Lista spremnosti za AI: je li vaša tvrtka doista spremna?

Postoji pitanje koje mi sada postavljaju barem jednom tjedno, obično izrečeno uz blago nervozan smijeh: „Pa... bismo li trebali raditi nešto s umjetnom inteligencijom?“ To je pogrešno pitanje, ali iskreno. Pravo pitanje — ono koje gotovo nitko ne postavlja prvo — tiše je i daleko korisnije: je li ova tvrtka doista spremna izvući vrijednost iz AI-ja, ili bismo samo palili novac da izgledamo moderno?

Već godinama sjedim za stolom nasuprot vlasnicima i menadžerima srednjih tvrtki — proizvođačima, veletrgovcima, stručnim uredima, regionalnim uslužnim poduzećima s pedeset do tristo ljudi. Oni koji uspijevaju s AI-jem gotovo nikad ne počinju od tehnologije. Počinju time da budu iskreni o stanju vlastite kuće: o svojim podacima, svojim procesima, svojim ljudima i o tome kako se odluke zapravo donose kada nitko ne gleda. Tehnologija je lagani dio. Spremnost je dio koji odlučuje hoćete li dobiti rezultat ili kajanje.

Dakle, ovo je lista koju manje-više prolazim prije nego što bih tvrtki preporučio da potroši ijedan euro na izgradnju bilo čega. Nije to model zrelosti s dvanaest dimenzija i šarenim radarskim grafikonom. To je skup jednostavnih pitanja na koja možete odgovoriti uz kavu, grupiranih u pet stvari koje doista predviđaju hoće li AI raditi za vas — ili će vas tiho osramotiti na sastanku uprave za šest mjeseci.

Zašto je „spremnost“ važnija od modela

Evo neugodne istine kojom dobavljači neće započeti: AI model rijetko je ono zbog čega projekt propada. Modeli su sada nevjerojatno dobri i postaju bolji svakih nekoliko mjeseci, radili vi nešto ili ne. Projekte ubija sve oko modela — neuredni podaci kojima ga hranite, proces na koji je pričvršćen, ljudi koje nitko nije pitao, nejasan vlasnik, mutna definicija uspjeha.

Gledao sam kako tvrtke troše ozbiljan novac na pametan pilot-projekt koji je sjajno radio na demonstraciji, a zatim umro u dodiru sa stvarnošću, jer su podaci koji su mu trebali živjeli u tri nekompatibilna sustava i jednoj glavi. Pilot nije bio pogrešan. Tvrtka jednostavno nije bila spremna za njega. Spremnost nije ograda koja vas drži izvan AI-ja — to je ono što odlučuje hoće li se vaša investicija umnožiti ili ispariti.

Dobra je vijest da je spremnost popravljiva, a većina popravaka je neugledna i jeftina. Ne treba vam jezero podataka ni glavni direktor za AI. Treba vam iskreno znati gdje stojite na pet fronti i zatvoriti jedan ili dva jaza koja bi inače potopila prvi projekt. Prođimo kroz njih.

Stup 1: Vaši podaci — jesu li dovoljno dobri da se na njima gradi?

AI je dobar onoliko koliko je dobro ono čime ga hranite, a tu se srednje tvrtke najčešće iznenade. Ne zato što su im podaci grozni — obično su sasvim u redu za vođenje posla — nego zato što „u redu za ljude“ i „u redu za stroj“ nisu isti kriterij. Čovjek može pročitati pomalo nedosljedan zapis o klijentu i znati da su „Müller GmbH“ i „Mueller G.m.b.H.“ ista tvrtka. Sustavu treba da to već unaprijed odlučite.

Ne trebaju vam savršeni podaci. Nitko nema savršene podatke, a čekati ih puko je odgađanje u odijelu. Ono što vam treba jesu podaci koji su dostupni, razumno dosljedni i povezani s procesom koji želite poboljšati. Postavite si jednostavna pitanja:

• Možete li doista doći do podataka koji bi vam trebali, ili su zarobljeni u sustavu iz kojeg ih može izvesti samo jedan dobavljač?
• Bilježi li se ista stvar na isti način većinu vremena — klijenti, proizvodi, statusi, datumi?
• Znaju li vaši ključni sustavi jedan za drugi, ili netko svaki dan pretipkava između njih?
• Ima li dovoljno povijesti za učenje, ondje gdje zadatak uopće treba povijest?
• Biste li bili mirni da vas regulator pita odakle je došao određeni broj?

