Прошу прощения за долгое отсутствие новых статей и материалов. Очень много времени заняла подготовка к Практикуму.

НО! Сейчас готовится к выпуску web-версия инструкции по анализу LTD Chart и LT Scatterplot. Оказалось, что многим удобнее пользоваться форматом статьи, а не PDF

А так же недели через 1.5 выпущу второй материал про опережающие метрики в Канбан-методе. Первая статья на эту тему уже была ранее

#анонс

Во время Практикума обнаружился казус 🥵 Оказалось, что диаграмма CFD на скрине - перевернутая. То есть статус "закрыто" наверху, а статус "открыто" - внизу 😱🙈

Но участники не растерялись, и - имея на руках исходные данные - построили правильный CFD и нашли столько выводов и инсайтов, сколько только было возможно!

После этого мы перепроверили наши выводы с помощью ИИ-инструмента

Кайфую от участников! Не растерялись, собрались, пришли сообщили, сами поправили и нашли массу полезностей!
Люблю вас ребята! ❤️❤️

#практикум

Статья про анализ LTD Chart по мотивам моей PDF-инструкции

Многим удобнее дать ссылку на статью, чем переслать PDF.
Пользуйтесь

PS до этого была статья про анализ CFD

#канбанпросто

Тут Кайтен мою статью опубликовал.

Про принятие управленческих решений на основе Канбан - метрик.

Думаю вам будет интересно
https://kaiten.ru/blog/kanban-metriki-for-managers/

#канбанпросто

Запись вебинара "Как менеджеру узнать срок выполнения задачи, не отвлекая подчиненных, и ошибиться всего на 15%?"

https://rutube.ru/video/f00374f65ceddfb2ba7da0e00b688b7a/

Распространяйте среди ваших менеджеров, которые по старинке меряют сроки линейкой экспертно в человеко-часах, умножают на число Пи и прибавляют 20%. И все равно не укладываются в прогноз 🤷‍♂️

Они вечно в огне, руководство ими вечно недовольно. Разработчики не хотят ходить на планирование. И вообще все плохо. 🙈😭

Но есть выход! Попадать в прогноз с вероятностью 85%! Как? Смотрите вебинар

PS Ссылка на презентацию - в описании под видео на Rutube

#канбанпросто

Данные в действии

Спасибо тем, кто откликнулся на предыдущий пост 🤝

ИТОГО:
1) 15 человек выразили желание поучаствовать в повторе недавнего практикума. Значит будем выбирать дату, и проведем.

2) 3 человека готовы предоставить свои данные для "турнира". На следующей неделе постараюсь связаться с каждым, посмотрим на степень готовности данных, и ограничения. Выберем тот вариант которые требует минимальной "дошлифовки" и назначим дату турнира.

Не переключайте канал, следите за анонсами 😊

Извините 😂😂😂
Но, кажется, это очень смешно 😂😂

Почему ваши сотрудники до сих пор не используют ИИ?

🚨 McKinsey бьет тревогу: 94% рядовых сотрудников уже знакомы с ИИ-инструментами, но только 4% активно применяют их в работе. В чем реальная причина отставания?

🚧 Главный барьер — не технологии, а менеджмент

1️⃣ Парадокс готовности
Сотрудники в 3 раза активнее используют ИИ, чем кажется руководству. Миллениалы (35-44 года) лидируют — 62% уже уверенно владеют ИИ-инструментами.

2️⃣ Слепые зоны управления
Компании тратят миллионы на ИИ, но экономят на обучении сотрудников в освоении ИИ. 20% сотрудников вообще не получают от компании поддержки в области ИИ. Из-за этого сотрудники не используют best practices, и освоение ИИ идет методом проб и ошибок, что серьезно замедляет процесс.

3️⃣ Агентный прорыв
Уже сейчас Salesforce и Google с помощью ИИ-автоматизации реализуют целые бизнес-сценарии — от обработки запроса до оформления доставки. Но без перестройки рабочих процессов под ИИ эти возможности реализуются в ограниченном периметре, не масштабируются, и не дают существенной экономии или выигрыша в эффективности.

