Евгений Тимко, коуч и ментор бизнес-школы
Сколково, обозреватель FORBES, РБК, RUSBASE, INC. и др. изданий.
Апрель 2018.
Былым лидерам своих индустрий зачастую приходится сложно в
современном мире. Темп изменений с развитием технологий вырос на
порядок. Многие известные бренды практически исчезли с рынка за
последние 20 лет, и если раньше средний возраст S&P500 компаний
составлял более 50 лет, то теперь всего 12. Одна из ключевых причин
— неспособность компаний найти правильную модель развития в новом
цифровом мире. Причём, проблемы возникают даже у самых, казалось бы,
технологически продвинутых бизнесов, как например в случае с IBM и
General Electric.
IBM и GE сегодня похожи друг на друга как никогда. Компании с более,
чем столетней историей, до сих пор крупнейшие игроки в своих
исторических сегментах, некогда одни из самых дорогих компаний в
мире, IBM и GE в последнее десятилетие сделали серьезные ставки на
цифровую трансформацию своего бизнеса. Осознав важность Big Data,
они инвестировали многие миллиарды долларов в создание и продвижение
платформ по работе с данными. И феерически провалились. Теперь
легенды корпоративной Америки вынуждены пересматривать свои
стратегии и надеяться, что их золотые времена ещё вернутся.
Помимо текущих неудач, IBM и GE объединяет и прошлый позитивный
опыт. Компании уже проходили серьёзные трансформации, в итоге
признанные одними из лучших в истории. Кейсы IBM и GE давно
разбираются на программах MBA, как канонические “turnaround” истории
по выходу компаний из кризиса. Под руководством
Джека Уелча (GE) и
Лу Герстнера (IBM), обе компании в 90-е смогли восстановить
утраченные ранее лидирующие позиции и встретили новое тысячелетие,
пожалуй, в лучшей форме, чем когда-либо.
Так, Лу Герстнер запомнился миру бизнеса, как СЕО спасший
“голубого гиганта”. К моменту начала его работы в IBM в 1993,
компания теряла по $8 млрд в год и почти развалилась на части.
Буквально за несколько лет, Герстнер кардинально перестроил IBM,
централизовал управление, стал активно развивать онлайн и заложил в
компании тягу к мощному пиару (после победы суперкомпьютера IBM Deep
Blue над Каспаровым в 1996 году), скорее присущему консьюмерским
брендам.
В GE за трансформацию отвечал Джек Уэлч, руководивший компанией
все 80-е и 90-е. Известный своими радикальными решениями, Уэлч
получил прозвище Нейтронный Джек за свой взрывной характер. В GE он
исповедовал идею того, что подразделения конгломерата должны быть
только лидерами в своих сегментах. Все, что не номер 1 или 2 на
рынке, должно было быть продано или закрыто. И стратегия давала
результаты. При Уэлче капитализация GE выросла более, чем в 30 раз,
а в 1999 Forbes назвал его ни много ни мало “Manager of the Century”.
Звёздные СЕО покинули GE и IBM на пике их развития, в момент,
когда казалось, что компании готовы окунуться в цифровую эпоху,
которая только начиналась в начале 2000-х. Но пришедшая смена
руководителей оказалась не готова к наступившим изменениям.
Объективно говоря, не факт, что и стратегии жёсткого кост каттинга
Герстнера и Уэлча (а они каждый уволили по 100 тыс. человек) сильно
помогли бы в мире, где на первый план выходит умение создавать и
растить новые ниши, нежели, чем вечная оптимизация того, что уже
есть. Facebook, Amazon, Apple, Netflix, Google — все они
зарабатывают на продуктах запущенных уже в современном мире.
В 2001 в GE на смену Уэлчу пришел Джефф Иммельт, пробывший на
посту СЕО до прошлого года. Но если Уэлч уходил в отставку в статусе
лучшего менеджера столетия, то к концу срока Иммельта в GE в прошлом
году, происходящее в компании западная пресса характеризовала никак
иначе, чем “success theater” — создание иллюзии успеха, вместо
реальных действий. Чтобы осознать творившееся в GE в то время,
достаточно сказать, что одним из самых обсуждаемых фактов работы
Иммельта стала практика использования “запасного” самолёта в деловых
поездках. Его посылали вслед за Иммельтом на случай поломки
основного борта. И это у компании, которая является мировым лидером
в производстве авиадвигателей, и которая потратила миллиарды на свою
платформу по предиктивному обслуживанию оборудования.
Именно на эту платформу по работе с Big Data, Иммельт ставил больше
всего. Predix позиционировался GE чуть ли не как операционная
система для заводов. Чудесные превращения от внедрения платформы GE
называет “brilliant factory” (раскрученного термина “smart factory”
GE, видимо, не хватило). В теории, Predix должен собирать данные из
всех возможных источников на предприятии, вроде датчиков
оборудования, и анализировать эту информацию, помогая руководству
лучше принимать решения и, в перспективе, автоматизировать
значительную часть процессов. Но попытавшись создать
“горизонтальную” платформу, охватывающую все вертикали, компания
выучила истину, известную любому стартаперу — при выводе ни рынок
инновационного продукта нужен жесткий фокус.
