Automatyzacja oparta na sztucznej inteligencji w biznesie międzynarodowym
Pierwszy projekt związany ze sztuczną inteligencją w firmie często zaczyna się od czegoś pozornie prostego. Menedżer zauważa, że pięć osób spędza każdy poniedziałkowy poranek na przepisywaniu danych między arkuszami kalkulacyjnymi, sortowaniu e-maili od klientów lub sporządzaniu tego samego cotygodniowego raportu. Ktoś sugeruje, że narzędzie oparte na sztucznej inteligencji mogłoby wykonać tę pracę w ciągu kilku minut. Projekt pilotażowy zostaje zatwierdzony, pierwsza prezentacja robi wrażenie, a zespół zaczyna rozmawiać o tym, ile godzin pracy udałoby się dzięki temu zaoszczędzić.
Wtedy pojawia się rzeczywistość. Dane źródłowe są niespójne. Oprogramowanie nie potrafi rozpoznać kilku typowych wyjątków. Pracownicy po cichu poprawiają jego błędy, nie rejestrując ich, podczas gdy menedżerowie z trudem próbują ustalić, czy proces rzeczywiście przebiega szybciej. To, co wyglądało na projekt automatyzacji, okazuje się lekcją na temat tego, jak faktycznie funkcjonuje firma.
Nie oznacza to, że technologia zawiodła. Oznacza to, że firma zaczęła od narzędzia, a nie od zadania.
Automatyzacja oparta na sztucznej inteligencji może ograniczyć powtarzalne zadania administracyjne, przyspieszyć proces podejmowania decyzji oraz zapewnić pracownikom więcej czasu na zadania wymagające oceny sytuacji, negocjacji lub kreatywności. Jednak firmy, które czerpią z tego największe korzyści, rzadko są tymi, które kupują najwięcej aplikacji. Są to te, które identyfikują konkretny problem operacyjny, przeprojektowują proces w oparciu o niego i jasno określają, w jakich obszarach odpowiedzialność musi pozostać w rękach ludzi.
Zacznij od problemu z wtorkowego poranka
Najlepszym punktem wyjścia nie jest korporacyjna ambicja, by “stać się firmą opartą na sztucznej inteligencji”. Jest nim zadanie, które ludzie potrafią opisać zwykłym językiem.
Być może dział finansowy otrzymuje setki faktur w różnych formatach i ręcznie wprowadza te same informacje do systemu księgowego. Pracownicy działu obsługi klienta mogą poświęcać początkową część każdej sprawy na identyfikację produktu, języka i charakteru reklamacji. Zespół ds. zamówień może przeglądać obszerne dokumenty dostawców w poszukiwaniu kilku istotnych klauzul.
Są to obiecujące zadania, ponieważ praca ta jest często powtarzana, wykorzystuje rozpoznawalne informacje i przebiega według dość stałego schematu. Można również oszacować potencjalne korzyści.
Zapytaj pracowników, jakie czynności wykonują wielokrotnie, jakie dane przenoszą z jednego systemu do drugiego oraz gdzie tracą czas na poszukiwanie informacji. Najbardziej przydatne odpowiedzi często pochodzą z poziomów znajdujących się kilka szczebli poniżej kierownictwa wyższego szczebla. Kadra kierownicza wie, w jakim kierunku firma chce podążać; natomiast osoby realizujące procesy wiedzą, gdzie pojawiają się przeszkody.
Nie zaczynaj od pytania, które stanowiska można zautomatyzować. Zamiast tego podziel stanowiska na poszczególne zadania. Stanowisko w obsłudze klienta może obejmować klasyfikację, wyszukiwanie informacji, prowadzenie rozmów, negocjacje i rozwiązywanie problemów. Sztuczna inteligencja może dobrze radzić sobie z dwoma pierwszymi zadaniami, ale w przypadku pozostałych może okazać się zawodna lub nieodpowiednia.
To rozróżnienie zapobiega sytuacji, w której program automatyzacji staje się bezkrytycznym procesem redukcji zatrudnienia. Pozwala ono również na podejmowanie lepszych decyzji dotyczących technologii.
Najpierw przeanalizuj proces, zanim zaczniesz go usprawniać
Po zidentyfikowaniu zadania należy je realizować od początku do końca.
Gdzie informacje trafiają do firmy? Kto je sprawdza? Jakie systemy są w to zaangażowane? Jakie decyzje są podejmowane i co się dzieje, gdy dana sprawa nie przebiega zgodnie ze standardową procedurą?
