Как ИИ экономит время руководителя и бережет нервы сотрудников
На эту статью нас вдохновила новость о том, что в Amazon специальные радиочастотные сканеры определяют, чем занимается сотрудник на рабочем месте. За каждую минуту, потраченную не на функциональные обязанности, человек должен отчитаться: в том числе даже если он был в уборной, разговаривал с коллегой или отходил попить воды. Руководство, ориентируя…
Во-первых, доверять ИИ, который разницу в производительности в треть обозначает как "в 3 раза" я не бы не стал.
Во-вторых, если сделать быстрый оценочный анализ по древней теории массового производства, наблюдается классический разрыв в производительности из-за накладных расходов на оперирование исполнителями (context switching), гласящий что производительность увеличивается не линейно при увеличении работников, а пропорционально квадратному корню из коэффициента увеличения количества задействованных работников.
В данной истории:
Филиал 2, самый маленький и ожидаемо самый высокопроизводительный -50 Рбтн, 250 уп/ч, примем за 1 (5 уп/(ч*рбтн)).
Рассмотрим Филиал 1, с увеличенным количеством работников до 70 (в 1.4 раза), ожидаемое увеличение производительности в 1.183 или (250*1,183) = 295.8, фактическое увеличение производительности составило 1.12, отклонение фактической от идеальной производительности 1,056 или 5,6% что в общем то в области статистической погрешности или сезонных факторов.
Считается, что при отклонениях менее 10% заниматься оптимизацией есть смысл на стадии 4-5 уровня зрелости компании, так-как вручную очень дорого, а самоподдерживающегося процесса постоянного улучшения еще нет даже на бумаге, а судя по тексту, рассматриваемая компания еле-еле из 2-го уровня зрелости вылезать начала :) .
Рассмотрим, судя по тексту, самое проблемное отделение. 80 работников (1.6 раз), ожидаемое увеличение производительности 1.265 раз (316 уп/ч) отклонение от ожидания 5,4%, т.е. еще меньше чем в Филиале 1.
Т.е в данном примере обстановка с производительностью труда хуже не центральном и ИИ нацелил фокус внимания оптимизаторов совсем не оптимально.
Таким образом, применение (внедрение и поддержание) дорогостоящего ИИ там, где любой знакомый с математикой 8 класса и с базовыми знаниями в экономике и массовом производстве (т.е. потенциально любой руководитель каждого филиала), может сделать оценки в течение секунд также сильно экономически не эффективно.
Рассмотренный пример с работником ну совсем не про ИИ и цифровизацию: руководитель не "понял", а "предположил" - насколько компетентно решение руководителя манкирующего своими непосредственными обязанностями ИИ не поясняет. Возникает вопрос, а в остальное время что руководитель делал, что его сверху пинать пришлось? В данном случае скорее руководителя надо было "соптимизировать" за некомпетентность и сразу производительность выросла бы - все-равно задания он не ставит и не контролирует исполнение, обязанности линейного руководителя исполняет только по приказу ИИ, а непосредственно упаковкой не занимается.