Eivätkö AI-hankkeet taivu tuloksiksi? Syy löytyy pullonkaulateoriasta

Moni AI-asioissa edistynyt yritys kipuilee sen kanssa, etteivät hienojen AI-kehityshankkeiden hyödyt päädy tulosriville saakka. Syynä ei kuitenkaan ole tarpeettomien työtehtävien optimointi tai AI-hankkeiden hype.

Ajattele asiaa näin: jos yrityksesi valmistaa autoja, se tarvitsee prosessin aikana lukemattomia erilaisia työvaiheita. On suunnittelua, markkinointia, R&D-hankkeita, lakiasioita ja sitten tietenkin itse auton valmistus kaikkine osa-alueineen. Ennen kuin auto putkahtaa ajovalmiina tehtaalta ulos, todella monen asian täytyy valmistua ajallaan ja sovitulla laadulla. Jos yksikin osa jää asentamatta tai se asennetaan väärään kohtaan, auto ei valmistu koskaan. Kokonaisuus on siis herkkä työpanoksen, tiedon ja materiaalivirtojen tasapaino.

Kuvitellaan nyt sitten, että tulee uusi teknologinen edistysaskel, joka mahdollistaa jonkin työvaiheen valmistamisen samalla tai paremmalla laadulla, mutta nopeammin. Eli vaikka uusi hitsaustyökalu, joka mahdollistaa hitsauksen vaikka 1000x nopeammin kuin aikaisemmin. Nyt kaikki muut työvaiheet valmistuvat samaa vauhtia kuin ennenkin, mutta kaikki ne työvaiheet, joissa tarvitaan hitsausta, valmistuvat nopeammin. Siis TODELLA paljon nopeammin.

Autot eivät kuitenkaan tule hihnalta sen nopeammin kuin ennenkään. Miksei?

Syynä on leanista tuttu pullonkaulateoria (TOC). Sen mukaan systeemin hitain yksikkö määrittelee koko systeemin läpimenonopeuden. Ilmiö on tuttu moottoritiellä körötellessä. On ihan sama, kuinka nopeita autoja on alla, mutta jono muodostuu aina sen taakse, joka ajaa hitaimmin.

Eli mitä tästä on opittavaa?

Jos haluat, että AI antaa parhaan mahdollisen potkun bisneksellesi, sinun täytyy nopeuttaa pullonkaulaa. Se, että joku toinen työvaihe hoituu 1000x tai 10000x nopeammin, ei muuta lopputulosta yhtään mihinkään, jos prosessin pullonkaula ei vedä. AI-kehitystoimet kannattaa siis kohdistaa tylsästi ensimmäiseksi prosessin pullonkaulaan, ei jonnekin random-paikkaan.

Pullonkaulan löytäminen asiantuntijatyön prosessista voi olla hieman haastavaa. Tehdaspuitteissa pullonkaula on se työpiste, jonka eteen kasautuvat keskeneräiset kappaleet. Toimistotyössä pullonkaula on se työvaihe, jota kaikki odottavat eniten. Käytännössä asiantuntijatyö on usein sivusta katsojalle näkymätöntä, eikä mittaaminen kaoottisissa pk-yritysten puitteissa ole kauhean helppoa.

Niinpä järkevintä on keskittyä ilmeisiin pullonkauloihin, jos ne ovat helposti tunnistettavissa, ja pyrkiä nostamaan samalla koko organisaation AI-kyvykkyyttä kautta linjan. Se on ikään kuin juustohöylä (tai oikeastaan turbomoottorisaha), jota käyttämällä todennäköisesti pullonkaulakin nopeutuu samalla kun kaikki tekeminen nopeutuu. Aina näin ei tietenkään ole, mutta hyvä arvaus se on.

Ja tässä on se varsinainen syy, miksi hyödyt eivät päädy tulosriville. Nopeutunut työvaihe nimittäin tuottaa säästöä vain kahdella tavalla: joko myyt samalla porukalla enemmän tai teet saman, minkä aikaisemminkin, mutta pienemmällä porukalla. Jos et tee kumpaakaan, säästetty aika valuu puuhasteluun ja häviää savuna ilmaan. Se tuntuu hyvältä, koska työ tuntuu kevyemmältä, mutta viivan alla ei näy mitään.

Jokainen onnistunut AI-projekti tuottaa lisää vapaa-aikaa. Vain pullonkaulaan osuva tehostaminen tuottaa rahaa.