Wąskie gardło roku 2030. Dlaczego człowieka nie da się zautomatyzować

Fabryki, które dziś wdrażają systemy autonomicznego planowania, cyfrowe bliźniaki i algorytmy predykcyjnego utrzymania ruchu, za kilka lat będą działać w środowisku, w którym znaczna część klasycznych ograniczeń przepustowości – wolniej pracująca niż pozostałe maszyna, stanowisko wymagające dłuższego czasu przezbrojenia, magazyn buforowy o niewystarczającej pojemności – zostanie wyeliminowana albo zredukowana do poziomu, w którym przestaje być czynnikiem decydującym o wydajności całego strumienia wartości. Powstaje w związku z tym pytanie, rzadko zadawane na posiedzeniach zarządów, które powinno stać się jednym z centralnych tematów strategicznych w najbliższej dekadzie: skoro technologia eliminuje kolejne fizyczne ograniczenia przepustowości, to gdzie w takim razie przesuwa się rzeczywiste wąskie gardło systemu produkcyjnego?

Odpowiedź, którą ustawiam jako tezę niniejszego opracowania, brzmi następująco: wąskie gardło nie znika wraz z postępującą automatyzacją, lecz systematycznie przesuwa się w kierunku jedynego zasobu, którego przepustowości nie da się zwiększyć przez zakup dodatkowej licencji, instalację kolejnego serwera obliczeniowego czy wdrożenie nowszej generacji algorytmu. To człowiek, a dokładniej rzecz ujmując, ludzka zdolność do interpretowania sytuacji niestandardowych, podejmowania decyzji w warunkach niepełnej informacji, ponoszenia odpowiedzialności za konsekwencje tych decyzji oraz budowania środowiska organizacyjnego, bez którego nawet najbardziej zaawansowany system autonomiczny pozostaje jedynie zbiorem reguł pozbawionych zrozumienia rzeczywistości, w której funkcjonuje. Teza ta nie jest wyrazem sentymentalnego przywiązania do roli człowieka w przemyśle, lecz wnioskiem wypływającym z analizy fundamentalnych ograniczeń, jakim podlegają systemy sztucznej inteligencji i automatyzacji niezależnie od tempa ich rozwoju technologicznego.

Eliyahu Goldratt, formułując teorię ograniczeń w latach osiemdziesiątych ubiegłego wieku, oparł ją na obserwacji, która wydawała się wówczas oczywista: każdy system produkcyjny ma dokładnie jeden zasób, którego ograniczona przepustowość determinuje przepustowość całego systemu, i to właśnie ten zasób, a nie suma lokalnych usprawnień wprowadzanych w pozostałych ogniwach łańcucha, decyduje o zdolności organizacji do generowania wartości. Zarządzanie wąskim gardłem, a nie maksymalizacja efektywności każdego pojedynczego stanowiska, stało się podstawą myślenia, które zrewolucjonizowało zarządzanie operacyjne i do dziś pozostaje jednym z najbardziej praktycznych narzędzi analizy przepustowości systemów produkcyjnych.

Klasyczne wąskie gardła, które Goldratt i jego następcy analizowali przez kolejne dekady, miały niemal zawsze charakter fizyczny i policzalny: maszyna o niższej wydajności godzinowej niż pozostałe ogniwa procesu, stanowisko wymagające długiego czasu przezbrojenia, operator o określonej, ograniczonej zdolności przerobowej. Identyfikacja takiego ograniczenia była zadaniem analitycznym, wymagającym zebrania i przeanalizowania danych o czasach cyklu, dostępności maszyn i przepustowości poszczególnych etapów procesu, jednak samo pojęcie ograniczenia pozostawało relatywnie proste do uchwycenia, ponieważ dotyczyło zasobów o mierzalnej, skończonej wydajności.

