Bertrand Duperrin

• Deux ans et demi après le raz-de-marée ChatGPT, force est de constater que la révolution annoncée se fait attendre. Les cadres et assimilés continuent de crouler sous les emails, ils passent perdent toujours plus de temps en réunion, et les fameux gains de productivité promis par l’IA générative sont beaucoup plus théoriques que factuels.
• D’un côté, des modèles de raisonnement dont les capacités cognitives dépassent largement la moyenne humaine ; et de l’autre, une attitude attentiste de la part des organisations.
• les progrès sont si rapides et les socles technologiques si instables qu’ils découragent l’action
• Le problème est bien souvent double : on ne sait pas par où commencer et dans quel but
• nous tentons d’intégrer ces nouveaux outils dans des structures de travail conçues pour l’ère industrielle, avec des méthodes de management héritées du taylorisme et des habitudes profondément ancrées dans une logique pré-numérique.

• Il ne faut ainsi pas chercher longtemps pour tomber sur des études qui annoncent des bouleversements soudains et irrémédiables dans le monde du travail engendrés par l’IA :

      
   
• 58 % des dirigeants considèrent que l’IA est un enjeu de survie… à moyen terme (donc pas pour tout de suite). De ce fait, seuls 32% des PME et ETI ont adopté l’IA générative, dont plus de la moitié utilisent de solutions gratuites
• Mais le problème, c’est que tous les avis convergent : l’IA est va redéfinir la façon dont nous travaillons et créons de la valeur.
• Le but de la manoeuvre étant bien évidemment de réaliser des gains de productivité (= faire des économies) en déployant des milliers d’agents intelligents pour automatiser les tâches à faible valeur ajoutée (= bloquer les embauches de juniors).
• que les ressources soient biologiques (humains) ou synthétiques (IA), l’important est de s’assurer qu’elles produisent, ou plutôt qu’elles contribuent à l’activité de l’entreprise
• Ne soyons pas naïfs : les discours du type « Human first » ne sont mis en oeuvre que si l’humain en question est capable de justifier d’une contribution minimum à la création de valeur
• repenser les flux d’informations et de données en y intégrant l’IA pour optimiser les processus métiers, pas se contenter de numériser l’existant ou de le répliquer dans le cloud.

• à moyen terme (dans les 5 ans), L’IA va être en mesure d’apporter beaucoup de nouvelles capacités aux cols blancs :

      
   
  • Les modèles statistiques vont augmenter notre capacité de compréhension et d’anticipation grâce à l’analyse de données ;
      
  • Les modèles de langage vont grandement faciliter l’accès à des connaissances structurées (les fameux savoirs) ;
      
  • Les modèles de recherche vont accélérer la collecte et la synthèse d’informations et données ;
      
  • Les modèles de raisonnement vont permettre de développer de nouvelles compétences grâce à l’application de méthodes génériques ou spécifiques ;
      
  • Les modèles d’action vont décupler notre capacité de travail grâce à l’automatisation de tâches répétitives…

• les IA ne pourront jamais répliquer ou simuler :

      
   
  • Le savoir-faire et le savoir-être qui sont liés à l’expérience vécue et aux innombrables interactions humaines ;
      
  • Le discernement qui est lié à la culture et nous permet de naviguer dans l’ambiguïté et les zones grises ;
      
  • La discipline qui ancrée dans notre éducation et nos valeurs ;
      
  • L’ambition, moteur hormonal de dépassement et d’innovation ;
      
  • La créativité, celle qui naît de l’inspiration et non de la recombinaison statistique.
• ttendez-vous à voir se développer dans les prochaines années les orchestrateurs, dont la mission ne sera plus de superviser des équipes, mais d’orchestrer un système de production hybride, composé de talents humains et d’agents IA.

