Lean, Six Sigma, Agile, en nu: intelligentie managen

Elk tijdperk in het bedrijfsleven had een discipline die bepaalde hoe goede organisaties werkten. Geen tool en geen leverancier, maar een manier van denken die de bedrijven die zichzelf onder controle hadden scheidde van de bedrijven die dat niet hadden.

Lean bracht het managen van verspilling. Six Sigma bracht het managen van variatie. Agile bracht het managen van verandering. Er vormt zich nu een vierde, en het onderwerp is intelligentie: hoe een organisatie wat zij weet omzet in beslissingen waarnaar zij kan handelen. Noem het tijdperk AI Native. De discipline eronder is het managen van intelligentie.

Vier opeenvolgende tijdperken, elk met een eigen definiërende discipline.

Het is verleidelijk om deze vier te lezen als één traditie die zich in een rechte lijn ontwikkelde. Dat deden ze niet. Lean en Six Sigma kwamen uit de maakindustrie. Agile kwam uit software. Het managen van intelligentie komt uit data. Het is geen bloedlijn. Het zijn de definiërende disciplines van vier opeenvolgende tijdperken, en dat is de sterkere claim, want het betekent dat het patroon standhoudt op volledig verschillend terrein.

En er is een patroon. Het is het deel dat bijna iedereen mist, omdat het onder het deel zit dat iedereen zich herinnert.

De beroemde helft en de moeilijke helft

Elk van deze disciplines wordt herinnerd om hoe zij een output managet. Verspilling, variatie, verandering, intelligentie. Maar geen van hen werkte ooit direct aan die output. Elke discipline legde eerst rigueur op aan de laag eronder, en dat weinig glamoureuze substraatwerk was de eigenlijke discipline. De beroemde helft kreeg de naam. De moeilijke helft deed het werk.

Elke beroemde output rust op een substraat dat de discipline liet werken.

Lean wordt herinnerd om het elimineren van verspilling. Maar je kunt geen verspilling elimineren die je niet ziet, en de meeste verspilling is onzichtbaar tot het proces zichtbaar wordt gemaakt. Het echte werk van Lean was dus nooit de eliminatie. Het was gestandaardiseerd werk en value-stream mapping: een vaag, variabel, tribaal proces omzetten in een gedocumenteerde standaard waar je daadwerkelijk naar kon kijken. Zodra het proces zichtbaar en afgesproken was, viel de verspilling van zichzelf op. Het substraat was een gedisciplineerd, zichtbaar proces. Haal dat weg, en Lean is een poster aan de muur.

Six Sigma wordt herinnerd om het terugbrengen van variatie tot bijna niets. Maar voordat je variatie kunt verkleinen, moet je haar kunnen meten en die meting kunnen vertrouwen. Daarom komt de M in DMAIC vóór de I, en daarom bestaat measurement systems analysis: een Six Sigma-project besteedt echte moeite aan het aantonen dat het meetinstrument betrouwbaar is voordat het het proces aanraakt. Variatie verkleinen waarvan je de meting niet kunt vertrouwen is slechter dan niets doen. Het substraat was betrouwbare meting. Haal dat weg, en elke verbetering staat op een getal dat ruis kan zijn.

Agile wordt herinnerd om het managen van verandering via korte iteraties. Maar je kunt niet sturen op verandering die je niet snel en eerlijk ziet. De echte discipline was dus de feedbackloop: werkende software aan het eind van elke sprint als het enige, actuele, onweerlegbare signaal van waar het echt staat. Documentatie kon liegen, plannen konden afdrijven, werkende software aan het eind van een sprint niet. Het substraat was een eerlijk, actueel signaal van de stand van zaken. Haal dat weg, en Agile wordt een set vergaderingen.

In alle drie dezelfde vorm. De output die de discipline beroemd maakte, rustte op een substraat dat de discipline liet werken. En in alle drie kregen de organisaties die het substraat oversloegen het vocabulaire zonder het resultaat.

Het substraat van intelligentie is betekenis

Het managen van intelligentie is niet anders, en ook haar substraat heeft een naam. Betekenis.

Wil een AI omzetten wat een organisatie weet in een beslissing waarnaar zij kan handelen, dan moet de kennis eronder eerst gedisciplineerd zijn. Dat betekent definities die standhouden in de hele organisatie, zodat omzet één ding is en niet vier. Het betekent data die je kunt vertrouwen, met de betrouwbaarheid van elke bron expliciet gemaakt in plaats van aangenomen. Het betekent helder eigenaarschap, zodat elk getal iemand heeft die er verantwoordelijk voor is. En het betekent bestuurde context waarover een AI kan redeneren zonder te verzinnen wat zij niet weet.

