Wstęp
Ósma strata Lean, czyli niewykorzystany potencjał ludzi, najczęściej kojarzy się z pomysłami, których nikt nie słucha, albo z wiedzą pracowników, która nigdy nie trafia do systemu. W praktyce ten problem jest jednak dużo szerszy.
W wielu organizacjach potencjał ludzi marnuje się codziennie nie dlatego, że pracownicy nie mają kompetencji, zaangażowania czy pomysłów. Marnuje się dlatego, że ich czas pochłaniają czynności, które nie wymagają głębokiego myślenia, doświadczenia ani kreatywności.
Ręczne raportowanie. Przygotowywanie prezentacji. Przepisywanie danych między systemami. Szukanie informacji w mailach, plikach i arkuszach. Zbieranie statusów. Analiza problemów dopiero wtedy, gdy skutki są już widoczne w wynikach.
To wszystko powoduje, że ludzie, którzy mogliby realnie doskonalić procesy, stają się operatorami administracyjnego chaosu.
I właśnie tutaj Lean zaczyna łączyć się z nowoczesną technologią. Czasem będzie to AI, czasem dobrze zaprojektowana automatyzacja, a czasem po prostu sensowne reguły systemowe, które porządkują przepływ informacji i zdejmują z ludzi powtarzalną pracę.
Lean pomaga zobaczyć, gdzie naprawdę powstaje strata. Technologia może przejąć część działań, które nie tworzą wartości, ale codziennie zabierają uwagę zespołu.
Nie po to, aby zastąpić ludzi. Po to, aby uwolnić ich potencjał.
Technologia ma największy sens wtedy, gdy usuwa z codziennej pracy czynności, które zabierają uwagę, ale nie wykorzystują doświadczenia ludzi. W Lean nie chodzi o automatyzowanie wszystkiego, tylko o świadome eliminowanie marnotrawstwa tam, gdzie zespół realnie traci czas.
Dlatego dobre wdrożenie AI lub automatyzacji nie zaczyna się od wyboru narzędzia. Zaczyna się od prostych pytań: które raporty powstają ręcznie, gdzie dane są rozproszone, kto przepisuje informacje między systemami i w którym miejscu decyzje są podejmowane zbyt późno.
Dopiero wtedy można zaprojektować rozwiązanie, które faktycznie pomaga: pobiera dane, porządkuje informacje, oznacza odchylenia, generuje podsumowania i wspiera zespół w przejściu od raportowania do działania. Człowiek nadal decyduje, ale nie musi tracić energii na składanie procesu z fragmentów.
Czym jest 8. strata Lean?
W klasycznym podejściu Lean mówimy o siedmiu rodzajach marnotrawstwa: nadprodukcji, oczekiwaniu, transporcie, nadmiernym przetwarzaniu, zapasach, zbędnym ruchu i błędach. Z czasem coraz częściej zaczęto dodawać ósmą stratę — niewykorzystany potencjał ludzi.
To sytuacja, w której organizacja nie korzysta w pełni z wiedzy, doświadczenia, pomysłów i zdolności swoich pracowników.
Może to oznaczać, że operatorzy widzą problemy na linii, ale nikt ich systemowo nie zbiera. Liderzy poświęcają godziny na raporty, zamiast pracować z zespołem. Inżynierowie analizują dane ręcznie, zamiast szukać przyczyn źródłowych. Specjaliści przepisują informacje między narzędziami, chociaż mogliby projektować lepsze procesy.
To nie jest tylko problem produktywności. To problem kultury organizacyjnej.
Jeżeli ludzie przez większość dnia wykonują powtarzalną, niskowartościową pracę, trudno oczekiwać od nich ciągłego doskonalenia, kreatywności i zaangażowania.
“Największą stratą nie jest to, że raport powstaje zbyt długo. Największą stratą jest to, że osoba, która najlepiej rozumie proces, zamiast go doskonalić, przez godzinę formatuje tabelę.”
Gdzie najczęściej marnujemy potencjał ludzi?
W wielu firmach problem nie polega na tym, że pracownicy nie chcą usprawniać procesów. Problem polega na tym, że nie mają na to przestrzeni.
Ich dzień wypełniają czynności, które są potrzebne, ale niekoniecznie powinny być wykonywane ręcznie.
Raporty tworzone dla samego raportowania
Codzienne, tygodniowe i miesięczne raporty często pochłaniają dużo czasu, szczególnie jeśli dane trzeba pobierać z kilku systemów, oczyszczać, formatować i opisywać ręcznie.
W efekcie osoba, która najlepiej rozumie proces, spędza czas na przygotowaniu tabeli, zamiast na interpretacji wyników i rozmowie o działaniach korygujących.
Prezentacje zamiast rozwiązywania problemów
Prezentacje często stają się głównym nośnikiem informacji w organizacji. Problem w tym, że ich przygotowanie potrafi trwać dłużej niż sama analiza.
AI może pomóc przekształcić surowe dane, notatki i statusy projektowe w czytelne podsumowania, propozycje slajdów i rekomendacje działań.
Ręczne zbieranie danych
Dane są często rozproszone: część znajduje się w systemie ERP, część w Excelu, część w mailach, część w formularzach, a część w głowach pracowników.
Taki model powoduje, że organizacja widzi problem dopiero wtedy, gdy ktoś poświęci czas na zebranie i uporządkowanie informacji.
Zbyt późne wykrywanie odchyleń
Jeżeli problemy są analizowane dopiero na koniec zmiany, tygodnia lub miesiąca, firma reaguje z opóźnieniem. W Lean zależy nam na szybkim wykrywaniu odchyleń i działaniu jak najbliżej miejsca powstawania problemu.