• Leur valeur ajoutée réside dans leur capacité à :

      
   
  1. Évaluer un besoin dans son contexte, comprendre non seulement ce qui est demandé, mais pourquoi et dans quelles conditions ;
      
  2. Décomposer les problèmes complexes en séquences de travail exploitables ;
      
  3. Répartir intelligemment les tâches entre différentes IA et collaborateurs humains ;
      
  4. Synthétiser et contextualiser les rendus pour créer le plus de valeur.
• accepter d’abandonner aux IA un certain nombre de savoir-faire (analyse, recherche d’information, rédaction…) pour se concentrer sur la planification, la supervision et le discernement
• Le problème est toujours le même quad il est question de rupture technologique : on se concentre sur la technologie et on oublie le facteur humain.
• C’est en tout cas ce que nous révèle cette étude : plus de 80% du temps économisé grâce à l’IA est mobilisé sur d’autres tâches qui sont directement engendrées par l’utilisation de l’IA
• es transformations décrites plus haut vont nécessiter de gros efforts pédagogique (rassurer, accompagner) et méthodologique (définir un cadre de travail pour que tout le monde puisse progresser dans la bonne direction).
• Ces « entreprises du futur » sont celles qui sont censées être adaptées à un contexte d’incertitude permanente et de raréfaction des ressources. Celles qui vont nous propulser dans le XXIe siècle. C’est ça la grande réinitialisation dont on nous parle depuis de nombreuses années : un ensemble de changements radicaux dans le fonctionnement des entreprises, dont nous ne voulons pas nécessairement, mais que nous devons faire pour éviter la catastrophe
• lle devra impérativement passer par de nouveaux modèles d’encadrement qui vont nécessairement émerger, même si la seule valeur différenciante restera humaine, car toutes les entreprises auront accès aux mêmes outils et modèles génératifs.
• Les orchestrateurs de demain ne seront pas ceux qui maîtriseront le mieux les outils d’IA, mais ceux qui sauront créer les conditions d’une collaboration fructueuse entre intelligences humaines et artificielles.

• la seule certitude est que dans un monde où la technologie sera une commodité, la valeur différenciante restera profondément, et nécessairement, humaine.

23 more annotations...

• Ultimately, “merging HR and Digital isn’t just about consolidation – it’s a deliberate move to close the gap between the people who shape culture and those who build the systems that support it”.
• Together, we can truly architect the flow of work – how tasks, information and decisions get done
• his approach allows the organization to take “a holistic view of what work is being done, and architect the most optimal workflows and resources to match
• but, in reality, we’re both focused on the same outcome: How to get work done at the highest quality and at scale”.
• Organizations ready to embrace the integrated lines between people, systems and the flow of work – and invest in aligning culture with technology – can drive meaningful change system wide.”
• “the insights from recurring questions [to] help us spot opportunities for policy improvements, better communication, and stronger engagement with HR services”.
• “The key is to focus on the work itself, find the optimal balance of technology and people to get that work done, and engage your employees in the journey,”
• Looking ahead to 2030, for Moderna, “our focus is on building a truly adaptive organization – one where people, technology, and work are continuously realigned to meet shifting business needs”.
• “We’re shifting from a people-only lens to a systems view”,
• while Moderna can’t predict every element of the future, Franklin concludes: “We know it’s coming, and we’re preparing to navigate it with speed, flexibility and intention.”

8 more annotations...

• l’intelligence artificielle était cette année sur toutes les lèvres et tous les stands. Plus de 40 % des exposants présentaient ainsi une solution exploitant des modèles génératifs.
• l’urgence n’est justement pas d’accélérer (investissements, R&D…), mais plutôt de ralentir pour laisser le marché reprendre son souffle et envisager sereinement l’avenir et ses nombreux défis
• • 58% des dirigeants de PME considèrent l’IA comme une question de survie à 3-5 ans, mais seuls 26% l’utilisent ;
      
  • 35 % des cadres estiment que le développement de l’IA affectera directement leur poste, mais seul un sur trois y a recours au moins une fois par semaine ;
      
  • 28% des actifs se sentent dépassés par l’IA, mais si 41% seulement utilisent l’IA au travail, seuls 11% le font régulièrement.
• si les modèles génératifs peuvent (presque) tout faire, encore faut-il savoir quoi leur demander
• Leur versatilité est à la fois une force et une faiblesse : ils peuvent répondre à presque tous les besoins, mais ils n’ont pas de cas d’usage naturel ou évident, si ce n’est les exemples habituels qui ne convainquent plus personne

• les quatre types d’innovation, tels que définis dans le Manuel d’Oslo édité par l’OCDE :

      
   
  • Innovation incrémentale (amélioration de l’existant) ;
      
  • Innovation adjacente (enrichissement de l’existant) ;
      
  • Innovation disruptive (nouveau produit/service) ;
      
