Strategia Human + AI, która naprawdę działa

Co się dzieje, gdy AI wdraża się bez jasno określonego przypadku użycia, planu zarządzania zmianą i bez szacunku dla ludzi, których ma wspierać? Kończy się to porażką — a według Evana J Schwartza, Chief Innovation Officer w AMCS i autora książki *The People, Places and Things*, jest to porażka przewidywalna i możliwa do uniknięcia. W tym odcinku podcastu CTRL+Listen Evan dzieli się wnioskami zdobytymi przez ponad 35 lat pracy z oprogramowaniem dla przedsiębiorstw, wdrożeniami ERP i automatyką przemysłową w branżach leśnej, górniczej, złomu i gospodarki odpadami.



Od predykcyjnego utrzymania ruchu wspieranego przez AI i optymalizacji flot po zagrożenia wynikające z wszechobecnych zastosowań AI, Evan przedstawia argumenty za strategią „człowiek plus AI” — taką, w której wąskie, dobrze zdefiniowane zadania AI są łączone w łańcuch dla spotęgowanego efektu. Mówi też o tym, jak AI przekształca edukację w zakresie oprogramowania, dlaczego w erze AI generalistom będzie łatwiej przetrwać niż specjalistom oraz czego branża gospodarki odpadami i recyklingu może nauczyć nas wszystkich o efektywności operacyjnej.



Dowiedz się więcej o Evanie →



Obserwuj Evana → 

Posłuchaj odcinka

Obejrzyj odcinek

Najważniejsze wnioski

• Większość inicjatyw związanych z transformacją cyfrową i AI kończy się niepowodzeniem z powodu adopcji, a nie technologii. Projekty ERP i AI bardzo często upadają, ponieważ organizacje nie doceniają znaczenia zarządzania zmianą, dopasowania kulturowego i rzeczywistej złożoności operacyjnej.
• Ustrukturyzowane podejście skoncentrowane na ludziach jest niezbędne do skutecznej transformacji. Podejście „customer journey” kładzie nacisk na jasno określone etapy, świadomy wybór dostawcy i praktyczne kroki wdrożeniowe wykraczające poza standardowe zarządzanie projektami.
• AI działa najlepiej jako wzmacniacz możliwości człowieka, a nie jego zastępstwo. Wąskie, dobrze zdefiniowane przypadki użycia AI — połączone z ludzką oceną — przynoszą narastające korzyści w zakresie efektywności, logistyki, predykcyjnego utrzymania ruchu i rentowności.
• Efektywność operacyjna i zrównoważony rozwój są ekonomicznie spójne. Optymalizacja logistyki, flot i wykorzystania zasobów obniża koszty, zwiększa wolne przepływy pieniężne i zmniejsza wpływ na środowisko, dzięki czemu zrównoważony rozwój staje się przewagą biznesową, a nie kompromisem.

Transkrypcja

James Sweetlove: Cześć wszystkim, z tej strony James z podcastu Control+Listen podcast, przygotowywanego przez Octopart. Dziękujemy, że dziś nas słuchacie.

Mamy wyjątkowego gościa, Evana Schwartza. Jest Chief Innovation Officer w AMCS, założycielem i CEO w Evan J Schwartz oraz adiunktem na Jacksonville University. Bardzo dziękujemy, że do nas dołączyłeś.

Evan J Schwartz: To przyjemność, James. Cieszę się, że tu jestem. Dziękuję.

James Sweetlove: Odbyliśmy wcześniej kilka krótkich rozmów i naprawdę cieszę się, że możemy zagłębić się w niektóre tematy, które omówiliśmy przed nagraniem.

Na początek — może opowiesz o swoim doświadczeniu i powiesz nam trochę o sobie?

Evan J Schwartz: Jasne.

Moja historia początków jest bardzo podobna do tego, co często słyszy się w IT. Zacząłem tworzyć gry jeszcze w czasach modemowego dostępu do bulletin board systems, we wczesnych dniach komputerów. Dzięki temu bardzo oswoiłem się z technologią, zrozumiałem doświadczenie użytkownika i wiele ówczesnych nowych technologii, którymi wtedy były połączenia modemowe.

Stamtąd szybko trafiłem do świata biznesu i znalazłem ogromne możliwości w różnych branżach, szczególnie w branżach majątkowych. I tak było przez ponad 35 lat — aż do dziś.

Teraz nadal jestem mocno związany z korporacyjnymi systemami operacyjnymi, systemami generującymi wolne przepływy pieniężne, systemami automatyzacji — wszystkim, co pozwala firmom działać, szczególnie w branżach majątkowych: leśnictwie, górnictwie, logistyce zwrotnej, złomie, wszędzie tam, gdzie marże są niskie i gdzie naprawdę próbuje się optymalizować oraz automatyzować procesy. To właśnie tego trzymałem się przez całą swoją karierę.

Evan J Schwartz jako osobna działalność to pewnego rodzaju odgałęzienie tego wszystkiego, coś, do czego nabrałem ogromnej pasji, ponieważ z biegiem lat zacząłem dostrzegać powtarzające się wzorce: firmy kupowały duży system ERP, przechodziły przez ogromną zmianę organizacyjną. A aktualne statystyki Gartnera, które są zbieżne z tym, co obserwowałem przez całą karierę — czy to przy „sprzątaniu” po takich projektach, czy jako ich uczestnik próbujący doprowadzić je do końca — pokazują wysoki wskaźnik porażek związanych z adopcją tych wielkoskalowych systemów korporacyjnych, które napędzają biznes.

Dlatego Evan J Schwartz i customer journey to była moja próba odpowiedzi. Napisałem książkę, żeby nadać kontekst moim ponad 35 latom doświadczenia — byłem tam, widziałem to, zrobiłem to. A customer journey było moją próbą stworzenia pewnych ram postępowania.

Choć program management i project management bardzo dobrze rozwinęły się jako samodzielne dyscypliny, uważam — i widziałem to z własnego doświadczenia — że istnieje bardzo specyficzne podejście do wdrażania i przyjmowania nowego systemu operacyjnego, nowego oprogramowania. Customer journey to więc framework, który nakłada się na to, co uznalibyśmy za standardowe najlepsze praktyki project management i program management, ale obejmuje też niektóre wyjątkowe wyzwania prowadzące do tych 70% porażek.

Widać to teraz. AI to kolejna forma transformacji cyfrowej. W zeszłym roku MIT opublikował raporty mówiące, że 95% takich inicjatyw nie realizuje zakładanego ROI albo kończy się porażką, prawda? I dzieje się tak z tych samych powodów. Pomyślałem więc: musi istnieć sposób, żeby to zatrzymać.

A customer journey obejmuje wszystkie etapy wdrażania dowolnej transformacji cyfrowej. Mówi wszystko z perspektywy klienta: co trzeba zrobić, jak wybrać dostawcę, jak dokonać wyboru oprogramowania, jak zaplanować program? Gdzie są pułapki? W którym momencie wszystko zaczyna się sypać i jak doprowadzić do udanego wdrożenia, które generuje wolne przepływy pieniężne i poprawia EBITDA?

Przecież cały powód, dla którego kupuje się takie rozwiązania, to poprawa wyników finansowych firmy. Nie kupuje się systemów tylko po to, żeby mieć system cyfrowy, prawda? One muszą przynosić efekt na poziomie finansowym, a zbyt wiele takich projektów kończyło się źle.

