5 dicas para acelerar a implementação de IA da sua empresa

Saber o potencial incomparável da implementação de IA em toda a empresa não é uma informação privilegiada. Mesmo com todo o avanço nos últimos anos, ainda parece que estamos apenas começando a ver o que a inteligência artificial pode fazer.

Existem inúmeros exemplos de empresas em dezenas de setores que usam IA para diversas tarefas e processos. Os algoritmos ajudam as empresas a prever o comportamento do cliente e os padrões de compra, otimizar as cadeias de suprimentos, personalizar experiências, entender sua força de trabalho e até mesmo ajudá-lo a encontrar o Waldo .

Para algumas empresas, no entanto, implementar e acelerar a implementação em grande escala é uma perspectiva assustadora. Muitos se preocupam com fornecedores, capacidade de integração, custo e privacidade e questões regulatórias. Será que vale a pena apertar o suco, dados esses desafios?

Portanto, se você está pensando em adotar ainda mais a IA em seus processos, ou se iniciou a transição e a considera frustrante ou entediante, aqui estão cinco maneiras de atingir seus objetivos mais rapidamente.

Fonte: McKinsey & Company

1) Patrocínio executivo seguro

Como os exemplos de SaaS anteriores, a IA está inaugurando uma nova maneira de fazer as coisas em comparação com o software local. Mas com a mudança, vem o desafio. Ter o buy-in do C-suite é crucial para o sucesso.

Quanto mais informados e engajados os superiores estiverem no uso da IA, melhores serão as chances de adoção em toda a empresa. “Uma liderança executiva forte anda de mãos dadas com uma adoção mais forte de IA.

Os entrevistados de empresas que implantaram com sucesso uma tecnologia de IA em escala tenderam a classificar o suporte C-suite quase duas vezes mais alto do que aqueles de empresas que não adotaram a tecnologia de IA ”, de acordo com este estudo do McKinsey Global Institute .

Se não houver um líder de negócios posicionado para liderar sua transição de IA, você já começou mal. Certifique-se de que aqueles em cargos executivos sejam encarregados de diferentes facetas de um programa de integração de IA.

Cada etapa também deve ter uma equipe adequada para conduzir o processo, sem medo de mudar o gerenciamento ao longo de uma campanha para ter sucesso.

Agende uma teleconferência semanal com as principais partes interessadas para garantir que as funções sejam constantemente refinadas e que todos sejam informados sobre o status de adoção.

Também vale a pena enfatizar que você - como chefe desta campanha - precisa ser capaz de ditar recursos, investimentos e estratégia geral em toda a organização. Isso inclui envolver ativamente aqueles ao seu redor para obter suporte com estratégia de IA, recursos humanos e de TI e adoção cultural.

Ajudaria se você tornasse a adoção cultural uma prioridade, responsabilizando os líderes organizacionais enquanto executam as revisões necessárias para continuar a transformação. O alto escalão deve remover barreiras e obstáculos, tanto técnicos quanto culturais, para aumentar suas chances de sucesso.

Uma vez que o C-suite esteja alinhado com seus objetivos, você precisa determinar como deseja gerenciar e controlar o orçamento. Isso é especialmente verdadeiro se seu cenário atual for composto de análises internas concorrentes ou esforços de IA.

Por último, não se esqueça de comemorar e comunicar o progresso à sua organização. Isso ajuda a fortalecer o compromisso dos executivos e também a obter apoio para a transformação.

Fonte: McKinsey & Company

2) Definir gestão e governança de dados

O software de "autoatendimento" e de colaboração de equipe mais inteligente e acessível traz consigo um aumento nos dados, nas fontes de dados e em mais expectativas do usuário final.

Como resultado, a demanda por governança de dados adequada torna-se essencial. Sem ele, os dados ficam sem propósito em um data lake ou warehouse. Veja as coisas desta forma, mais dados sem restrição podem dar às empresas mais liberdade.

No entanto, no nível empresarial, pode significar etapas perdidas, resultados ineficientes e omissões. Análises mais rápidas podem se tornar um problema antes de parecer uma solução.

É fundamental lidar com isso com o apoio dos executivos. Isso significa recursos definidos para gerenciar e aprimorar a coleta, a eficiência e o uso de dados em todas as funções vitais.

A equipe de governança de dados deve, adicionalmente, estabelecer e supervisionar as políticas, padrões e definições de dados e gerenciar a qualidade dos dados.

Lembre-se de que nem todos os dados são iguais. Defina o que precisa de controle executivo e quais dados podem ser disponibilizados publicamente para uso.

Dada a disponibilidade atual de ferramentas analíticas e de visualização mais amigáveis ​​ao usuário , quanto 'autoatendimento' pode ser permitido para criar modelos de previsão melhores ou diferentes maneiras de criar novos processos de negócios? Quem pode definir esses conjuntos de dados e casos de uso?

Esses são aspectos vitais a serem considerados, pois há um equilíbrio que precisa ser alcançado entre ser rígido e protetor e ser flexível. Isso, novamente, destaca a importância de um modelo de governança de dados útil.

Muito controle pode significar processos lentos, falta de resposta, burocracia, a necessidade de coisas como verificação de e- mail e uso aberto de soluções de TI voltadas para os negócios.

Muita flexibilidade pode significar diferentes versões da verdade, levando a nenhuma propriedade ou responsabilidade real, conflito e redução da produtividade.

