W moich rozmowach z liderami biznesu regularnie powtarza się ten sam schemat.
Zainwestowali w AI. Eksperymentowali i realizowali projekty proof of concept. Wdrożyli modele. Jednak gdy CEO lub CFO pyta: „Co to właściwie dało firmie?”, zaskakująco często trudno udzielić jednoznacznej odpowiedzi.
Z moich obserwacji wynika, że najczęstszą przyczyną jest nadmierne skupienie organizacji na technicznym wdrożeniu AI, przy jednoczesnym poświęcaniu zbyt małej uwagi wszystkim pozostałym elementom niezbędnym do osiągnięcia wymiernych wyników finansowych. Innymi słowy, firmy dodają AI do swojej działalności, nie zmieniając tak naprawdę sposobu, w jaki funkcjonują.
- PRZECZYTAJ TAKŻE → Poza hype’em: jak AI przynosi realne wyniki biznesowe
Nie automatyzuj starego procesu – przemyśl go na nowo
Gdy myślimy o wprowadzeniu AI do procesu, punktem wyjścia często jest zwiększenie możliwości człowieka: jak narzędzie AI może pomóc komuś szybciej wykonywać dotychczasową pracę? Nie ma w tym nic złego, ale takie podejście pozostawia znaczną część potencjalnej wartości niewykorzystaną.
Większa szansa pojawia się wtedy, gdy zadamy inne pytanie: gdybyśmy projektowali ten proces dzisiaj, wiedząc, co potrafi AI, czy wyglądałby tak samo?
Często odpowiedź brzmi: nie. Prawdziwa wartość wynika z przemyślenia samego procesu i zastąpienia wielu jego etapów przez AI. Ludzie nadal mogą być w niego zaangażowani – i często powinni – ale to, czym się zajmują, kiedy interweniują i gdzie ich osąd wnosi wartość, może wyglądać zupełnie inaczej.
Dlatego zachęcam klientów, aby odchodzili od rozproszonych, punktowych rozwiązań. Zamiast wdrażać jeden przypadek użycia AI tutaj, a kolejny gdzie indziej, analizują proces od początku do końca i przekształcają jego znaczącą część – na przykład wdrażając 10 lub 20 wzajemnie powiązanych przypadków użycia, które współpracują ze sobą w jednym obszarze biznesowym.
Zasada jest prosta: nie nakładaj AI na niesprawne procesy operacyjne. Przeprojektuj sposób działania organizacji, wykorzystując możliwości, które są dziś dostępne. Dzięki temu znacznie zwiększysz szanse na osiągnięcie efektów, które rzeczywiście przełożą się na wyniki finansowe.
Nie wszystko potrzebuje AI
Warto rozprawić się z jeszcze jednym błędnym przekonaniem: więcej AI nie oznacza automatycznie lepszego działania. Czasami sprawdzona, tradycyjna automatyzacja jest dokładnie tym, czego potrzebujesz.
Jeśli dany etap procesu jest wysoce deterministyczny, opiera się na jasnych regułach, charakteryzuje się niewielką zmiennością i w ograniczonym stopniu wymaga ludzkiego osądu, technologia oparta na regułach, taka jak robotic process automation (RPA), może być całkowicie wystarczająca: jeśli wydarzy się A, zrób X; jeśli wydarzy się B, zrób Y. Do rozwiązania takiego problemu nie potrzebujesz modelu AI.
AI staje się znacznie bardziej interesująca, gdy proces ma charakter probabilistyczny – gdy występuje w nim zmienność, niejednoznaczność lub potrzeba osądu, który tradycyjnie wymagał udziału człowieka.
Dzięki agentom możemy pójść jeszcze dalej. Agenci zapewniają autonomiczną formę AI, która może realizować większą część procesu przy mniejszej ingerencji człowieka. To właśnie wtedy automatyzacja może wejść na kolejny poziom i zacząć generować istotną wartość.
Technologia to tylko część równania
To właśnie w tym miejscu wiele programów AI napotyka problemy. Możesz stworzyć doskonały model i z powodzeniem go wdrożyć, ale nie oznacza to, że wartość pojawi się automatycznie. Trzeba zająć się także procesami, ludźmi, danymi, modelem operacyjnym i związanym z nimi zarządzaniem.
