The Three-Box Solution di Vijay Govindarajan

La crisi del COVID-19 ha portato a cambiamenti fondamentali nel modo in cui conduciamo gli affari. La grande domanda oggi è se queste innovazioni saranno sostenute e sviluppate dopo la crisi.

In che modo i leader possono incorporare le innovazioni indotte dalla pandemia per aumentare e rafforzare i loro modelli di business principali? In che modo le aziende possono affrontare la resistenza interna e costruire un business pronto per il futuro attorno all’intelligenza artificiale (AI)?

 


Ho parlato con il professor Vijay Govindarajan , una rinomata autorità in strategia e innovazione e un distinto professore alla Tuck School of Business del Dartmouth College. Condivide gli approfondimenti del suo recente libro, The Three-Box Solution e discutiamo di come i leader possono costruire un’organizzazione basata sull’intelligenza artificiale.

Dove la maggior parte delle trasformazioni digitali va storto
Ero sempre affascinato quando guidavo da McDonald’s”, dice Govindarajan. “Avevano un cartello che diceva ‘5 milioni di hamburger venduti’ o ‘1 miliardo di hamburger venduti’. Tracciare gli hamburger che produci e vendi è un modo tipico dell’era industriale per tenere traccia del punteggio”, aggiunge.

Al contrario, le aziende digitali non tengono il punteggio in questo modo: vogliono sapere chi sta mangiando l’hamburger. Imparando di più sulla persona che acquista il loro hamburger, possono risolvere più problemi del cliente.

 
Durante la pandemia, la maggior parte delle aziende ha aperto canali Internet per vendere ai clienti. Molti di loro hanno erroneamente equiparato questo cambiamento a una strategia digitale. “No, tutto ciò che hai è un altro modo in cui i tuoi clienti possono accedere al tuo prodotto”, afferma Govindarajan. “Stai ancora vendendo lo stesso hamburger attraverso un altro canale senza sapere veramente chi lo sta mangiando.”


La vera differenza sta nel passaggio dalla vendita dei prodotti alla risoluzione dei problemi dei clienti. Ad esempio, le compagnie assicurative con più offerte di prodotti come vita, auto o proprietà possono avere una visione del cliente frammentata. Anche quando lo stesso cliente acquista diversi prodotti dall’azienda, i singoli reparti non riescono a comprendere queste scelte.

 
È fondamentale collegare le divisioni, centralizzare i dati e ottenere una visione integrata del cliente per capire chi sta acquistando i prodotti e perché. Sfruttando l’intelligenza artificiale al centro del tuo modello operativo, puoi reinventare il business oggi e in futuro.

Questa è la vera trasformazione digitale. 

I dati sono la linfa vitale di un’organizzazione trasformata e le intuizioni basate sull’intelligenza artificiale guidano questa impresa intelligente, efficiente e pronta per il futuro, che sa non solo chi sta mangiando l’hamburger, ma anche quando e cosa il cliente desidererà dopo.

Creare un’organizzazione basata sull’intelligenza artificiale non è facile
Oggi c’è una maggiore consapevolezza del potenziale dell’IA. Tuttavia, molti leader sprecano l’opportunità a causa di tre sfide. Mancano di chiarezza su come l’intelligenza artificiale può ottimizzare il loro business esistente. Non riescono ad affrontare la resistenza culturale che inibisce ogni iniziativa guidata dall’intelligenza artificiale. Infine, i leader non sfruttano il potere innovativo dell’analisi avanzata per creare il business del futuro.

Non sorprende che quasi l’80% delle iniziative di intelligenza artificiale non fornisca un ritorno sull’investimento. Circa il 76% dei leader ammette di non essere in grado di creare un’organizzazione basata sui dati.

Per costruire organizzazioni di successo, i leader devono bilanciare passato, presente e futuro contemporaneamente. Govindarajan condivide la struttura a tre scatole per affrontare queste sfide.