Dwa rzędy wielkości — to wręcz szokujące. Dwa lata temu głośno było o przypadku w Niemczech, opisywanym w prasie, gdzie wdrożenie SAP przekroczyło budżet o 650 milionów dolarów, zanim po prostu wstrzymano projekt. Żadnej wartości, tylko projekt generujący straty, którego nigdy nie doprowadzono do końca.

Powiedziałem więc właściwie: dość tego. Istnieje sposób, by wygrywać konsekwentnie i wielokrotnie. Chcę dać ludziom ramy działania, bo każdy, z kim rozmawiałem — a w książce pojawia się mój dobry przyjaciel John Leonard, CEO Florachem — ze względu na naszą relację nie zwrócił się do mnie o pomoc przy swoim wdrożeniu, a chodziło o inne oprogramowanie, ale rezultat był negatywny.

Na końcu przyszedł do mnie, usiedliśmy razem i przeprowadziłem go przez to: dobrze, powinieneś był zrobić to, albo to byłby właściwy sposób, prawda? A on powiedział: Boże, nie wiem. Chciałbym był to wiedzieć, zanim się w to zaangażowałem.

A finał jego historii jest taki, że utknął z pięcioletnią licencją na oprogramowanie, z którego nie może korzystać. To straszne uczucie, prawda? A najgorsze jest to, że da się tego uniknąć. To nie jest przypadek. To nie jest katastrofa kolejowa, której nie da się zatrzymać. To zjawisko dobrze znane, dobrze udokumentowane. Zdarza się tak często, że ludzie wręcz planują z wyprzedzeniem na wypadek takiej porażki.

Celem było więc: jak wyposażyć wystarczająco wiele osób w informacje, które pozwolą tego uniknąć? I właśnie temu służy customer journey.

James Sweetlove: Fantastycznie.

Tak, wydaje się, że to naprawdę potrzebna usługa, i to jeden z tych obszarów, w które wszyscy wchodzą tak szybko, że być może nie przeprowadzają należytej analizy, jaką powinni wykonać.

Evan J Schwartz: Po części tak, a po części po prostu nie wiesz, czego nie wiesz, prawda? Jak ze wszystkim. Podchodzisz do różnych spraw przez własny pryzmat, z własnej perspektywy, a klienci znają swój biznes lepiej niż ktokolwiek inny.

Ale mogę powiedzieć z doświadczenia zdobytego w branżach gazu ziemnego, surowców, leśnictwa, złomu, produkcji, a nawet handlu surowcami na rynkach — niezależnie od liczby ludzi w danym biznesie, nawet w branży gospodarki odpadami i recyklingu — że żadna z tych firm nie działa tak samo. Ani jedna.

Wszystkie prowadzą zasadniczo ten sam biznes. Jeśli spojrzysz z lotu ptaka, wygląda to tak, jakby wszyscy robili to samo. Ale gdy zejdziesz do poziomu szczegółów, nie ma dwóch firm działających identycznie. To właśnie ich sekretna receptura. To ich wyróżnik. I zazwyczaj właśnie wtedy sprawy zaczynają trochę wymykać się spod kontroli.

Każda z nich ma też odrębną kulturę. Zdziwiłbyś się, jak duża część kultury organizacyjnej jest kształtowana przez oprogramowanie wdrażane w całym systemie albo musi się do niego dopasować. Bo dotyka ono każdej części biznesu, absolutnie każdej, prawda?

James Sweetlove:Zanim zbyt głęboko wejdziemy w pozostałe tematy, chciałbym też poprosić o krótkie podsumowanie dla słuchaczy tego, czym zajmujesz się w AMCS Group. Gdybyś mógł opowiedzieć trochę również o swojej roli tam.

Evan J Schwartz: Tak. Rzadko trafia się możliwość pracy w miejscu, które naprawdę przyspiesza tętno i sprawia, że człowiek rano wstaje podekscytowany, gotowy działać. W przypadku AMCS od lat — i pewnie moglibyśmy spędzić tu godziny, opowiadając całą historię — rzeczywistość jest taka, że działałem w różnych firmach z branż opartych na zasobach.

Pierwszą z tych głęboko zasobożernych branż było leśnictwo, gdzie kiedyś pozyskiwaliśmy drewno na potrzeby papiernictwa, prawda? A potem, kiedy recykling zaczął nabierać znaczenia, potrzebowaliśmy sposobu na odzyskiwanie tektury, ponowne rozwłóknianie jej i przetwarzanie z powrotem. To przerodziło się w działalność recyklingową.

Wiele osób o tym nie wie, ale żadna część drzewa się nie marnuje. Nawet terpeny i niektóre produkty uboczne wytwarzania papieru mają wartość handlową. Jak wspominałem o Johnie — działa w branży chemicznej. Terpeny są wykorzystywane do aromatyzowania.

Wtedy bardzo szybko zaczynasz dostrzegać, że branża gazu ziemnego, branża naftowa i wszystkie te sektory są ze sobą powiązane, choćby przez logistykę. Produkt uboczny albo odpad jednej firmy staje się surowcem dla innej. To są bardzo mocno połączone ekosystemy.

Kiedy więc trafiłem do AMCS, zobaczyłem właśnie ten precyzyjny punkt połączenia, tę tkankę łączną między wszystkimi tymi branżami. I właśnie tam zaczyna się znajdowanie dodatkowych efektywności.

Przy założeniu zrównoważonego podejścia do wydajności wierzymy, że dzięki technologii możemy osiągać większy pozytywny wpływ na środowisko niż kiedykolwiek wcześniej. I robimy to każdego dnia, prawda?

W AMCS zajmuję się innowacjami. Mogę więc stawiać na niektóre z tych nowych, rozwijających się technologii, a potem doprowadzać je od etapu POC do wdrożenia produkcyjnego. Następnie przekazuję je z powrotem zespołowi produktowemu, który je dopracowuje i zamienia w coś naprawdę wartościowego dla klientów. Taka jest moja rola w AMCS.

Kiedy patrzymy na to, jak AI wpisuje się dziś w cykl ERP, pojawia się pytanie: jak możemy oszczędzać na logistyce? Każda firma — dlatego właśnie moja książka nosi tytuł People, Places and Things — obejmuje ludzi, miejsca, do których trzeba dotrzeć, i rzeczy, które trzeba przemieszczać. Jest w tym logistyka. Wszystkie te elementy wspólnie wpływają na generowanie i przepływ wolnych przepływów pieniężnych, marż i EBITDA. To wszystko ma znaczenie.

A jeśli można zarabiać pieniądze, jednocześnie mniej zanieczyszczając środowisko, czy nie jest bardziej prawdopodobne, że ludzie będą to robić? Jeśli mogę zaoszczędzić ci sto galonów oleju napędowego rocznie na ciężarówkę, nawet przy cenie 4 dolarów, a masz 1400 ciężarówek, to oznacza tyle paliwa mniej emitowanego do atmosfery, ale też tyle paliwa mniej, którego nie musisz kupować.

Właśnie to nazywam zrównoważoną wydajnością. To dopasowanie właściwych działań, które generują pozytywne efekty zewnętrzne zamiast negatywnych, i jednocześnie wpływają na wynik finansowy, marże, EBITDA, wolne przepływy pieniężne — na wszystko. Na tym polega wartość, jaką AMCS wnosi do gry. I to działa przekrojowo we wszystkich tych branżach. Chodzi o dostrzeganie tych możliwości wszędzie.

Jesteśmy dużym systemem SaaS ERP dla branż zasobochłonnych, kompleksowo, end-to-end. Zarządzanie flotą, logistyką na trasach, możliwość przetwarzania materiałów, rozumienia ich wartości, sprzedaży ich z powrotem na rynek, recyklingu — to wszystko obejmuje także logistykę zwrotną.