Proces, który w prezentacji wydaje się prosty, może zawierać dziesiątki nieformalnych rozwiązań zastępczych. Jeden z pracowników wie, że zamówienia z określonego rynku wymagają dodatkowego dokumentu. Inny zdaje sobie sprawę, że dostawca stosuje nieaktualny kod produktu. Te szczegóły mogły nigdy nie zostać spisane, ponieważ doświadczeni pracownicy zapamiętali je na pamięć.
Automatyzacja ujawnia tę ukrytą wiedzę. System nie może zastosować reguły, której nikt nie sformułował.
Stwórz prostą mapę procesu przedstawiającą dane wejściowe, rutynowe etapy, decyzje, wyjątki oraz wynik końcowy. Odnotuj, które informacje są niezbędne, a które są jedynie kopiowane, ponieważ firma zawsze je gromadziła.
Takie działanie często pozwala osiągnąć oszczędności jeszcze przed wdrożeniem sztucznej inteligencji. Można wyeliminować powtarzające się zatwierdzenia, ujednolicić szablony i zrezygnować z niepotrzebnych raportów. Nie ma sensu wykorzystywać zaawansowanych technologii do przyspieszenia procesu, który nie jest już potrzebny firmie.
Wybierz pierwszy projekt, który przetrwa ewentualny błąd
Idealny pilot jest na tyle przydatny, że ma znaczenie, ale jednocześnie na tyle powściągliwy, że popełniony przez niego błąd nie spowoduje poważnych szkód.
Podsumowywanie dokumentów wewnętrznych, klasyfikowanie zapytań o charakterze niepoufnym lub sporządzanie standardowych opisów produktów mogą stanowić odpowiednie punkty wyjścia. Podejmowanie decyzji kredytowych, weryfikacja kandydatów do pracy lub udzielanie porad medycznych, prawnych lub finansowych wiąże się ze znacznie wyższym poziomem ryzyka.
Weź pod uwagę trzy czynniki: częstotliwość, przewidywalność i konsekwencje.
Zadanie wykonywane tysiące razy w miesiącu ma większy potencjał wartości niż takie, które realizuje się sporadycznie. Proces oparty na jasnych schematach łatwiej jest zautomatyzować niż taki, który w dużym stopniu zależy od kontekstu. Co najważniejsze, to właśnie konsekwencje błędu decydują o tym, jak duży nadzór jest konieczny.
Podsumowanie wygenerowane przez sztuczną inteligencję, wykorzystywane przez pracownika jako pierwszy szkic, znacznie różni się od zautomatyzowanej decyzji, która decyduje o tym, czy dana osoba otrzyma pracę, wynagrodzenie lub niezbędną usługę.
Należy zacząć od etapu, na którym wyniki mogą zostać szybko sprawdzone przez osobę posiadającą odpowiednią wiedzę. Dzięki temu firma może zapoznać się z działaniem tej technologii, zanim powierzy jej zadania o większym znaczeniu.
Zdecyduj, co robi maszyna, a co należy do człowieka
Aby projekt automatyzacji zakończył się sukcesem, konieczna jest wyraźna granica między działaniem maszyn a odpowiedzialnością człowieka.
System może wyodrębniać dane z faktur, ale pracownik powinien sprawdzić wpisy, których poziom pewności jest poniżej ustalonego progu. System może przygotować projekt odpowiedzi dla klienta, a doradca decyduje, czy ton i proponowane rozwiązanie są odpowiednie. System może wykrywać nietypowe transakcje, ale to przeszkolony śledczy ustala, czy są one podejrzane.
Człowiek nie powinien być obecny wyłącznie po to, by stwarzać pozory nadzoru. Recenzent musi dysponować wystarczającą ilością czasu, informacji i uprawnień, aby móc zakwestionować wynik.
Ma to znaczenie, ponieważ ludzie mogą zbytnio ufać wynikom generowanym automatycznie, zwłaszcza gdy system zazwyczaj działa dobrze. Po zatwierdzeniu dziesiątek poprawnych rekomendacji pracownik może przestać dokładnie sprawdzać kolejną.
Proces weryfikacji należy dostosować do poziomu ryzyka. W przypadku spraw o niewielkiej wartości i łatwych do cofnięcia może wystarczyć sporadyczna kontrola wyrywkowa. Decyzje o dużym znaczeniu mogą wymagać indywidualnego zatwierdzenia oraz udokumentowanego uzasadnienia.
Należy również ustalić, kto ponosi odpowiedzialność, gdy coś pójdzie nie tak. Odpowiedź “To dzieło sztucznej inteligencji” nie jest akceptowalna ani dla klienta, ani dla organu regulacyjnego, ani dla zarządu.