I leader devono gestire il presente , o box one, mantenendo il loro core business in esecuzione con efficienza ed efficacia ottimali. Devono rivedere continuamente le pratiche storiche per sfoltire il comportamento non costruttivo e dimenticare selettivamente il passato , o casella due. Infine, devono creare il futuro , o box tre, attraverso la costante sperimentazione per innovare e far ruotare il business.

Esaminiamo queste tre sfide e vediamo come ciascuna di queste scatole può aiutare ad affrontarle per costruire un’organizzazione basata sull’intelligenza artificiale.

Primo Passaggio : Come sfruttare l’intelligenza artificiale per ottimizzare un’attività esistente
 

Sfide comuni

Il ricablaggio di un’azienda esistente intorno ai dati e al machine learning richiede un’attenta progettazione. Le organizzazioni possono soffrire di una strategia non ottimale, di una cattiva esecuzione o di entrambe. A causa della mancanza di chiarezza sui risultati finali, i leader spesso scelgono iniziative che non sono in linea con la loro strategia. Spesso, l’intelligenza artificiale viene applicata in modo frammentario o con un approccio big-bang che ha basse possibilità di successo.

I progetti di analisi non ottengono i giusti input esecutivi o stabiliscono una chiara responsabilità per ottenere risultati di business. Inoltre, l’esecuzione soffre a causa di una serie di fattori, come competenze del team inadeguate, scarsa collaborazione, processi non ottimali, strumenti inappropriati e scarsa adozione da parte degli utenti.


Ecco quattro best practice per affrontare queste sfide e ottimizzare le prestazioni di un’azienda esistente: 

Inizia con chiarezza sullo scopo dell’AI con una strategia di analisi e dati ben articolata.
I leader devono svolgere un ruolo chiave nella traduzione di questa strategia scegliendo iniziative incrementali ambiziose ma realistiche da raggiungere.
Concentrati sull’eccellenza dell’esecuzione con la giusta architettura tecnologica, piattaforme software, processi di consegna operativa e una struttura organizzativa che promuova la collaborazione. 
Infine, integra la scienza dei dati nei processi aziendali esistenti attraverso una serie di vittorie rapide per promuovere l’adozione da parte degli utenti e il ROI. Questo aiuta a creare slancio a livello di organizzazione.
 

Caso in questione
Prendiamo l’esempio della General Motors (GM). “Oggi, il 99% delle entrate di GM proviene dalle automobili a benzina”, afferma Govindarajan. Questa è la base per l’azienda, o la sua scatola. Questo core business ha ampie opportunità di miglioramento dell’efficienza e dell’efficacia utilizzando l’intelligenza artificiale, che GM ha perseguito metodicamente.

“Mentre esaminiamo l’opportunità che abbiamo avuto con un nuovo inizio nel 2010, stiamo davvero cercando di capire come possiamo cambiare il gioco, come andare avanti, non come rimanere in attività”, ha detto Randy Mott , CIO di GM in una precedente intervista. Questa visione di leadership è stata tradotta in una serie di iniziative di trasformazione della tecnologia dell’informazione (IT) a livello di organizzazione.

GM ha creato una piattaforma di dati e analisi pluripremiata , Maxis, che genera approfondimenti self-service in tutte le sue linee di business. Una volta che le basi di dati e analisi sono state poste, i team hanno iniziato ad applicare l’intelligenza artificiale per ottimizzare il business in aree come la prototipazione del design nella ricerca e sviluppo, la manutenzione predittiva basata sulla visione artificiale nella produzione e i chatbot di intelligenza artificiale conversazionali per migliorare l’esperienza del cliente. La piattaforma di intelligence sui veicoli dell’azienda, lanciata nel 2019, aiuta a elaborare fino a 4,5 terabyte di dati all’ora, una capacità fondamentale fondamentale per la costruzione di veicoli di prossima generazione.