Tworzę więc produkt, a potem muszę odzyskać go z rynku, żeby móc rozłożyć go na części i ponownie przekształcić w coś użytecznego, prawda? To jest trudne.

Jako gatunek spędziliśmy tysiące lat, doskonaląc się w wydobywaniu rzeczy z ziemi albo pozyskiwaniu ich z natury. To się nie przemieszcza. Zawsze wiem, gdzie jest moje gospodarstwo. Zawsze wiem, gdzie jest moja kopalnia. Ale kiedy już stworzę produkt i wprowadzę go na rynek, nie mam pojęcia, dokąd dalej trafił.

Dlatego wystarczająco efektywne odzyskiwanie go, aby dało się przekształcić ten materiał z powrotem w surowce do produkcji nowego wyrobu, jest wyzwaniem, które skutecznie pomagamy światu rozwiązywać. I to uwielbiam.

James Sweetlove: To też jest bardzo ekscytujące i niezwykle potrzebne. To znaczy, biorąc pod uwagę kierunek, w jakim zmierza zużycie zasobów, nie ma innej drogi. Musimy to robić.

Evan J Schwartz: Dokładnie. Ale wreszcie dochodzimy do momentu, w którym da się to osiągnąć bez przystawiania komuś buta do szyi, bez wymuszania zgodności czy nakładania kar. Technologia dogoniła wizję. Ujmijmy to w ten sposób.

James Sweetlove: Jasne. Trochę już o tym wspomniałeś, ale chciałbym wejść głębiej. Czy możesz opowiedzieć nam trochę o tym, co firma traci, jeśli nie wykorzystuje AI i automatyzacji w sektorze logistyki?

Evan J Schwartz: AI jest naprawdę, naprawdę dobra w analizowaniu odpowiednio dużych zbiorów danych i dostrzeganiu wzorców, ale jest też bardzo dobra w przyglądaniu się obszarom, które nam trudno analizować — czyli zwykle tej tkance łącznej albo punktowi przekazania między jednym etapem a kolejnym.

Możemy skupić się na jednym kroku, wejść w niego bardzo głęboko i upewnić się, że jest maksymalnie efektywny. Ale potem przekazuję go do kolejnego etapu procesu i bardzo trudno jest nam objąć wzrokiem więcej niż jeden, może dwa etapy. Potem wszystko zaczyna się rozmywać.

Dzięki AI możemy widzieć cały łańcuch dostaw. Możemy działać predykcyjnie.

Kiedy mówię „zoptymalizuję ten proces”, mam na myśli na przykład sytuację z branży odpadowej, w której kontener jest zablokowany. Wysyłam tam pojazd i — nie z twojej winy — kontener blokuje ciężarówka techniczna, prawda? Dojeżdżam na miejsce, nie mogę się z tobą skontaktować i nie mam dostępu do kontenera. Cały przejazd w celu obsługi tego kontenera poszedł na marne.

Muszę zrobić zdjęcie, wysłać ci je i poinformować, że nie mogłem obsłużyć twojego pojazdu czy kontenera, ponieważ przed nim stał inny pojazd. Prawdopodobnie będę musiał naliczyć opłatę za ponowny przyjazd. To nie jest zbyt efektywne.

Tymczasem dzięki czujnikom albo obrazowi z kamer w okolicy — byłem ostatnio na konferencji smart city i miasta zaczynają udostępniać miejskie kamery dostawcom usług — co by było, gdybym mógł zobaczyć, że ciężarówka blokuje kontener jeszcze zanim mój pojazd tam dotrze, i mógł kogoś powiadomić albo doprowadzić do jej przestawienia, zanim moja ciężarówka dojedzie?

Wtedy, zamiast być już na miejscu i nie mieć czasu, żeby się z tobą skontaktować i sprawdzić, czy da się usunąć ciężarówkę, wiem z 30-minutowym wyprzedzeniem, że ktoś ją blokuje. Wyślę ci alert. Jest dużo większa szansa, że zareagujesz i powiesz: hej, musicie przestawić ciężarówkę, zaraz przyjeżdża ktoś obsłużyć mój kontener, musicie zjechać z drogi.

AI świetnie sobie z tym radzi, bo zatrudnienie tysiąca osób do obserwowania tysiąca kamer i śledzenia wszystkiego nie skaluje się. Ale AI może to zrobić, prawda?

Kiedy patrzymy na to, jak stosujemy AI, zmniejszamy liczbę kilometrów, które musi przejechać twoja ciężarówka, bo optymalizujemy trasę. Ograniczamy też przestoje, bo możemy analizować płyny eksploatacyjne pojazdu i określać, czy wymaga serwisu.

Jeśli nie muszę wyłączać tej ciężarówki z produktywnego dnia pracy i wysyłać jej do serwisu, nie wprowadzam do środowiska dodatkowych płynów czy olejów, a pojazd nadal pracuje. Nawet jeśli udałoby mi się wyeliminować tylko jeden cykl serwisowy rocznie na ciężarówkę, to mówimy o dziesiątkach tysięcy dolarów odzyskanego przychodu, unikniętych kosztów oraz galonach i galonach zużytego oleju, których nie musiałem wprowadzić do obiegu.

A jeśli mogę wykryć zanieczyszczenie już w punkcie odbioru, to nie zanieczyszczam całego ładunku na ciężarówce tylko dlatego, że jeden z kontenerów był skażony.

Albo jeśli moja trasa została zoptymalizowana, bo wiem, ile mogę przewieźć w ciężarówce, i wiem, że wszystkim tym klientom dałem kontenery 90-galonowe, to wiem, kiedy muszę jechać na rozładunek. To jest część mojej rutyny optymalizacyjnej. To optymalny schemat działania. Ale jeśli zaczynam odbierać dużo kontenerów, w których pokrywy się nie domykają albo odpady się przelewają, mogę to uwzględnić, bo faktycznie odbieram więcej niż 90 galonów odpadów.

To nie jest uczciwe, żebym pobierał opłatę tylko za pojemnik 90-galonowy, jeśli wrzucasz do niego 120 galonów odpadów, prawda?

Każda z tych rzeczy z osobna jest bardzo efektywna, ale kiedy zaczynasz je ze sobą łączyć, ich efekt się kumuluje i zyski stają się wykładnicze. Wtedy okazuje się, że to, co wcześniej obsługiwałem 13 pojazdami, mogę teraz zrobić 10.

Wpływ odstawienia trzech takich pojazdów na przeciętnego operatora — i nie mówię nawet o koszcie zakupu pojazdu, tylko o skali rocznej — to około milion dolarów rocznie. Dochodzi ubezpieczenie, koszty utrzymania, koszty pracy. Możliwość obsługi mojej społeczności trzema pojazdami mniej oznacza więc 3 miliony dolarów wolnych przepływów pieniężnych wracających do firmy, które mogę teraz zainwestować gdzie indziej, żeby dalej rosnąć, prawda?

Bierzesz jeden taki scenariusz i możesz go zwielokrotnić oraz zastosować ten schemat, ten wzorzec, do każdej części swojej działalności. To właśnie te obszary, które dziś się nie skalują, pozostawały poza naszą uwagą, bo wcześniej po prostu nie mogliśmy się nimi zająć — to nie miało sensu. Musiałbym postawić człowieka na każdym najmniejszym etapie, żeby to obserwował. A teraz już nie muszę, prawda?