  • Innovation radicale (nouveau marché).
• Pour ce qui est de l’IA générative, les plupart des entreprises sont encore au stade de l’innovation incrémentale : elles cherchent à améliorer l’existant
• Certaines entreprises ou organisations explorent des innovations adjacentes en enrichissant les tâches existantes (ex : traduction et adaptation des contenus), mais les cas d’usage disruptifs (ex : agents intelligents) peinent encore à trouver leur place, faute de stabilité technologique et d’appropriation organisationnelle
• la compréhension de ce qu’est l’IA ou de ce que peuvent faire ou pas faire les modèles génératifs est beaucoup trop faible pour espérer leur acceptation à grande échelle dans le quotidien professionnel
• l’adoption de l’IA générative se fait dans la précipitation alors que les salariés ont à peine initié ou accepté les précédents changements majeurs.
• « se mettre à l’IA » revient à ajouter un outil supplémentaire à un arsenal déjà très vaste, dont ils n’exploitent qu’une petite partie des possibilités
• l’adoption de l’IA ne pourra en aucun cas se faire de façon naturelle ou spontanée, elle passera nécessairement par un accompagnement pédagogique
• la situation intenable dans laquelle se trouvent la plupart des entreprises : des organisations du 19e siècle, avec des outils du 20e siècle, dans un contexte du 21e siècle.
• trois gros chantiers qui ont été initiés de longue date, mais ne sont toujours pas complétés :
• Le basculement du système d’informations vers le cloud
• L’adoption de pratiques collaboratives
• La densification des écosystèmes numériques
• les chatbots ne sont qu’une étape intermédiaire, car le véritable changement ne viendra qu’avec l’avènement des assistants numériques professionnels et des digital workplaces
• Ce dont les collaborateurs ont besoin n’est certainement pas d’un nouveau coup de pression (« L’IA va nous aider à faire des économies« ), mais d’une bonne raison de changer leurs habitudes pour adopter de nouveaux outils et rituels de travail.
• Le problème est qu’aujourd’hui, le futur qui nous est promis avec l’IA n’est pas vraiment désirable, mais plutôt anxiogène
• L’IA générative est censée nous aider à faire mieux avec moins, elle est pour le moment avant tout utilisé pour faire du buzz déguisé en communication institutionnelle, comme à la grande époque de la transformation digitale où chacun se targuait d’organiser des hackathons et d’avoir monté une data factory.
• es entreprises et organisations doivent prendre le temps de bien préparer l’avènement de l’IA
• il a fallu une pandémie mondiale et un confinement généralisé pour que les cols blancs prennent au sérieux les outils numériques
• Ce n’est certainement pas en écoutant ou lisant les élucubrations des nouveaux techno-prophètes que les salariés lambda vont pouvoir comprendre que l’IA générative n’est ni un gadget de plus, ni une rupture immédiate, c’est un point d’inflexion
• Il n’y aura pas de big bang de l’IA, mais plutôt une succession d’ajustements, de cycles d’apprentissage, de déceptions et de réussites.
• La rapidité avec laquelle progresse l’IA générative révèle nos limites, nos rigidités, nos lenteurs.
• Les organisations qui réussiront cette mutation ne seront pas celles qui investissent le plus, mais celles qui sauront se poser les bonnes questions, impliquer leurs collaborateurs, développer une culture de l’expérimentation et de l’apprentissage.

• Je ne remets pas en cause le potentiel disruptif de l’IA générative, car je suis le premier à dire qu’elle va autoriser des innovations radicales. J’ai simplement un regard pragmatique sur la réalité des usages et de la maturité numérique des individus et salariés.

      
• L’IA générative n’est pas la finalité, c’est l’élément déclencheur d’une refonte du fonctionnement des entreprises et organisations qui aurait dû être faite depuis bien longtemps.

28 more annotations...

