Kapittel 20: Gode råd blir digitale

Konsulentselskaper, de som driver med reparasjon og service av teknologi, filmprodusenter, sykehus, arkitekter, advokater, deler av bankvesenet, offentlige etater; alle har de kunnskap av ulike slag og får inn problemer som må løses. Rådgivere, inkludert strategiske rådgivere, rådgivende ingeniører og kommunikasjonsrådgivere, driver gjerne konsulentvirksomhet, særlig i Norge. Men selve prosessen med hva rådgivere gjør, deles av mange yrkesgrupper – som for eksempel leger, advokater, arkitekter og forskere. Og de påvirkes av den samme teknologiske utviklingen som er i ferd med å endre konsulentbransjen. Teknologiutviklingen er generell (akkurat som rådgiverbransjen), og det er vanskelig å peke på enkeltteknologier som konkret påvirker en spesifikk aktivitet eller forretningsmodell.

Informasjonsteknologi påvirker vår evne til å kommunisere, lagre/gjenfinne og prosessere informasjon. Alle tre dimensjoner utvikler seg raskt og vil endre bransjer som driver med rådgivning og problemløsning. Samtidig utvikler rådgiverfirma seg for å kunne gi bedrifter råd om hvordan de skal bruke den nye teknologien. Stordataanalyse og former for maskinlæring gjør at problemløsning går fra å være intuitivt ekspertarbeid til allment tilgjengelige algoritmer. Enkelte spår ekspertens død på grunn av ulike former for kunstig intelligens, for eksempel at IBMs Watson vil gjøre kreftleger overflødige fordi maskinen kan lese all forskningslitteratur og kjenne igjen kreftformer øyeblikkelig. Innenfor perioden denne teksten forventes å dekke – frem til 2030 – er det imidlertid liten grunn til å tro at eksperter blir borte, selv om enkelte deler av deres ekspertise ikke er like verdifull som før.

Hvordan en rådgiver løser et oppdrag

Skal man forstå hvordan teknologien påvirker rådgivere, må man forstå hvordan rådgivere arbeider og får betalt for det de gjør. Innenfor strategilitteraturen (Denne tredelingen kommer fra Stabell, C.B. & Fjeldstad, Ø.D. (1998). Configuring value for competitive advantage: on chains, shops and networks. Strategic Management Journal, 19, 413–437 og er basert på Thompson, J.D. (1967). Organizations in Action. New York, NY: McGraw-Hill, en bok som gir et systemteknisk bilde av organisasjoner som skaper verdi gjennom å håndtere ulike former for avhengigheter mellom ressurser og hendelser.) deler man inn bedrifter i verdikjeder (bedrifter som skaper verdi ved å ta råmaterialer og lage produkter, som en bilprodusent eller et oljeselskap), verdinettverk (bedrifter som skaper verdi ved å utvikle forbindelser mellom kunder, som telefonselskaper eller flyselskaper), og verdiverksteder (bedrifter som løser problemer på vegne av kunder).

Figur 20.1 Problemløsningsprosessen (inspirert av Stabell og Fjeldstad, 1998).

Et verdiverksted skaper verdi i en sirkulær prosess med fem steg: problemanskaffelse, informasjonsinnhenting, diagnose, behandling og kontroll. Dette er en prosess de fleste kjenner fra legebesøk: Man må velge lege (som da får problemet til løsning), legen må spørre pasienten om symptomer og eventuelt ta prøver, sette en diagnose, foreta en behandling og deretter kontrollere om pasienten ble frisk eller ikke. Et konsulentselskap må få inn oppdraget, samle inn informasjon, foreslå en løsning, sette den i verk og kontrollere at kunden er fornøyd med løsningen.

Prosessen kan gjentas: Hvis løsningen ikke fungerer (pasienten ikke blir frisk, for eksempel) gjør man det hele en gang til, men med større ressursbruk: Mer avanserte (og dyrere) undersøkelser, flere konsulenter og så videre. Man fortsetter til problemet er løst, eller man må gi opp, enten fordi det blir for dyrt å fortsette, eller fordi man ikke finner løsningen.