Środowisko produkcyjne roku 2030 różni się całkowicie, ponieważ znaczna część klasycznych ograniczeń fizycznych staje się elastyczna do stopnia, który jeszcze dekadę temu wydawał się nierealny. Zasoby obliczeniowe skalują się niemal bez ograniczeń w chmurze obliczeniowej, roboty współpracujące mogą być dokupywane i uruchamiane w cyklach tygodniowych zamiast kwartalnych, a systemy autonomicznego planowania rekonfigurują sekwencję operacji w czasie rzeczywistym w reakcji na zmieniające się warunki produkcyjne. W takim środowisku klasyczne pytanie o to, które stanowisko ogranicza przepustowość linii, przestaje być pytaniem centralnym, ponieważ odpowiedź na nie coraz częściej brzmi: żadne, bo system technologiczny jest w stanie dynamicznie realokować zasoby, eliminując lokalne ograniczenia szybciej, niż analitycy zdążyliby je zidentyfikować.

Fundamentalną własnością systemów zautomatyzowanych, która odróżnia je od zasobów ludzkich w świetle teorii ograniczeń, jest ich skalowalność pozioma. Jeżeli algorytm optymalizacji harmonogramu produkcji okazuje się zbyt wolny w stosunku do wymaganego tempa decyzji, organizacja zwiększa moc obliczeniową, optymalizuje kod lub wdraża równoległe instancje systemu, i w większości wypadków ograniczenie to zostaje wyeliminowane w ciągu tygodni, a nie miesięcy czy lat, jakich wymagałoby zwiększenie przepustowości zasobu ludzkiego przez rekrutację i szkolenie nowych pracowników. Ta asymetria skalowalności jest jednym z kluczowych czynników przesuwających rzeczywiste ograniczenie systemu w stronę zasobów, których nie da się skalować w ten sam sposób.

Drugą własnością odróżniającą technologie od ludzi w ujęciu teorii ograniczeń jest przewidywalność ich wydajności. Maszyna pracująca w określonych parametrach środowiskowych ma wydajność, którą można modelować statystycznie z dużą precyzją. Wydajność poznawcza człowieka, jego zdolność do podejmowania trafnych decyzji, do utrzymania uwagi na krytycznych sygnałach, do efektywnego przetwarzania informacji, podlega znacznie większej zmienności, zależnej od czynników, których żaden system monitoringu procesowego w pełni nie skwantyfikuje. Ta nieprzewidywalność nie jest słabością do eliminacji, lecz cechą strukturalną ludzkiego poznania, którą organizacje muszą brać pod uwagę, projektując systemy pracy, zamiast udawać, że nie istnieje.

Trzecią, najistotniejszą własnością odróżniającą technologiczne od ludzkich w wymiarze analizowanego zagadnienia jest zakres zastosowania. System autonomiczny, niezależnie od stopnia zaawansowania, funkcjonuje efektywnie w granicach przestrzeni problemowej, na której został wytrenowany lub zaprogramowany, i poza tymi granicami jego skuteczność gwałtownie spada, często bez wyraźnego sygnału ostrzegawczego informującego użytkownika o przekroczeniu tych granic. Człowiek zaś, choć wolniejszy i mniej precyzyjny w zadaniach dobrze zdefiniowanych, dysponuje zdolnością generalizacji i transferu wiedzy między domenami, która pozwala mu funkcjonować z różnym poziomem skuteczności w sytuacjach, których wcześniej nigdy nie doświadczył. Zdolność ta, nazywana w literaturze poznawczej elastycznością poznawczą, jest zasobem, którego żaden algorytm nie replikuje porównywalnie z ludzkim, i to właśnie ona staje się w środowisku wysoko zautomatyzowanym najrzadszym zasobem, a więc – w rozumieniu teorii ograniczeń – zasobem definiującym przepustowość całego systemu.

