Sergey Balashov
Операционный директор / Фаундер
Хорошая иллюстрация того, как мы считаем ресурсы в производстве.
Заводы, оборудование, роботы и линии считаются активами, а люди обычно проходят как расходы, которые надо сокращать и оптимизировать.
Потом 39 тысяч человек не выходят на работу и выясняется, что все эти активы вместе имеют производительность ровно ноль.
Это не аргумент против автоматизации или сокращения затрат на персонал, но человек тоже является ограничением системы, причем его доступность нельзя считать константой.
И чем эффективнее производство избавляется от резервов, тем дороже становится ошибка в этом предположении.
Тут есть еще одна проблема: количество вакансий и реальный спрос на людей - не одно и то же.
Если компания заранее купила пакет размещений и неиспользованная вакансия просто сгорит, у нее появляется вполне рациональная причина публиковать вакансию даже без реальной потребности прямо сейчас.
Формально данные при этом абсолютно правильные. Вакансия существует, опубликована, на нее даже можно откликнуться.
Только показатель, которым мы измеряем спрос на работников, начинает измерять еще и условия тарифа площадки.
И чем больше таких вакансий, тем меньше смысла остается в выводах о рынке труда, сделанных только по их количеству.
Ха, случайно получился гораздо более интересный эксперимент, чем «ИИ заменяет журналистов».
Текст теперь действительно можно произвести почти бесплатно. И выяснилось, что сам по себе текст почти никому не нужен.
Более 90% просмотров у них дают материалы, где человек выбрал тему, собрал данные и решил, что вообще стоит сказать. А машина прекрасно и дешево производит остальные 10%.
То есть автоматизировали самую заметную часть работы и обнаружили, что она была не самой ценной.
Это вообще довольно характерная проблема нынешней автоматизации: очень легко посчитать, сколько часов мы перестали тратить на операцию. Гораздо сложнее заметить, что результат процесса создавался не там.
Зато теперь ненужный текст можно производить практически бесплатно и в промышленных количествах.
Обычно все разговоры про ROI ИИ заканчиваются в момент, когда надо доказать не то, что модель умеет что-то делать, а то, что после ее внедрения бизнес действительно тратит меньше или зарабатывает больше.
Потому что между “автоматизировали 40% задач” и “сократили стоимость процесса на 40%” обычно лежат интеграция, проверка результата, исключения, поддержка, новые ошибки и люди, которых почему-то все равно нельзя убрать.
Именно поэтому проценты автоматизируемого времени всегда выглядят намного красивее денег в P&L.
Технология может быть полезной, быстрой и впечатляющей - и при этом конкретное внедрение все равно может быть экономически бессмысленным.
Здесь интереснее всего сама постановка проблемы: «заказов достаточно, а собирать некому».
Мы долго привыкали считать человека самой гибкой частью процесса. Не хватает мощности - наняли еще людей. Сезон - добавили смену. Рост - расширили штат.
Поэтому большинство операционных моделей до сих пор молча предполагает, что человек доступен примерно так же, как дополнительная коробка или стеллаж. Вопрос только в цене.
А сейчас выясняется, что цена уже не главная проблема. Нужного количества людей может просто не быть.
И тогда аутсорсинг, автоматизация и изменение процесса перестают быть способами немного снизить стоимость операции, а становятся способами вообще сохранить способность эту операцию выполнять.
В разговорах о производительности есть подмена понятий.
Еще недавно повышение производительности обычно продавалось бизнесу довольно просто: тот же результат делают меньше людей, значит можно сократить расходы.
Но при дефиците работников задача становится почти противоположной. Людей сокращать уже не обязательно хочется - их может просто не быть.
Тогда автоматизация, изменение процессов и рост производительности нужны не для того, чтобы избавиться от человека, а чтобы существующего количества людей вообще хватило на нужный объем работы.
Инструменты те же, а экономика совершенно другая.
И, возможно, это изменит отношение бизнеса к производительности: ценность человека начинает определяться не только его стоимостью, но и тем, насколько трудно найти следующего.
В таких историях историях - насколько быстро локальная проблема перестает быть локальной.
Склад перестал работать, но последствия возникают уже у продавца в остатках, поставках, рекламе, доступности товара и выборе нового узла.
Это отличный тест на реальную эффективность системы. В нормальном режиме можно годами снижать стоимость каждой операции, увеличивать загрузку и убирать “лишние” мощности.
А потом один элемент исчезает и внезапно выясняется, что часть этой эффективности была куплена сокращением пространства для ошибки.
Поэтому я бы вообще разделял эффективную систему и систему, которая очень эффективно работает при условии в тепличных условиях.
Самое интересное здесь не изменение конфигурации складов.
Wildberries много лет строил очень эффективную систему вокруг концентрации: огромный узел, огромный поток, высокая загрузка, стандартизация и максимальное использование масштаба.
А потом !внезапно! выясняется свойство любой такой эффективности: чем сильнее система оптимизирована под нормальную работу, тем дороже становится ее изменение.
Распределенная сеть средних складов почти наверняка хуже выглядит в расчете стоимости одной операции. Больше инфраструктуры, сложнее управление, хуже эффект масштаба.
Зато после потери одного узла продолжает существовать сеть.
Это стандартная проблема оптимизации. Резерв кажется неэффективностью ровно до того момента, когда впервые оказывается нужен.
Будет лучше, об этом будет дальше. :-)
Да, именно. Причем «рынок найма» в этом смысле гораздо интереснее, но и гораздо сложнее измерить.
Опубликованную вакансию мы видим. Фактический найм, незакрытую потребность, отказ от найма или ситуацию «искали три месяца и решили распределить работу между оставшимися» - уже нет.
В результате лучше всего измеряется не обязательно то, что нам нужно, а то, что оставляет больше данных.
А потом доступность данных незаметно превращается в показатель.