Аналитика
Вашите вработени веќе користат вештачка интелигенција и со нејзина помош подготвуваат електронски пораки, сумираат долги документи, преведуваат и ги прават првите верзии на своите презентации. Истото го прават и вработените кај Вашите конкуренти често користејќи ги истите модели кај истите провајдери.
Тоа значи дека вештачката интелигенција е корисна алатка, но не и нешто по што ќе се издвоите. Кога истата алатка им е достапна на сите, таа постепено станува оперативен стандард, а не извор на трајна конкурентна предност.
По дванаесет години работа во аналитиката и во развојот на системи за поддршка на одлучувањето, следната фаза на дигитализацијата ја гледам низ три поврзани чекори.
Првиот чекор е да се изгради основата
Сè почнува со основата, затоа што информациите во една компанија обично се расфрлени. Продажбата е во еден систем, финансиите во друг, корисничката поддршка на трето место, a важниот контекст останува заробен во ексел-датотеки, електронски пораки и извештаи. Додека тие информации не се поврзат, ниту луѓето, ниту вештачката интелигенција не можат да добијат целосна слика за бизнисот.
Вториот чекор е управување со податоците
Не е доволно само да се соберат податоците ако тие немаат исто значење низ целата компанија. Приходот не може да има една дефиниција во одделот за финансии, а друга во одделот за продажба. Не смее ниту тоа кој се смета за активен клиент да зависи од тоа кој го презентира бројот.
Управувањето со податоците утврдува кој е одговорен за нив, ги дефинира поимите и создава усогласени дефиниции и податоци на кои луѓето можат да им веруваат. Со овие два чекори, вештачката интелигенција може да го „чита“ бизнисот, да споредува периоди, да забележува невообичаени промени и да помогне да се објасни што се случило.
Сепак, бројките кажуваат само дел од приказната и одговараат само на прашањето „што се случило?“, но ако сакаме вештачката интелигенција целосно да ја интегрираме во процесите, тогаш поважното прашање е:
Како вештачката интелигенција може да нè замени во одлучувањето ако начинот на кој ги носиме одлуките сè уште е аналоген?
Замислете дека некој клучен индикатор ќе падне во март. Податоците можеби ќе покажат кај кој производ, филијала или сегмент на клиенти се појавил падот, но можеби нема да покажат дека раководството го сменило продажниот пристап во февруари, предвреме прекинало кампања или ги заострило правилата за наплата на состанок што никој не го документирал.
Резултатот е некаде во податоците, а причината најчесто не е, бидејќи таа останува во главата на менаџерот.
Токму процесот на одлучување е делот од компанијата што најупорно останува аналоген. Поради тоа, ВИ може да знае неверојатно многу за светот надвор од организацијата, а речиси ништо за логиката според која се носат одлуките во неаТретиот чекор е да се создаде организациско знаење
Следниот чекор не е само да се соберат уште повеќе податоци, туку важните одлуки и нивните исходи да ги претвориме во организацискo знаење.
Питер Дракер пишувал за работата заснована на знаење уште во 1959 година, предупредувајќи дека знаењето што останува само во нечија глава е тешко да се пренесе, надгради или скалира. Во ерата на вештачка интелигенција, овој проблем станува уште поостар: денешните машини можат да ја користат само логиката што компанијата свесно ја направила видлива, структурирана и употреблива.
Тоа ја менува вредноста на документацијата што со години беше третирана како нешто што се подготвува за ревизор, регулатор или нов вработен, а денес може да стане дел од самиот начин на кој компанијата работи.
Anthropic опиша добар пример од сопствената работа со податоци и аналитика. Claude давал слаби резултати кога имал пристап до податоците, но не и до внатрешните процедури, дефиниции и чекори за проверка што вработените ги користеле во практиката.
Откако тоа знаење било организирано во вештини што редовно се одржуваат, резултатите значително се подобриле иако моделот не се променил, туку компанијата само го направила сопственото практично знаење достапно за него.
Тоа не значи дека во еден четбот треба да ги истурите сите документи, транскрипти и презентации, бидејќи повеќе текст не значи и повеќе знаење. Старите документи може да им противречат на поновите, а белешките од состаноците може да бидат нецелосни.
Важно е да се зачува проверената логика зад одлуките
Еден практичен начин да се почне е преку регистарот на одлуки.
За секоја важна или често повторувана одлука, компанијата треба да запише што ја предизвикало, кои информации биле достапни, кое правило важело, што било одлучено, кој одлучил и кој ја одобрил одлуката.
Регистарот треба да покаже на кои клиенти или производи се однесувала одлуката и, најважно, какво влијание имала, затоа што основата на учењето е во поврзувањето на одлуката со нејзиниот исход.
Дали попустот помогнал да се задржи клиентот? Дали построгото правило за одобрување го намалило ризикот или ги одвратило добрите клиенти? Дали промената во кампањата ја подобрила профитабилноста или само го намалила обемот?
Историјата не смее автоматски да стане правило
Регистарот на одлуки мора да прави разлика меѓу она што се случило во минатото и правилата што важат денес.
Одлука донесена пред две години може да биде корисен преседан, но може да била и еднократен исклучок, правило што во меѓувреме се сменило или, едноставно, грешка, и затоа агентот за вештачка интелигенција не треба да ја повтори истата стара постапка само затоа што ја нашол во записите.
Да се вратиме на почетокот
Сега замислете две слични компании што го користат истиот модел, а веќе имаат податочни платформи, усогласени клучни дефиниции и со тоа можат да ѝ обезбедат на вештачката интелигенција веродостојна слика за бизнисот.
Разликата е во тоа што едната компанија ги зачувува и своите одлуки, исклучоци и исходи. Нејзините агенти можат да работат според логиката на самата компанија.
Другата компанија ја остава таа логика во дискусиите од состаноците и во главите на искусните вработени. Тие вработени можеби се одлични, но можат да дадат отказ, да се пензионираат, да преминат на друга позиција или да заборават зошто нешто било одлучено пред три години. Кога тоа ќе се случи, со нив исчезнува и дел од знаењето на компанијата.
Целта не е луѓето да се отстранат од процесот
Првата компанија не ги трга луѓето од процесот. Таа им дава подобра почетна точка.
Рутинските одлуки, особено оние што лесно може да се поништат, постепено може да бидат поддржани од вештачка интелигенција или целосно структурирани и автоматизирани. Сложените случаи и понатаму ќе ги решаваат луѓето, но релевантната историја, правилата и контекстот веќе им се подготвени.
Човечкото расудување и иновацијата остануваат клучни. Луѓето ја поставуваат целта, ги определуваат границите и одговараат за последиците, се справуваат со исклучоците, ги усогласуваат спротивставените цели и препознаваат кога старото правило повеќе не одговара на реалноста.
Но вештачката интелигенција може да го користи запишаното човечко расудување и да помогне добрите одлуки да се применуваат многу побрзо и во поголем обем.
Од следење на резултатите до паметење на одлуките
Со години компаниите учеа да ги следат резултатите преку извештаи, графикони и клучни индикатори.
Следниот чекор е да ги зачуваат одлуките што ги создале тие резултати и да ги поврзат со она што се случило потоа.
Токму тука ќе се појави вистинската разлика меѓу две компании што користат иста вештачка интелигенција.
Моделот е изнајмен. Знаењето мора да биде ваше.
Автор: Филип Петровски
Лектор: Христина Ангелеска-Мијоска
Преземањето на авторски содржини (текстови и фотографии) од оваа страница е дозволено само делумно и важат условите опишани на следниот линк.
