AI-problem beror ofta på processbrister
Företag kan använda AI för att lösa problem som egentligen orsakas av dåliga affärsprocesser. Många AI-projekt har misslyckats på grund av oklart affärsvärde och höga kostnader.
Många företag upptäcker att införandet av AI inte löser problem, utan snarare snabbar upp felaktiga processer. Gartner förutspådde att upp till 30 procent av generativa AI-projekt kommer att överges efter konceptbevisningen i slutet av 2025, på grund av dålig data, oklart affärsvärde och ökande kostnader.
En MIT-rapport från 2025 bekräftade samma observation: de flesta företags AI-initiativ har ännu inte gett mätbara resultat på resultaträkningen. Detta understryker behovet av att förstå de grundläggande orsakerna till ett problem innan man överväger automatisering.
Som en lösning på denna utmaning föreslås tillämpningen av två etablerade metoder: GEMBA-promenader och Crucial Conversations. GEMBA-promenader hjälper ledare att se verkligheten på plats, medan Crucial Conversations förbättrar ärlig kommunikation mellan anställda.
GEMBA, som betyder "den faktiska platsen" på japanska, innebär att man går till platserna där arbetet sker och förstår skapandet av kundvärde. Denna princip, som är nära kopplad till Toyotas produktionssystem och "genchi genbutsu"-metoden (gå och se själv), uppmanar ledare att själva observera och fråga efter orsaker.
Om till exempel en månadsrapport visar försenade leveranser av kundorder, kan den vanligaste antagandet vara att produktionen har saktat ner. En GEMBA-promenad kan dock avslöja de verkliga orsakerna, såsom väntetid på material, förseningar i inköp eller ständigt skiftande försäljningsprognoser, som faktiskt bromsar processen.