редакции
Как искусственный интеллект помогает измерить и удвоить производительность труда
— Евгений, недавно вы защитили диссертацию по инновационному подходу в области управления проектами, производительности исполнительных ресурсов и стоимостного инжиниринга. Расскажите, в чем суть вашего исследования? Какие новые подходы оно предлагает?
— В 2024 году я защитил в ИГПУ диссертацию на соискание ученой степени кандидата технических наук на тему «Управление производительностью исполнительных ресурсов в течение жизненного цикла строительных проектов». Она подвела итог исследования, нацеленного на интеграцию классических методологий, новых разработок и цифровых технологий в управлении проектами.
Основной вопрос, на который мы искали ответ: как измерить производительность труда не только с точки зрения человека, но и с учетом всех инструментов, машин и технологий, которые он использует? Мы разработали новый метод оценки — «производительность исполнительных ресурсов». Это более комплексный показатель, чем традиционные методы измерения труда. Он сочетается с существующими в методологии управления проектами показателями методики освоенного объема и интеграцией разнородных типов ресурсов, называемых новым термином — исполнительные ресурсы (Рис.1).
Второй важный аспект — «декомпозированная методика освоенного объема», которая объединяет новые принципы измерения производительности и планирования содержания проекта с уже зарекомендовавшими себя инструментами управления проектами с привязкой к контракту (Рис.2).
Для компаний это означает более точное планирование, контроль и прогнозирование результатов, что особенно актуально для сложных проектов, например, в строительстве или промышленном производстве.
— Как эта методика может помочь компаниям? Какой реальный бизнес-эффект она дает?
— Представьте, что у вас есть строительная бригада. Обычные нормативы не учитывают множество факторов: насколько эффективно работает и может работать конкретная команда, какое оборудование используется и какое эффективнее использовать, насколько оптимально распределены задачи и что нужно сделать для их достижения (Рис.3).
Если же применять наш метод, бригада сможет сама управлять своей производительностью. Она сможет анализировать, какое оборудование и инструменты работают лучше, какие процессы можно оптимизировать, а главное — как можно удвоить свою производительность. Для бизнеса это значит: меньше простоев, выше скорость выполнения работ, точное прогнозирование сроков и затрат (Рис.4).
Новые показатели, предложенные в исследовании, по сути являются KPI, которые можно применить для разных уровней управления и реализации проектов — на уровне и Заказчика, и Подрядчика, с возможностью детализации вплоть до одного исполнителя. Применение методики наиболее эффективно для строительных бригад, которые, подобно Scrum-командам в IT-проектах, могут управлять своей производительностью самостоятельно.
— В исследовании есть отсылка к искусственному интеллекту. Как он может помочь в управлении производительностью?
— Здесь мы видим три ключевых направления применения ИИ:
1. Анализ данных и прогнозирование. Искусственный интеллект может анализировать исторические данные о производительности, выявлять закономерности и прогнозировать, как изменится эффективность при определенных условиях.
2. Автоматизированное планирование. На основе данных ИИ может оптимизировать загрузку ресурсов, предлагать наилучшие стратегии и сочетания использования ресурсов, распределения задач и даже формировать прогнозы по срокам выполнения работ.
3. Контроль и улучшение в реальном времени. Например, умные датчики и системы компьютерного зрения могут фиксировать рабочий процесс, выявлять узкие места и предлагать способы повышения эффективности. Для руководителей это значит, что они смогут принимать решения на основе точных данных, а не интуиции.
— Вы говорите об «эффекте удвоения производительности». Как он работает на практике?
— Это концепция, основанная на наблюдении Теодора Райта: если повторять одни и те же действия, производительность со временем растет. В нашем методе этот эффект усиливается благодаря четкому анализу производительности исполнительных ресурсов и циклу Деминга-Шухарта (планирование — выполнение — контроль — корректировка) (Рис.5).
Простой пример: строительная бригада, которая анализирует свою эффективность, со временем начинает работать быстрее. Если же она еще и использует ИИ-решения для анализа и оптимизации работы, то рост производительности может быть экспоненциальным (Рис.6).
При выявлении отклонений фактических значений показателей производительности от плановых, руководитель, принимающий решения, может применить десятичный коэффициент производительности для следующего цикла планирования. Это позволит воздействовать на параметры производительности исполнительных ресурсов.
— Чем ваш подход отличается от традиционных методов измерения производительности?
— Главное отличие — гибкость. Традиционные нормативы жестко фиксированы и требуют постоянного обновления, что дорого и трудоемко. Каждый строительный проект уникален, технологии строительства подвержены постоянным изменениям. Кроме того, не существует двух одинаковых исполнителей. Поэтому планирование производительности такой сложный процесс.
Наш метод позволяет самим исполнителям адаптироваться к условиям, улучшать свои показатели и выбирать наиболее эффективные технологии и инструменты. Это особенно важно в быстро меняющихся отраслях, где автоматизация и цифровые технологии делают старые нормативы устаревшими уже в момент их утверждения.
— Вы упоминали о связке вашей методики с блокчейном. Как это может работать?
— Блокчейн — это прежде всего механизм прозрачного и надежного контроля. Мы рассматривали возможность использования Smart Contracts, которые могли бы автоматически фиксировать выполнение этапов проекта, проверять соответствие KPI и даже автоматизировать оплату по контрактам. На практике это означает: подрядчик не просто обещает выполнить работы в срок, а блокчейн фиксирует фактические результаты, исключая споры и ошибки.
— Итак, как компании могут внедрить вашу методику на практике?
Начать с анализа текущих показателей — актуализировать, какие инструменты, ресурсы и технологии используются сейчас? Затем внедрить систему измерения производительности исполнительных ресурсов — оценивать не только людей, но и все технологии, которые они применяют. Использовать ИИ и Big Data для прогнозирования, контроля и повышения эффективности. Интегрировать цифровые технологии: датчики, блокчейн, компьютерное зрение для автоматизированного контроля. Компании, которые внедряют такие подходы, получают не только снижение затрат и рост скорости работы, но и реальное конкурентное преимущество. Применять эффект удвоения производительности — значит анализировать, какие решения действительно приводят к росту эффективности, и масштабировать их.
— Что в итоге? Какие выводы можно сделать?
— Главный вывод — производительность труда можно и нужно измерять и управлять ею. И возможно удвоить ее с помощью IT-решений. ИИ и цифровые технологии позволяют анализировать рабочие процессы, прогнозировать результаты, находить лучшие решения. Это немного сложнее, чем классический подход, и требует понимания сразу двух методик. Новая методика дает системный подход к управлению производительностью, который можно адаптировать под конкретный бизнес. Те компании, которые внедрят такие методы сегодня, уже завтра будут лидерами на рынке.