Đừng tự động hóa sơ đồ tổ chức

Điều mà 350 lãnh đạo, hai ngày xây dựng, và một huyền thoại lãnh đạo nhắc tôi về tương lai của các tổ chức.

Tôi vừa trải qua gần một tuần tại Domination, buổi tụ họp thường niên quy tụ khoảng 350 lãnh đạo từ khắp thế giới. Các quốc gia khác nhau, chức năng khác nhau, mảng kinh doanh khác nhau — vận hành, sản xuất, chuỗi cung ứng, bán lẻ, bán hàng, tài chính, công nghệ, phân phối, và mọi thứ ở giữa. Chúng tôi đưa nhóm này lại với nhau để học hỏi, đồng bộ, và thử thách bản thân. Quan trọng nhất, chúng tôi đồng bộ về định hướng nơi mình sắp đi tới.

Năm nay thì khác.

Chúng tôi đã nói về chiến lược và lãnh đạo, đúng vậy. Nhưng chúng tôi cũng dành hai ngày đặt AI trực tiếp vào tay các lãnh đạo, yêu cầu họ xử lý các vấn đề kinh doanh thực tế trong một cuộc thi về bản chất là một hackathon AI quy mô lớn. Không phải các trường hợp sử dụng lý thuyết. Không phải thêm một bài thuyết trình về việc AI sẽ thay đổi mọi thứ. Không phải một nhà cung cấp trên sân khấu với bản demo được kịch bản hóa hoàn hảo. Mà là những người từ khắp doanh nghiệp thực sự xây dựng. Thử nghiệm. Làm hỏng mọi thứ. Thử lại.

Họ lấy những vấn đề mà họ hiểu rõ hơn bất kỳ ai và đặt một câu hỏi rất khác: điều gì trở nên khả thi ngay bây giờ?

Chứng kiến điều đó đã thay đổi một số suy nghĩ của riêng tôi về chuyển đổi AI. Nhưng trước khi đi vào phần kỹ thuật — và đúng vậy, Định luật Conway sắp xuất hiện — tôi cần kể cho bạn về một chuyện xảy ra đầu tuần.

25 năm với John C. Maxwell

Chúng tôi mời John Maxwell đến nói chuyện với các lãnh đạo tại sự kiện Domination, và đó là khoảnh khắc khép lại một vòng tròn đối với cá nhân tôi. Lần đầu tôi nghe ông nói chuyện là hơn 25 năm trước, ở một thời điểm rất khác trong sự nghiệp. Tôi vẫn đang tìm hiểu lãnh đạo thực sự nghĩa là gì, và có lẽ vẫn còn nhầm lẫn nó với quyền lực, chuyên môn, và việc trở thành người có câu trả lời.

Tại sự kiện năm 2001 đó, tôi đã mua cuốn Failing Forward của ông. Ý tưởng nhìn lại thì có vẻ đơn giản: thất bại không phải mặt đối lập của thành công. Nó là một phần của quá trình tạo ra thành công — nếu bạn sẵn lòng học từ nó. Nhưng ý tưởng chạm đến người ta khác nhau tùy vào giai đoạn cuộc đời. Ý tưởng đó đã bám trụ lại. Qua năm tháng, nó trở thành một trong vài cuốn sách định hình cách tôi nghĩ về lãnh đạo, thử nghiệm, rủi ro, con người và sự thay đổi.

Hơn hai thập kỷ sau, tôi ngồi đó xem ông nói chuyện lần nữa, được bao quanh bởi hàng trăm lãnh đạo mà tôi có cơ hội làm việc cùng. Thời điểm không thể thích hợp hơn. Ngay sau đó, chúng tôi chuẩn bị yêu cầu chính những lãnh đạo ấy làm đúng điều Failing Forward đã dạy tôi bao năm trước: thử một điều gì đó, xây một thứ gì đó, làm sai, học hỏi, thử lại. Tất cả những điều tối quan trọng trong kỷ nguyên AI.

Trên một ghi chú rất riêng tư, tôi có cơ hội tuyệt vời và khiêm tốn được ăn tối cùng John và một phần đội ngũ điều hành của chúng tôi. Ông hoàn toàn giống hệt trên sân khấu, ngoài đời, và trong cách ông viết sách. Tôi chưa bao giờ là kiểu người "mê sao" — nhưng ngay tại bàn ăn với tôi là một người, một phần, đã ảnh hưởng đến con người tôi hôm nay. Tôi vô cùng vinh dự và biết ơn khi có cơ hội bắt tay và cảm ơn ông. Nếu bạn từng có cơ hội nghe ông nói chuyện trực tiếp, hãy làm đi. Ông 79 tuổi, đã huấn luyện lãnh đạo hơn 50 năm, và là một con người tuyệt vời. Nếu bạn không có cơ hội đó, thì ít nhất hãy mua một (hoặc 50) cuốn sách của ông — #ĐángTừngĐồng.