W tym właśnie tkwi prawdziwa wartość. Utrzymywanie przypadków użycia AI w wąskim zakresie, a następnie łączenie ich w łańcuch, tak aby AI wykonywała bardzo konkretne zadanie — ale żebym mógł to skalować, zwielokrotniać, mieć te „oczy” patrzące przez 10 000 kamer i szukające tej jednej rzeczy. To jest proste, prawda?

Problemy zaczynają się wtedy, gdy chcesz mieć wszechobecną AI obserwującą to wszystko naraz — wtedy zaczynasz widzieć, że błądzi i wykoleja się. I właśnie stąd bierze się większość niepowodzeń AI. Problem leży w przypadku użycia. Nie przemyślano go właściwie.

A jeśli Twoim przypadkiem użycia jest próba pozbycia się ludzi, to już poniosłeś porażkę. Przykro mi. To jest strategia człowiek plus AI. Tą drogą nie wygrasz.

To nie znaczy, że na końcu, jeśli udało Ci się zwiększyć efektywność, nie możesz odpowiednio dopasować skali firmy — jak najbardziej. Jeśli nie ma już przestrzeni do dalszego wzrostu i wszystko zostało już zoptymalizowane, dopasuj skalę działalności. Nie ma sensu utrzymywać zasobów, których nie potrzebujesz.

Ale kiedy podchodzisz do AI, podstawowe pytanie powinno brzmieć: w jaki sposób AI sprawi, że ta praca, przy tych zasobach, będzie wykonywana lepiej? Czy mogę się bardziej skalować? Czy mogę zrobić więcej? Czy mogę wygenerować większą marżę z kosztu tego zasobu?

A potem, na końcu, tak jak w przykładzie z ciężarówkami — skoro teraz mogę to wszystko zrobić 10 ciężarówkami zamiast 13, to albo muszę znaleźć więcej biznesu dla tych trzech dodatkowych ciężarówek, albo jeśli już osiągnąłem maksimum, to nie są mi one potrzebne.

Więc dopasowuj skalę na końcu tej drogi. Nie zaczynaj od myślenia: „świetnie, mogę zmniejszyć zatrudnienie z 10 osób do dwóch”. To skończy się porażką, bo zmienia to cały sposób myślenia o wdrażaniu AI.

A AI nie naprawia tej rzeczy, którą robimy właśnie teraz. AI nie radzi sobie z tym dobrze. Wszędzie tam, gdzie występują relacje między ludźmi, trzeba zostawić ludzi w tym procesie. Nie bez powodu tytuł książki brzmi People, Places and Things. Ludzie są priorytetem. Na tym się skup. A potem, na końcu, dopasuj skalę, kiedy już uzyskasz wzrost wydajności.

James Sweetlove: Zgadza się. Naprawdę doceniam tę perspektywę, bo osobiście również podzielam ten pogląd. Nie da się zastąpić wszystkich ludzi w firmie. To niemożliwe.

Evan J Schwartz: Tak. I widzimy duże firmy, które próbowały pójść w tym kierunku tak wcześnie, a teraz się z tego wycofują — i płacą więcej za odzyskanie tych zasobów, niż gdyby po prostu dobrze to przemyślały od początku.

James Sweetlove: Zdecydowanie. Tak, widziałem kilka takich przykładów w wiadomościach. To było takie: „okej, popełniliśmy błąd”, w gruncie rzeczy. Ale myślę, że dobrze, jak mówisz, że firmy to uznają i nie wpadają w pułapkę kosztów utopionych, gdzie myślą: „zaszliśmy już za daleko, więc po prostu brnijmy dalej”.

Wspomniałeś wcześniej o terminie, do którego chciałem wrócić, bo myślę, że nie wszyscy mogą go znać. Czy mógłbyś więc bardzo krótko wyjaśnić, czym jest ERP i jaka konkretnie jest jego rola?

Evan J Schwartz: Jasne. ERP — masz rację — to termin, który bywa używany w różnych znaczeniach. Słyszałem nawet, jak niektórzy mówią, że ich CRM, czyli system sprzedaży i zarządzania relacjami z klientami, to nowe ERP.

Dla nas ERP to system transformacji cyfrowej, który obejmuje znaczącą część firmy. Niezależnie od tego, czy jest to zaplecze finansowo-księgowe, CRM, czy to, co tradycyjnie nazywano ERP, czyli system operacyjny. To jest warstwa zarządzania, prawda? To sposób, w jaki działa Twoja firma.

Niekoniecznie — będzie on połączony również z tym, jak prowadzisz sprzedaż, jeśli sprzedaż jest częścią Twojego biznesu. Większość firm ma jakiś taki obszar i łączy się to także z komponentem finansowo-księgowym, jeśli sam system nie zawiera modułów finansowych i księgowych.

Dużo tarć i wiele porażek w niektórych systemach ERP pojawia się wtedy, gdy systemy księgowe próbują jednocześnie obsługiwać operacje. Z ich perspektywy wygląda to prosto. A potem zaczynają sobie uświadamiać: zaraz, przecież zbudowaliśmy system księgowy.

Świetny przykład: w wielu z tych branż potrzebuję tego materiału tutaj. Nieszczególnie martwię się teraz tym, czy podpisaliśmy już umowę. Uścisnęliśmy sobie dłonie i potrzebuję tego materiału. Potrzebuję tego drewna, żeby utrzymać pracę dużego zakładu, bo przestój kosztuje mnie milion dolarów na godzinę. Więc dostarczcie to tutaj, a formalności potem uporządkujemy. Uzgodnijmy cenę i po prostu to odnotujmy.

Większość systemów księgowych nawet nie pozwala skonfigurować takiej operacji bez dokumentu, kontraktu czy umowy w systemie. Tymczasem systemy operacyjne muszą działać w tempie biznesu. Muszą być zwinne. Nie mogą mieć sztywnych, twardo ustalonych reguł. Muszą mieć reguły elastyczne, które pozwalają ludziom podejmować decyzje operacyjne. Ludziom na miejscu.

Systemy księgowe zwykle nie radzą sobie z tym dobrze.

Więc w moim rozumieniu ERP obejmuje cały krajobraz, prawda? Wszystkie miejsca, w których używasz oprogramowania do prowadzenia przedsiębiorstwa. Niezależnie od tego, czy jest to obszar sprzedaży, operacji czy finansów — ERP zahacza o wiele z tych obszarów. A rozróżnienia sprowadzają się do tego, co dane narzędzie faktycznie robi.

Ale zasadniczo jest to projekt transformacji cyfrowej, który dotyka dużej części Twojej działalności.

James Sweetlove: To ma całkowity sens. Dziękuję za doprecyzowanie. Myślę, że dobrze jest wiedzieć, z jakiej perspektywy o tym mówisz.

Przechodząc do kolejnych tematów, o których rozmawialiśmy przed tym połączeniem — podzieliłeś się ze mną kilkoma fascynującymi spostrzeżeniami. Automatyzacja konserwacji predykcyjnej to coś, o czym mówiłeś i co wydało mi się naprawdę bardzo interesujące. Czy chcesz opowiedzieć trochę więcej o tym, czym to jest?

Evan J Schwartz: Jasne. Wiele osób bierze historię eksploatacji pojazdu albo maszyny — może to być środek trwały, na przykład rozdrabniacz czy coś podobnego — i mówi: serwisowaliśmy to dwa do trzech razy w roku. Więc przewiduję, na podstawie danych historycznych, że w tym roku też będę musiał przeprowadzić konserwację dwa do trzech razy, albo co sześć miesięcy.