• Imaginer une transformation comme innovation de rupture paraît improbable, et pourtant, la mise en place du télétravail massif durant la crise sanitaire en est un exemple frappant.
• En 24 heures, les entreprises ont accompli ce qui prend habituellement 18 mois, sans appliquer les principes classiques de transformation.
• Il distingue deux types d’innovation : l’innovation continue, qui améliore l’existant (comme dans l’automobile avec les nouvelles versions de modèles), et l’innovation de rupture, qui transforme le modèle d’affaires.
• Leur approche, inchangée depuis plus de 20 ans, repose sur des benchmarks d’effectifs, des best practices et une forte standardisation. La cible est fixée dès le départ, imposée aux unités opérationnelles, chargées de la mise en œuvre avec quelques marges d’ajustement
• Cette transformation s’est opérée sans étude initiale, benchmarks ou best practices, ainsi que sans structure cible prédéfinie, sans gestion de projet ou équipe dédiée, et sans l’intervention significative de consultants.
• L’affaire McKinsey pendant la crise sanitaire a ébranlé la confiance envers les cabinets, mais c’est surtout l’arrivée de l’IA générative qui fragilise leur business model : facturation, formation des juniors, efficacité. Pourtant, bien avant cela, les limites de la stratégie dominante étaient visibles : 70 % des transformations n’atteignent plus leurs objectifs.
• Parmi les clés de réussite du télétravail massif, la mobilisation des salariés prend ainsi une place prépondérante. Cette crise, nous a rappelé ce que la sociologie des organisations nous confirme depuis toujours : la mobilisation est spontanée.
• Selon le sociologue des organisations Norbert Alter, l’innovation résulte d’une appropriation collective, là où l’invention est imposée verticalement
• Le télétravail a été fait par et pour les salariés, ce qui est peu commun dans les transformations majeures.
• Cette particularité du « par et pour » a sans aucun doute fait la différence.

8 more annotations...

• Des coûts difficiles à justifier
• près de 75 % des entreprises interrogées déclarent que leurs employés peinent à intégrer Copilot dans leur routine, 57 % estiment que l’outil ne tient pas ses promesses de valeur ajoutée, et 53 % pointent la fréquence des résultats inexacts.
• Intégration et Valeur Pratique
• les utilisateurs ont constaté que l'IA ne réussissait pas à exécuter efficacement les fonctions spécifiques attendues.
• Une expérience utilisateur frustrante
• ne enquête menée par le Trésor australien dans le cadre d'un programme pilote a révélé que peu d'utilisateurs ont perçu un soutien tangible de l'IA dans leur travail quotidien, malgré des attentes initiales élevées.
• Des problèmes de sécurité préoccupants
• Cette faille, qui a finalement été corrigée en mai 2025, a permis à des informations confidentielles d'être partagées de manière inappropriée avec des individus et des entités qui n'avaient pas l'autorisation requise pour accéder à ces données.
• Augmentation des prix et intégration Forcée
• Selon Gartner, 40 % des responsables informatiques ont retardé le déploiement de Copilot d'au moins trois mois, préoccupés par la gestion des données et la sécurité

8 more annotations...

• Pour 20 € par mois, l’accès à GPT-4 Turbo ressemble à une aubaine. Trop belle pour être vraie.
• Des estimations crédibles avancent qu’un utilisateur actif intensif pourrait générer entre 1 et 3 dollars de coût serveur… par heure d’utilisation
• cela représenterait entre 100 et 1 500 € par mois et par utilisateur professionnel —

• OpenAI cherche son propre modèle économique viable. Plusieurs pistes sont en cours :

   
   
  • Licences professionnelles (API) : OpenAI facture déjà l’usage de son modèle via des API payantes, intégrées à des produits tiers (Notion, Zapier, Microsoft Copilot…).
   
  • Offres entreprises : des forfaits sur mesure sont vendus aux grands comptes, avec des garanties de sécurité, confidentialité et service.
   
  • Partenariat stratégique avec Microsoft : Azure assure l’infrastructure cloud, mais aussi une source majeure de revenus indirects via la suite Microsoft 365.
   
  • Marketplace d’outils GPTs personnalisés : encore embryonnaire, elle pourrait à terme devenir un App Store de l’IA.
• OpenAI ne vend pas une technologie mais une infrastructure. Elle cherche à capter des parts d’attention, des habitudes de travail, des volumes de données. La rentabilité viendra ensuite.

3 more annotations...