Teknologisk utvikling påvirker alle elementene av et verdiverksteds løsningsprosess:

Problemanskaffelse - å få et oppdrag

I problemanskaffelsesfasen velger kunden en person eller et selskap som skal hjelpe ham eller henne med å finne ut av problemet. Man velger hjelpere ut fra kunnskap (hvilke selskaper som finnes) og ut fra omdømme (i hvor stor grad tror man denne personen eller dette selskapet kan løse problemet). Kunnskap er et spørsmål om tilgjengelighet: Hvilke problemløsere finnes der ute, hvor ulike er de, og er de ledige? Omdømme er vanskelig å vurdere, men i et fritt marked er pris en faktor: Kunder som har et svært alvorlig problem, ønsker å betale mye for å få det løst. Når du har en hjernesvulst, går du ikke til den billigste hjernekirurgen. Dette er en av årsakene til at mange konsulentselskaper og advokatbyråer har fine kontorer: Man signaliserer at man tjener gode penger på å løse vanskelige (og dermed verdifulle) problemer for kunder som kan betale for seg.

Informasjonsteknologi både utfordrer og hjelper selskapene i denne fasen. En utfordring er at internett og søketeknologi gjør det mye lettere for kunden å finne hjelpere – eller, i mange tilfeller, kjapt finne løsningen selv: Internett gjør alle verdens problemer og løsninger tilgjengelige. Hvis du har et problem med bilen eller helsen eller datamaskinen, finner du løsningen via Google og fremstillingen på YouTube. Når hjelpen finnes i form av et menneske med ekspertise, kan kundene velge mellom flere og karaktersette dem ut fra hvor fornøyd de var med hjelpen. Stadig oftere kan løsningen leveres uten at noen trenger å være fysisk til stede – og det betyr, for norske konsulentselskaper, at konkurransen i stadig større grad er global. De store norske konsulentselskapene innen IT er i økende grad norske butikkfasader, der den egentlige løsningen leveres i andre land med et lavere kostnadsnivå.

Nye selskapsformer som utfordrer de etablerte konsulentselskapene har kommet – og disse varierer fra nye typer konsulentselskaper til ulike plattformer for spesielle eller små oppdrag. Et eksempel på en «ny» type konsulentselskap er Eden McCallum Ltd (www.edenmccallum.com. Se også Gardner, H.K. & Eccles, R.G. (2010) Eden McCallum: A Network-Based Consulting Firm, Harvard Business School case no. 410-056, for en god beskrivelse av firmaet.) (startet i 1999). To tidligere McKinsey-konsulenter, Liann Eden and Dena McCallum, ville arbeide innenfor rådgivning, men ønsket ikke arbeidspresset og salgsansvaret som fulgte med en ledende stilling i et tradisjonelt konsulentselskap. I stedet startet de et firma der de opererte som edderkopper i et nettverk, med tilgang til mange tidligere konsulenter fra store selskaper, konsulenter som ønsket å arbeide mindre og velge oppdrag ut fra egen interesse. Eden McCallum, som nå har over 300 store kunder og mer enn 1500 konsulenter, fungerer som et salgsapparat for sine konsulenter og har en svært liten stab. En av hovedårsakene til at det fungerer så bra, er at tidligere konsulenter, fra McKinsey og andre, har gått inn i ledende stillinger i store bedrifter og bringer med seg en helt annen innkjøpskunnskap for konsulenthjelp.

