Tại sao Chuyển đổi số thất bại: Đó là một vấn đề về Trí tuệ vận hành, không phải về Công nghệ

Mỗi chương trình chuyển đổi bắt đầu bằng một sơ đồ quy trình, sơ đồ bơi, các quy trình đã được ghi lại, và niềm tin chung rằng tổ chức hiểu cách công việc của chính nó di chuyển.

Niềm tin đó gần như luôn luôn sai và chi phí để phát hiện ra điều đó giữa chừng trong quá trình chuyển đổi hiếm khi nhỏ. Hãy hỏi TSB.

Vào tháng 4 năm 2018, TSB đã chuyển đổi 1,3 tỷ hồ sơ khách hàng từ nền tảng Lloyds cũ sang hệ thống mới do công ty mẹ Tây Ban Nha của họ, Sabadell, xây dựng. Trong vòng 48 giờ, 1,9 triệu khách hàng bị khóa khỏi tài khoản của họ.

ThêmCâu chuyện

                                    Trong sự phòng vệ thận trọng của Air Peace

Ngày 9 tháng 5, 2026

                                    Sửa chữa vấn đề thực sự của hệ thống tái chế SIM của Nigeria

Ngày 7 tháng 5, 2026

Khách hàng vay thế chấp có thể thấy số dư của người khác. Các tài khoản doanh nghiệp bị truy cập trong nhiều tuần.

Chi phí vượt quá 330 triệu bảng. Giám đốc điều hành từ chức. Một cuộc xem xét sau đó phát hiện ra rằng quá trình chuyển đổi đã tiến hành mà không hiểu rõ các mối liên hệ phụ thuộc lẫn nhau giữa các quy trình hiện tại của TSB và kiến trúc hệ thống mới. Công nghệ hoạt động tốt nhưng không ai đã lập bản đồ những gì nó dự kiến sẽ xử lý. Vấn đề có một tên, và nó chính xác hơn hầu hết các tổ chức nhận thức.

Chất lượng Thông minh Vận hành là gì?

Thông minh vận hành lấy một bức tranh chính xác về dữ liệu về cách công việc thực sự di chuyển qua các quy trình, hệ thống, quyết định và con người, từ các hệ thống đã tồn tại. Nó trả lời các câu hỏi mà không cuộc phỏng vấn hay hội thảo nào có thể trả lời đáng tin cậy: Các con đường công việc thực sự đi qua là gì? Nơi nào trì hoãn tích tụ, và tại sao? Các quyết định đang được đưa ra ở những điểm nào, bởi ai, và với mức độ nhất quán ra sao? Không có nó, ba điều xảy ra một cách đáng tin cậy. Các nhóm tự động hóa các quy trình chưa xác định rõ ràng. Họ số hóa các điểm tắc nghẽn. Họ mở rộng các bất cập trên các nền tảng.

Lớp Dữ liệu

Vật liệu thô của thông minh vận hành là dữ liệu sự kiện. Mọi hệ thống doanh nghiệp: ERP, CRM, quản lý hồ sơ, quản lý đơn hàng đều ghi nhật ký sự kiện. Mọi thay đổi trạng thái, kích hoạt phê duyệt, và cập nhật hồ sơ đều để lại dấu thời gian. Những dấu thời gian này, liên kết bằng một định danh hồ sơ, chứa một bản ghi đầy đủ về hành vi vận hành thực tế. Dữ liệu đã tồn tại trong các hệ thống mà tổ chức đã vận hành. Điều thường không tồn tại là thực hành xem nó như một đầu vào chính cho chiến lược chuyển đổi thay vì một sản phẩm phụ của tuân thủ.