Analiza praktyk operacyjnych w zakładach o wysokim poziomie automatyzacji wskazuje cztery obszary, w których ludzkie ograniczenie przepustowości staje się dziś rzeczywistym czynnikiem determinującym efektywność całego systemu produkcyjnego, niezależnie od tego, jak zaawansowana jest warstwa technologiczna tego systemu.

Pierwszym obszarem są sytuacje wyjątkowe, nieobecne w danych historycznych, na których bazują systemy predykcyjne i decyzyjne. Każdy model analityczny, niezależnie od ilości danych treningowych, jest w istocie odwzorowaniem przeszłości i formułuje swoje rekomendacje na podstawie zaobserwowanych wzorców. Sytuacja, która nie ma precedensu w danych historycznych, nietypowa kombinacja zakłóceń w łańcuchu dostaw, awaria o niespotykanym wcześniej charakterze, nieoczekiwana interakcja między systemami, które nigdy wcześniej nie pracowały w danej konfiguracji, stawia system autonomiczny w sytuacji, w której jego rekomendacje przestają być wiarygodne, a stają się wręcz szkodliwe, ponieważ ekstrapolują wzorce nieadekwatne do nowej rzeczywistości. Jedynym zasobem zdolnym do wygenerowania trafnej interpretacji i podjęcia decyzji pozostaje wtedy doświadczony człowiek, a przepustowość organizacji w obliczu sytuacji wyjątkowej jest wprost proporcjonalna do liczby i jakości takich ludzi dostępnych w danym momencie.

Drugim obszarem jest odpowiedzialność prawna i etyczna za decyzje o istotnych konsekwencjach. Żaden obecny ani przewidywany system prawny nie pozwala scedować odpowiedzialności prawnej za decyzję operacyjną na temat bezpieczeństwa pracowników, zgodności regulacyjnej czy istotnego ryzyka finansowego na algorytm, który tę decyzję wygenerował. Regulacje dotyczące sztucznej inteligencji, wdrażane sukcesywnie w kolejnych jurysdykcjach, systematycznie utrzymują zasadę, zgodnie z którą za decyzję podjętą przy wsparciu systemu autonomicznego odpowiada człowiek, który tę decyzję zatwierdził lub który był zobowiązany do jej nadzorowania. Ta strukturalna cecha systemu prawnego oznacza, że niezależnie od tego, jak zaawansowany będzie system rekomendujący decyzje, w łańcuchu decyzyjnym musi pozostać punkt, w którym człowiek przejmuje odpowiedzialność. Punkt, który ze względu na ograniczoną przepustowość poznawczą i czasową osób zdolnych do odgrywania tej roli, staje się naturalnym ograniczeniem przepustowości całego procesu decyzyjnego organizacji.

Trzecim obszarem jest synteza środowiska organizacyjnego, które nie jest w pełni skodyfikowane w żadnym systemie informatycznym. Decyzja operacyjna podejmowana w firmie uwzględnia, często nieświadomie dla samego decydenta, dziesiątki czynników kontekstowych: relacje między działami, historię wcześniejszych decyzji i ich konsekwencji, nieformalne zależności między pracownikami, kulturę akceptacji ryzyka danego zespołu, bieżącą sytuację rynkową w wymiarze niekoniecznie odzwierciedlonym jeszcze w danych systemowych. Systemy autonomiczne operują na danych, które skodyfikowano i wprowadzono do ich architektury, ale znaczna część środowiska organizacyjnego pozostaje niekodyfikowalna nie dlatego, że nikt nie próbował, lecz dlatego, że ma ona charakter wiedzy ucieleśnionej, zbudowanej przez lata bezpośredniego doświadczenia, której nie da się w pełni przełożyć na strukturę danych możliwą do przetworzenia przez algorytm.