Что McKinsey предлагает делать руководителям прямо сейчас?
🔍 Исследуйте реальный уровень использования ИИ в командах
📈 Введите регулярное микрообучение ИИ для прикладных задач
🎯 Добавьте в KPI менеджеров метрики внедрения ИИ в подразделении

Подробный разбор барьеров и кейсов — в исследовании McKinsey: Сверхвозможности на рабочем месте

P.S. Самый болезненный вопрос — как перевести пилотные ИИ-проекты в production? Об этом в следующем посте

P.P.S. Больше полезных материалов в канале "Менеджер на Перезагрузке"

Так, хватит про прекрасный мир ИИ-будущего.

Давайте определяться с датами повтора недавнего Практикума-2.0 (с тем же набором данных)

Напоминаю, что Практикум-2.0 проводится в два занятия по 2 часа вечером.

Ниже варианты дат, которые мне доступны.
Можно выбрать несколько.

Голосуем 👇

Итак.
В конкурсе дат на повторное проведение Практикума побеждает 2, 3 сентября.

Значит эти даты и возьмём в работу 🤝

MIT: 95% ИИ-пилотов — провал? Или кто тут не дочитал?

Недавно новостные ленты облетела пугающая цифра:
Отчет MIT "STATE OF AI IN BUSINESS 2025" показывет — 95% AI-пилотов в бизнесе не дали ни прибыли, ни пользы.

Заголовки кричат громче самих отчётов:

- Fortune: "An MIT report that 95% of AI pilots fail spooked investors"
- РБК: "95% пилотных проектов по генеративному ИИ проваливаются"
- Forbes: "От хайпа к реальности: почему ИИ-проекты буксуют"
- Habr: "Отчёт MIT: 95% пилотов генеративного ИИ терпят неудачу"

Все облегченно вздохнули:
- Senior-разработчики — "наконец-то перестанут заставлять писать код с ИИ"
- Копирайтеры увидели свет в конце тоннеля
- Бухгалтеры поняли: "Excel ещё рано хоронить"

McKinsey со своими рассказами о том, что главный тормоз ИИ-трансформации - это менеджеры, оказались посрамлены.

Все бы так и забыли про эту "сенсацию", но тут вскрылся нюанс:
Если дочитать MIT-отчёт дальше 2-й страницы, оказывается, что всё не так однозначно.
————————————-
Кейс из жизни

Вчера общался с другом — ИТ-директором крупного банка.
Классика жанра:
- Есть централизованное подразделение, которое «спускает сверху» своих ИИ-ассистентов;
- В банке запрещены облачные ИИ (безопасность!), а локальные версии постоянно отстают от возможностей облачных версий;
- Сотрудники тихонько используют облачные ИИ «из-под полы», потому что только там есть нужные фичи;
- Официальные корпоративные ИИ народ использует только в крайнем случае, а ждать, когда их «дообновят», уже стало локальным корпоративным спортом.

В итоге «официальная» ИИ-революция топчется на месте, а неофициальная — идёт полным ходом.
————————————-

Главная мысл отчета MIT (если прочитать все 26 страниц)

Менеджмент медленно и печально внедряет ИИ "сверху", а реальная ИИ-революция уже сейчас происходит снизу, и менеджмент её часто не замечает или предпочитает делать вид, что ее нет.
Всё, как в отчёте McKinsey: сотрудники сами находят нужные инструменты, потому что «инициатива сверху» не успевает за жизнью.

Для любознательных

Вот статья-разбор отчета MIT для тех, кто реально читает отчёты до конца, а не только заголовки:
https://venturebeat.com/ai/mit-report-misunderstood-shadow-ai-economy-booms-while-headlines-cry-failure/

Сам отчет MIT приложу следующим сообщением
—————
А как у вас?

ИИ спускают сверху или “подпольщики” уже решают реальные задачи?
Пишите, у кого как этот “пилот” летает (или падает)! 👇