Noe mer plattformbasert er det franske tekniske konsulentselskapet Presans (www.presans.com) , startet av Albert Meige, som har en database med mer enn fem millioner tekniske eksperter, mange fra akademia. Kunder kommer til Presans med et teknisk problem, og en liten stab ved et kontor i Paris finner spesialister og rekrutterer dem til å hjelpe til med å løse problemet. Presans’ ekspertliste er bygd opp ved å samle publiseringer, ansettelsesdata og annet – ikke som ved mange andre ekspertdatabaser på nettet, ved selvrekruttering. Da unngår man problemet med at de tilgjengelige ekspertene er de som ikke selv klarer å skaffe seg problemer å løse.

Helt i den andre enden finner man plattformer for små oppdrag, som eLance, Amazons Mechanical Turk, eller for den saks skyld Finn.no Småjobber. Disse fungerer som rekrutteringsbaser for enkeltoppdrag og koordinerer spesifikasjon, betaling og vurdering av oppdragsgiver og konsulent på samme måte som AirBnB og Uber lager plattformer for utleie av bolig eller persontransport.

Men man trenger ikke gå til generelle søkeverktøy eller spesialiserte selskaper for å finne eksperter: Sosiale nettverk som LinkedIn er utmerket for både å finne eksperter og for å la ekspertene signalisere sin tilgjengelighet. Krypteringsbaserte valideringsteknologier av ulike slag (Blockchain (En valideringsteknologi per i dag er mest kjent som teknologien som verifiserer eierskap og transaksjoner for kryptovalutaen Bitcoin, men som tillater anonymisert validering uten en sentral garantist. Se https://en.wikipedia.org/wiki/Blockchain for en teknisk forklaring.) , IOTA (En distribuert valideringsprotokoll basert på en mindre ressurskrevende krypteringsprotokoll enn Blockchain. En del norske selskaper, deriblant Tine, eksperimenterer med denne teknologien som et garantert arkiv og markedsplass for sensorbaserte data. Se https://www.iota.org for mer informasjon.)) vil spille en rolle i å lokalisere og validere ekspertise eller tiltaksgjennomføring (et tidlig eksempel finnes på boontech.ai), men disse teknologiene er foreløpig løsninger som ser etter problemer, heller enn omvendt, og er avhengig både av konkrete eksempler og relativt omfattende adopsjon før de kommer til å få gjennomslag.

Informasjonsinnhenting og analyse

Tradisjonelt har informasjonsinnhentingsfasen vært det konsulentselskaper har tatt betalt for: Man bruker junioransatte til å hente inn og sammenstille informasjon om problemet og lar kunden betale (dyrt) for arbeidet. Denne mekanismen har hatt to funksjoner: For det første gir den nye konsulenter noe å gjøre, et arbeid de kan utføre samtidig som de lærer på jobben. For det andre avlaster det sjefskonsulenten, slik at han eller hun kan tjene mer penger (fordi en del av pengene kunden betaler for juniorkonsulenten går til senioren, selv om vedkommende ikke bruker tid på jobben). Dette gir seniorkonsulenten et incentiv til å være tilknyttet selskapet og bruke tid på rekruttering, opplæring og innsalg av juniorer. Juniorkonsulenten får en tilsvarende handel: I bytte mot hardt og til tider ensformig arbeid får man kunnskap og dessuten en del av selskapets omdømme. Det er hardt å jobbe som juniorkonsulent, men kan man sette et kjent konsulentselskap på CV-en, blir det lettere å få en godt betalt jobb senere.

Informasjonsteknologi utfordrer denne modellen fordi produktiviteten i innhenting av informasjon har økt dramatisk. I stedet for selv å samle inn data kan man med et kjapt søk med en søkemotor eller i en database finne den informasjonen man trenger. Ikke bare finner man data raskt – man kan ofte finne hele rapporter om de problemene man er satt til å finne løsninger på. I de tilfellene dataene ikke er tilgjengelige i ferdig form, kan man få dem gjennom elektroniske transaksjoner, sensorer eller (hvis det er snakk om meninger, for eksempel) gjennom spørreundersøkelser. Dermed reduseres behovet for en lukrativ hær av juniorkonsulenter som går rundt og måler og intervjuer og dokumenterer.

