5 советов по ускорению внедрения искусственного интеллекта в вашей компании

Знать непревзойденный потенциал внедрения ИИ в масштабах всей компании - это не инсайдерская информация. Несмотря на все достижения последних лет, кажется, что мы только начинаем видеть, на что способен искусственный интеллект.

Существует бесчисленное количество примеров предприятий из десятков секторов, использующих ИИ для решения различных задач и процессов. Алгоритмы помогают компаниям прогнозировать поведение клиентов и модели покупок, оптимизировать цепочки поставок, персонализировать опыт, понимать вашу рабочую силу и даже помогать вам найти Уолдо .

Однако для некоторых компаний внедрение и ускорение полномасштабного внедрения является пугающей перспективой. Многие беспокоятся о поставщиках, возможностях интеграции, стоимости, конфиденциальности и нормативных требованиях. Стоит ли выжимать сок из-за этих проблем?

Итак, если вы думаете о дальнейшем внедрении ИИ в свои процессы или начали переходный процесс и находите его разочаровывающим или утомительным, вот пять способов быстрее достичь своих целей.

Источник: McKinsey & Company.

1) Надежное спонсорство со стороны руководства

Как и предыдущие примеры SaaS , ИИ открывает новый способ работы по сравнению с локальным программным обеспечением. Но с переменами приходит вызов. Участие высшего руководства имеет решающее значение для успеха.

Чем выше уровень информированности и заинтересованности руководителей в использовании ИИ, тем выше шансы на его внедрение в масштабах всего предприятия. «Сильное исполнительное руководство идет рука об руку с более активным внедрением ИИ.

Согласно исследованию McKinsey Global Institute, респонденты из фирм, которые успешно развернули масштабную технологию ИИ, как правило, оценивали поддержку C-Suite почти в два раза выше, чем от компаний, которые не внедрили технологию ИИ .

Если нет бизнес-лидера, способного возглавить переход на ИИ, у вас уже плохой старт. Убедитесь, что перед руководителями поручаются различные аспекты программы интеграции ИИ.

Каждый шаг также должен быть укомплектован соответствующим персоналом, чтобы управлять процессом, не боясь сменить руководство в ходе кампании, чтобы добиться успеха.

Запланируйте еженедельные телеконференции с ключевыми заинтересованными сторонами, чтобы гарантировать, что роли постоянно уточняются, и чтобы все были в курсе с точки зрения статуса принятия.

Также стоит подчеркнуть, что вы - как руководитель этой кампании - должны уметь определять ресурсы, инвестиции и общую стратегию в организации. Это включает в себя активное вовлечение окружающих в поддержку стратегии искусственного интеллекта, человеческих и ИТ-ресурсов и культурного внедрения.

Было бы полезно, если бы вы сделали культурное принятие приоритетом, взяв на себя ответственность руководителей организаций за внесение ими изменений, необходимых для продолжения трансформации. C-suite должен устранять барьеры и препятствия, как технические, так и культурные, чтобы увеличить ваши шансы на успех.

После того, как высшее руководство будет согласовано с вашими целями, вам необходимо определить, как вы хотите управлять бюджетом и контролировать его. Это особенно верно, если ваш текущий ландшафт состоит из конкурирующих усилий внутренней аналитики или искусственного интеллекта.

Наконец, не забудьте отметить и сообщить о прогрессе своей организации. Это помогает укрепить приверженность руководителей, а также заручиться поддержкой преобразований.

Источник: McKinsey & Company.

2) Определите управление данными и руководство

Более умное и доступное программное обеспечение для самообслуживания и совместной работы приносит с собой увеличение объема данных, источников данных и ожиданий конечных пользователей.

В результате потребность в надлежащем управлении данными становится существенной. Без него данные бесполезно хранятся в озере данных или хранилище. Посмотрите на это с другой стороны: больше данных без ограничений может дать компаниям больше свободы.

Однако на уровне предприятия это может означать пропущенные шаги, неэффективные результаты и упущения. Более быстрая аналитика может стать проблемой, прежде чем она станет решением.

Крайне важно решить эту проблему при поддержке руководителей. Это означает определенные ресурсы для управления и улучшения сбора данных, повышения эффективности и использования всех жизненно важных функций.

Кроме того, группа управления данными должна установить и контролировать политики, стандарты, определения данных и управлять качеством данных.

Помните, что не все данные одинаковы. Определите, что требует контроля со стороны исполнительной власти и какие данные можно сделать общедоступными для использования.

Учитывая сегодняшнюю доступность более удобных инструментов аналитики и визуализации, насколько можно позволить «самообслуживанию» создавать более совершенные модели прогнозирования или различные способы создания новых бизнес-процессов? Кто может определять эти наборы данных и варианты использования?

Это жизненно важные аспекты, которые следует учитывать, поскольку необходимо соблюдать баланс между жесткостью и защитой и гибкостью. Это еще раз подчеркивает важность полезной модели управления данными.

Слишком большой контроль может означать медленные процессы, отсутствие ответа, бюрократизм, необходимость в таких вещах, как проверка электронной почты , и открытое использование бизнес-ИТ-решений.

Слишком большая гибкость может означать разные версии истины, ведущие к отсутствию реальной собственности или ответственности, конфликту и снижению производительности.

Источник: КПМГ.  