• What I find most fascinating about the study is that 51 percent of those CEOs felt that the rising complexity of their industries would overwhelm their ability to manage said complexity. Think about that for a second; six years ago, in a time that was much simpler, the majority of CEOs felt that they wouldn’t be able to manage the rising complexity in their industries. They had no idea what was coming.
• corporate change management models have had an abysmal 70-90 percent failure rate, a number that has not changed in the past 20 years.
• he cause of the disaster was expected and well known by NASA engineers who identified flaws in the O-rings sealing the Space Shuttle’s solid rocket booster. Yet the senior executives at NASA, focusing on their launch timelines, disregarded this information, resulting in this terrible tragedy.
• This was the result of a sociological phenomenon called hierarchical mirroring; when meaningful discussions are only expected to happen between people of equal or higher status, so when critical information is presented to senior leadership, it is often disregarded when coming from those with less authority and power.
• a multitude of experiences where critical insights were disregarded or ignored despite being accurate and essential.
• The primary weakness of leaders within command-and-control structures is that many of the problems and opportunities they set out to address are poorly understood and are often a symptom of a larger issue.
• Where bureaucracies are great at providing consistency and exerting control, they prioritize risk aversion over agility, creating bottlenecks for decision-making and struggling to identify “hazards early”
• The very nature of command and control increases the chance that leaders miss critical problems and that they don’t understand the ones that they are aware of.
• The Japanese researcher, Sidney Yoshita, coined the concept “Iceberg of Ignorance” where leaders at the top are only aware of about 4 percent of the problems an organization faces, while frontline employees can clearly see 100 percent of the problems.
• Today, all of us have access to the entire compendium of human knowledge in our pocket, we haven’t updated our management systems to accommodate this seismic shift in information access.

• This disconnect between traditional leadership approaches and modern realities has created a stark divide between organizations that evolve and those that collapse.

   
• The US auto industry in the 1970s was highly hierarchical and top-heavy, which left it completely unprepared for the fuel crisis and slow to respond to leaner, more adaptive Japanese automakers
• Additionally, the American retailer Sears, once one of the largest in the country, was incapable of seeing through their tightly siloed business units with little cross-departmental collaboration.
• There is significant evidence that those who abandon the dictates of command and control can gain a significant edge
• n 2005, Haier, the Chinese manufacturing firm that owns GE Appliances, operated under a rigid command and control structure with over 12,000 middle managers controlling a veritable army of employees. The organization was highly siloed with painstaking, slow decision-making and innovation bottlenecks
• ostering a profound spirit of entrepreneurialism. He removed over 10,000 middle managers and restructured Haier into 4,000 micro-enterprises, giving those micro-enterprises a tremendous amount of autonomy.
• rom 2005 to 2014, Haier achieved a 28 percent compound annual revenue growth. Last year, its gross margins reached 27.8 percent. Haier’s turnaround came not from increasing control, but rather from releasing it. 
• According to recent data from CEB, only 34 percent of corporate initiatives fully reach their objectives, with 50 percent being complete failures and 16 percent delivering mixed results.
• the shipping company, Louis Dreyfus Company (LDC), achieved remarkable results by giving broad decision-making authority to the managers who had the deepest understanding of the industries and commodities they serve.
• By leveraging the knowledge and experience of those closest to the ground, LDC was able to rapidly reconfigure focus toward the commodities that were most likely to be necessary during the crisis and away from sectors like cotton and other commodities likely to decrease during the lockdowns.
• Unlike traditional strategic planning and project management methodologies which assume stable conditions and the efficacy of command-and-control decision-making, Strategic Doing helps networks of people and organizations form and guide action-oriented collaborations quickly and effectively.
• The Future of Work Requires Executive Change Readiness Gartner reports that only 38 percent of employees are confident that their leadership team is capable of leading the organization into the future of work.  

• Work should be focused on sprint cycles guided by objectives, with each sprint cycle being defined by combining the assets of the different team members that can be put to work in service of moving the project forward. With a focus on asynchronous action dictated by those closest to understanding, Strategic Doing provides new insights and consistent progress in the face of a changing world.
• This year, American businesses are expected to spend $2.7 trillion dollars on digital transformation. There are numerous Space Shuttle Challenger-level disasters hiding within those efforts.
• A future that brings forth collaboration and surfaces the insights, observations and full capabilities of our entire organizations. This begins with a simple yet profound shift in leadership mindset: moving from knowing all the answers to asking, “What are we noticing?”
• Those organizations that heed this call and push power, authority and decision-making to those with access to the most information, whether through Strategic Doing, micro-enterprises or other distributed leadership models, have the potential of achieving a tremendously bright and prosperous future.

24 more annotations...

• But perhaps the most exciting future for agentic AI will come in the form of personal agents, which can take self-directed action on your behalf.
• Can AI agents be trusted to act in our best interests? Will they work exclusively for us, or will their loyalty be split between users, developers, advertisers, and service providers? And how will be know?
• Before delegating responsibility, you need to know if a person or business is reliable, honest, capable, and required by law to look out for you.
• Depending on the duties of your personal AI agents, digital versions of these and other controls will be essential.
• he risks of bad employees and contractors apply to personal AI agents, too. Indeed, given the potential scope and speed of agentic AI, users will need to be even more confident that their personal AI agents are trustworthy
• A worst-case scenario is that personal AI agents could be programmed (or reprogrammed by hackers) to work against you, analogous to an identity thief or criminal employee embezzling funds.
• In retail, personal AI agents could be intentionally designed with biased marketing preferences to steer purchases towards those who develop them or their business partners.
• Just as humans can be tricked into buying and selling from those who manipulate information unfairly or even illegally, AI agents may fall victim to similar abuse through software deployed by marketers to influence or even alter the LLMs that personal AI agents rely on.
• Manipulation can also include special preference for certain kinds of content or viewpoints.
• This is especially likely if the deployment of personal AI agents follows the approach of existing digital services, where users are given free or subsidized access to content, leaving platform operators to make their money from advertising, product placement, and other indirect sources linked to the content.
• Personal AI agent decision-making could be skewed intentionally or unintentionally by misinformation, a problem human principals and agents alike already face with today.
• Examples of LLMs relying on erroneous or intentionally false information in response to user queries—in some cases giving dangerous health recommendations—have been regularly reported since the first release of ChatGPT
• One way to keep AI agents honest, just as with their human counterparts, is careful supervision, auditing, and limiting autonomy by establishing levels of approval based on the potential scale and cost of delegated decisions.

• 1. Treat AI Agents as Fiduciaries

   

  Attorneys, legal guardians, trustees, financial advisors, board members, and other agents who manage the property or money of their clients are held to an enhanced duty of care, making them what is known as fiduciaries.

• 2. Encourage Market Enforcement of AI Agent Independence

   

  Business leaders who will benefit from offering personal AI agents to their stakeholders should work together with service providers, private regulators, and entrepreneurs to promote trust and safety for agentic AI technology. This includes offering and including insurance in the deployment of personal AI agents.

• 3. Keep Decisions Local

   

  Careful design and implementation of agentic AI technology can head off many trust-related issues before they arise. One effective way to deter commercial or criminal manipulation of personal AI agents is to restrict their ability to disclose personal data. Several device and operating system developers, including Google and Microsoft, are working on agentic AI tools that keep all sensitive data and decision-making performed by agents localized to the user’s phone, tablet, or personal computer. This both limits the opportunity for outsiders to interfere with the agent and reduces the risk that sensitive data could be hijacked and used by rogue software posing as an authorized agent.
• Agentic AI technology holds tremendous promise for making life easier and better, not only for enterprises but for individuals as well. Still, users will not embrace AI agents unless they are confident the technology can be trusted, that there is both public and private oversight of agent behavior, and appropriate monitoring, reporting, and customization tools that are independent of the developers of the agents themselves.

15 more annotations...

• “Improvement here is never connected to the idea of headcount reduction. It's about finding new value. So there's no fear behind improvement.”
• Lean is about developing people, not eliminating them. That clarity matters. Because when fear is present, improvement stalls.
• In too many American organizations, I've seen well-meaning Lean efforts derailed because improvement was tied to cost-cutting. Sometimes explicitly. Sometimes quietly. Either way, the result is the same: fear kills the very engagement we need.

• “Layoffs are not a strategy.”

   

      

  That kind of leadership matters. It sets the tone. When frontline staff know their jobs aren't on the line every time a new strategy is introduced, they can focus on delivering care and improving the system–not just protecting themselves.
• leading with respect isn't just nice–it's effective.
• At Toyota and other standout companies, improvement isn't feared–it's expected. Not because people are culturally wired that way, but because leaders have created the conditions that make it safe.

• We've seen hospitals that have been practicing quality circles and Kaizen for over 25 years, not because of tradition, but because they've made intentional decisions to stick with it and evolve.

      

• f you're serious about Lean, here are three questions to ask:

      
   
  1. Have we publicly committed to no layoffs due to Lean?
      
  2. Have we communicated that clearly to our employees?
      
  3. Are we investing in systems and roles that repurpose freed-up time into more value-added work?

• Lean is about building better systems and growing better people.

   

      

  That means treating people as assets to develop–not costs to eliminate.

7 more annotations...