5 wskazówek, jak przyspieszyć wdrożenie sztucznej inteligencji w Twojej firmie

Znajomość niezrównanego potencjału wdrożenia AI w całej firmie nie jest informacją poufną. Nawet przy wszystkich postępach w ostatnich latach nadal wydaje się, że dopiero zaczynamy dostrzegać, co może zrobić sztuczna inteligencja.

Istnieją niezliczone przykłady przedsiębiorstw z dziesiątek sektorów wykorzystujących sztuczną inteligencję do różnych zadań i procesów. Algorytmy pomagają firmom przewidywać zachowania klientów i wzorce zakupowe, optymalizować łańcuchy dostaw, personalizować doświadczenia, rozumieć pracowników , a nawet pomagać w znalezieniu Waldo .

Jednak dla niektórych firm wdrożenie i przyspieszenie wdrożenia na pełną skalę jest zniechęcającą perspektywą. Wiele osób ma obawy dotyczące dostawców, możliwości integracji, kosztów oraz kwestii związanych z prywatnością i przepisami. Czy sok jest w ogóle wart wyciskania, biorąc pod uwagę te wyzwania?

Tak więc, jeśli myślisz o dalszym wdrażaniu sztucznej inteligencji w swoich procesach lub rozpocząłeś przejście i uważasz, że jest to frustrujące lub nużące, oto pięć sposobów na szybsze osiągnięcie swoich celów.

Źródło: McKinsey & Company

1) Bezpieczne sponsorowanie wykonawcze

Podobnie jak wcześniejsze przykłady SaaS , sztuczna inteligencja wprowadza nowy sposób robienia rzeczy w porównaniu z oprogramowaniem lokalnym. Ale wraz ze zmianą przychodzi wyzwanie. Wpisowe do zarządu ma kluczowe znaczenie dla sukcesu.

Im bardziej poinformowane i zaangażowane osoby na wyższym szczeblu są w korzystaniu ze sztucznej inteligencji, tym większe są szanse na przyjęcie w całym przedsiębiorstwie. „Silne kierownictwo wykonawcze idzie w parze z silniejszym przyjęciem sztucznej inteligencji.

Respondenci z firm, które z powodzeniem wdrożyły technologię sztucznej inteligencji na dużą skalę, zwykle oceniali wsparcie pakietu menedżerskiego prawie dwa razy wyżej niż ci z firm, które nie przyjęły technologii sztucznej inteligencji” – wynika z badania McKinsey Global Institute .

Jeśli nie ma lidera biznesowego, który mógłby przejąć inicjatywę w przejściu na sztuczną inteligencję, masz już zły początek. Upewnij się, że osoby na stanowiskach kierowniczych zajmują się różnymi aspektami programu integracji AI.

Każdy krok musi być również odpowiednio obsadzony personelem, aby kierować procesem, bez obawy o zmianę kierownictwa w trakcie kampanii, aby odnieść sukces.

Zaplanuj cotygodniową telekonferencję z kluczowymi interesariuszami, aby upewnić się, że role są stale udoskonalane, a wszyscy są na bieżąco informowani o stanie adopcji.

Warto również podkreślić, że jako szef tej kampanii musisz być w stanie dyktować zasoby, inwestycje i ogólną strategię w całej organizacji. Obejmuje to aktywne angażowanie osób wokół Ciebie w celu uzyskania wsparcia w zakresie strategii AI, zasobów ludzkich i IT oraz adaptacji kulturowej.

Pomogłoby, gdybyś potraktował adopcję kulturową jako priorytet, pociągając liderów organizacyjnych do odpowiedzialności za wprowadzanie poprawek potrzebnych do kontynuowania transformacji. Zarząd musi usunąć bariery i przeszkody, zarówno techniczne, jak i kulturowe, aby zwiększyć Twoje szanse na sukces.

Kiedy C-suite dopasuje się do Twoich celów, musisz określić, w jaki sposób chcesz zarządzać budżetem i kontrolować go. Jest to szczególnie ważne, jeśli Twój obecny krajobraz składa się z konkurencyjnych analiz wewnętrznych lub wysiłków AI.

Na koniec nie zapomnij świętować i informować swojej organizacji o postępach. Pomaga to wzmocnić zaangażowanie kadry kierowniczej, a także zyskać poparcie dla transformacji.

Źródło: McKinsey & Company

2) Zdefiniuj zarządzanie danymi i zarządzanie

Inteligentniejsze i bardziej dostępne oprogramowanie do samoobsługi i współpracy zespołowej zapewnia wzrost ilości danych, źródeł danych i większe oczekiwania użytkowników końcowych.

