В эпоху спада рынка и взрывного интереса к искусственному интеллекту организации всё чаще бегут за процессной оптимизацией, пытаясь соответствовать нереалистичным ожиданиям. Автор возвращается к классике «Toyota Way» и «The Goal», чтобы показать, что многие современные подходы слишком упрощены и ошибочно полагают, что самый долгий этап разработки определяет общую скорость. Возьмем диаграмму Ганта проекта: она наглядно демонстрирует, что написание кода занимает львиную долю времени, а значит, логично сначала бросить туда ресурсы. Однако ошибка заключается в типичном подходе «бросить людей на задачу» или надеяться, что ИИ всё решит сам. Никто не анализирует, почему процесс тянется так долго. Проблема может лежать не там, где она видна на графике, а наверху.
Разработка — это перевод бизнес-запроса в язык машины. Если требование сформулировано плохо, программисты потратят годы на попытки понять смысл. Вспомним пример отправки письма после сделки: что писать в письме, когда считать сделкой завершённой и что делать при ошибках в продажах. Часто люди предполагают, что генерация кода ИИ полностью заменит разработчика, превратив его в руководителя проекта. Реальность такова, что ИИ создаёт код быстро, но не всегда правильно. Сравнения «человек против ИИ» игнорируют ключевой фактор: необходимый этап подготовки. Для того чтобы нейросеть сработала эффективно, требуется детальное описание задачи, почти такое же, как для человека. Это видно на диаграммах: если сократить фазу подготовки от пяти дней до сорока в другом варианте, проект просто не сработает или потребует участия экспертов по предметной области на каждом шагу.
ИИ действительно ускоряет процесс, но только если ему дают правильные вводные. Суть автоматизации не в беге от этапа к этапу, а в обеспечении того, чтобы исполнители имели все необходимые данные. Если юридическое одобрение задерживается из-за недостающих бумаг, добавление юристов не поможет. Главный урок: узкие места работают быстро, если получают предсказуемое и качественное сырьё. Сначала нужно убрать хаос на входе, прежде чем требовать от технологий магических результатов. Оптимизация начинается с уточнения требований, а не с добавления новых инструментов или сотрудников.