Når informasjon blir lettere å få tak i, samler man inn mer. Tidligere tiders papirskjemaer og/eller telefonintervjuer erstattes av meningsmålinger på nettet, som kan sendes ut til tusenvis av mennesker, eller enda bedre: Man kan overvåke hva kundene faktisk gjør, og analysere basert på observert heller enn rapportert atferd. De økte datamengdene gjør at man kan bruke mer avanserte analysemetoder som maskinlæring, en prosess som endrer ekspertrollen fra å foreslå modeller og teste dem til å validere metoden man har brukt for å finne modellen. Maskinlæring og stordataanalyse er interessante nyvinninger som utfordrer hele den vitenskapelige metode (eller i alle fall analysemetoden slik den praktiseres i dag), ved at den i utgangspunktet er teoriløs: Man har en masse data, spesifiserer hva man vil predikere, og lar datamaskinen både finne hvilken modell som passer best og validere modellen ved å kjøre den mot de delene av datasettet man ikke har brukt til modellgenerering.

Stordataanalyse utfordrer eksperters og lederes autoritet – tallenes tale trumfer ekspertens intuisjon, og analysens konklusjon trumfer ledernes konklusjonsrett. Det finnes en rekke eksempler på bedrifter som har brukt massiv dataanalyse til å oppnå en dominerende konkurranseposisjon (De mest kjente eksemplene fra USA er for eksempel Signet Bank som systematisk eksperimenterte med priser og vilkår for å utvide kundegrunnlaget for kredittkort, og etter å ha tapt (med vilje) mange millioner dollar for å få greie på pris og risiko ble den største kredittkortleverandøren i USA (Davenport, T.H. & Kim, H.H. (2013). Keeping Up with the Quants: Your Guide to Understanding and Using Analytics. Boston, MA: Harvard Business Review Press). Kasinoet Harrah’s har under ledelse av professor Gary Loveman fra Harvard Business School blitt verdens største gamblingselskap gjennom systematisk analyse av kundepreferanser (Loveman, G. (2003). Diamonds in the Data Mine. Harvard Business Review [May]), og matematikeren Jim Simons har blitt en av verdens rikeste menn gjennom sitt algoritmebaserte investeringsselskap Renaissance Technologies (Max, D.T. (2017). The Numbers King. The New Yorker, 72–83).). I Norge er kanskje det mest kjente eksempelet Finn.no, som har formalisert en beslutningsprosess der ledere setter målfunksjoner og overlater til utviklere og til dataanalytikere, basert på eksperimentering på kundegrensesnittet, å finne og iverksette løsninger (Se Karina Birkeland Lome (2016). How we work, Schibsted Bytes, http://bytes.schibsted.com/working-ensure-user-value-innovationperformance/. Lest 24. august 2018.).

Diagnose (løsningsforslag)

Et klassisk konsulentfirma driver rådgivning, som jo er å fortelle bedrifter hva de skal gjøre. Og for et rent rådgivningsfirma slutter ofte oppdraget her, med å levere et løsningsforslag (eller, hvis vi skal holde oss til medisinsk terminologi, en diagnose). Et rent rådgivningsfirma tar betalt for å finne og beskrive problemet og foreslå en løsning – men mange tjener pengene sine på innføringen av forslaget, hvilket gir dem et sterkt incentiv til å foreslå sine egne løsninger – at firmaet blir en løsning som søker et problem.

Hvordan forslaget ser ut, kan endre seg over tid, og en klar tendens er at forslaget først blir digitalt i form – man leverer en digital fil i stedet for en rapport, og etter hvert også i innhold: at man leverer en algoritme, modell eller et stykke programvare som forslag til løsning. I stadig større grad skjer endringer i organisasjoner ved at man gjør en endring i programvare – som Marc Andreessen, internettpioner og investor, sier: «Software is eating the world» (Andreessen, M. (2011). Why software is eating the world. Wall Street Journal, 20. august 2011 (tekst tilgjengelig på https://a16z.com/2016/08/20/why-software-is-eating-the-world/).). I en slik verden er det liten forskjell på løsning og innføring – når rutinen eller programmet er beskrevet, kan selve innføringen gjøres nesten øyeblikkelig, forutsatt at kunden har orden i systemene og en endringsklar organisasjon.