Uczyńmy to trochę bardziej osobistym dla odbiorców. Kiedy kupiłem samochód, powiedziano mi, że co 3000 mil muszę przyjechać na wymianę oleju, prawda? A przecież wiemy, że fabrycznie nowy samochód nie powinien wymagać wymiany oleju po 3000 mil, prawda? Nie przy dzisiejszej precyzji wykonania silników. To po prostu nie ma sensu.

Ale te maszyny są też źródłem przychodu. To nie jest tak, że działają tylko po to, żeby działać, albo że są po prostu kosztem utopionym. One generują wartość.

Wyobraź sobie więc, że możesz po prostu pobrać próbkę oleju, jak przy badaniu krwi, przepuścić ją przez kalkulator AI, a on powie: dobrze, na podstawie tych czynników powinieneś albo zacząć sprzedawać to urządzenie. Może jeszcze nie doszedłeś do końca amortyzacji, ale mocno eksploatowałeś tę maszynę. Ona zaraz zacznie się psuć. Więc moja rekomendacja: sprzedać i kupić nową.

Albo: ta maszyna działa naprawdę świetnie. Nie ma sensu wyłączać jej z eksploatacji. Możemy pominąć jeden serwis, prawda? To sprawia, że nie musisz zgadywać w przypadku części swojego bardzo drogiego wyposażenia.

I jak mówiłem przy tych ciężarówkach — każdy taki pojazd, niezależnie od tego, czy mówimy o odpadach i recyklingu, wykonuje odbiór: jedziesz gdzieś, odbierasz coś i to dostarczasz. A to jest dostarczanie wartości.

Jeśli wiem, że ten pojazd nie pracuje dobrze, a mówimy o transporcie, wracamy do logistyki odwrotnej. W branży mówi się, że złom nie lubi pokonywać dużych odległości. Każda mila, przez którą musisz przewozić złom, po prostu zjada marżę, prawda? Dlatego ten pojazd musi działać możliwie jak najefektywniej.

Dobrze utrzymany, odpowiednio nasmarowany pojazd będzie działał znacznie wydajniej i spali dużo mniej paliwa niż taki, z którego z tyłu leci czarny dym albo który zgrzyta podczas jazdy. Taki pojazd spali znacznie więcej paliwa.

Dajemy więc możliwość zbierania całej tej telemetrii z maszyn — niezależnie od tego, czy to szlifierka, pojazd, czy dowolny środek trwały z ruchomymi częściami — aby dokładnie powiedzieć Ci, co się tam dzieje, i umożliwić podjęcie decyzji. Czy odłożyć działanie i wycisnąć z tego jeszcze kilka dni wartości, bo nie ma potrzeby interweniować? A może, zanim dojdzie do nieoczekiwanego przestoju, od razu zaplanować postój serwisowy? Zamówić nowe części? To urządzenie się zużywa, to urządzenie się zużywa.

Właśnie na tym polega wykorzystanie AI — nie tylko na analizie historii pojazdu, ale na realnym zrozumieniu tego, co dzieje się wewnątrz ruchomego elementu, tam gdzie potrzebny jest olej. I to jest potężne narzędzie. Pozwala klientom odzyskać do marży i wolnych przepływów pieniężnych setki tysięcy dolarów, a w zależności od wielkości floty być może nawet miliony.

A to wpisuje się w nasze oprogramowanie do utrzymania floty jako całość. Bo daje ono widok globalny, prawda? Jeśli jesteś dużą firmą, możesz mieć 18, 20 lub więcej stanowisk serwisowych, do których trafiają ciężarówki, i wszystkie są od siebie odseparowane.

Jeśli więc jesteś osobą odpowiedzialną za utrzymanie tych ciężarówek w ruchu i masz własne stanowisko serwisowe, będziesz mieć określony zapas materiałów, części i części zamiennych. Problem w tym, że jeśli nie wiesz, co dzieje się w pozostałych 20 stanowiskach serwisowych, zrobisz to, co zwykle — okej, zawsze potrzebuję dodatkowych świec zapłonowych. Trochę dokupię tutaj, trochę na zapas tam.

Zanim się obejrzysz, po przemnożeniu tego przez 14 czy 20 stanowisk serwisowych okazuje się, że masz zamrożony kapitał rzędu ponad miliona, nawet 2 milionów dolarów rocznie, którego być może wcale nie trzeba inwestować, bo każdy asekuracyjnie robi zapasy.

Jeśli jednak wiem, że mogę wziąć tę część ze stanowiska serwisowego numer dwa, bo jest najbliżej, to nie potrzebuję, by każde pojedyncze stanowisko kupowało nadmiar i utrzymywało zbyt duży stan magazynowy. Mogę rozłożyć to na 20 lokalizacji i nadal utrzymywać flotę w płynnej pracy. Mogę więc mądrzej zarządzać częściami i usługami.

Co więcej, w miarę jak części są zużywane, AI analizuje to zużycie w odniesieniu do wieku pojazdów oraz próbek pobieranych z silników. Dzięki temu możemy przewidzieć: słuchajcie, na podstawie wszystkich tych próbek te paski będą się zużywać, a w całym łącznym zapasie — czyli we wszystkich waszych stanowiskach — macie tylko X sztuk, z czego na miejscu tylko dwie. Może warto przesunąć sobie jeszcze cztery.

Robimy więc coś na wzór podejścia Amazon: przygotujmy to wcześniej, bo wasze pojazdy mają trochę więcej problemów niż, powiedzmy, stanowiska serwisowe sześć, osiem i dziewięć. Pożyczmy więc trochę od nich. A potem, panowie, albo musicie zacząć wystawiać te pojazdy na sprzedaż i kupować nowe, albo musicie zacząć utrzymywać te części na stanie.

W ten sposób podejmujecie świadome decyzje biznesowe w oparciu o to, co wiadomo, zamiast robić przegląd danych historycznych i liczyć na to, że ten sam wzorzec się utrzyma — bo właśnie to was gubi. Wzorzec się nie utrzymuje. Wkracza entropia. Rzeczy z czasem się zużywają. Ten rok będzie inny niż poprzedni.

Jeśli jednak wszystko, co potraficie robić, to podejmować decyzje na podstawie tego, co wydarzyło się w zeszłym roku, to tylko teoretyzujecie. Nie podejmujecie najlepszych możliwych decyzji. Właśnie w tym kierunku zmierza predictive maintenance — stopniowo prowadząc do znacznie bardziej efektywnych operacji.

James Sweetlove: Tak, myślę, że wykorzystywanie AI w sposób wyprzedzający to świetny przypadek użycia. Takie rzeczy jak optymalizacja tras — o tym wcześniej rozmawialiśmy. Uważam, że to naprawdę fascynujące zastosowanie. Wprowadzanie małych zmian, drobnych korekt w sposobie działania. To daje ogromne oszczędności, które się kumulują, tak jak powiedziałeś — nakładają się na siebie.

Evan J Schwartz: Tak, to działa jak procent składany, prawda? Zoptymalizowana trasa to trasa idealna. Potem jednak trzeba wyjść do rzeczywistego świata i ją zrealizować, a wtedy pojawiają się realne problemy. Im skuteczniej mogę z wyprzedzeniem eliminować czynniki, które negatywnie wpłyną na trasę, tym lepiej — mogę skorygować przepełnione kontenery, jeśli moja usługa polega na odbiorze odpadów, albo mogę zabezpieczyć się przed zanieczyszczeniem, jeśli odbieram strumień materiału o wartości. Mogę też dopilnować, aby ciężarówki pracowały w optymalnym stanie, bo tak naprawdę nie będę mieć zoptymalizowanej trasy, jeśli moja ciężarówka spala 1,6 galona zamiast zakładanej liczby galonów na milę, bo jest w złym stanie technicznym.

