аналитикам и администраторам единую объективную картину по отдельным пациентам из разных регионов и госпиталей. Все вовлеченные стороны пришли к общему пониманию KPI и лучших практик, в результате чего удалось сократить расходы и для пациентов, и для больницы. Например, цена протезирования коленного сустава для пациента упала почти на $300, а в целом только за первый год сети удалось сэкономить почти $20 млн.

Неравномерный доступ к автоматизации и ИИ

Во многих компаниях растет разделение между разными отделами. У одних есть доступ к инструментам автоматизации и ИИ, а у других его нет — и они оказываются в невыгодном положении как в отношении продуктивности, так и в развитии навыков работы с ИИ. Например, в одной транспортной компании две разные команды разрабатывали похожие продукты. Команда А смогла автоматизировать только одну из рутинных задач, а команда B — более 30 задач. Это привело к радикальной разнице в рабочих циклах и результатах.

Представьте себе такую же разницу между программистами: некоторые из них могут тратить по 60% своего времени на задачи, которые можно было бы автоматизировать, а другие решают эти задачи с помощью ИИ. Последние не только пишут код быстрее, но и учатся работать с ИИ-системами, а также допускают меньше ошибок. Это разделение становится критически важным, ведь ожидания клиентов растут, а темп изменений ускоряется. Сегодняшний рынок не терпит медленных циклов работы инженеров. Он требует современных инженерных практик с быстрыми этапами «создавай-измеряй-понимай» (Build-Measure-Learn), которых просто невозможно добиться без автоматизации.

Если просто распространить автоматизацию, это не решит проблему полностью — требуется общий системный подход. Например, в 2016 году одна из компаний-разработчиков достигла критической точки, ее ИТ-отдел разросся в целую сеть разных структур. Коммуникация владельцев компании с ИТ-отделом была непрозрачной; они не обсуждали с ними свои ожидания. Система была нагружена старым кодом, накопившимся за несколько десятков лет, и компания тратила 80% своего ИТ-бюджета на поддержку старых проектов и только 20% — на инновации в будущее.

Вместо того чтобы просто автоматизировать несколько задач, компания провела полноценный цикл реформ, нацеленный на то, чтобы обогнать конкурентов с изначально цифровыми моделями бизнеса по скорости работы и инновациям. Была внедрена современная вертикальная инженерная модель: бизнес-эксперты и инженеры-универсалы работали в интегрированных командах с гибкими практиками разработки. Кроме того, компания полностью перевела свою ИТ-систему в облако, поэтому средства автоматизации стали доступны практически всем сотрудникам и командам, которым они могли пригодиться.

Не менее важно, что все это было достигнуто за счет внутренних средств, а не дополнительных инвестиций. Как и большинство остальных, эта компания тратила большую часть своего ИТ-бюджета на поддержку. Но проект постепенных реформ изменил ситуацию, перевернул кривую инвестиций в ИТ и быстро освободил капитал, который открыл инновации для всех, а не только для небольшой группы избранных. Сегодня компания тратит всего 40% своего ИТ-бюджета на фиксированные расходы, а остальные 60% выделяет на инновации. Время, которое требовалось на выведение новых функций на рынок, сократилось на 83%. Более того, когда началась пандемия COVID-19, компания уже в состоянии справиться с кризисом и выйти из него еще более сильной.

Восстановление баланса

Неравномерный доступ к данным, технологическим инвестициям и средствам автоматизации может подрывать и моральный настрой в компании, и рентабельность. Но можно начать решать эти проблемы с самых важных и требующих незамедлительной отдачи областей, — например, НИОКР для сектора биологии и медицины или CRM для потребительских товаров. Затем охват можно расширить. Кроме того, можно изучить ширину и глубину имеющихся систем данных в организации. Наконец, убедитесь, что ваша система соответствует возможностям вашего бизнеса, а инвестиции объединяют заинтересованных лиц во всей компании. Помимо этих формальных организационных изменений, можно также создать меж-функциональные команды инженеров и бизнес-экспертов и внедрить практики эджайл-разработки, чтобы ИТ-эксперты не были изолированы от главных задач бизнеса. Чем быстрее бизнес устранит эти источники внутреннего неравенства, тем быстрее преодолеет и внешнее неравенство с конкурентами.

Об авторах

Рамнат Венкатараман (Ramnath Venkataraman) — старший исполнительный директор по интегрированным глобальным сервисам (технологиям) в Accenture.

Пол Р. Доэрти (Paul R. Daugherty) — директор по технологиям и инновациям консалтинговой компании Accenture, автор книги «Human + Machine: Reimagining Work in the Age of AI» (в соавторстве с Х. Джеймсом Уилсоном) (издательство Harvard Business Review).

Х. Джеймс Уилсон (H. James Wilson) — управляющий директор подразделения ИТ и бизнес-исследований в исследовательской компании Accenture Research, автор книги «Human + Machine: Reimagining Work in the Age of AI» (в соавторстве с Полом Доэрти) (издательство Harvard Business Review).