Czwartym obszarem jest legitymizacja decyzji wobec interesariuszy firmy: pracowników, związków zawodowych, klientów, regulatorów, opinii publicznej. Decyzja podjęta przez algorytm, nawet jeśli merytorycznie trafna, napotyka często opór akceptacyjny, którego nie napotyka analogiczna decyzja podjęta lub zatwierdzona przez człowieka rozumianego jako podmiot zdolny do wyjaśnienia swojego rozumowania, przyjęcia odpowiedzialności i wykazania empatii wobec konsekwencji tej decyzji dla osób nią objętych. Legitymizacja społeczna decyzji organizacyjnych pozostaje zasobem głęboko ludzkim, a zdolność do jej budowania, przez komunikację, obecność, autentyczne zaangażowanie w konsekwencje podejmowanych decyzji, jest kompetencją, której żaden interfejs systemu autonomicznego nie zastąpi w sposób akceptowalny dla większości organizacji.

Paradoks, z którym mierzą się dziś organizacje inwestujące w rozbudowane systemy analityczne, polega na tym, że wzrost dostępności danych i rekomendacji systemowych nie zwiększa proporcjonalnie przepustowości decyzyjnej organizacji, a w wielu wypadkach ją zmniejsza. Ludzka uwaga, zdolność do skoncentrowanego przetwarzania informacji w danej jednostce czasu, jest zasobem o ograniczonej i niemal niezmiennej przepustowości, niezależnie od tego, ile wskaźników, alertów i rekomendacji generuje otaczająca ją infrastruktura technologiczna. Menedżer, który w ciągu jednej zmiany otrzymuje kilkadziesiąt alertów systemowych wymagających jego interwencji lub akceptacji, nie zwiększa swojej zdolności decyzyjnej wraz ze wzrostem liczby tych alertów, lecz przeciwnie, jego zdolność do trafnej oceny każdego pojedynczego sygnału systematycznie maleje, ponieważ ograniczony zasób uwagi musi być rozłożony na coraz większą liczbę wymagających go zdarzeń.

Zjawisko to, które proponuję nazywać wąskim gardłem uwagi menedżerskiej, jest bezpośrednią konsekwencją asymetrii między skalowalnością systemów generujących informację a nieskalowalnością ludzkiej zdolności do jej przetwarzania. Organizacje, które inwestują w rozbudowę warstwy analitycznej bez jednoczesnej inwestycji w architekturę filtrowania i priorytetyzacji informacji docierającej do decydentów, pogłębiają to ograniczenie zamiast je eliminować, zwiększają wolumen sygnałów wymagających ludzkiej interpretacji, nie zwiększając przy tym przepustowości zasobu, który tę interpretację ma wykonać. Rezultatem jest paradoksalna sytuacja, w której zakład dysponujący najbardziej zaawansowaną infrastrukturą monitoringu procesowego może wykazywać niższą efektywność decyzyjną niż zakład dysponujący infrastrukturą skromniejszą, lecz lepiej dopasowaną do rzeczywistej przepustowości poznawczej swoich menedżerów.

Zarządzanie tym ograniczeniem wymaga zastosowania logiki analogicznej do tej, którą teoria ograniczeń stosuje wobec klasycznych wąskich gardeł fizycznych: skoro nie można łatwo zwiększyć przepustowości zasobu, należy maksymalnie chronić jego czas i uwagę przed obciążeniem zadaniami niewymagającymi jego bezpośredniego zaangażowania. Oznacza to budowanie architektury decyzyjnej, w której systemy autonomiczne samodzielnie rozstrzygają decyzje o niskim ryzyku i wysokiej przewidywalności, eskalując do człowieka wyłącznie te sytuacje, w których wartość ludzkiego osądu rzeczywiście przewyższa koszt zaangażowania ograniczonego zasobu uwagi menedżerskiej. Projektowanie takich progów eskalacji staje się jednym z najbardziej strategicznych zadań architektury organizacyjnej najbliższej dekady.