Etter hvert som organisasjoner blir mer digitalisert og i prinsippet begynner å ligne systemer, vil en annen egenskap ved programvare gjøre seg gjeldende, nemlig evnen til å forbedre både eksisterende og fremtidige tjenester samtidig. Åpen kildekode, bilmerket Tesla og leverandører av skybaserte tjenester har alle den egenskapen at når en del av programvaren blir oppdatert, blir den oppdatert ikke bare for de kundene som vil kjøpe den i fremtiden, men også for de eksisterende kundene. Hvis noen finner en bedre måte å utføre en jobb på – det klassiske eksemplet er å sortere en liste – vil den nye måten bli standard for alle programmer, under forutsetning at de er skrevet på en måte som tillater rask utskifting av programkomponenter (Denne måten å organisere programvare på (arkitekturen) kalles objektorientert programmering og er faktisk en norsk oppfinnelse, av OleJohan Dahl og Kristen Nygaard, ved Norsk Regnesentral i 1960-årene. Se https://en.wikipedia.org/wiki/Object-oriented_programming for en god beskrivelse av prinsippene og historikken.).

En digitalisert organisasjon vil i liten grad trenge hjelp med innføring, så fremt den teknologiske infrastrukturen er på plass. Heldigitale organisasjoner som Facebook, Google og for den saks skyld Finn.no kjennetegnes ikke av mye konsulentbruk, i hvert fall ikke for å utvikle sine leveranser eller forretningsmodeller. Men det er bare de færreste som kan gjøre dette, så med et perspektiv frem mot 2030 vil nok en stor del av konsulentvirksomheten i Norge og andre steder være konsentrert om å digitalisere bedrifter i alle former og på mange måter utvikle teknologier som vil gjøre konsulentvirksomhet mindre nødvendig.

Tiltak - å faktisk gjennomføre ting

Tiltak – å ta innover seg konsekvensene av diagnosen – står for en stor del av inntekten til mange konsulentselskaper. Det er gjerne slik at de rent rådgivende selskapene stopper ved å sette diagnose og anbefale tiltak – og oppnår med det høy lønnsomhet, siden de har få kostnader utover lønn. Men et rådgivende selskap er vanskelig å skalere, og skal man få bedriften til å vokse, er man avhengig av også å kunne levere gjennomføringen av løsningen. I tillegg gir dette en mulighet for rekruttering av ung og villig arbeidskraft, som til å begynne med kan gjøre rutineoppgaver mens de lærer på jobben. Med dette løser man ofte også et kapasitetsproblem for kunden, som kan bruke konsulenter i den avgrensede perioden man trenger dem (Særlig i offentlig sektor gir bruk av konsulentselskaper også anledning til å rekruttere kompetanse som man ellers ikke har råd til innenfor eksisterende lønnsrammer. I en del store konsulentselskaper i Norge har man konsulenter som har hatt samme kunde og samme arbeidsoppgaver i mange år – der man driver utleie av arbeidskraft, ikke problemløsning.). Dette skaper samtidig et perverst insentiv for konsulentselskapet, som har en økonomisk interesse i at prosjektet forlenges og antallet konsulenttimer økes.