W rezultacie niezbędne staje się wymaganie odpowiedniego zarządzania danymi. Bez niego dane znajdują się bez celu w jeziorze danych lub magazynie danych. Spójrz na to w ten sposób, więcej danych bez ograniczeń może dać firmom większą swobodę.

Jednak na poziomie przedsiębiorstwa może to oznaczać pominięte kroki, nieefektywne wyniki i przeoczenia. Szybsza analityka może stać się problemem, zanim stanie się rozwiązaniem.

Bardzo ważne jest, aby rozwiązać ten problem przy wsparciu kadry kierowniczej. Oznacza to określone zasoby do zarządzania i ulepszania gromadzenia danych, wydajności i wykorzystania wszystkich istotnych funkcji.

Zespół ds. zarządzania danymi musi dodatkowo określić i nadzorować zasady dotyczące danych, standardy, definicje oraz zarządzać jakością danych.

Pamiętaj, że nie wszystkie dane są sobie równe. Określ, co wymaga kontroli wykonawczej i jakie dane mogą być publicznie dostępne do użytku.

Biorąc pod uwagę dzisiejszą dostępność bardziej przyjaznych dla użytkownika narzędzi analitycznych i wizualizacyjnych, na ile „samoobsługi” można pozwolić na tworzenie lepszych modeli predykcyjnych lub różnych sposobów tworzenia nowych procesów biznesowych? Kto może definiować te zbiory danych i przypadki użycia?

Są to ważne aspekty, które należy wziąć pod uwagę, ponieważ należy zachować równowagę między sztywnością i ochroną a elastycznością. To ponownie podkreśla znaczenie użytecznego modelu zarządzania danymi.

Zbyt duża kontrola może oznaczać powolne procesy, brak odpowiedzi, biurokrację, potrzebę weryfikacji poczty e-mail i jawne korzystanie z rozwiązań informatycznych kierowanych przez firmę.

Zbyt duża elastyczność może oznaczać różne wersje prawdy, prowadząc do braku rzeczywistej własności lub odpowiedzialności, konfliktów i zmniejszenia produktywności.

Źródło: KPMG  

Gdy podejmujesz decyzje dotyczące sztucznej inteligencji, proces zarządzania danymi umożliwia wdrożenie tych decyzji i zarządzanie nimi. W tym kto może uzyskać dostęp do czego, w jakim zakresie i z czym ten dostęp pociąga.

3) Weź pod uwagę i przetestuj podejście w przeciwieństwie do sukcesu lub porażki

Wszystkie zastosowania sztucznej inteligencji są wyjątkowe i niosą ze sobą własne zestawy wyzwań. I tak, musisz rozpocząć wszystkie wprowadzenia AI od metody „testuj i udoskonalaj”, w przeciwieństwie do podejścia „sukces lub porażka”.

Konwencjonalnie metody analityczne zakładają zdefiniowaną relację między zmiennymi. Testowanie jednostronnej hipotezy albo ją potwierdzi, albo odrzuci, ale nie odkryje ukrytego związku między zmiennymi; dlaczego.

Tworzenie hipotez dla każdego kroku, a następnie wykorzystanie tych wiedzy i doświadczeń w kolejnych ma kluczowe znaczenie. Oznacza to, że znacznie łatwiejszym procesem jest udoskonalanie i nadzorowanie wdrożenia sztucznej inteligencji, aż stanie się wykonalnym rozwiązaniem, które zapewnia znaczące wyniki.

I chociaż takie podejście nieuchronnie wydłuży terminy wdrożenia, umożliwia również dopracowanie wyniku w celu uwzględnienia wyciągniętych z życia doświadczeń.

Jeśli integrujesz sztuczną inteligencję ze skomputeryzowaną obsługą klienta, taką jak automatyczne chatboty, ważne jest, aby niezależnie od tego, dokąd klient się udał, czekała na niego odpowiedź. Nie może działać do pewnego momentu, potrzebuje absolutów. Ostateczne rozwiązania dostosują się wówczas do potrzeb pracowników i użytkowników końcowych.

Źródło: PWC

4) Poświęć czas na zarządzanie zmianą i szkolenia

Wdrożenie interfejsu API AI do pozyskiwania nowego zestawu danych jest proste. Jednak zmiana zarządzania i szkoleń dla analityków, którzy będą korzystać z tych procesów w przyszłości, jest wyzwaniem.