Kiedy zaczynasz łączyć wszystkie te elementy, oszczędności naprawdę zaczynają gwałtownie rosnąć, a Ty podejmujesz świadome decyzje. Dzięki temu osoby odpowiedzialne za logistykę i dyspozytorzy mogą zdecydować, jak obsłużyć nowe zgłoszenia. Może się okazać, że ktoś dzwoni z nowym zleceniem, a Ty masz bardzo blisko wolny pojazd. Możesz wpiąć to do trasy, do dynamicznie zarządzanej trasy, a system powie: tak, jeśli skierujesz pojazd numer cztery do obsługi tego nieplanowanego zgłoszenia, wygenerujesz taki przychód, a wpływ na trasę będzie tylko taki, jeśli wprowadzisz te drobne korekty.

To bardzo skuteczny sposób na rozwijanie biznesu.

James Sweetlove: A te oszczędności można oczywiście przenieść na klienta lub konsumenta, bo przecież koszty produkcji czy koszty operacyjne mogą rosnąć.

Evan J Schwartz: Dokładnie. Nie musisz podnosić cen. Możesz wręcz oszczędzać pieniądze, stając się bardziej efektywnym. To świetny rodzaj problemów, James — czy mam wywiązać się z odpowiedzialności powierniczej i wypłacić dywidendę akcjonariuszom, czy też stać się bardziej konkurencyjnym na rynku, bo potrafię robić to niemal przy 80% kosztów mojego najbliższego konkurenta. Wypchnę ich z rynku i przejmę cały ten obszar, bo nikt nie będzie w stanie konkurować ze mną kosztowo. To naprawdę świetny problem do posiadania.

James Sweetlove: Zdecydowanie. Natrafiłem przy okazji zgłębiania tego tematu na pewne pojęcie i myślę, że byłoby świetnie, gdybyś je omówił. ESG reporting. Czym dokładnie jest? Wiem, że wiąże się z tym, o czym rozmawiamy.

Evan J Schwartz: Powiedziałbym, że na przestrzeni lat, jeśli spojrzeć na zrównoważony rozwój i na to, jak angażowały się rządy, pojawił się temat negatywnych efektów zewnętrznych, zgodności z przepisami i oczekiwania, że firmy oraz przedsiębiorstwa powinny odpowiedzialnie dbać o świat, w którym żyjemy. I że będą raportować swój ślad węglowy, profil odpadów, zużycie energii. A my będziemy porównywać was z innymi firmami, z waszymi odpowiednikami, i pytać: jak wypadacie na ich tle?

A jeśli okaże się, że coś jest mocno odchylone, poprosimy was, żebyście się temu przyjrzeli. Dlaczego? Dlaczego zużywacie trzy do czterech razy więcej energii niż najbliższa porównywalna firma? Coś tu jest nie tak.

I to początkowo wynikało ze świadomości, że trzeba zrobić coś dobrego dla środowiska — negatywne efekty zewnętrzne, kary, zgodność z przepisami — i to przesunęło granicę świadomości.

My podeszliśmy do tego inaczej, rozwijając ten obszar, więc zbudowaliśmy ESG reporting. Zautomatyzowaliśmy cały system, aby móc zbierać te dane i dostarczać raporty, dzięki którym wiesz, w jakim miejscu jest Twój biznes.

Ale po raz kolejny AI pokazuje swoją wartość. Z tego wzorca wyniknęło to, że AI potrafi przewidzieć, gdzie w całej firmie występują najwyższe emisje CO2. Nieważne, czego dotyczą — wszędzie tam kryje się szansa na wzrost przychodów. To relacja jeden do jednego z nieefektywnością: ślad węglowy danego obszaru pokazuje, gdzie są straty.

Dlatego dla firmy opłaca się dziś, poza samym spełnianiem wymogów, przeprowadzać taką analizę. Bo to lepszy wskaźnik tego, na czym trzeba się skupić, niż cokolwiek innego, co widzieliśmy u analityków biznesowych przeglądających procesy i efektywność. Wystarczy śledzić, gdzie jest wasz ślad węglowy, a to wam wskaże kierunek. Potem schodzicie poziom głębiej. Wtedy wchodzą analitycy biznesowi i sprawdzają: dobrze, jaki jest tu proces? Co robimy? A później włączacie AI. Czy są tu wzorce? Gdzie mogę to poprawić? Gdzie mogę usunąć ten wysoki koszt węglowy?

A potem możecie przełożyć tę marżę bezpośrednio na wynik końcowy.

To właśnie nazywamy zrównoważonym rozwojem opartym na wydajności. Mówimy: nie chodzi o to, że robicie to tylko dlatego — oczywiście, powinniście to robić, bo to dobre dla środowiska — ale rozumiemy też, że macie odpowiedzialność powierniczą wobec inwestorów i odpowiedzialność wobec społeczności, w której działacie. Można mieć jedno i drugie. To nie musi być wybór między rentownością a zrównoważonym rozwojem. A zrównoważony rozwój jest czymś jak najbardziej realnym. Wszystko zależy od tego, jak na to patrzycie i jak to wdrażacie, prawda?

James Sweetlove: Całkiem niedawno mieliśmy gościa, który zajmował się dokładnie tym. Więc tak, to był fascynujący odcinek. I naprawdę przedstawił świetne argumenty pokazujące, ile pieniędzy można zaoszczędzić po prostu dzięki optymalizacji w tym obszarze.

Chciałbym teraz trochę zmienić kierunek rozmowy i porozmawiać o Twojej pracy jako adiunkta na Jacksonville University. Wiem, że masz kilka naprawdę interesujących spostrzeżeń. Czy mógłbyś więc opowiedzieć, jak zmieniła się edukacja inżynierska w zakresie programowania od czasu upowszechnienia AI na dużą skalę?

Evan J Schwartz: Tak, widzimy teraz, że wiele uczelni zaczyna wycofywać kierunki i programy z zakresu informatyki, prawda? Jeśli to miałby być sygnał ostrzegawczy, to właśnie nim jest. W zasadzie przewidują, że nie będzie już pracy dla programistów — przynajmniej nie w takiej formie, jaką znamy dziś.

Mając możliwość współpracy z Jacksonville University, przygotowaliśmy zajęcia, bo pojawia się pytanie: jeśli stracę wszystkich młodszych programistów, to skąd wezmę architektów? Przecież właśnie stamtąd się biorą, prawda? Przez jakiś czas programują, stają się coraz lepsi w swojej pracy, a potem zostają architektami. I to wcale nie zniknęło. Nadal ich potrzebujemy. Nadal potrzebujemy ludzi, którzy potrafią spojrzeć na systemy szeroko i dopilnować, żebyśmy trzymali się solidnych praktyk architektonicznych.

Więc ta potrzeba nadal istnieje. To trochę tak, jakby powiedzieć, że architektura nie jest już potrzebna. Jest potrzebna. AI nawet nie jest jeszcze blisko, by wypełnić tę lukę.

Uruchomiliśmy więc te zajęcia, żeby zrozumieć, skąd tacy ludzie mieliby się brać, i zadawaliśmy pytanie: czy żeby zostać architektem, naprawdę trzeba wpisać setki tysięcy linii kodu, czy może w tym świecie można dojść do tego inaczej?

