Měření výkonnosti je soubor ukazatelů, zpráv a hodnoticích momentů, kterými organizace zjišťuje, zda práce dělá to, co by měla dělat. To jde dál než dashboard. Jde o otázku, kdo smí interpretovat číslo, kdo smí schválit odchylku a na základě jakých dat se to děje.
Tato dimenze se mění ve chvíli, kdy AI převezme část měřicí práce. Sběr dat, sčítání čísel, signalizace odchylek: to je práce, která se stále více odehrává bez lidských rukou. Interpretace odchylky a rozhodnutí, co daná odchylka znamená pro tým nebo investici, zůstává jiným druhem práce. Přesně na této hranici vzniká otázka připravenosti.
V rámci měření výkonnosti se prolínají tři kategorie práce.
První je práce, kterou může převzít AI: sběr čísel z různých systémů, sestavování zpráv, signalizace trendů, které se vymykají z bandwidth. To se dnes už děje v částech některých organizací, v jiných organizacích ještě vůbec ne.
Druhá je práce, při níž AI podá návrh a člověk jej schválí nebo zamítne, s odůvodněním. Odchylku v tržbách podle regionu může signalizovat systém; zda je tato odchylka problémem nebo očekávaným sezónním efektem, zůstává posouzením, které dělá někdo se znalostí kontextu a které dokáže obhájit.
Třetí je práce, která zůstává lidskou prací: rozhovor s vedoucím týmu o tom, proč nebyl splněn cíl, úvaha, zda ukazatel ještě odpovídá současné ambici, rozhodnutí ukazatel zrušit, protože už nic nevypovídá.
Rozdíl mezi společnostmi netkví v ambici, ale v tom, zda jsou tyto tři kategorie už od sebe oddělené. Vedení, které mluví o „automatizovaném reportingu“, aniž by specifikovalo, která část je automatická a která je posuzovaná, mluví o třech různých věcech jedním slovem.
Připravenost na tento posun nevyžaduje nový software. Vyžaduje práci, která často ještě nebyla udělána:
Tyto čtyři body určují, kolik hodin se uvolní, když se sběr a reporting přesune, a kolik kapacity naopak zůstane potřeba pro posuzovací práci, která zbývá. Není to pevný poměr; závisí na tom, jak vyspělá je současná měřicí struktura a kolik z ní je již jednoznačně definováno.
Když se sběrová a reportingová část měření výkonnosti přesune na AI, vznikne fte kapacita, která dříve šla na sestavování přehledů. Tuto kapacitu lze nasadit na interpretaci signálů, na rozhovor o tom, co číslo znamená, nebo na revizi ukazatelů, které už neodpovídají ambici.
Kolik přesně kapacity to je, se liší podle organizace a reportovacího cyklu. Závisí to na počtu ukazatelů, na míře, do jaké jsou data již strukturovaná, a na tom, kolik ze současné práce už tvoří posuzování namísto sběru. Pokud se tento posun dotýká personálních rozhodnutí, platí pro to vlastní zákonné požadavky; to je jiná otázka než otázka, jaká práce se přesouvá.
Měření výkonnosti nestojí samo o sobě. To, co organizace dokáže měřit, se dotýká toho, co dokáže obhájit vůči poskytovatelům kapitálu -- viz jak finanční odolnost obstojí, když se měřicí práce přesouvá -- a toho, co dokáže externě prokázat vůči dozorovým orgánům, jak je popsáno u co compliance a riziko vyžadují, když se mění posuzovací práce. I cíl je cílem teprve tehdy, když je měřitelný; viz jak se vize převádí na něco měřitelného.
Otázka, jakou část měřicí práce v této firmě lze skutečně převést na AI, je věcná otázka o úkolech, nikoli o ambici. Tato otázka se zodpovídá pomocí pracovní analýzy FTE TO AI, úkol po úkolu.
Bezplatná kontrola připravenosti se skládá z osmi krátkých otázek, jedné na každou dimenzi, a poskytuje obraz o tom, kde je vaše organizace nejdále a kde nejméně. Měření výkonnosti je v tom jednou z osmi dimenzí; výsledek často souvisí s tím, jak je ambice rozfázovaná, což je vysvětleno u jak se velká ambice rozdělí na dosažitelné kroky. Kompletní test ambice, se všemi čtyřmi vrstvami a osmi dimenzemi, se právě připravuje.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.