Từ một nhật ký sự kiện sạch, các công cụ khai thác quy trình như Celonis, UiPath Process Mining, và SAP Signavio tái tạo các con đường quy trình thực tế, cho thấy nơi trì hoãn tập trung, và so sánh hành vi thực tế với các mô hình đã được ghi lại. Khoảng cách giữa những gì sơ đồ quy trình thể hiện và những gì nhật ký sự kiện thể hiện hiếm khi là nhỏ. Các phê duyệt trông tự động trong sơ đồ có thể liên quan đến ba chuỗi email và một bảng tính mà không ai chính thức phê duyệt. Khi DHL áp dụng khai thác quy trình vào hoạt động thông quan hải quan của mình, họ không tìm thấy các điểm tắc nghẽn mà các quản lý mong đợi. Hầu hết các trì hoãn không nằm trong thời gian xử lý. Chúng nằm trong độ trễ quyết định, khoảng cách giữa việc hồ sơ đến điểm quyết định và quyết định thực sự được đưa ra.

Phân biệt đó rất quan trọng. Hầu hết các chương trình chuyển đổi tập trung vào khả năng nhìn thấy quy trình: nơi mọi thứ đang ở trong dòng chảy. Khả năng nhìn thấy quyết định còn đi xa hơn. Điểm quyết định là nơi dòng công việc phân nhánh, và việc chồng các thuộc tính hồ sơ lên các nhánh đó tiết lộ các yếu tố điều khiển việc lựa chọn con đường và liệu sự quản lý đó có nhất quán giữa các nhóm và theo thời gian hay không. Nó cho biết các con đường ngoại lệ tiêu thụ năng lực không cân xứng và cách các quy trình thực tế hành xử so với giả định của các kiến trúc sư quy trình.

Thông minh Vận hành và Sẵn sàng AI

Đây là nơi các rủi ro cao nhất, và nơi trình tự kém gây ra thiệt hại lớn nhất. Một mô hình học máy được huấn luyện để tự động hóa các quyết định định tuyến sẽ hoạt động tốt nếu dữ liệu huấn luyện phản ánh chính xác logic quyết định nên điều chỉnh các quyết định đó. Tập trung vào “nên”.

Trong hầu hết các tổ chức, dữ liệu quyết định lịch sử không phản ánh logic dự định. Nó phản ánh các quy tắc chính thức pha trộn với các giải pháp tạm thời không chính thức, quyền tự quyết cá nhân, và các ngoại lệ xử lý ngoài hệ thống và không bao giờ được ghi lại. Một mô hình huấn luyện dựa trên dữ liệu đó học một phiên bản bị lỗi của logic dự định, không phải các quy tắc, mà là trung bình của những gì mọi người thực sự đã làm, bao gồm mọi shortcut và đường dây leo không ghi lại. Triển khai quy mô, nó tái tạo các mẫu đó với tốc độ máy móc: nhất quán, tự tin, và sai lầm. Thiết lập logic quyết định chính xác trước khi huấn luyện, và xây dựng bộ dữ liệu phản ánh hành vi dự định thay vì hành vi quan sát được, không phải là bước vệ sinh. Đó là sự khác biệt giữa một hệ thống AI thúc đẩy các quyết định tốt và một hệ thống mở rộng các quyết định xấu.

Chuỗi Trước Khi Lựa Chọn

Thông minh vận hành không phải là một luồng công việc chạy song song với việc triển khai. Nó là điều kiện tiên quyết làm cho các quyết định triển khai có thể biện hộ được. Trước khi chọn nền tảng hoặc viết bản tóm tắt tự động hóa, ba câu hỏi cần có câu trả lời từ dữ liệu: Các con đường công việc thực sự đi qua là gì, và mỗi biến thể xảy ra với tần suất bao nhiêu? Nơi nào trì hoãn tích tụ, và các thuộc tính nào dự đoán chúng? Ở những điểm quyết định nào dòng công việc phân nhánh, điều gì điều khiển các nhánh đó trong thực tế, và sự quản lý đó có nhất quán giữa các nhóm và theo thời gian hay không?

Felicia Oyedara là một Nhà phân tích Dữ liệu tại Vương quốc Anh, chuyên về vận hành kỹ thuật số, tối ưu hóa quy trình, và phân tích nhân sự trong các môi trường fintech, ngân hàng, và tư vấn. Cô tập trung vào việc dịch dữ liệu vận hành và nhân sự thành các hiểu biết rõ ràng, có thể hành động để cải thiện hiệu suất, hợp lý hóa quy trình, và hỗ trợ quyết định tốt hơn.