Ok, giờ quay lại bài viết của tôi...

Bạn không thể dùng PowerPoint để hiểu AI

Mọi người đã dành vài năm qua để bàn về AI. Hội đồng quản trị, CEO, các tổ chức công nghệ, công ty tư vấn — có chiến lược AI, lộ trình AI, hội đồng AI, trung tâm xuất sắc AI, ủy ban quản trị AI, bài thuyết trình AI, và có lẽ một mô hình trưởng thành AI đánh giá độ trưởng thành của mô hình trưởng thành AI của bạn.

Nhưng có một khác biệt rất lớn giữa việc nghe về AI và trải nghiệm những gì nó giúp trở nên khả thi. Điều đó trở nên rõ ràng trong hai ngày đó. Khi các lãnh đạo của chúng tôi xử lý các kịch bản thực tế trong môi trường hackathon, cuộc trò chuyện đã thay đổi. Thay vì "AI có thể làm gì?", mọi người bắt đầu đặt một câu hỏi thú vị hơn nhiều: "Tại sao ngay từ đầu chúng ta lại làm quy trình này theo cách này?"

Rồi đến những câu hỏi còn lại. Tại sao cần có sự phê duyệt này? Tại sao thông tin này phải đi qua bốn nhóm khác nhau? Tại sao chúng ta nhập dữ liệu này hai lần? Tại sao quyết định này không thể diễn ra gần hơn với người làm công việc đó? Tại sao hai đội đang giải quyết về cơ bản cùng một vấn đề một cách độc lập? Tại sao quy trình này thậm chí còn tồn tại?

Giờ chúng ta mới đi đến đâu đó. Bởi cơ hội thực sự của AI không chỉ đơn giản là làm cho tổ chức hiện tại nhanh hơn. Đó là cơ hội để đặt câu hỏi liệu tổ chức ngày hôm nay có nên tồn tại dưới hình thức hiện tại hay không.

Bước đột phá AI đầu tiên không mang tính kỹ thuật

Điều tôi thích nhất trong hai ngày đó là chứng kiến những người từ các mảng hoàn toàn khác nhau của doanh nghiệp làm việc cùng nhau. Họ không nghĩ về model, cơ sở dữ liệu vector, hay số lượng token. (Được rồi, một vài người trong chúng tôi thì có. Chúng tôi là dân mọt kỹ thuật. Không thể tự kiềm chế.) Hầu hết mọi người nghĩ về kết quả.

Họ hiểu doanh nghiệp. Họ biết ma sát ở đâu. Họ biết những quy trình mà ai cũng phàn nàn nhưng đã học cách chấp nhận. Họ biết bảng tính nào được gửi qua email mỗi thứ Ba. Họ biết phê duyệt nào mất ba ngày dù quyết định thực sự chỉ mất ba phút. Họ biết nơi ai đó phải xoay vòng giữa bốn hệ thống để trả lời một câu hỏi khách hàng. Họ biết quy trình nào cần sáu người vì thông tin để ra quyết định trước đây nằm ở sáu nơi khác nhau.

Khi họ bắt đầu hiểu AI và các agent thực sự có thể làm gì, có điều gì đó đã khớp vào. Họ không chỉ thấy tự động hóa. Họ bắt đầu thấy một mô hình vận hành khác. Đó là phần của AI doanh nghiệp mà tôi nghĩ chúng ta đang đánh giá thấp một cách đáng kể.

Hãy ngừng tự động hóa sơ đồ tổ chức

Rất nhiều tổ chức đang tiếp cận AI theo cách họ từng tiếp cận mọi cuộc chuyển đổi công nghệ trước đây: giữ nguyên tổ chức hiện tại, quy trình hiện tại, hệ thống hiện tại, ranh giới sở hữu hiện tại — rồi rắc AI lên trên. Tài chính có AI tài chính. Marketing có AI marketing. Chuỗi cung ứng có AI chuỗi cung ứng. Mỗi phòng ban đều có agent, copilot và tự động hóa.

Xin chúc mừng. Bạn vừa chi hàng triệu đô la để xây một phiên bản nhanh hơn của chính các vấn đề tổ chức hiện có của mình.