Większość form sztucznej inteligencji tworzy automatyczne decyzje – „tak” lub „nie”. Jednak często zdarza się, że integracja algorytmów ML może również pozwolić na bardziej subtelne odpowiedzi. Odpowiedzi te można wykorzystać w połączeniu z istniejącymi procesami, aby zapewnić najlepsze wyniki.

Na przykład, jeśli wyniki decyzji AI mówią, że wniosek o pożyczkę w skali adekwatności 1-10, wyniki od 7-10 mogą dać automatyczne „tak”.

Jednak wszystko, co jest niższe, nadal będzie wymagało wkładu ludzkiego, aby zaakceptować lub odrzucić wniosek. Jeśli integrujesz sztuczną inteligencję do analizowania poleceń głosowych w call center za pośrednictwem komunikacji VoIP , jak może ona odróżnić polecenia głębiej niż „opcja 1 lub opcja 2”?

Tak jak spędzasz czas na szkoleniu pracowników, jak korzystać z określonego procesu, to samo dotyczy wyników opartych na sztucznej inteligencji.

Pracownicy-ludzie mogą potrzebować spędzić kilka tygodni na analizie wyników pochodzących z algorytmów AI. To dałoby im punkt odniesienia, jeśli chodzi o to, jak najlepiej interpretować wyniki.

Jeśli korzystasz z usług dostawcy sztucznej inteligencji, może on udzielić wskazówek, jak zrozumieć wyniki i jak pracownicy mogą w pełni wykorzystać nowy system. W przeciwnym razie nauka tworzenia internetowej platformy edukacyjnej może być opłacalną inwestycją, aby przyspieszyć rozwój członków zespołu.

Sztuczna inteligencja nie jest „magią”. To tylko sposób na zrozumienie wzorców i zachowań, aby dostarczać dokładniejsze wyniki i przewidywać. Sztuczna inteligencja działa tylko wtedy, gdy ma zdefiniowany problem do rozwiązania i odpowiednie wskaźniki, aby odnieść sukces. Jeśli nie określiłeś jasno problemu, do rozwiązania którego kupiłeś sztuczną inteligencję, nie uzyskasz właściwego rozwiązania.

Źródło: Harvard Business Review

5) Konsoliduj i asymiluj automatyzację

W miarę wdrażania sztucznej inteligencji w całym przedsiębiorstwie, wygląd tych procesów w przyszłości zmieni się wraz z wprowadzeniem wielu rodzajów automatyzacji. Od kompletnych procesów ręcznych aż po przyjęcie RPA i jeszcze bardziej zaawansowanych protokołów AI.

Najlepiej jest po prostu (a wiem, że to wielka sprawiedliwość) wymyślać od podstaw procesy biznesowe, mając na uwadze sztuczną inteligencję. Następnie możesz zastosować najlepsze narzędzie do pracy na dowolnym etapie.

Samo wprowadzenie RPA lub AI do ustalonych procesów może oznaczać, że stracisz cały ich potencjał. Musisz także rozważyć przekazanie, które musi nastąpić podczas dalszej integracji.

Obejmuje to uczenie się człowiek-maszyna lub maszyna-maszyna. Usprawniając przekazywanie i czyniąc je bardziej płynnymi i niezawodnymi, możesz jeszcze bardziej ulepszyć swoje przyszłe procesy, aby były opłacalne, konkurencyjne i sprawne.

Źródło: Harvard Business Review

Wdrażanie AI można przyspieszyć. Jednak niekoniecznie chodzi o bycie mądrzejszym; chodzi o dokonywanie właściwych wyborów. Posiadanie poparcia kadry kierowniczej w połączeniu ze zdefiniowanym zespołem ds. zarządzania danymi ma kluczowe znaczenie.

Ponieważ staje się zafiksowany na jakości danych, poświęcając wystarczająco dużo czasu na zarządzanie zmianami i przeprowadzając test bez podejścia do zdefiniowanych oczekiwań.

Jeśli Twój projekt AI zajmuje zbyt dużo czasu, bądź cierpliwy. Jak każda cyfrowa transformacja, tak jak zbliżasz się do mety, prawdopodobnie napotkasz kolejną przeszkodę. Pokonaj go jednak, a możliwości są nieograniczone.

John Allen jest dyrektorem globalnego SEO w RingCentral, globalnym dostawcy rozwiązań UCaaS, VoIP i wideokonferencji. Ma ponad 14-letnie doświadczenie i rozległe doświadczenie w budowaniu i optymalizacji programów marketingu cyfrowego. Pisał dla serwisów takich jak Hubspot i BambooHR.