Pozwólcie, że na chwilę odłożę ten temat i ujmę go w sposób, który może być bardziej zrozumiały dla szerszego grona odbiorców.

Jeden fotograf artystyczny, ktoś, kto zawodowo robi zdjęcia i wiesza je w muzeach, zaczął się zastanawiać, czy nie straci pracy. Usiadł więc z AI, zrobił sobie po prostu selfie — nie byliśmy wystylizowani, więc wyglądało tak jak my — i podał kilka wskazówek. AI oddała mu ten wywołujący emocje portret: kontrastowe oświetlenie, krople wody, po prostu coś niesamowitego.

W tym momencie poczuł się pokonany. Pomyślał: „No tak, jestem bez pracy”. I odszedł.

Po mniej więcej godzinie spaceru — co było chyba najmądrzejszą rzeczą, jaką wtedy zrobił — uświadomił sobie, że nadal musiał powiedzieć AI, jaki efekt obiektywu chce uzyskać. Nadal musiał opisać otoczenie, oświetlenie. Nadal musiał wykorzystać całą tę wiedzę, wszystko to, co dziś jest „upakowane” w aparacie i wpływa na to, jak zdjęcie będzie wyglądać. To wszystko musiał opisać AI.

Zrozumiał więc, że jedyne, co się zmieniło, to aparat. Resztę nadal musiał zrobić sam.

Mówię ludziom o tym cały czas. Mówimy, że „wybieramy numer telefonu”. Nikt nie wybiera numeru tarczą od dziesięcioleci, a jednak nadal używamy tego określenia, prawda? Nikt już tego nie „wykręca”.

A więc to, co on pokazuje, to fakt, że fotografii nadal trzeba uczyć. Nadal trzeba rozumieć sztukę i wiedzieć, jak ustawić światło, jak użyć blendy, jak dodać dym i całą resztę. Tego wszystkiego wciąż trzeba uczyć. Po prostu nie muszę już budować planu zdjęciowego, rozstawiać wszystkich statywów, przygotowywać oświetlenia i efektów, żeby uzyskać ten obraz. Po prostu używam AI.

Moja iteracja tego procesu przebiega szybciej, bo mogę bardzo szybko zobaczyć efekt obiektywu danego typu albo flary świetlnej danego rodzaju. Tam, gdzie w prawdziwym studio mógłbym zrobić jedną albo dwie iteracje dziennie, z zupełnie nowym studentem mogę zrobić ich 50 w ciągu dnia. Oni po prostu uczą się tych pojęć inaczej.

Dobrze, wracając teraz do architektury i programowania — nazywa się to vibe coding. Pracujesz z AI, która generuje kod, ale to ty nadal nią kierujesz.

I zdajemy sobie sprawę, że rola dewelopera i architekta się poszerza. I nawiasem mówiąc, widać to w wielu branżach. Ludzie znowu stają się generalistami.

Możesz być za młody, żeby pamiętać lata osiemdziesiąte, ale wtedy, zanim pojawił się SaaS i pionowe oprogramowanie, nie dało się po prostu pójść do sklepu i kupić rozwiązania do konkretnego zadania. Firmy musiały budować takie rzeczy wewnętrznie, a zwykle na etacie był jakiś generalista — czyjś wujek, kuzyn, bratanek, ktoś znajomy, taki komputerowy nerd, który sklecał to wszystko do kupy, i nikomu nie wolno było tego dotykać.

Wszyscy mówili: „Bob, musisz zadzwonić do Boba. Tylko on wie, jak to uruchomić”, prawda? Był dobry w wielu rzeczach, ale nie był ekspertem w żadnej. Po prostu to wszystko poskładał.

I widzimy, że to wraca. A jeśli wszyscy pamiętamy jeszcze lekcje przyrody czy nauk o środowisku z siódmej klasy, kiedy mówiono nam, że w naturze specjaliści wymierają, a generalistom udaje się przetrwać, to właśnie teraz to przeżywamy.

W świecie AI chodzi o to, żeby wiedzieć trochę albo nawet sporo o wielu rzeczach, ale niekoniecznie być ekspertem w jednej. Niech AI przejmie ten ciężar.

Te zajęcia pokazały to idealnie. Podzieliliśmy klasę na młodszych programistów bez podstaw, studentów po roku lub dwóch nauki, którzy rozumieli podstawy, ale nie mieli jeszcze dużego doświadczenia praktycznego ani wiele kodowania za sobą, oraz na starszych studentów, którzy kodowali już bardzo dużo.

Starszym studentom poszło bardzo ciężko. Walczyli z AI. Byli bardzo oceniający, nie podobało im się to, czym ona jest. Młodsi nie mieli z kolei wystarczających podstaw, żeby docenić abstrakcje, które próbowaliśmy osiągnąć w vibe coding. Za słabo rozumieli, jak wygląda „dobre”, żeby tam dojść.

Najlepiej poradzili sobie ci pośrodku, z pewnym fundamentem. Docenili „czarną skrzynkę”: mogli coś wrzucić, dostać wynik, obejrzeć go, wrócić, znów coś wrzucić i po prostu iterować, iterować, iterować, aż dochodzili do czegoś dobrego. Podobało im się też, jak łatwo było zmieniać produkt.

Więc jeśli moja pierwsza iteracja była monolityczna i oparta na API, i to działało, ale potem okazało się, że mam już sto tysięcy klientów, a zbudowałem rozwiązanie tylko dla 10 tysięcy, i muszę przejść na SOA albo rozbić moje API, mogłem po prostu wrócić, powiedzieć to AI, a ona przebudowywała całość.

A więc ci generalisci ze środka będą się rozwijać najlepiej. I to zmienia sposób, w jaki powinniśmy uczyć ludzi. Musimy uczyć tematów, koncepcji i abstrakcji, a potem uczyć, jak używać AI do schodzenia w głąb. Niech AI przejmie ten ciężar.

Dla mnie to bardzo ekscytujące. I myślę, że jeśli cofniemy się z tym aż do edukacji sprzed studiów, do klas 1–12, to możemy wejść w kolejny renesans, prawda?

Napisałem o tym artykuł w Forbes, bo zauważyłem to u mojego najmłodszego dziecka. Pierwsza klasa — same piątki. Trzecia, czwarta — po prostu niesamowicie. Ale mniej więcej w czwartej klasie przestał się starać, bo już wcześniej był na liście wyróżnionych. Już był wystarczająco dobry. Więc po co dalej ryzykować, skoro jedyne, co mogę stracić, to mój status? Dlaczego miałbym podejmować ryzyko? Od tego momentu grał bezpiecznie. Liczyły się tylko konsekwencja i powtarzalność. Żadnego ryzyka, żadnego próbowania czegoś nowego.

W gruncie rzeczy to coś, co nazywamy dziecięcością, ale chciałbym, żeby było to wrodzone w nas wszystkich — ta odwaga, by czegoś próbować bez martwienia się, czy się nie uda. Sprawdzać, czego możemy się nauczyć. Niestety mniej więcej do czwartej klasy to jest z dzieci skutecznie wybijane. To okropny sposób uczenia. Dzieci chcą po prostu dojść do szczytu swojego statusu, a potem przestają próbować. Nie ma już nic więcej do zdobycia, a statusu nie da się budować w nieskończoność.

Więc jeśli oddalibyśmy AI ciężar powtarzalnej doskonałości, a sobie zostawili tę ciągłą iteracyjność: „spróbujmy”. Mówisz, że to niemożliwe? To zobaczmy. Zobaczmy, dlaczego to niemożliwe. Może to coś ujawni i pozwoli nam dojść do celu inną drogą.