Fonte: KPMG  

Conforme você toma decisões sobre IA, um processo de governança de dados permite que você implemente e gerencie essas decisões. Incluindo quem pode acessar o quê, quanto acesso e o que esse acesso acarreta.

3) Considere e teste a abordagem em oposição ao sucesso ou fracasso

Todas as adoções de IA são únicas e apresentam seus próprios conjuntos de desafios. E então, você precisa começar todas as introduções de IA com um método de 'testar e refinar' em oposição a uma abordagem de 'sucesso ou fracasso'.

Convencionalmente, os métodos analíticos inferem uma relação definida entre as variáveis. Testar uma hipótese unilateral irá validá-la ou rejeitá-la, mas não descobrirá a conexão oculta entre as variáveis; o porquê .

É fundamental criar hipóteses para cada etapa e, em seguida, usar esses aprendizados e experiências nas próximas. Significa refinar e curar sua implantação de IA até que pareça que uma solução viável que forneça resultados significativos é um processo muito mais fácil.

E, embora essa abordagem vá inevitavelmente estender os prazos de implantação, ela também permite que você ajuste o resultado para incorporar as lições aprendidas da vida real.

Se você estiver integrando IA ao serviço de atendimento ao cliente computadorizado , como chatbots automatizados, é vital, não importa aonde o cliente vá, há uma resposta esperando por ele. Não pode funcionar até certo ponto, precisa de absolutos. As soluções definitivas se alinharão às necessidades do funcionário e do usuário final.

Fonte: PWC

4) Gastar tempo em gerenciamento de mudanças e treinamento

A implantação de uma API AI para ingerir um novo conjunto de dados é simples. No entanto, alterar o gerenciamento e o treinamento dos analistas que usarão esses processos no futuro é um desafio.

A maioria das formas de IA cria decisões automatizadas - "sim" ou "não". No entanto, é comum que a integração de algoritmos de ML também permita respostas mais sutis. Essas respostas podem ser usadas em conjunto com processos existentes para entregar os melhores resultados.

Por exemplo, se a pontuação de uma decisão de IA for um pedido de empréstimo em uma escala de adequação de 1 a 10, as pontuações de 7 a 10 podem resultar em um sim automático.

No entanto, qualquer coisa inferior ainda exigirá intervenção humana para conceder ou negar o aplicativo. Se você estiver integrando IA para analisar comandos de voz em uma central de atendimento por meio de comunicações VoIP , como ela pode distinguir os comandos mais profundamente do que apenas “opção 1 ou opção 2”?

Assim como você gastaria tempo treinando funcionários sobre como usar um processo específico, o mesmo se aplica aos resultados baseados em IA.

Funcionários humanos podem precisar passar algumas semanas analisando os resultados dos algoritmos de IA. Isso lhes daria um quadro de referência em termos de como interpretar melhor as pontuações.

Se você estiver usando um fornecedor de IA, ele pode orientar sobre como entender os resultados e como os funcionários podem obter o máximo do novo sistema. Caso contrário, aprender como criar uma plataforma de aprendizagem online pode ser um investimento valioso para deixar os membros da equipe atualizados.

AI não é 'mágica'. É apenas uma forma de compreender padrões e comportamentos para fornecer resultados mais precisos e fazer previsões. A IA só funciona quando tem um problema definido para resolver e as métricas certas para ter sucesso. Se você não definiu claramente o problema para o qual comprou a IA para resolver, não encontrará a solução certa.

Fonte: Harvard Business Review

5) Consolidar e assimilar automação

Conforme você aumenta a adoção de IA em toda a empresa, a aparência desses processos no futuro mudará com a introdução de uma infinidade de tipos de automação. De processos manuais completos até a adoção de RPA e protocolos de IA ainda mais avançados.

É melhor apenas (e eu sei que é muito difícil) reinventar os processos de negócios do zero com a IA em mente. Você pode então aplicar a melhor ferramenta para o trabalho em qualquer etapa.

A simples inserção de RPA ou IA em processos estabelecidos pode significar que você perderá todo o seu potencial. Você também precisa considerar as transferências que precisam acontecer conforme você integra ainda mais.

Isso inclui aprendizado homem-máquina ou máquina-máquina. Ao simplificar as transferências e torná-las mais contínuas e confiáveis, você pode aprimorar ainda mais seus processos futuros para serem econômicos, competitivos e ágeis.

Fonte: Harvard Business Review

A implementação de IA pode ser acelerada. No entanto, não se trata necessariamente de ser mais inteligente; trata-se de fazer as escolhas certas. Ter a adesão dos executivos combinada com uma equipe de governança de dados definida é vital.

As está se fixando na qualidade dos dados, dedicando tempo suficiente para o gerenciamento de mudanças e tendo um teste sem abordagem de expectativas definidas.

Se você está achando que seu projeto de IA está ocupando muito tempo, seja paciente. Como qualquer tipo de transformação digital, assim que você estiver se aproximando da linha de chegada, provavelmente encontrará outro obstáculo. Supere isso, porém, e as possibilidades serão ilimitadas.

John Allen é o Diretor de SEO Global da RingCentral, um provedor global de soluções de UCaaS, VoIP e videoconferência. Ele tem mais de 14 anos de experiência e um amplo histórico na construção e otimização de programas de marketing digital. Ele escreveu para sites como Hubspot e BambooHR.