Moim zdaniem niezbędnych jest pięć elementów:
- Transformacja procesów end-to-end. Trzeba przemyśleć cały przepływ pracy, a nie ograniczać się do pojedynczych interwencji technologicznych.
- Wsparcie ze strony kierownictwa – i mam na myśli realne wsparcie. W erze AI nie może to być po prostu temat CIO ani inicjatywa CFO. Potrzebne jest zaangażowanie CEO i spójne podejście całej kadry zarządzającej. Bez wyraźnej intencji płynącej z samej góry, aby stworzyć strategię AI dla całej organizacji i wspierać jej wdrażanie, transformacja będzie przebiegać powoli.
- Zarządzanie zmianą. Jeśli przekształcasz proces, ludzie muszą rozumieć, jak od tej pory będzie wykonywana praca i – co szczególnie ważne – jaka będzie ich rola w nowym procesie.
- Trzeba zmodernizować cyfrowy fundament, na którym to wszystko się opiera. AI stawia nowe wymagania platformom danych i infrastrukturze. Dane muszą mieć odpowiednią latencję, granularność i metadane, aby AI mogła wykorzystywać je jako kontekst. W niektórych przypadkach na każdego dolara wydanego na wdrożenie AI można wydać cztery dolary na modernizację platformy danych, która umożliwia jej działanie.
- I wreszcie, zarządzanie nie może być czymś, co dodaje się na końcu. Potrzebne są praktyki odpowiedzialnego wykorzystania AI, bezpieczeństwo, ochrona prywatności, kontrola dostępu oraz – w coraz większym stopniu – praktyki FinOps związane z wykorzystaniem AI. W miarę skalowania AI kadra zarządzająca musi rozumieć zarówno wartość, którą tworzy, jak i koszty jej wytworzenia.
Autonomia nie sprawia, że ludzie stają się zbędni
Uważam również, że trzeba otwarcie mówić o tym, co oznacza to dla ludzi.
Będą sytuacje, w których miejsca pracy zostaną zlikwidowane – szczególnie w przypadku rutynowych, powtarzalnych procesów, które można stosunkowo łatwo odtworzyć za pomocą RPA, AI lub połączenia obu tych technologii – ale to nie jest pełny obraz sytuacji.
Od kadry zarządzającej znacznie częściej słyszę o uwalnianiu zasobów. Jeśli AI może przejąć powtarzalne zadania, ludzie mogą skupić się na bardziej zaawansowanych i strategicznych działaniach, w których ich osąd ma większą wartość.
Wymaga to świadomego przeprojektowania. Nie wystarczy po prostu wdrożyć technologię i mieć nadzieję, że później każdy sam znajdzie swoje miejsce. Role trzeba przeprojektować razem z procesem.
Wszystko zaczyna się od jednej decyzji liderów
Obecnie na rynku wyraźnie widać poczucie pilności. Organizacje chcą wyjść z „krainy POC”. Zainwestowały w AI i teraz muszą pokazać, że technologia ta może generować wartość na dużą skalę. Jednocześnie stają się coraz bardziej świadome kosztów związanych z wykorzystaniem AI na taką skalę.
Od czego więc zacząć? Dla mnie wszystko sprowadza się do pozornie prostej decyzji liderów: czy naprawdę traktujecie ten temat poważnie?
Kadra zarządzająca musi mieć jasność, że działania związane z AI wspierają realizację strategii firmy. Następnie ktoś – ostatecznie CEO i zespół kierowniczy – musi podjąć decyzję o wsparciu i prowadzeniu tej zmiany.
Później można obrać wiele różnych dróg. Można działać stopniowo, eksperymentować lub z czasem rozwijać model operacyjny. Punkt wyjścia pozostaje jednak ten sam.
Autonomia oparta na AI nie polega tak naprawdę na wdrażaniu większej ilości AI. Chodzi o determinację, by przemyśleć na nowo sposób funkcjonowania firmy – od początku do końca – a następnie wykonać całą trudną, mniej efektowną pracę niezbędną do tego, by nowy model stał się rzeczywistością.
PRZECZYTAJ TAKŻE → Jak zniwelować lukę w gotowości na AI: fundamenty skutecznego wdrażania AI
CO DALEJ?
Dowiedz się więcej o usługach AI NTT DATA i sprawdź, jak możemy pomóc Ci przemyśleć na nowo kluczowe procesy operacyjne w erze AI.