Najpierw popraw dane, a dopiero potem obwiniaj model
Systemy sztucznej inteligencji opierają się na otrzymywanych informacjach. Jeśli nazwy produktów różnią się w poszczególnych działach, dane klientów są niekompletne lub dokumenty regulacyjne są ze sobą sprzeczne, automatyzacja będzie tylko przyspieszać to zamieszanie.
Przed wdrożeniem należy sprawdzić, czy dane, o których mowa, są dokładne, aktualne i czy można z nich korzystać zgodnie z prawem w proponowanym celu. Należy ustalić, kto jest ich właścicielem oraz kto odpowiada za poprawianie błędów.
Chatbot obsługujący klientów, oparty na nieaktualnych informacjach, może udzielać odpowiedzi z przekonaniem, ale błędnie. Narzędzie prognostyczne, które zostało wytrenowane na podstawie zniekształconych danych historycznych dotyczących popytu, może nadal zalecać niewłaściwe poziomy zapasów. System rekrutacyjny opierający się na dotychczasowych wzorcach zatrudniania może powielać uprzedzenia zakorzenione w tych decyzjach.
Przygotowanie danych nie jest najbardziej efektowną częścią sztucznej inteligencji, ale często ma największe znaczenie z komercyjnego punktu widzenia. Nawet niewielki system wykorzystujący czyste i trafne informacje może osiągać lepsze wyniki niż bardziej zaawansowany model oparty na nieuporządkowanych danych.
Firmy powinny również ograniczyć do minimum zakres gromadzonych danych. Projekt automatyzacji nie wymaga dostępu do wszystkich dostępnych pól tylko dlatego, że technologia pozwala je przetwarzać. Dodatkowe dane wiążą się z dodatkowymi obowiązkami w zakresie ochrony prywatności, bezpieczeństwa i zarządzania.
Opracuj program pilotażowy w oparciu o rzeczywiste zadania
Prezentacja przeprowadzana przez dostawcę zazwyczaj odbywa się w idealnych warunkach. W ramach rzetelnego projektu pilotażowego należy wykorzystać reprezentatywne przypadki zaczerpnięte z rzeczywistego obciążenia pracą firmy.
Należy uwzględnić zarówno proste zadania, jak i trudne przykłady, z którymi pracownicy spotykają się w praktyce: niekompletne formularze, niejednoznaczne wiadomości od klientów, nietypowe formaty oraz sprzeczne instrukcje. Należy przeprowadzić testy w wielu językach, jeśli firma prowadzi działalność na różnych rynkach.
Należy uruchomić nowy proces równolegle z dotychczasowym na określony czas. Pozwoli to porównać szybkość, dokładność i koszty bez konieczności natychmiastowego polegania na niesprawdzonym systemie.
Pracownicy powinni dokumentować swoje interwencje, zamiast po cichu poprawiać wyniki pracy systemu. Jeśli ktoś przepisuje połowę każdej wygenerowanej odpowiedzi, pozorny wskaźnik automatyzacji może wydawać się imponujący, podczas gdy rzeczywista oszczędność jest znikoma.
Projekt pilotażowy powinien dostarczyć odpowiedzi na kilka konkretnych pytań. Jak często system generuje użyteczny wynik? Gdzie pojawiają się błędy? Ile czasu zajmuje weryfikacja wyników? Czy skraca on całkowity czas trwania procesu, czy też jedynie przenosi pracę z jednego działu do drugiego?
Projekt pilotażowy, który ujawnia ograniczenia, nie oznacza porażki. Zapobiegł on bowiem wdrożeniu wadliwego pomysłu na większą skalę.
Zmierz wynik, który ma znaczenie
Oszczędność czasu jest przydatna, ale nie jest jedyną miarą sukcesu.
System obsługi klienta oparty na sztucznej inteligencji może szybciej odpowiadać na zapytania, ale jednocześnie powodować wzrost liczby skarg, ponieważ odpowiedzi wydają się zbyt ogólnikowe. Zautomatyzowana kontrola produkcji może ograniczyć konieczność ręcznego sprawdzania, ale może też przeoczyć rzadką i kosztowną wadę. Narzędzie marketingowe może generować więcej treści, ale jednocześnie osłabiać wizerunek marki poprzez powtarzalność i niespójność.
Należy wybrać wskaźniki związane z pierwotnym problemem. Mogą to być między innymi czas przetwarzania, wskaźniki błędów, koszt jednej transakcji, poziom zadowolenia klientów, współczynnik konwersji, ilość odpadów, przestoje lub liczba spraw wymagających eskalacji.