Ressursbruk, særlig i tiltaksfasen, er en gjennomgående hodepine for både kunder og konsulentselskap. Avisartikler om kostnadsoverskridelser og forsinkelser innen offentlige IT-systemer, for eksempel, er regelen snarere enn unntaket, og det er mye snakk om å bruke ulike metoder for prosjektstyring eller systemutvikling for å redusere ressursbruk og gi bedre sluttprodukter. Problemet faller utenfor rammen for dette kapittelet, men det er verdt å merke seg at teknologiutviklingen utenfor selve prosessen i mange tilfeller kan redusere ressursbruken ved å tillate billigere personale å gjøre jobben. Dette skjer ved rutinisering og produktifisering – at man lager instrukser for hvordan noe kan gjøres, eller produkter (Et stjerneeksempel er hvordan en diagnose – graviditet – har gått fra å være noe en lege måtte konstatere, til noe man kan finne ut av ved å kjøpe et urinprøvesett på dagligvarebutikken.), gjerne i form av selvdiagnostisering, som lar kunden selv gjøre det man tidligere måtte hyre inn en ekspert for.

Særlig innenfor informasjonssystemutvikling skjer det en rask produktivitetsøkning, ved at alle systemer kan kommunisere seg imellom, og at man dermed reduserer behovet for spesifisert utvikling for den enkelte problemhaver. Teknologien – både plattformen og algoritmene – standardiseres og blir tilgjengelig når man trenger dem, som en tjeneste heller enn et produkt.

Kontroll - problem løst eller ny runde?

Tradisjonelt overleveres en løsning til selskapet som har bestilt den, som et ferdig utviklet system, et produkt eller en prosess. Denne modellen – og kontraktsformene som følger med – vil antakelig endres drastisk fremover mot 2030. Gitt at flere og flere selskaper konkurrerer på teknologisk basert innovasjon, er de færreste løsninger ferdig utviklet ved overlevering. Et eksempel her er marin kontrollteknologi, der man har gått fra å levere en løsning innebygd i et skip – en løsning som blir installert når skipet bygges og fungerer, mer eller mindre som ved overlevering, gjennom skipets levetid – til at løsningene blir levert som standardteknologi og forventes oppgradert og videreutviklet underveis.

Det har alltid vært en tendens til at selskaper som lever av å løse problemer, går fra å løse dem på enkeltprosjektbasis til å levere kontinuerlig løsning av problemet som en tjeneste – en prosess James Thompson allerede i 196712 kalte en «omslutning» av problemet. Et selskap som leverer datamaskiner, begynner å levere dem som en tjeneste til en månedspris, for så å levere menneskene som betjener teknologien, og etter hvert det man skal bruke teknologien til, også som en tjeneste, gjerne levert digitalt.

Så å si alle de store konsulentselskapene innen IT- og systemutvikling har enten blitt kjøpt opp eller gått i partnerskap med store teknologileverandører. Teknologileverandørene har ressursene til å ekspandere, problemløserne har folkene som kan levere en tilpasset og differensiert tjeneste, som kan ta ansvar ikke bare for teknologileveranse men også for at teknologien passer inn i den organisasjonen den skal tas i bruk i.

Problemrepresenterende teknologi - fra digitale tegninger til digitale tvillinger

Når det gjelder selve teknologiutviklingen innenfor rådgivende selskaper – eller, som brukt her, verdiverksteder eller problemløsere – er den såpass variert at en viss abstraksjon er nødvendig. Verdiverkstedets bruk av teknologi kan deles i to typer: Problempresenterende teknologi (som har til hensikt å lage en representasjon av problemet, slik at flere kan forstå og være med på å løse det), og ressursmobiliserende teknologi (som har til hensikt å finne og koble inn de ressursene man trenger for å forstå og løse problemet).

For at et verdiverksted skal kunne forstå et problem og lage en løsning, må man ha en representasjon av problemet – et bilde man kan samle problemløserne (inkludert kundene) rundt. En lege har pasientens journal og ulike observasjoner (blodprøver, røntgenbilder). En arkitekt lager tegninger av hva man skal bygge. En konkret illustrasjon er når detektiver i en krimfilm lager en vegg med bilder av mistenkte og trekker linjer mellom dem. Det de gjør, er å lage en representasjon av virkeligheten basert på opplysningene de har, og så utvikle representasjonen med nye opplysninger til den samsvarer med hva som faktisk skjedde – og de har løsningen.

