Налог на координацию: почему AI не всегда ускоряет бизнес
П@badTechProjectAI-инженер
1 месАнализ отчета McKinsey о том, как «налог на координацию» съедает продуктивность от внедрения AI, и почему автоматизация процессов важнее скорости кода.
Внедрение AI бесполезно, если бизнес-процессы остаются медленными и бюрократизированными.
- Индивидуальная продуктивность сотрудников не всегда конвертируется в прибыль компании.
- Основная часть времени выполнения задачи часто уходит на ожидание согласований, а не на саму работу.
- Автоматизация передачи задач между отделами с помощью AI-агентов дает больший эффект, чем ускорение отдельных этапов.
Купили всем AI. Теперь быстрее ждём согласования
Короче, McKinsey выпустили статью про «налог на координацию». Так они называют издержки передачи работы между командами и системами.
И тут нам, товарищи менеджеры, есть над чем задуматься😉
В их опросе 80% участников говорят, что AI повысил их личную продуктивность. При этом только 37% отмечают положительный эффект на прибыль компании до процентов и налогов — EBIT. Это оценки респондентов. [Источник](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai).
В нашей ИТшной жизни легко представить такую картину.
Разработчик с AI сделал задачу за день вместо двух.
Дальше два дня ждём ревью.
Потом выясняется, что нужно согласование соседней команды.
У соседней команды другие приоритеты.
Собираем встречу. Ближайший свободный слот в четверг.
Разработчик молодец. AI работает. На презентации про внедрение тоже всё красиво.
Пользователь пока ничего не получил😁
У McKinsey есть показательный пример промышленной компании из Fortune 500:
— Работа внутри этапов процесса: 12–24 часа.
— Задержки при передаче между этапами: 9–18 дней.
Вот это они и предлагают разбирать: поручать AI-агентам проверку данных, сверку ограничений и передачу работы дальше. Исключения передавать человеку. [Статья McKinsey](https://www.mckinsey.com/industries/industrials/our-insights/cutting-the-coordination-tax-how-agentic-ai-can-reshape-workflows).
В этом же клиентском проекте, по данным авторов, цикл планирования сократили с 30 до 3 дней.
Особенно мне понравилась деталь: до настройки технологий команда четыре месяца разбирала задачи и определяла границы самостоятельности AI. Кейс анонимизирован, переносить его результат на любую компанию я бы не стал. [Описание проекта](https://www.mckinsey.com/industries/industrials/our-insights/cutting-the-coordination-tax-how-agentic-ai-can-reshape-workflows).
Для своей команды я бы начал с трёх вещей:
1. Взять одну завершённую задачу и посчитать отдельно время работы и ожидания.
2. Найти согласования, которые можно убрать, и проверки, которые можно автоматизировать.
3. Измерять время до результата для пользователя.
Убрать лишнее согласование бывает сложнее, чем купить AI всей команде. Особенно если согласовываешь ты сам и тебе очень нравится, что без тебя ничего не происходит.
Кажется, у нас, менеджеров, появился хороший повод проверить собственную полезность😉
Кратко (AI)
McKinsey в своем отчете указывает на проблему «налога на координацию»: внедрение AI ускоряет индивидуальную работу, но не сокращает время ожидания между этапами процесса. Автор подчеркивает, что для реального роста эффективности компаниям нужно автоматизировать передачу задач между командами и пересматривать бюрократические согласования, а не просто внедрять инструменты.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