Mogę wam teraz powiedzieć, że to, co robimy w AMCS, jeszcze pięć lat temu wszyscy uważali za niemożliwe. Zaledwie pięć lat temu. „Nie da się tego zrobić. Nie da się na tym zarobić”. Naprawdę? Bo my robimy to teraz cały dzień, codziennie, prawda?

Więc chodziło po prostu o gotowość, by podjąć ryzyko i ruszyć do działania. Ale zabijamy tę kreatywność w naszych dzieciach, przynajmniej tutaj, w Stanach. I mam nadzieję, że to dotrze aż do edukacji publicznej, że wychowamy całe pokolenie odważnych, kreatywnych uczniów, których bardziej interesuje sama próba i to, czego się z niej uczą, niż to, żeby mieć rację albo status.

Pamiętam, jak nauczyciel narzekał, że trzeba liczyć pisemnie, bo przecież nie będziesz wszędzie chodzić z kalkulatorem. Cóż, ja mam kalkulator w kieszeni wszędzie, gdzie idę. Tego rodzaju matematyki już nie robię. I właściwie nigdy nie robiłem.

Czy to dla nas dobre, czy nie, pewnie ktoś mądrzejszy ode mnie powinien o tym zdecydować. Ale rzeczywistość jest taka, że myślę, iż dla następnego pokolenia może to być pozytywne doświadczenie — tylko musimy to wybrać, James.

Słyszę wszystkie te zapowiedzi nadchodzącej zagłady, jakby życie po prostu wam się przydarzało. Jakby AI coś wam zabierała. Nie — to jest wybór. To my wybieramy. Możecie wybrać katastrofę albo możecie wybrać bardzo jasną przyszłość, a ta jasna przyszłość—

Jedyna różnica polega więc na tym, że jest nas za mało, by pokazywać, jak ta świetlana przyszłość wygląda i jaka prowadzi do niej droga. To jedyny problem. Wszyscy skupiają się na czarnych scenariuszach i katastroficznych wizjach. Takich ludzi jest już wystarczająco dużo. Nie potrzeba kolejnego.

Dlatego staram się przekonywać, że istnieje lepsze podejście do AI. To strategia człowiek-plus-AI. Nawet gdy Elon mówi o robotach dla wszystkich i o powszechnym dobrobycie, to po co to wszystko robić, jeśli nie dla ludzi? Dlaczego? Po co miałbym uprawiać nieograniczone ilości kukurydzy, jeśli nie byłoby ludzi? Po co miałbym budować nieograniczoną liczbę robotów, jeśli nie byłoby ludzi? Po co miałbym to robić?

James Sweetlove: Zgadza się. Zdecydowanie się z tym zgadzam.

I to jest zabawne, bo ten aspekt bycia generalistą nie dotyczy wyłącznie AI, ale całego biznesu. Zauważyłem nawet w ciągu ostatnich kilku lat, jak bardzo się to zmieniło. Jeszcze może cztery czy pięć lat temu, tak jak mówiłeś, ludzie mieli w firmie jedną konkretną rolę. Teraz mają ich około czterech czy pięciu. Każdy nosi wiele kapeluszy. Trzeba być elastycznym, żeby w ogóle się utrzymać.

Evan J Schwartz: Tak. Generalista przetrwa. Dziś widziałem przedsiębiorców, którzy rozwinęli startup do poziomu dziesiątek milionów, a w firmie były tylko dwie osoby. Dekadę temu byłoby to nie do pomyślenia — dojść do takiego poziomu. A dzięki sile AI, narzędzi i automatyzacji, połączonych w jeden łańcuch, dziś jest to jak najbardziej wykonalne.

James Sweetlove: Jasne. Jest jeszcze kilka rzeczy, o których naprawdę chciałbym porozmawiać, ale powoli kończy nam się czas. Tak już bardzo krótko, żeby ludzie mieli pełen obraz — czy chciałbyś opowiedzieć nam trochę o swojej roli w Forbes Technology Council i wspomnieć o swojej książce?

Evan J Schwartz: Tak, więc w Forbes Technology Council — Forbes ma kilka takich rad — chodzi tak naprawdę o łączenie ze sobą ludzi ze świata technologii. Moją rolą jest prowadzenie rozmów. Dlatego wiele z tego, o czym teraz z tobą rozmawiam, jest przedmiotem gorących debat w Forbes Technology Council. I uwielbiam to. Uwielbiam rozmowy, które się tam toczą. Uwielbiam to, że wszyscy w pewnym sensie dostrzegają to samo.

Niektórzy doszli do tego po serii bolesnych potknięć i trudnych doświadczeń. Niektórzy z nas doszli do tego, próbując świadomie wytyczyć tę drogę. Ale jest dość jasne, że CIO i CTO z całego świata, którzy są częścią tej społeczności, widzą to samo. AI nie jest panaceum. Nie zastąpicie nim ludzi. Potrzebne są mocne przypadki użycia.

Dlatego bardzo cieszy mnie ten ekosystem, bo obejmuje bardzo szerokie spektrum biznesu.

I znowu, The People, Places and Things — to customer journey. Książka odpowiada więc na pytanie: dlaczego w ogóle mielibyście mnie słuchać? To moja historia od pierwszego dnia aż do chwili obecnej. A customer journey jest ramą, na której to wszystko się opiera.

Jeśli więc czeka cię duże wdrożenie ERP albo transformacja cyfrowa, bardzo polecam sięgnąć po tę książkę i zdobyć customer framework, żeby wiedzieć, co zrobić, by twój projekt zakończył się sukcesem.

Jeśli jesteś w środku koszmarnego projektu i wszystko zaczęło się sypać, nie martw się. Nie wszystko jeszcze stracone. Możesz nawet pominąć książkę i od razu przejść do customer framework. Sprawdź, w którym miejscu jesteś. Tych 10 faz: jestem tutaj i prawdopodobnie tylko kręcę się w kółko. Świetnie, wejdź w to i sprawdź, bo mówię ci: na początku każdej fazy powinieneś mieć określone rzeczy, jeśli rzeczywiście jesteś na tym etapie. Nie mam tych rzeczy? Cofnij się o fazę, zdobądź je, cofnij się jeszcze o fazę, a potem rusz z powrotem do przodu i przywróć projekt na właściwe tory.

Da się to uratować. Z takim przesłaniem chciałbym was zostawić. Jedyny powód, dla którego ludzie w projektach dokonują odpisów, jest taki, że nie wiedzą, jak wyjść z tego bezproduktywnego kręcenia się w miejscu.

Da się z tego wyjść, da się to uratować, ale sięgnij po customer journey. To przeprowadzi cię przez ten proces, nawet jeśli — nawet jeśli wydaje się, że cała nadzieja przepadła. Spójrz na to. Myślę, że pomoże ci dowieźć projekt do końca.

James Sweetlove: Fantastycznie. Bardzo ci dziękuję, Evan. To było fascynujące. Chyba będziemy musieli zrobić jeszcze jedną taką rozmowę, bo mam zapisanych jeszcze jakieś pięć tematów, które chciałem poruszyć. Tak więc dziękuję za poświęcony czas i za tę dyskusję.

Evan J Schwartz: Bardzo mi się podobało. Dziękuję, James.

James Sweetlove: Wszystkim słuchającym dziękuję za uwagę i wróćcie następnym razem na kolejną rozmowę z gościem.