En av de viktigste effektene av digital teknologi har blitt en gradvis forbedring av denne representasjonen av problemet, inntil vi nå snakker om representasjonen som en «digital tvilling» – en kontinuerlig oppdatert kopi av det den skal representere, enten det er et fly, et skip, et hus eller en pasient. Et kjent eksempel er det franske programvarehuset Dassault Systèmes, som har vært en pioner på utviklingen av teknisk programvare, og som har klart å øke bruken og nytten av programvaren etter hvert som datamaskinene har blitt kraftigere (Se Thomke, S. & Beyersdorfer, D.: «Dassault Systèmes», case no. 610- 080, Harvard Business School Publishing, for en god fremstilling av selskapets historie og gradvise utvikling av forretningsmodell og teknologi.).

Dassault startet med å utvikle CATIA, et av de første CAD/CAM-systemene, tidlig i 1980-årene. Til å begynne med kunne ikke systemet gjøre mer enn å lage todimensjonale tegninger, men etter hvert som datamaskinene ble kraftigere og skjermene bedre, kunne man lage 3D-tegninger og manipulere dem. I 1990-årene var maskinene kraftige nok til at man kunne sette sammen komponenter til produkter – og med presise grensesnitt kunne man la ingeniører designe komponenter digitalt og sette dem sammen. I samarbeid med Boeing kom man etter hvert så langt at man kunne lage digitale prototyper av nye fly. Langdistanseflyet Boeing 777 var det første i verden der den første prototypen fløy. Tidligere hadde man måttet lage i alle fall to fullskala prototyper av et fly: Først ved den tredje prototypen var man så sikker på teknologien at man kunne ta en prøvetur. Med Boeing 777 var de første to prototypene digitale, noe som sparte penger og ikke minst tid.

Etter hvert som teknologien kom tettere og tettere opp mot virkeligheten, ble den tatt i bruk i større deler av fremstillings- og leveranseprosessen. Man begynte å la ingeniørene levere ikke bare ferdige tegninger etter spesifikasjon, men å legge inn skisser, slik at man kunne begynne samarbeidet over en digital modell tidligere og dermed unngå feil i grunnleggende antakelser (Et gammelt ordtak om prosjektorganisasjon sier at de største feilene i et prosjekt gjøres i de første fem minuttene, der man gjør forutsetninger (ofte uuttalte) som i etterkant viser seg å være feil – og som koster mye mer å rette opp sent i prosessen enn hvis man hadde testet dem før bruk.). Samtidig har man begynt å utnytte de digitale tegningene og modellene også etter at produktet er levert til kunden – ofte i sammenheng med at selve forretningsmodellen går fra å levere et produkt (eller en løsning) til å levere produktet som en tjeneste.

Denne tankegangen er godt etablert i bransjer som leverer tunge teknologiske løsninger. Rolls Royce leverer ikke lenger flymotorer, for eksempel, men motorkraft. Tankegangen kommer etter hvert også inn som et perspektiv i bransjer der leverandøren tradisjonelt sett er ferdig med produktet i det det blir overlevert, som for eksempel bygninger, biler eller (tidligere) programvare. Motivasjonen er ofte at man ønsker å utnytte arbeidet med å lage den digitale modellen ut over konstruksjonstiden. I alle tilfeller oppstår det et problem med å holde modellen oppdatert etter at selve produktet er levert.