Należy mierzyć cały proces, a nie tylko sam zautomatyzowany etap. Jeśli pobieranie danych z faktur przebiega szybciej, ale pracownicy poświęcają więcej czasu na usuwanie błędów na późniejszym etapie, oznacza to, że projekt nie przyczynił się do usprawnienia działalności.
Przed uruchomieniem należy ustalić punkt odniesienia. Nie wiedząc, ile czasu zajmuje obecnie ten proces i jak często zdarzają się błędy, niemal każdy nowy system można przedstawić jako sukces.
W kalkulacji finansowej należy uwzględnić koszty licencji, integracji, przygotowania danych, zabezpieczeń, szkoleń pracowników, nadzoru i konserwacji. Niska miesięczna opłata za oprogramowanie może kryć w sobie znaczne wewnętrzne koszty wdrożenia.
Porozmawiaj z pracownikami, zanim pojawią się plotki
Kiedy pracownicy dowiadują się, że kierownictwo wprowadza automatyzację, wielu z nich zakłada, że celem jest redukcja etatów. Jeśli kierownictwo unika tego tematu, pracownicy mają tendencję do samodzielnego wypełniania tej ciszy.
Wyjaśnij, jakie zadania są brane pod uwagę, dlaczego zostały wybrane i co stanie się z uwolnionym czasem. Bądź szczery w kwestii ewentualnych zmian w podziale ról.
Pracownicy chętniej popierają projekt, jeśli pozwala on wyeliminować zadania, które uważają za powtarzalne lub frustrujące. Są natomiast mniej skłonni do współpracy, gdy prosi się ich o szkolenie systemu, który wydaje się być zaprojektowany w celu zastąpienia ich, bez jakiejkolwiek dyskusji na temat ich przyszłości.
Szkolenie powinno wykraczać poza nauczanie pracowników, które przyciski należy naciskać. Pracownicy muszą rozumieć ograniczenia systemu, umieć rozpoznać niewiarygodne wyniki oraz wiedzieć, kiedy nie należy wprowadzać informacji do narzędzia zewnętrznego.
Kierownicy również potrzebują szkoleń. Muszą nauczyć się odróżniać przekonującą prezentację od rzetelnej analizy biznesowej oraz unikać traktowania wyników generowanych przez sztuczną inteligencję jako z natury obiektywnych.
Najnowsze dane wskazują, że generatywna sztuczna inteligencja częściej zmienia charakter stanowisk pracy niż całkowicie eliminuje całe stanowiska. Praktycznym zadaniem kadry zarządzającej jest zatem przeprojektowanie pracy: maszyny zajmują się klasyfikacją, sporządzaniem dokumentów i wyszukiwaniem informacji, podczas gdy ludzie zachowują odpowiedzialność za podejmowanie decyzji, relacje międzyludzkie i sytuacje wyjątkowe.
Zanim zaczniesz się rozwijać, zadbaj o odpowiednie zasady zarządzania
Pojedynczy pracownik eksperymentujący z publicznie dostępnym narzędziem opartym na sztucznej inteligencji może wydawać się nieszkodliwy. Jednak w międzynarodowej firmie setki nieskoordynowanych eksperymentów mogą szybko doprowadzić do narażenia poufnych informacji, naruszenia praw autorskich, zagrożeń dla bezpieczeństwa oraz niespójnego traktowania klientów.
Należy sporządzić wykaz zatwierdzonych systemów i aktywnych przypadków użycia. Każdy projekt powinien mieć właściciela biznesowego, właściciela technicznego oraz osobę odpowiedzialną za ryzyko i zgodność z przepisami.
Należy odnotować, z jakich danych korzysta system, gdzie są one przetwarzane, który dostawca ma do nich dostęp oraz czy informacje te mogą być przechowywane na potrzeby szkolenia modeli. Należy ustalić zasady dotyczące wrażliwych informacji handlowych, osobowych i dotyczących klientów.
Ramy zarządzania ryzykiem związanym ze sztuczną inteligencją opracowane przez NIST stanowią użyteczną zasadę organizacyjną: należy regulować wykorzystanie sztucznej inteligencji, określać kontekst i ryzyko, mierzyć wydajność oraz zarządzać zidentyfikowanymi problemami przez cały cykl życia systemu. Kwestie związane z zarządzaniem nie powinny pojawiać się dopiero na końcowym spotkaniu zatwierdzającym. Powinny one być uwzględnione już na etapie projektowania.