Rynek pracy w sektorze produkcyjnym doświadcza dziś niedoboru specyficznej kategorii kompetencji, którą określiłbym mianem hybrydowej. Są to zdolności do jednoczesnego rozumienia logiki procesu fizycznego, logiki systemu informatycznego, który ten proces wspiera, oraz logiki organizacyjnej, w ramach której obie te warstwy współistnieją w sposób generujący rzeczywistą wartość biznesową. Inżynier procesu rozumiejący wyłącznie stronę technologiczną produkcji, bez zdolności do interpretacji danych generowanych przez systemy analityczne, staje się coraz mniej efektywny w środowisku, w którym decyzje operacyjne wymagają syntezy obu tych perspektyw. Analogicznie specjalista danych rozumiejący architekturę systemów analitycznych, lecz pozbawiony głębokiego rozumienia realiów procesu produkcyjnego, generuje rekomendacje techniczne poprawne, lecz operacyjnie nietrafne.

Ten niedobór kompetencji hybrydowych jest sam w sobie formą wąskiego gardła w rozumieniu teorii ograniczeń, ponieważ liczba osób zdolnych do odgrywania tej roli w danej organizacji jest zwykle znacznie mniejsza niż liczba decyzji i projektów wymagających ich zaangażowania. Zjawisko to obserwuję konsekwentnie w zakładach na różnym poziomie zaawansowania cyfrowego: transformacja technologiczna spowalnia nie dlatego, że brakuje budżetu na technologię, lecz dlatego, że brakuje ludzi zdolnych do efektywnego pomostowania między warstwą technologiczną a warstwą operacyjną organizacji, a rekrutacja lub wykształcenie takich ludzi wymaga czasu liczonego w latach, nie w kwartałach budżetowych.

Organizacje, które rozumieją tę dynamikę, przestają traktować rozwój kompetencji hybrydowych jako uzupełnienie strategii transformacji cyfrowej i zaczynają traktować go jako jej rdzeń. Inwestycja w technologię bez proporcjonalnej inwestycji w ludzi zdolnych do jej efektywnego wykorzystania jest inwestycją w niewykorzystany potencjał, ponieważ prawdziwym ograniczeniem przepustowości transformacji nie jest dostępność narzędzi, lecz ludzi zdolnych je efektywnie stosować w konkretnym środowisku operacyjnym organizacji.

Adaptacja systemów autonomicznych w środowisku produkcyjnym podlega ograniczeniu, które ma charakter psychologiczny i organizacyjny w równym stopniu co technologiczny – tempu, w jakim operatorzy, inżynierowie, menedżerowie są gotowi zaufać rekomendacjom i decyzjom generowanym przez system, który nie potrafi w pełni wyjaśnić logiki swojego rozumowania w sposób intuicyjnie zrozumiały dla odbiorcy tej rekomendacji. Zaufanie to zasób, który buduje się stopniowo, przez powtarzające się doświadczenia potwierdzające trafność rekomendacji systemu, i który może zostać gwałtownie zniszczony przez pojedynczy incydent, w którym system wygenerował rekomendację błędną o poważnych konsekwencjach.

Tempo budowania zaufania organizacyjnego do systemów autonomicznych jest znacznie trudniejsze do przyspieszenia niż tempo rozwoju samej technologii, a to oznacza, że rzeczywista przepustowość transformacji cyfrowej zakładu produkcyjnego jest często ograniczona nie możliwościami technicznymi wdrażanych systemów, lecz gotowością organizacji do ich rzeczywistego, a nie wyłącznie deklaratywnego, wykorzystania w procesach decyzyjnych. Obserwowałem wielokrotnie sytuacje, w których zakład dysponował systemem autonomicznego planowania zdolnym technicznie do podejmowania decyzji bez udziału człowieka, a mimo to operatorzy i menedżerowie systematycznie weryfikowali i korygowali każdą rekomendację systemu, eliminując korzyści z automatyzacji, ponieważ poziom zaufania do systemu nie osiągnął jeszcze progu, przy którym delegowanie decyzji stawało się organizacyjnie akceptowalne.