Secondo Passaggio: Come affrontare la resistenza culturale al cambiamento guidato dall’intelligenza artificiale
 

Sfide comuni
Le maggiori sfide per il successo con la scienza dei dati spesso non hanno nulla a che fare con gli strumenti o la tecnologia: sono i problemi delle persone che richiedono attenzione. La cultura organizzativa è regolarmente citata come uno dei principali ostacoli all’adozione dell’IA all’interno delle organizzazioni e i leader spesso fanno un pessimo lavoro nel vendere la visione dell’IA.

L’intelligenza artificiale sconvolge i ruoli, le responsabilità e il processo decisionale quotidiano delle persone. Naturalmente, la maggior parte degli umani resiste al cambiamento e cerca di estendere lo status quo il più a lungo possibile. Di conseguenza, le iniziative di data science affrontano enormi resistenze interne e sfide all’adozione da parte degli utenti.

Riquadro due raccomandazioni
La logica dominante si riferisce ai modelli di business, alle pratiche e alle competenze che hanno aiutato un’azienda a diventare redditizia in passato. Mentre la logica dominante aiuta a mantenere funzionale il box uno, inibisce la creazione del futuro. Costruire un’azienda attorno alla scienza dei dati richiede idee, mentalità e competenze completamente nuove. 

Per creare il futuro, devi dimenticare selettivamente il passato. “Se non puoi dimenticare, non puoi imparare”, dice Govindarajan. “Sono stati scritti molti libri sulle organizzazioni che apprendono, ma non uno solo sulle organizzazioni dimenticate”, scherza. Ci sono due suggerimenti per questa scatola:

 

I leader devono fare la prima mossa per cambiare la loro cultura . Un cambiamento culturale è un lungo processo che richiede l’intervento dei leader attraverso messaggi costanti, incentivi o decisioni difficili quando necessario.
I team devono valutare continuamente la pertinenza delle idee consolidate e dismettere quelle che hanno perso il loro valore. Questo esercizio di potatura aiuta a ripulire il bagaglio passato e fa spazio a nuove idee che possono inaugurare una crescita esponenziale.
 

Caso in questione
Dieci anni dopo il fallimento del 2009, GM si è trasformata da azienda che necessitava di un salvataggio del governo in una delle migliori aziende automobilistiche. Questo è un eccellente esempio di come un’organizzazione può programmare un’inversione di tendenza se è disposta a dimenticare il proprio passato in modo selettivo. 

Durante la dichiarazione di fallimento, GM ha dovuto affrontare diversi problemi legati all’eredità. Ad esempio, l’azienda doveva essere riorganizzata per la collaborazione piuttosto che per il conflitto. Il portafoglio prodotti doveva essere rivisto. Le sue complesse operazioni finanziarie necessitavano di semplificazione e la strategia IT richiedeva una revisione per gettare solide basi tecnologiche.

La cosa più importante è che GM ha dovuto disimparare i tratti negativi della sua cultura: la sua burocrazia notoriamente stagnante, una mentalità isolata, una mancanza di urgenza e una scarsa responsabilità. Non sorprende che questo cambiamento sia iniziato dall’alto. L’amministratore delegato di GM, Mary Barra, ha sottolineato la necessità di responsabilità e una mentalità di risoluzione dei problemi. “Non dirmi perché non hai potuto farlo nel 1984. Dimmi cosa serve per farlo ora”, ha detto Barra. Sotto la sua guida, GM ha reinventato la sua cultura rifiutando il compiacimento e lottando per il progresso continuo.

Terzo passaggio: come innovare con l’IA per creare un’impresa del futuro
 

I leader raramente sfruttano appieno il potenziale dell’IA. Mentre alcuni sfruttano l’intelligenza artificiale per ottimizzare il proprio business esistente o avviare iniziative, la maggior parte non riesce a reimmaginare il proprio modello di business. I loro piloti non sono abbastanza audaci o non sono pianificati per testare le tendenze emergenti che potrebbero influenzare il business.