Когда вы принимаете решения в отношении ИИ, процесс управления данными позволяет вам реализовывать упомянутые решения и управлять ими. В том числе, кто к чему может получить доступ, какой доступ и что влечет за собой этот доступ.

3) Обдумайте и протестируйте подход, а не на успех или неудачу.

Все внедрения искусственного интеллекта уникальны и представляют собой набор проблем. Итак, вам нужно начинать все представления ИИ с метода «проверить и уточнить», а не с подхода «успех или неудача».

Традиционно аналитические методы предполагают определенную взаимосвязь между переменными. Проверка односторонней гипотезы либо подтвердит, либо отвергнет ее, но не обнаружит скрытую связь между переменными; почему.

Создание гипотез для каждого шага, а затем использование этих знаний и опыта на следующих шагах имеет решающее значение. Это означает, что доработка и кураторство вашего развертывания ИИ до тех пор, пока оно не станет работоспособным решением, обеспечивающим значимые результаты, - гораздо более простой процесс.

И хотя такой подход неизбежно продлит сроки развертывания, он также позволяет вам точно настроить результат, чтобы учесть извлеченные уроки из реальной жизни.

Если вы интегрируете ИИ в компьютеризированное обслуживание клиентов, такое как автоматические чат-боты, жизненно важно, куда бы ни пошел клиент, его ждет ответ. Он не может работать до определенного момента, ему нужны абсолюты. Окончательные решения будут согласованы с потребностями сотрудников и конечных пользователей.

Источник: PWC

4) Потратьте время на управление изменениями и обучение

Развернуть AI API для приема нового набора данных очень просто. Однако изменение управления и обучения аналитиков, которые будут использовать эти процессы в будущем, является сложной задачей.

Большинство форм ИИ автоматически принимают решения - «да» или «нет». Однако часто бывает, что интеграция алгоритмов машинного обучения также позволяет получить более тонкие ответы. Эти ответы могут использоваться в сочетании с существующими процессами для достижения наилучших результатов.

Например, если решение AI оценивает, скажем, заявку на получение кредита по шкале пригодности от 1 до 10, баллы от 7 до 10 могут автоматически дать положительный ответ.

Однако все, что ниже, все равно потребует участия человека, чтобы разрешить или отклонить заявку. Если вы интегрируете ИИ для анализа голосовых команд в колл-центре через VoIP-связь , как он может различать команды глубже, чем просто «вариант 1 или вариант 2»?

Точно так же, как вы потратите время на обучение сотрудников тому, как использовать определенный процесс, то же самое верно и для результатов на основе ИИ.

Сотрудникам-людям, возможно, придется потратить несколько недель на анализ результатов, полученных от алгоритмов ИИ. Это дало бы им ориентир с точки зрения того, как лучше всего интерпретировать результаты.

Если вы пользуетесь услугами поставщика ИИ, они могут подсказать, как понять результаты и как сотрудники могут получить максимальную отдачу от новой системы. В противном случае изучение того , как создать платформу онлайн-обучения, может быть стоящим вложением, чтобы ускорить работу членов команды.

ИИ - это не «магия». Это просто способ понять закономерности и модели поведения, чтобы получать более точные результаты и делать прогнозы. ИИ работает только тогда, когда у него есть определенная проблема, которую нужно решить, и правильные показатели для достижения успеха. Если вы четко не определили проблему, для решения которой вы купили ИИ, вы не получите правильного решения.

Источник: Harvard Business Review.

5) Консолидируйте и усваивайте автоматизацию

По мере того, как вы ускоряете внедрение ИИ в масштабах всего предприятия, то, как эти процессы будут выглядеть в будущем, изменится с появлением множества типов автоматизации. От полностью ручных процессов до внедрения RPA и даже более продвинутых протоколов AI.

Лучше всего (и я знаю, что это большая справедливость) заново изобрести бизнес-процессы с нуля с учетом ИИ. Затем вы можете применить лучший инструмент для работы на любом этапе.

Простое включение RPA или AI в установленные процессы может означать, что вы упустите весь их потенциал. Вам также необходимо учитывать передачу обслуживания, которая должна произойти по мере вашей дальнейшей интеграции.

Сюда входит человеко-машинное или машинно-машинное обучение. Оптимизируя передачу обслуживания и делая ее более плавной и надежной, вы можете еще больше улучшить свои будущие процессы, сделав их рентабельными, конкурентоспособными и гибкими.

Источник: Harvard Business Review.

Внедрение ИИ можно ускорить. Однако дело не обязательно в том, чтобы стать умнее; это о том, чтобы сделать правильный выбор. Наличие поддержки со стороны руководства в сочетании с определенной командой по управлению данными имеет жизненно важное значение.

Как становится все больше внимания уделяется качеству данных, уделяя достаточно времени управлению изменениями и тестированию без определенных ожиданий.

Если вы обнаружите, что ваш проект ИИ занимает слишком много времени, наберитесь терпения. Как и при любой другой цифровой трансформации, приближаясь к финишу, вы, скорее всего, столкнетесь с еще одним препятствием. Однако преодолейте это, и возможности безграничны.

Джон Аллен - директор по глобальной поисковой оптимизации RingCentral, глобального поставщика решений UCaaS, VoIP и видеоконференцсвязи. У него более 14 лет опыта и обширный опыт в создании и оптимизации программ цифрового маркетинга. Он писал для таких сайтов, как Hubspot и BambooHR.