Dla przedsiębiorstw prowadzących działalność w Europie ustawa UE o sztucznej inteligencji sprawia, że klasyfikacja nabiera coraz większego znaczenia. Obowiązki różnią się w zależności od roli systemu i poziomu ryzyka, przy czym szczególną uwagę zwraca się na zastosowania, które mogą mieć istotny wpływ na ludzi, w tym niektóre zastosowania w obszarze zatrudnienia, usług podstawowych i produktów podlegających regulacjom.
Praktycznym rozwiązaniem nie jest zaprzestanie eksperymentów. Chodzi o to, aby wiedzieć, co się wdraża i dlaczego.
Warto wiedzieć, kiedy nie należy stosować automatyzacji
Niektóre nieefektywne procesy należy przeprojektować bez wykorzystania sztucznej inteligencji. Inne powinny pozostać w rękach ludzi.
W przypadku obliczeń opartych na stałych warunkach bardziej niezawodne może okazać się tradycyjne oprogramowanie. Funkcja wyszukiwania może rozwiązać problem w sposób mniej kosztowny niż model generatywny. Delikatna rozmowa z zaniepokojonym klientem może wymagać empatii i dyskrecji, których automatyzacja nie jest w stanie zapewnić w wiarygodny sposób.
Nie należy automatyzować wadliwego procesu tylko dlatego, że jest on czasochłonny. Jeśli pracownicy wielokrotnie zajmują się tym samym rodzajem skargi klienta, być może należy przyjrzeć się samemu produktowi lub polityce firmy.
Nie należy też wykorzystywać automatyzacji do ukrywania braków kadrowych. Chatbot nie jest w stanie w nieskończoność rekompensować sytuacji, w której firma uniemożliwiła klientom kontakt z prawdziwą osobą.
Właściwe pytanie nie brzmi: “Czy sztuczna inteligencja potrafi to zrobić?”. Brzmi ono: “Czy zautomatyzowanie tego zadania przyniesie lepsze rezultaty dla firmy i osób, których to dotyczy?”.”
Rozsądne pierwsze 90 dni
W ciągu pierwszego miesiąca zidentyfikuj od trzech do pięciu powtarzalnych procesów i porozmawiaj bezpośrednio z pracownikami, którzy je realizują. Opracuj schemat poszczególnych etapów, oblicz obecne koszty i wyeliminuj oczywiste nieefektywności.
W drugim miesiącu należy wybrać jeden z przypadków zastosowań w warunkach zamkniętych i przetestować go przy użyciu reprezentatywnych danych. Przed rozpoczęciem projektu pilotażowego należy określić proces weryfikacji przez człowieka, środki kontroli ryzyka oraz wskaźniki sukcesu.
W trzecim miesiącu porównaj nowy sposób pracy ze starym. Odnotuj błędy, interwencje pracowników, skutki dla klientów oraz całkowite koszty wdrożenia. Rozszerzaj skalę działania tylko wtedy, gdy przemawiają za tym fakty.
Na początku taki pilotażowy projekt może przynieść oszczędność zaledwie kilku godzin. Jego większą wartością jest jednak to, że uczy organizację, jak wybierać, zarządzać i udoskonalać przyszłe rozwiązania automatyzacyjne.
Przedsiębiorstwa, które najprawdopodobniej odniosą korzyści
Automatyzacja oparta na sztucznej inteligencji nie wynagradza pośpiechu tak skutecznie, jak dyscyplinę operacyjną. Firmy dysponujące przejrzystymi procesami, użytecznymi danymi i zaangażowanymi pracownikami mają większe szanse na osiągnięcie zysków niż te, które kupują narzędzia pod wpływem niepokoju kadry kierowniczej.
Pierwszy projekt nie powinien mieć na celu całkowitej przebudowy organizacji. Powinien rozwiązać jeden konkretny problem, dostarczyć dowodów i opracować metodę, którą można powtórzyć.
Z biegiem czasu te niewielkie systemy mogą zacząć się ze sobą łączyć. Zapytania klientów mają wpływ na rozwój produktów; prognozy popytu wpływają na zaopatrzenie; dane dotyczące konserwacji ograniczają przerwy w pracy fabryki. Właśnie w tym momencie automatyzacja nabiera strategicznego znaczenia – nie jako zbiór odizolowanych narzędzi, ale jako bardziej elastyczny sposób prowadzenia działalności.
Sukces odniosą nie te firmy, które wyeliminują ludzi z każdego procesu, ale te, które zrozumieją, w jakich obszarach pracy liczy się szybkość i spójność, które decyzje wymagają ludzkiej oceny oraz jak połączyć te dwa elementy bez utraty odpowiedzialności.