AI może wspierać wcześniejsze wychwytywanie sygnałów ostrzegawczych, podpowiadać anomalie i wskazywać obszary wymagające uwagi.
To bardzo dobrze łączy artykuł z ofertą Logra, bo na stronie proces zaczyna się od rozmowy i diagnozy: gdzie zespół traci czas, jakie dane są dostępne i który proces warto poprawić jako pierwszy
AI jako warstwa interpretująca codzienną pracę
W praktyce wiele firm nie potrzebuje od razu dużej transformacji technologicznej. Często największy efekt daje uporządkowanie jednego procesu, który codziennie zabiera zespołowi najwięcej czasu.
Może to być raport tworzony ręcznie co tydzień. Dane rozrzucone między Excelem, CRM, ERP i skrzynką mailową. Statusy zbierane od kilku osób. Albo problem, o którym firma dowiaduje się dopiero wtedy, gdy reakcja jest już kosztowna.
Sama automatyzacja może pomóc zebrać dane, połączyć systemy, wygenerować raport i wysłać go o ustalonej godzinie. To ważny krok, ale często nadal nie rozwiązuje najważniejszego problemu: ktoś musi te informacje przeczytać, zrozumieć, porównać z kontekstem i zdecydować, co wymaga reakcji.
W tym miejscu pojawia się praktyczna rola AI.
Dobrze zaprojektowana warstwa AI może nie tylko przygotować raport, ale także pomóc go zinterpretować. Może wskazać, które zmiany są istotne, które odchylenia powtarzają się od kilku okresów, które problemy mogą mieć wspólną przyczynę i które obszary wymagają decyzji człowieka.
AI może również działać jako system wczesnego ostrzegania. Na podstawie danych z produkcji, sprzedaży, jakości, reklamacji, terminowości lub obciążenia zespołu może wychwytywać sygnały, które pojedynczo wyglądają niegroźnie, ale razem wskazują na nadchodzący problem.
Przykładowo: rośnie liczba drobnych opóźnień, zwiększa się liczba poprawek, pojawia się więcej reklamacji z jednej kategorii, spada terminowość dostaw albo jeden etap procesu zaczyna coraz częściej blokować kolejne działania. Zwykły raport pokaże dane. AI może pomóc zauważyć wzorzec, opisać ryzyko i zasugerować, gdzie warto spojrzeć najpierw.
To nie oznacza, że AI zastępuje lidera, inżyniera czy specjalistę. Człowiek nadal podejmuje decyzję, ocenia kontekst i bierze odpowiedzialność za działanie. Różnica polega na tym, że nie zaczyna od przeglądania surowych danych, tylko od uporządkowanej interpretacji, listy alertów i wskazania obszarów wymagających uwagi.
W takim podejściu Lean wskazuje stratę, automatyzacja porządkuje przepływ danych, a AI pomaga szybciej zrozumieć, co z tych danych wynika.
Przykład: raport, który nie tylko powstaje automatycznie, ale pomaga szybciej reagować
Wyobraźmy sobie firmę, w której lider lub specjalista regularnie przygotowuje raport operacyjny. Dane trzeba pobrać z kilku źródeł, sprawdzić ich spójność, uzupełnić brakujące informacje, porównać wynik z poprzednim okresem i przygotować krótkie podsumowanie dla zespołu lub zarządu.
Sam raport jest potrzebny. Problemem jest sposób jego przygotowania oraz to, że często pokazuje problem dopiero wtedy, gdy ten już zdążył wpłynąć na wynik.
Jeżeli osoba z doświadczeniem spędza większość czasu na kopiowaniu danych, formatowaniu tabel i ręcznym opisywaniu oczywistych zmian, to jej potencjał nie jest wykorzystywany najlepiej. Jeszcze większą stratą jest sytuacja, w której dane są dostępne, ale nikt nie ma czasu regularnie ich analizować i wychwytywać słabych sygnałów ostrzegawczych.
W podejściu wspieranym przez automatyzację i AI raport może powstawać na kilka sposobów. Może generować się automatycznie według kalendarza, na przykład codziennie rano, co tydzień przed spotkaniem zespołu albo po zamknięciu miesiąca. Może być tworzony na kliknięcie, kiedy manager potrzebuje aktualnego podsumowania. Może też uruchamiać się po konkretnym zdarzeniu, na przykład gdy pojawi się odchylenie, nowy plik z danymi, reklamacja albo przekroczenie ustalonego progu.
Automatyzacja pobiera dane, łączy źródła i przygotowuje strukturę raportu. AI może pójść krok dalej: opisać najważniejsze zmiany prostym językiem, wskazać nietypowe odchylenia, pogrupować podobne problemy, porównać sytuację z poprzednimi okresami i zasugerować możliwe przyczyny.
Taki system może też generować alerty. Nie tylko wtedy, gdy przekroczony zostanie prosty próg, ale również wtedy, gdy pojawi się niepokojący trend: coraz częstsze opóźnienia, narastająca liczba poprawek, powtarzające się reklamacje, spadek wydajności konkretnego etapu albo kombinacja kilku sygnałów, które razem zwiększają ryzyko problemu.
Dzięki temu raport przestaje być tylko dokumentem opisującym przeszłość. Staje się narzędziem do szybszego zarządzania: pokazuje, co się wydarzyło, co może się wydarzyć za chwilę i gdzie warto skierować uwagę zespołu.
Człowiek nadal zatwierdza wnioski, dodaje kontekst i podejmuje decyzje. Różnica polega na tym, że nie zaczyna od pustej tabeli, tylko od uporządkowanej informacji, interpretacji i alertów, które pomagają działać wcześniej.
To właśnie jest praktyczne ograniczanie ósmej straty Lean: mniej czasu na ręczne składanie informacji, więcej czasu na analizę, decyzje i doskonalenie procesu.