Budowanie zaufania do systemów autonomicznych wymaga podejścia analogicznego do zarządzania klasycznym wąskim gardłem fizycznym: świadomej, metodycznej pracy nad zwiększeniem jego przepustowości, a nie oczekiwania, że problem rozwiąże się samoistnie wraz z upływem czasu. Transparentność logiki decyzyjnej systemu, stopniowe rozszerzanie zakresu decyzji delegowanych do systemu w miarę potwierdzania jego trafności oraz konsekwentna komunikacja o wynikach tej delegacji, zarówno sukcesach, jak i błędach, są narzędziami budowania tego zaufania, którego brak pozostaje jednym z najpoważniejszych, choć najsłabiej rozpoznawanych ograniczeń przepustowości transformacji cyfrowej w przemyśle.

Metodologia zarządzania ograniczeniami, którą Goldratt sformułował w postaci pięciu kolejnych kroków, zachowuje pełną użyteczność analityczną również w odniesieniu do ograniczenia, którym jest człowiek, choć jej praktyczne zastosowanie wymaga istotnej reinterpretacji w stosunku do klasycznego zastosowania wobec zasobów maszynowych.

Pierwszy krok: identyfikacja ograniczenia, wymaga od organizacji świadomego uznania, że to nie infrastruktura technologiczna, lecz ludzka zdolność do interpretacji, decyzji i odpowiedzialności jest rzeczywistym ograniczeniem przepustowości systemu. Wiele organizacji nie wykonuje tego kroku jawnie, kontynuując inwestycje w rozbudowę warstwy technologicznej, podczas gdy rzeczywiste ograniczenie znajduje się gdzie indziej. Prowadzi to do sytuacji analogicznej do tej, którą Goldratt opisywał w odniesieniu do fabryk inwestujących w zwiększenie wydajności zasobów niebędących ograniczeniem, generujących koszt bez proporcjonalnego wzrostu przepustowości całego systemu.

Drugi krok: eksploatacja ograniczenia, oznacza maksymalizację wartości generowanej przez każdą jednostkę czasu i uwagi zaangażowanego zasobu ludzkiego, zanim podejmie się decyzję o zwiększeniu jego przepustowości przez rekrutację lub rozwój kompetencji. Oznacza to wyeliminowanie wszystkich zadań angażujących uwagę kluczowych decydentów bez generowania proporcjonalnej wartości, nadmiernej liczby spotkań, raportów, które nie prowadzą do decyzji, oraz eskalacji decyzji, które mogłyby zostać rozstrzygnięte na niższym poziomie organizacyjnym lub przez system autonomiczny działający w granicach zdefiniowanego zaufania.

Trzeci krok: podporządkowanie pozostałych elementów systemu wobec ograniczenia. Wymaga to zaprojektowania architektury decyzyjnej organizacji w sposób, który chroni przepustowość kluczowych zasobów ludzkich, zamiast obciążać je proporcjonalnie do wzrostu wolumenu danych i rekomendacji generowanych przez systemy technologiczne. Oznacza to świadome ograniczenie liczby sygnałów eskalowanych do człowieka, budowanie hierarchii ważności informacji oraz projektowanie interfejsów decyzyjnych, które prezentują decydentowi wyłącznie informacje rzeczywiście niezbędne do podjęcia trafnej decyzji, zamiast przytłaczać go pełnym zakresem dostępnych danych.

Czwarty krok: wzmocnienie ograniczenia. W odniesieniu do zasobu ludzkiego oznacza inwestycję w rozwój kompetencji hybrydowych, w narzędzia wspomagające ludzką zdolność interpretacji, takie jak dobrze zaprojektowane systemy wizualizacji danych, symulacje decyzyjne czy szkolenia oparte na rzeczywistych scenariuszach kryzysowych, oraz w rekrutację i retencję osób zdolnych do odgrywania roli krytycznego węzła decyzyjnego organizacji. Ten krok wymaga horyzontu inwestycyjnego znacznie dłuższego niż typowy cykl inwestycji technologicznej, ponieważ rozwój kompetencji hybrydowych u człowieka następuje w skali lat, nie miesięcy.