Anche quando pianificano bene i progetti pilota, le organizzazioni spesso faticano a eseguirli. Non ottengono il supporto aziendale adeguato, non riescono a garantire i fondi necessari per integrare le risorse giuste o non sono integrati nel core business. Di conseguenza, la maggior parte degli esperimenti di intelligenza artificiale non riesce a ottenere alcun impatto a lungo termine.

 raccomandazioni
“Se vuoi rendere la tua attività a prova di futuro, il viaggio inizia oggi”, afferma Govindarajan. “La strategia non è ciò che fai in futuro. Riguarda ciò che fai oggi per creare il futuro”. In questo senso, ci sono quattro passaggi per costruire una fiorente scatola tre:

“Il ruolo del CEO inizia appena la nuova unità viene finanziata”, spiega Govindarajan. Poiché il riquadro tre guadagna terreno e compete per le risorse con il riquadro uno, il CEO deve svolgere un ruolo attivo.
Crea un’unità aziendale dedicata per la casella tre per proteggerti dalla logica dominante. Con strategie diverse dal riquadro uno, la nuova unità ha bisogno dei propri obiettivi, approcci di esecuzione, background del team, set di abilità e cultura.
Il successo con l’IA richiede una sperimentazione continua. Esegui progetti pilota per valutare ipotesi sul futuro e individuare segnali deboli che annunciano cambiamenti nel settore.
Mentre il riquadro tre necessita di autonomia, deve collegarsi al core business del riquadro uno. Ciò garantisce l’accesso a input cruciali come le relazioni con i clienti, le risorse di dati e il feedback aziendale.
 

Caso in questione
“In General Motors, la creazione di un’auto a guida autonoma non sarebbe potuta avvenire all’interno della tradizionale business unit automobilistica”, osserva Govindarajan. “La loro scatola due problemi li tratterrebbero.” GM ha creato un’unità di veicoli a guida autonoma nel 2016 e subito dopo ha acquistato Cruise Automation per perseguire veicoli a guida autonoma. Da allora, questa unità ha operato autonomamente nella Silicon Valley, lontano dal quartier generale di GM a Detroit.

Quando questa unità box tre ha guadagnato trazione, GM ha nominato Dan Ammann, allora presidente di GM, come CEO di Cruise Automation. Inserendo un alto dirigente nella nuova unità, l’azienda ha segnalato la rilevanza strategica di questo sforzo per il suo futuro. Non sorprende che i processi dell’unità fossero diversi da quelli della prima scatola. “Quando GM recluta un esperto di intelligenza artificiale per la sua unità di auto a guida autonoma, non è in competizione con Ford ma con Google. Quindi, le scale salariali e i vantaggi devono essere molto diversi da quelli di Detroit”, chiarisce Govindarajan.

Negli ultimi cinque anni, Cruise Automation ha fatto progressi con esperimenti di guida autonoma. Recentemente, GM ha annunciato lo sviluppo di Ultra Cruise, una nuovissima tecnologia avanzata di assistenza alla guida che consentirebbe la guida a mani libere nel 95% degli scenari. Significativamente, questa tecnologia sviluppata dall’unità box tre di GM sarà implementata in diversi modelli di auto prodotti dalle sue unità di business principali nel box uno. 

Questo è un eccellente esempio delle tre scatole che lavorano insieme attingendo alle innovazioni guidate dall’intelligenza artificiale, facilitando la prosperità nel presente e creando un futuro sicuro.

 

Costruire grandi aziende è un ciclo continuo
“L’idea della soluzione a tre scatole ha le sue radici nella spiritualità indù”, spiega Govindarajan. “Le antiche scritture descrivono la vita come un ciclo continuo di conservazione, distruzione e creazione. Ogni entità nell’universo passa invariabilmente attraverso queste tre fasi.”

Abbiamo visto come i principi della soluzione a tre scatole, ispirata a testi di 5000 anni fa, siano rilevanti per le aziende di oggi. Per costruire aziende immortali, devi padroneggiare questo ciclo di conservazione, distruzione e creazione. “È una missione che non viene mai compiuta del tutto perché il cambiamento è l’unica costante”, conclude Govindarajan.

di Ganes Kesari 

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi