Evropska produktivnost je obtičala v preglednicah

Upravljanje znanja v proizvodnji odloča, kako pogosto tovarna isti problem plača dvakrat. V EU, kjer je ura dela v desetih letih ustvarila le 7% več, je vzvodov le še malo. Eden od njih je, da je vsak rešen problem mogoče najti.

Obtičali smo pri težkem problemu. Potem smo izvedeli, da ga je eden od inženirjev raziskal že pred nekaj leti. Vse je bilo tam, na njegovem prenosniku, na katerem je bilo več kot 20 let njegovega dela.

Nihče drug tega ni vedel. Odgovor je bil že v hiši.

Zakaj je upravljanje znanja v proizvodnji na prvem mestu

Po mojem se evropska produktivnost zatakne prav pri takem izgubljenem znanju. Tiči v tem, kar podjetje že ve, pa ne najde.

Upravljanje znanja zveni kot kategorija programske opreme. V proizvodni hali je stvar preprostejša. Gre za vprašanje, ali bo naslednji, ki naleti na problem, našel tisto, kar se je naučil prejšnji.

Večina tovarn na to ne more odgovoriti z da. Preostanek prispevka govori o tem, zakaj je to danes pomembnejše kot pred desetimi leti.

Ura dela v Evropi se je komaj premaknila

Eurostat meri, koliko ustvari ena ura dela, po odštetju inflacije. V EU je ta številka med letoma 2015 in 2025 zrasla za 7%.

Deset let naložb v stroje in programsko opremo, ura pa je boljša za 7%.

V EU kot celoti so stroški manjši del zgodbe. Ura dela je leta 2016 stala 25,6 evra, leta 2025 pa 34,9 evra. Preračunana v evre leta 2025 je ura iz leta 2016 stala 33,95 evra, zato se je realni strošek povečal za približno 3%, manj kot proizvod. Slovenija je drugačen primer, o njej več v nadaljevanju.

Problem je v tem, kako počasi raste proizvod. Evropa mora iz vsake ure dobiti več, poti do tega pa je le nekaj.

Več ljudi tega ne bo rešilo

Očiten odgovor je zaposlovanje. Številke ta vrata zaprejo.

Draghijevo poročilo o evropski konkurenčnosti, objavljeno septembra 2024, to pove takole: “By 2040, the workforce is projected to shrink by close to 2 million workers each year.”

Isto poročilo posledico strne v eno vrstico: “If Europe cannot become more productive, we will be forced to choose.”

Tudi daljši delavnik tega ne bo rešil

Drugi očiten odgovor je več dela. Gospodarska zgodovina je to že preizkusila.

John Pencavel z Univerze Stanford je preučil britanske tovarne streliva med prvo svetovno vojno. Proizvodnja je z urami rasla le do določene meje. Nad njo dodatne ure niso prinesle skoraj ničesar.

Ena primerjava izstopa. Delavci, ki so v šestih dneh delali 48 ur in imeli nedeljo prosto, so naredili nekoliko več kot delavci, ki so v sedmih dneh delali 70 ur.

Utrujena ekipa težak problem rešuje počasneje, sproti pa naredi še nove.

Najdražji problemi so stari

Ostane to, da iz vsake ure dobimo več. V kakovosti eno mesto izstopa.

Stranke mi govorijo vedno isto. Najdražji problemi niso novi. So pozabljeni.

Za ljudi v izmeni so redki. Napaka, ki se pojavi enkrat na nekaj let, je nova za ekipo, ki naleti nanjo. Za podjetje je stara znanka. Nekdo jo je že rešil.

Odgovor je običajno na enem od štirih mest:

1. Staro 8D poročilo, vloženo po številki in datumu.
2. Preglednica brez vrstice z naslovi, na skupnem disku.
3. Mapa, ki jo razume samo en človek.
4. Glava enega človeka ali njegov prenosnik.

Po nobenem od teh mest ni mogoče iskati z vprašanjem, ki ga naslednji inženir v resnici postavi: “se je kaj takega na tej liniji že zgodilo?”

Zato ekipa začne znova, linija in kupec pa čakata. Nihče teh ur ne zabeleži kot izgubo, ker so videti kot delo.

Kaj kažejo dokazi

Študija, ki je leta 2025 izšla v reviji Quarterly Journal of Economics, je preverila, kaj se zgodi, ko tak odgovor dobijo tudi drugi.

Erik Brynjolfsson, Danielle Li in Lindsey Raymond so spremljali 5.172 agentov za podporo strankam. Podjetje jim je dalo AI pomočnika, ki se je učil iz tega, kako so njegovi najboljši agenti reševali pretekle primere.

Tu so pomembne tri ugotovitve:

1. Največji napredek je bil pri zmerno redkih problemih, kjer so imeli agenti malo lastnih izkušenj, sistem pa je imel še vedno dovolj preteklih primerov, iz katerih se je lahko učil.
2. Največ so pridobili manj izkušeni agenti. Najbolj izkušeni so pridobili malo.
3. Agenti z dvema mesecema dela in pomočnikom so delali enako dobro kot agenti z več kot šestimi meseci dela brez pomočnika.

To je bila podpora strankam, ne tovarna. Mislim, da tovarna deluje enako, ker so tudi njeni najdražji problemi redki. To je moje branje študije, študija sama tega ne preverja.

Prenese se mehanizem. Pomočnik je to, kar so vedeli najboljši agenti, naredil dosegljivo vsem ostalim.

Kaj se spremeni v proizvodni hali

Povežite vsak problem kakovosti, ki ga je podjetje rešilo, in omogočite, da po njem lahko išče vsak. Znanje najboljšega inženirja pride do vseh.

Tukaj je isti redki problem, prej in potem.

	Znanje v poročilih, mapah in glavah	Znanje, po katerem lahko išče vsak
Kje je zadnja rešitev	8D poročilo, preglednica, en prenosnik	en zapis, najden po simptomu, kosu ali stroju
Kdo ve, da obstaja	tisti, ki je problem rešil, če je še v podjetju	vsak, ki vpraša
Prva ura redkega problema	sestanki, na katerih se znova sestavlja že znano	branje tega, kaj je bilo preizkušeno in kaj je delovalo
Nov inženir	se uči tako, da ponavlja staro delo	začne pri zadnji rešitvi
Linija in kupec	čakata, da je reševanje končano	odgovor dobita prej
Stroški slabe kakovosti	plačani vsakič znova	plačani enkrat, nato padajo

Po mojem linija prej spet steče in kupec prej dobi odgovor. Rešijo se težji problemi, stroški slabe kakovosti pa padejo.

Slovenija, izrazitejši primer

V Sloveniji je pritisk večji, ker strošek ure raste hitreje kot to, kar ura ustvari.

Med letoma 2016 in 2025 se je realni strošek ure dela v Sloveniji povečal za 35%. Proizvod na uro se je povečal za 16%. Obe številki sta po odštetju inflacije in izhajata iz podatkov Eurostata.

Vrzel pokaže preprost preizkus. Če bi urni strošek iz leta 2016, 16,8 evra, rasel samo s produktivnostjo in cenami, bi leta 2025 znašal 25,6 evra. Dejansko je znašal 29,7 evra. Proizvod torej ni pokril 4,1 evra na uro. Izračun je naš, iz podatkov Eurostata.

Samo v letu 2025 so se urni stroški dela v Sloveniji povečali za 9,3%, v EU pa za 4,1% (Eurostat).

Produktivnost Slovenije je leta 2025 dosegla 86% povprečja EU, merjeno v standardih kupne moči (SKM). Urad RS za makroekonomske analize in razvoj (UMAR) piše, da se vrzel zapira le počasi. V poročilu European Innovation Scoreboard 2026 je Slovenija uvrščena med zmerne inovatorje.

Peter Wostner z UMAR-ja je leta 2023 dejal, da se mora Slovenija posloviti od zgodbe, da je zadovoljna s povprečjem. Po poročanju RTV SLO je na isti predstavitvi menil, da bodo koristi umetne inteligence šle predvsem državam, ki so ambiciozne, inovativne in se hitro prilagajajo.

Tovarna državnih številk ne more spremeniti. Lahko pa neha isti problem plačevati dvakrat.

Kaj pa ljudje

Delovna mesta so upravičena skrb.

Mednarodna organizacija dela je preučila, kako izpostavljen je posamezen poklic generativni umetni inteligenci. Njen sklep je, da se bo večina delovnih mest spremenila, ne pa izginila.

Raziskovalci z Univerze Stanford so pregledali ameriške plačne evidence podjetja ADP do junija 2026. Zaposlenost delavcev, starih od 22 do 25 let, je padla v poklicih, ki so umetni inteligenci najbolj izpostavljeni, tam, kjer ta nadomešča njihove naloge. Kjer umetna inteligenca ljudi dopolnjuje, zaposlenost stagnira ali raste.

Po mojem je to tista izbira. Ljudi razbremenite ponavljajočega se dela in dela s podatki ter jih premestite na delo, ki ustvari več vrednosti. Zapis rešenih problemov, po katerem se da iskati, je prav taka uporaba. Inženir ostane, odpade pa delo, s katerim bi znova reševal, kar je podjetje že enkrat plačalo.

Eno vprašanje za vašo tovarno

Vzemite 10 najdražjih problemov kakovosti iz lanskega leta.

Koliko jih je vaše podjetje že enkrat rešilo?

Pogosta vprašanja

Kaj je upravljanje znanja v proizvodnji?

To je način, kako tovarna ohrani tisto, kar so se njeni ljudje naučili, da lahko nekdo drug to najde in uporabi. V kakovosti to pomeni, da je vsak rešen problem mogoče poiskati po simptomu, kosu ali stroju, skupaj z vzrokom, dokazi in ukrepom, ki je deloval. Poročilo, vloženo po številki in datumu, tega preizkusa ne prestane.

Zakaj evropska produktivnost raste tako počasi?

Razlogov je veliko in ekonomisti se ne strinjajo, kateri tehtajo največ. Številke pa so jasne: realni proizvod na opravljeno uro dela je v EU med letoma 2015 in 2025 zrasel za približno 7% (Eurostat). Draghijevo poročilo dodaja, da se bo delovna sila do leta 2040 vsako leto skrčila za skoraj 2 milijona delavcev, zato mora rast priti iz same ure.

Ali umetna inteligenca v tovarnah ukinja delovna mesta?

Mednarodna organizacija dela pričakuje, da se bo večina delovnih mest, izpostavljenih generativni umetni inteligenci, spremenila, ne pa izginila. Raziskovalci z Univerze Stanford so ugotovili, da zaposlenost mladih delavcev pada tam, kjer umetna inteligenca nadomešča njihove naloge, tam, kjer ljudi dopolnjuje, pa ostaja enaka ali raste. Izid je odvisen od tega, kako jo podjetje uporablja.

Zakaj se problemi kakovosti ponavljajo?

Ker so najdražji problemi za ljudi v izmeni redki, za podjetje pa stari znanci. Prva rešitev je v starem poročilu, v mapi ali v glavi enega človeka. Naslednja ekipa je ne najde, zato začne znova.

Več na galileon.si

1. Tovarne pozabijo, kar so že rešile
2. Kako SolveR drži primer skupaj

Viri

1. Eurostat, Labour productivity and unit labour costs (nama_10_lp_ulc), realna produktivnost dela na opravljeno uro, indeks 2015 = 100, EU27 in Slovenija. Podatki pridobljeni 28 September 2026. Eurostatov brskalnik podatkov
2. Eurostat, Labour cost levels by NACE Rev. 2 activity (lc_lci_lev), industrija, gradbeništvo in storitve, EU27 in Slovenija. Podatki pridobljeni 28 September 2026. Eurostatov brskalnik podatkov
3. Eurostat, HICP annual average index (prc_hicp_aind), 2015 = 100, EU27 in Slovenija. Podatki pridobljeni 28 September 2026. Eurostatov brskalnik podatkov
4. Eurostat, EU hourly labour costs ranged from €12 to €57 in 2025, sporočilo za javnost, 31 March 2026. Eurostatove novice
5. Mario Draghi, The future of European competitiveness, Part A, September 2024, str. 5. Evropska komisija
6. John Pencavel, The Productivity of Working Hours, The Economic Journal 125 (589), December 2015. Wiley, prosto dostopna različica IZA DP 8129, April 2014
7. Erik Brynjolfsson, Danielle Li, Lindsey Raymond, Generative AI at Work, The Quarterly Journal of Economics 140 (2), April 2025. Oxford Academic
8. ILO in NASK, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 20 May 2025. ILO
9. Erik Brynjolfsson, Bharat Chandar, Ruyu Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab, različica z dne 12 August 2026. Stanford Digital Economy Lab
10. UMAR, Poročilo o razvoju 2026, May 2026, str. 19. UMAR
11. Evropska komisija, European Innovation Scoreboard 2026, 9 July 2026, in profil države Slovenija. Evropska komisija, profil Slovenije
12. RTV SLO, UMAR: za hitrejšo rast produktivnosti je potrebno več ambicioznosti in poguma, 6 December 2023. RTV SLO