Piąty krok: powrót do pierwszego kroku po wyeliminowaniu bieżącego ograniczenia. Przypomina to organizacjom, że ograniczenie systemu produkcyjnego nigdy nie znika, lecz przesuwa się do kolejnego zasobu o najniższej relatywnej przepustowości. Jeśli organizacja skutecznie zwiększy przepustowość swoich kluczowych zasobów ludzkich przez rozwój kompetencji i inteligentne projektowanie architektury decyzyjnej, ograniczenie przesunie się do innego elementu systemu, być może z powrotem do warstwy technologicznej, do dostępności talentu na rynku pracy, do zdolności organizacji do zarządzania zmianą w tempie nadążającym za tempem rozwoju technologicznego otoczenia.

Klasyczne projektowanie stanowisk pracy w przemyśle koncentrowało się na optymalizacji ruchów, sekwencji operacji i ergonomii fizycznej, ponieważ to właśnie to determinowało przepustowość zasobu ludzkiego w środowisku o niskim poziomie automatyzacji. Środowisko produkcyjne roku 2030 wymaga innego podejścia decydentów do projektowania stanowisk pracy, w którym przedmiotem optymalizacji przestaje być efektywność fizyczna, a staje się efektywność poznawcza i decyzyjna.

Projektowanie takich stanowisk wymaga odpowiedzi na pytania, które jeszcze dekadę temu rzadko pojawiały się w agendzie działów zarządzania zasobami ludzkimi w przemyśle:

• Jaki jest optymalny wolumen decyzji, które dany menedżer może podjąć w ciągu zmiany, zanim jakość tych decyzji zacznie systematycznie spadać wskutek zmęczenia poznawczego?
• Jaki format prezentacji informacji minimalizuje czas potrzebny na trafną interpretację sygnału bez utraty istotnego elementu realiów?
• Jakie mechanizmy organizacyjne pozwalają rozłożyć obciążenie decyzyjne między większą liczbę osób w sytuacjach kryzysowych, gdy wolumen decyzji wymagających ludzkiego zaangażowania gwałtownie rośnie?

Odpowiedzi na te pytania wymagają współpracy między obszarami organizacyjnymi, które w większości przedsiębiorstw produkcyjnych funkcjonują dziś w izolacji: inżynierią procesu, architekturą systemów informatycznych oraz psychologią organizacyjną i ergonomią poznawczą. Zakłady, które systematycznie budują tę współpracę, uzyskają przewagę konkurencyjną trudną do skopiowania przez konkurentów inwestujących wyłącznie w warstwę technologiczną, ponieważ przewaga ta będzie wynikać nie z dostępności narzędzi, lecz z architektury organizacyjnej pozwalającej wykorzystać te narzędzia z maksymalną efektywnością, respektując rzeczywistą przepustowość zasobu ludzkiego.

Rola menedżera produkcji przechodzi w opisywanych realiach transformację, którą można określić jako zmianę z roli koordynatora zasobów fizycznych na architekta i strażnika ograniczonej przepustowości poznawczej organizacji. Menedżer roku 2030, świadomy tego, że to on sam, wraz z nielicznym gronem decydentów, stanowi rzeczywiste wąskie gardło systemu, którym zarządza, podejmuje decyzje o swoim czasie i uwadze z taką samą dyscypliną analityczną, jaką klasyczny lider Lean stosował wobec zarządzania przepustowością maszyny będącej ograniczeniem linii produkcyjnej.