Elk van deze punten valt netjes samen met een substraatdiscipline van vóór dit tijdperk. Een gedeelde definitie is het gestandaardiseerde werk van nu: de afgesproken standaard die de rest leesbaar maakt. Een datacontract is de measurement systems analysis van nu: de expliciete garantie dat de meting te vertrouwen is voordat er iets op gebouwd wordt. Helder eigenaarschap is de process owner van nu: de benoemde verantwoordelijkheid zonder welke een standaard stil verval intreedt. Het managen van intelligentie leent niet het prestige van deze disciplines. Het doet hetzelfde als zij deden, op het substraat dat nu telt.

Hoe het eruitziet als je het substraat overslaat

De mislukking is makkelijk te herkennen zodra je de vorm kent, want ze gebeurt in de meeste organisaties die eerst naar AI grepen.

Er wordt een pilot gebouwd. Die demonstreert prachtig op een gecureerde slice data, en knapt dan op productiedata, omdat die gecureerde slice elke onenigheid in de onderliggende betekenis verborg. Twee afdelingen stellen dezelfde vraag en krijgen twee antwoorden, omdat elk de kernterm anders definieert en geen van beide weet dat de ander dat doet. Het model, gevraagd te redeneren over betekenis die nooit is afgesproken, vult het gat op de enige manier die het kan: door een definitie te verzinnen die plausibel klinkt. En aan het eind staat een getal dat goed demonstreert en dat niemand ondertekent, omdat niemand kan herleiden waar het vandaan komt of het kan verdedigen voor een board.

Een substraatfout, geen modelfout: niet-afgesproken betekenis levert twee antwoorden op dezelfde vraag.

Niets hiervan is een modelfout. Het model doet precies wat gevraagd is. Het is een substraatfout, en het directe, voorspelbare gevolg van het managen van de output vóór het disciplineren van de laag eronder. Elk tijdperk had zijn versie hiervan. Dit is de onze.

Intelligentie managen als praktijk

Als sequentie uitgesproken is de discipline bijna saai, en zo weet je dat ze echt is. Krijg de processen recht. Spreek de definities af. Maak de data betrouwbaar, met haar betrouwbaarheid expliciet. Pas daarna intelligentie erbovenop.

De volgorde is de les: disciplineer het substraat voordat je de output managet.

Een quality engineer herkent die volgorde direct, want het is dezelfde volgorde waarop elke operationele discipline heeft gestaan. Definieer voordat je meet. Meet voordat je verbetert. Disciplineer het substraat voordat je de output managet. De sequentie is geen kwestie van smaak of een nice-to-have die een snel team onder deadline mag overslaan. Het is de hele les, samengeperst: de output kan niet gemanaged worden tot het substraat gedisciplineerd is, en elke poging de volgorde om te draaien produceert de mislukking hierboven.

Dit is de discipline waarvoor Datahub is gebouwd. Het managen van betekenis, zodat intelligentie erbovenop gemanaged kan worden.

Het tegenargument dat een antwoord verdient

Een aandachtige lezer duwt hier terug. Is dit niet gewoon data governance met een nieuwe naam?

Nee, en het verschil doet ertoe. Governance disciplineert het substraat. Dat is noodzakelijk, en precies het weinig glamoureuze werk dat hierboven staat. Maar een perfect bestuurd datawarehouse zet uit zichzelf niet om wat een organisatie weet in beslissingen waarnaar zij kan handelen. Governance is de substraatdiscipline. Het managen van intelligentie is wat je met de output doet zodra dat substraat betrouwbaar is. Governance is noodzakelijk en niet voldoende, precies zoals betrouwbare meting noodzakelijk en niet voldoende is voor Six Sigma. De twee verwarren is hoe organisaties eindigen met onberispelijke catalogi waarmee niemand iets beslist.

Het andere redelijke tegenargument is dat AI Native een toestand benoemt en geen praktijk, zoals cloud native. Dat is terecht, en daarom is het waard het tijdperk en de discipline te scheiden. AI Native is het tijdperk. Het managen van intelligentie is de discipline die daarbinnen wordt gepraktiseerd, en die is volledig concreet: definities, contracten, eigenaarschap, en redeneren dat daarop gebouwd is.

Het punt

Het managen van intelligentie is geen breuk met Lean, Six Sigma en Agile. Het is de volgende vermelding in dezelfde logica, toegepast op het substraat dat nu telt. Zelfde vorm, nieuw terrein. Het weinig glamoureuze werk, eerst gedaan, zodat de output überhaupt gemanaged kan worden.

Elk tijdperk leerde de les op de harde manier, door te zien hoe de organisaties die het substraat oversloegen het vocabulaire kregen en niets van het resultaat. Dit tijdperk leert het ook. De enige vraag is of een organisatie het leert vóór of na haar eerste AI-project dat een getal oplevert dat niemand ondertekent.

Het substraat heeft een naam. Disciplineer het eerst.

Betekenis.

Verder lezen: het denkraam onder deze discipline staat uitgewerkt in Het bedrijfsbrein: waar de kennis van je organisatie gaat wonen.