Đó không phải là chuyển đổi. Đó là tăng tốc — và tăng tốc chỉ hữu ích nếu bạn đang đi đúng hướng. Nếu quy trình nền tảng là tệ, AI cho bạn một quy trình tệ nhanh hơn. Nếu tổ chức bị phân mảnh thành silo, AI cho bạn những silo cực kỳ hiệu quả. Nếu quyền sở hữu bị phân mảnh, AI tự động hóa sự phân mảnh đó. Nếu ngữ nghĩa dữ liệu của bạn không nhất quán, AI tạo ra câu trả lời từ những sự không nhất quán đó với tốc độ máy. Nếu cấu trúc ra quyết định phức tạp một cách không cần thiết, các agent thực thi sự phức tạp không cần thiết đó nhanh gấp hàng nghìn lần con người từng có thể.

Đến đây chúng ta cần đi sâu hơn một chút về kỹ thuật. Bởi có một nguyên lý khoa học máy tính từ những năm 1960 đột nhiên trở nên quan trọng hơn nhiều.

Định luật Conway xuất hiện

Năm 1967, nhà khoa học máy tính Melvin Conway đã quan sát thấy một điều sau này được gọi là Định luật Conway: các tổ chức thiết kế ra những hệ thống phản chiếu cấu trúc giao tiếp của chính họ.

Bốn đội hiếm khi giao tiếp với nhau? Bạn sẽ có bốn hệ thống cũng không giao tiếp tốt với nhau. Trách nhiệm bị phân mảnh trên bảy nhóm? Kiến trúc cuối cùng bị phân mảnh trên bảy dịch vụ. Hai phòng ban không tin dữ liệu của nhau? Cuối cùng sẽ có hai bản sao của dữ liệu. Kiến trúc trở thành hình phản chiếu của tổ chức đã tạo ra nó.

Trong nhiều thập kỷ, điều đó được coi là vấn đề kiến trúc phần mềm. Trong kỷ nguyên AI, tôi nghĩ nó trở thành vấn đề chiến lược tổ chức. Bởi AI không chỉ quan sát tổ chức của bạn. AI học tổ chức của bạn — và cuối cùng, AI mã hóa nó.

AI sẽ học các silo của bạn

Hãy nghĩ về những gì chúng ta đang làm khi đưa AI vào một công ty. Chúng ta kết nối nó với dữ liệu, tài liệu, quy trình, hệ thống, luồng công việc, tri thức tổ chức, chính sách, quyết định, ngoại lệ, chuỗi phê duyệt của mình. Về bản chất, chúng ta đang dạy AI: "công ty của chúng tôi hoạt động như thế này."

Nhưng điều gì xảy ra khi cách công ty chúng ta vận hành thực ra không phải là cách nó nên vận hành? AI học cả điều đó. Nếu ba nhóm có ba định nghĩa khác nhau về cùng một khái niệm kinh doanh, AI thừa hưởng sự mơ hồ đó. Nếu các phòng ban giữ khư khư thông tin, AI gặp phải những ranh giới đó. Nếu hai đội làm công việc chồng lấn, các agent cuối cùng tái tạo sự chồng lấn. Nếu một quy trình vượt qua bảy ranh giới tổ chức vì những quyết định từ 15 năm trước, agent không tự động biết những ranh giới đó là ngớ ngẩn. Nó có thể chỉ trở nên cực kỳ giỏi trong việc điều hướng chúng.

Đó chính là mối nguy. AI có thể thể chế hóa nợ tổ chức.

Vấn đề khuếch đại

Đây là nơi Định luật Conway trở nên thú vị hơn nhiều. Trong lịch sử, các tổ chức muốn thay đổi cấu trúc có thể mất nhiều năm. AI nén dòng thời gian đó một cách đáng kể. Khi AI học tổ chức của bạn, nó không chỉ phản chiếu — mà còn khuếch đại nó. Các silo trở nên nhanh hơn. Sự phân mảnh trở nên hiệu quả hơn. Nợ tổ chức được gộp lãi với tốc độ máy.

Cách khắc phục không phải là tự động hóa sơ đồ tổ chức. Mà là sửa sơ đồ tổ chức — quy trình, quyền sở hữu, ngữ nghĩa — rồi để AI khuếch đại thứ đáng được khuếch đại. Bởi AI là một tấm gương. Và nếu bạn không thích những gì nó phản chiếu, câu trả lời không phải là một tấm gương tốt hơn. Mà là một tổ chức tốt hơn.

Nghĩ rằng lập luận này phù hợp với sự kiện của bạn? Hãy kể cho tôi về khán phòng — lịch trình có chọn lọc.