Oznacza to systematyczną odmowę angażowania się w decyzje, które mogą zostać podjęte przez system autonomiczny działający w granicach zdefiniowanego i zweryfikowanego zaufania, świadome delegowanie decyzji o niższym ryzyku do innych członków zespołu zdolnych do ich podjęcia, oraz konsekwentne rezerwowanie własnej ograniczonej przepustowości poznawczej dla decyzji rzeczywiście wymagających jej zaangażowania: sytuacji wyjątkowych, decyzji o istotnych konsekwencjach prawnych lub etycznych oraz sytuacji wymagających budowania legitymizacji organizacyjnej wobec interesariuszy wewnętrznych i zewnętrznych.

Menedżer odgrywający tę rolę musi jednocześnie rozwijać zdolność, którą można określić jako metapoznanie decyzyjne, świadomość własnych ograniczeń poznawczych, zdolność do rozpoznawania momentów, w których zmęczenie lub przeciążenie informacyjne obniża jakość podejmowanych decyzji, oraz gotowość do budowania mechanizmów kompensujących te ograniczenia, zamiast polegania wyłącznie na własnej intuicji co do momentu, w którym jego decyzje przestają być optymalne. Ta forma samoświadomości, rzadko rozwijana w klasycznych programach rozwoju kadry menedżerskiej w przemyśle, staje się jedną z najbardziej wartościowych kompetencji przywódczych najbliższej dekady.

Zarządy przedsiębiorstw produkcyjnych, planując inwestycje technologiczne na najbliższą dekadę, powinny zadać sobie pytanie fundamentalnie różne od tego, które dominowało w poprzedniej fali transformacji cyfrowej. Pytanie to nie brzmi już, jaką technologię wdrożyć, aby zwiększyć poziom automatyzacji procesów produkcyjnych, ponieważ na to pytanie rynek dostawców technologii oferuje dziś odpowiedzi w liczbie przekraczającej zdolność jakiejkolwiek organizacji do ich pełnego wykorzystania. Pytanie, które powinno stać się centralnym elementem strategii operacyjnej, brzmi: gdzie w naszej organizacji znajduje się dziś rzeczywiste wąskie gardło przepustowości i czy jest nim wciąż zasób fizyczny lub technologiczny, czy już zasób ludzki, którego przepustowości nie da się zwiększyć w tym samym tempie i w ten sam sposób, w jaki zwiększa się przepustowość maszyny lub systemu informatycznego.

Organizacje, które udzielą sobie szczerej odpowiedzi na to pytanie, odkryją prawdopodobnie, że dalsza automatyzacja procesów, które nie stanowią rzeczywistego ograniczenia ich systemu, generuje koszt bez proporcjonalnego wzrostu wartości, podczas gdy inwestycja w rozwój kompetencji, architekturę decyzyjną i budowanie zaufania organizacyjnego do systemów autonomicznych – obszary tradycyjnie traktowane jako miękkie i trudne do uzasadnienia w klasycznym rachunku zwrotu z inwestycji – stanowi dziś rzeczywistą dźwignię przepustowości całej organizacji. Jest to argument za tym, aby organizacje przestały traktować człowieka jako element systemu produkcyjnego, który technologia stopniowo eliminuje, a zaczęły traktować go jako zasób strategiczny, którego przepustowość, poznawcza, decyzyjna, wymaga tej samej dyscypliny zarządzania, analitycznej precyzji i strategicznej uwagi zarządu, jaką przez dekady poświęcano zarządzaniu przepustowością maszyn.

To właśnie dlatego człowieka nie da się zautomatyzować, nie dlatego, że technologia nie jest wystarczająco zaawansowana, lecz dlatego, że rola, którą człowiek odgrywa w systemie produkcyjnym przyszłości, przestaje być rolą wykonawczą, a staje się rolą, która z definicji wymaga podmiotu zdolnego do osądu, odpowiedzialności i zrozumienia realiów w sposób pozostający wyłączną domeną ludzkiego umysłu.