Созданный GE монстр оказался не поворотлив и не надёжен, в 2017
Predix даже уходил на профилактику. На 2 месяца и после $4 млрд
инвестиций. Сервис, одной из ключевых задач которого является
минимизация времени простоя оборудования. В итоге, пока стартапы на
рынке интернета вещей строили миллиардные бизнесы, фокусируясь на
отдельных нишах, GE сделали платформу нужную только вдовесок к
оборудованию самой GE. В компании это осознали, и будут в будущем
продавать Predix только туда, где у GE много клиентов — в нефтяной
сектор, энергетику и авиацию. А пока GE думает о том, как улучшить
финансовые показатели путем продажи подразделения, производящего
лампочки — продукта Томаса Эдисона, из которого и вырос GE более 125
лет назад.
В какой-то степени Predix повторил судьбу IBM Watson. Watson
рекламировался на ТВ (чем славился и Predix), как искусственный
интеллект, который мог избавить мир от всех проблем. По задумке
Watson должен был помочь IBM стать лидером в зарождающемся сегменте
AI. И для этого нужно было найти такую задачу, решение которой ни у
кого бы не оставило вопросов о потенциале Watson. Как, например,
излечение рака. В 2013 компания запустила первый пилот с одним из
самых известных в мире онкологических центров — M.D. Anderson, целью
которого был поиск средств лечения рака. Задуманный, как быстрый
шоукейс технологии, пилот затянулся на 4 года, так и не приведя ни к
каким результатам. Когда в 2017 клиника опубликовала отчёт аудиторов
по поводу использования Watson, выяснилась и цена эксперимента,
который в IBM изначально оценивали в $2 млн.: клиника заплатила за
бесполезное исследование более $60 млн, включая $20 млн
консультантам из PwC, занимавшихся внедрением. IBM долго старалась
скрывать проблемы Watson, в то время как маркетологи компании
продолжали делать абстрактные заявления о потенциале технологии и
скорых прорывах. В итоге, Watson стал, пожалуй, не только самым
распиаренным корпоративным ИТ продуктом современности, но и самым
далёким от ожиданий, созданных благодаря красивой маркетинговой
упаковке.
Как и Predix, за годы поиска своего места на рынке, Watson нажил
невероятную конкуренцию в виде сотен стартапов, не обремененных
необходимостью отбивать огромные маркетинговые вливания IBM и,
поэтому, имеющих на порядок меньшие запросы. Более того, скорость
изменений в индустрии искусственного интеллекта и доминирование
решений с открытым кодом, привели к тому, что Watson в 2018 выглядит
морально устаревшим продуктом, дорогим в обслуживании, в силу
высоких требований к качеству обрабатываемых данных, и не
конкурентоспособным на фоне современных решений.
Одной из ключевых проблем и Watson и Predix стала сложность с
созданием коробочного продукта на базе каждого технологий Big Data.
По сути, его нет до сих пор. Watson — это набор алгоритмов машинного
обучения, позволяющих решать задачи с использованием больших данных.
Только получить доступ к данным с нужным качеством является намного
более сложной задачей, чем подобрать сам алгоритм. И даже решив одну
задачу, решать следующую придётся, скорее всего, заново, учитывая
различия в доступных данных. Predix, с другой стороны, требует более
глубоко погружения в производственные процессы, вплоть до создания
“цифровых двойников” — моделей, описывающих работу устройства — для
всех видов оборудования на предприятии, что является крайне сложной
задачей. В итоге, внедрение и использование обеих платформ
представляет из себя сложный консалтинговый проект с элементами
технологических наработок, доступных сейчас практически любому
стартапу.
Будучи огромными корпорациями, GE и IBM задействовали колоссальные
ресурсы для продвижения Predix и Watson. Вместо аккуратного
тестирования рынка, особенно важного в случае таких новых областей,
как AI и IoT, компании предпочли сначала потратить миллиарды и
рассказать всем о предстоящих невероятных свершениях. Lean, только
наоборот. Как печальный итог, в 2017 GE сократила 12 тыс. человек и
второй раз в своей истории после Великой Депрессии снизила
дивиденды. Падение стоимости акций GE с начала 2017 составляет уже
60%. IBM чувствуют себя не сильно лучше — компания показывала
снижающуюся выручку на протяжении 22 кварталов подряд, пока не
смогла стабилизировать ситуацию в конце 2017.
Predix и Watson должны были ознаменовать новую эру в развитии GE и
IBM. Заложить фундамент лидерства в мире, где правят большие данные
и искусственный интеллект. Оба проекта, также, должны были помочь
осуществить трансформацию собственного бизнеса GE и IBM. В итоге, не
случилось ни того, ни другого. Обе компании уже стоят примерно, как
Netflix, самый небольшой из всех современных технологических
гигантов — инвесторам намного приятнее видеть компанию с понятной
моделью и бешеными темпами роста, чем непрозрачный конгломерат,
пытавшийся заново изобрести себя. GE и IBM уже проходили
трансформацию, но тогда она считалась чудом. И последние события
показали, что чудес просто так не бывает, и никакие деньги тут не
помогут.
Источник
Высказаться
Перейти в
статийный раздел
Перейти к подборке по управлению
изменениями
Перейти на
сайт офиса Гильдии Лидеров
Перемен
Перейти на
личный сайт издателя
Перейти в
тематическую группу в вК