Ressursmobiliserende teknologi - fra faste linjer til modulbaserte grensesnitt

Verdiverksteder har ressurser for å løse problemer primært i form av mennesker – eksperter som har kunnskaper og erfaring fra lignende problemer (eller i alle fall deler av dem). Konsulentselskaper har teknologi for å vite hva slags kunnskaper de har, hvor den er, og hvordan de kan få tak i den dersom de ikke har den selv. Dette at man trenger et stadig skiftende sett av ekspertise, er en av årsakene til at dynamikken i konsulentbransjen er så stor – det startes nye selskaper hele tiden, de slås sammen, avvikles, starter samarbeidsprosjekter, alt knyttet til tilstedeværelsen av et problem og noen som er villig til å betale for løsningen av det. For hvert enkelt oppdrag trengs det ofte en ny konstellasjon av ekspertise – og det å forstå kundens behov og kunne rekruttere de riktige ekspertene i forhold til hva som skal gjøres, er en viktig oppgave i seg selv.

Filmbransjen er kanskje den beste illustrasjonen på arbeidsforhold innenfor en bransje som lever av å løse problemer. Alle som har sett en moderne film, vet at de siste 5–7 minuttene går med til å vise en nesten endeløs rulletekst med alle som har vært med på å lage filmen. I bransjen blir man rekruttert basert på hva man har gjort før – en årsak til at det er om å gjøre å være med i rulleteksten. Og med store felles databaser som IMDB.com er det lett å finne ut hvem som har gjort hva, og med hvem.

Selv om regissøren er den som har ansvaret for sluttproduktet, spiller produsenten(e) en like viktig rolle når det gjelder å bygge opp organisasjonen gjennom kontrahering. En byggmester spiller samme rolle overfor en kunde som skal ha bygd et hus: Man gjør noe selv (i eget firma) og kontraherer inn underleverandører der man ikke selv har ressurser. Over tid bygger man opp relasjoner til mange underleverandører og kjenner til hva de kan og ikke kan. Denne prosessen foregår innenfor og utenfor konsulentselskaper – og en ledelsesoppgave er å sørge for at alle er beskjeftiget, og at man bruker de dyreste konsulentene på de mest innbringende oppdragene.

En utvikling mot stadig mer digital kommunikasjon gjør at denne mobiliserende teknologien blir tilgjengelig for folk som har problemer, uten at de trenger å gå via et konsulentselskap. Man ser både lukkede og åpne nettverk: Et lukket nettverk er Executive Group Network, et selskap som organiserer møtevirksomhet mellom folk fra ulike selskaper som skal diskutere felles problemstillinger. EGN har en egen app der medlemmene kan spørre hverandre til råds, på konfidensiell basis. Et åpent nettverk er LinkedIn eller i økende grad Facebook, der folk legger ut spørsmål om hva de skal gjøre i ulike situasjoner, og mottar råd som kommentarer eller private meldinger.

En rådgivers langsiktige strategiske utfordring

Konsulenter tjener penger ved å løse problemer og får mer betalt for å løse vanskelige problemer enn enkle. Siden enhver problemløsning genererer kunnskap og dermed gjør neste problemløsning enklere, blir det flere og flere problemer som kan løses basert på tidligere erfaring heller enn ved å utvikle noe nytt. Her ligger ledelsesutfordringen i et konsulentselskap: å hele tiden finne problemer som er så vanskelige at kundene er villig til å betale mye for å få dem løst, men ikke så vanskelige at man ikke klarer å løse dem (for da går det ut over firmaets rykte).

Digital teknologi, særlig spredning av kunnskap over internett, gjør at tidligere løsninger blir mer tilgjengelige. Dermed oppstår det et prispress på konsulenttjenester, et prispress som bransjen kjenner på hele tiden. Kunnskapen blir ikke utdatert så mye som alminneliggjort. Leger har for lengst vent seg til at mange pasienter kommer med utskrifter fra internett og ser på legen som en fartsdump på veien til ønsket diagnose og behandling. Det er grunn til å tro at det samme gjelder alle former for rådgivning – men det er også grunn til å tro, akkurat som med helsevesenet, at når vi ikke har sykdommer, finner vi på noen, slik at vi kjenner at vi lever. Det gjelder oss som pasienter – og det gjelder oss som ledere og problemeiere også.