Još jedna stvar koju ljudi podcjenjuju: vlasništvo nad podacima. Ako kritičan dio onoga čime biste hranili model živi unutar alata treće strane čiji ugovor zabranjuje izvoz, to nije tehnički problem koji možete inženjerski zaobići — to je komercijalni koji prvo morate riješiti. Bolje to otkriti sada, na papiru, nego tri mjeseca usred izgradnje.

Stup 2: Vaši procesi — jesu li dovoljno stabilni za automatizaciju?

U našem svijetu postoji stara izreka: ako automatizirate kaos, dobit ćete brži kaos. To je klišej jer je neumoljivo točan. AI spušten na kaotičan proces ne popravlja kaos — skalira ga, i sada ste zbunjeni pri velikoj brzini. Prije nego što na proces stavite inteligenciju, proces mora biti dovoljno stabilan da ga možete opisati novom zaposleniku prvog dana.

To ne znači da mora biti elegantan ili potpuno dokumentiran. Znači da mora biti stvaran i ponovljiv. Test je jednostavan: možete li ga nacrtati? Kad biste posjeli tri osobe koje rade taj posao u prostoriju i tražili ih da skiciraju korake, bi li nacrtali otprilike istu sliku — ili tri različite, svaka uvjerena da je njezina način na koji se to „zapravo“ radi?

Pravila nasuprot prosudbi

Pomaže i znati s kakvim procesom imate posla. Ako slijedi čvrsta pravila — premjesti ove podatke ondje, pošalji onaj podsjetnik, označi sve iznad praga — možda vam AI uopće ne treba; obična automatizacija je jeftinija i pouzdanija. AI zaslužuje svoj kruh ondje gdje je posao doista neuredan i jezičnog ili prosudbenog oblika: čitanje e-pošte u slobodnom tekstu i izvlačenje narudžbe, izrada prvog nacrta odgovora, razvrstavanje dokumenata koje nitko ne želi spremati. Iskrenost o tome koji od ta dva imate spašava vas od kupnje bata za pribadaču.

Stup 3: Vaši ljudi — hoće li ga doista koristiti?

Ovo je stup kojem se posvećuje najmanje pažnje, a ruši najviše projekata. Možete imati čiste podatke i uredan proces, a ipak završiti s alatom koji nitko ne dira, jer su ljudi čiji se posao promijenio tretirani kao naknadna misao. Model koji se ignorira ima povrat ulaganja točno nula, koliko god dojmljivo izgledao na prezentaciji.

Spremnost je ovdje dijelom o vještinama, ali ponajviše o povjerenju i uključenosti. Jesu li ljudi koji rade posao bili upitani što ih usporava, ili im je predano rješenje za problem za koji se nisu složili da ga imaju? Osjeća li netko u zgradi osjećaj vlasništva nad time da ovo uspije, ili je to „konzultantov projekt“? Postoji li barem jedna znatiželjna osoba u timu koja će ga zagovarati umjesto da ga tiho zaobilazi?

Ne trebaju vam podatkovni znanstvenici u kući. Za većinu srednjih tvrtki pravi partner donosi tehničku dubinu. Ono što ne možete eksternalizirati jest spremnost da promijenite način na koji se obavlja nekoliko svakodnevnih zadataka — a ta se spremnost gradi ranim uključivanjem ljudi, a ne objavljivanjem novog sustava na zboru zaposlenika nakon što je već kupljen.

Stup 4: Strategija i proračun — postoji li stvaran vlasnik i stvaran broj?

AI inicijative koje slobodno plutaju odvojene od poslovanja, bez jasnog vlasnika i bez definiranog uspjeha, sklone su lutanju dok ih netko tiho ne ostavi bez sredstava. Spremnost na ovoj fronti neugledna je, ali presudna: imenovana osoba koja je vlasnik ishoda, konkretan problem vrijedan rješavanja i proračun koji odgovara ambiciji — uključujući dio koji svi zaboravljaju, a to je održati stvar u pogonu nakon lansiranja.

Trebali biste moći dovršiti ovu rečenicu prije nego što počnete: „Ovaj projekt uspijeva ako se, unutar tri mjeseca, dogodi [konkretna mjerljiva stvar].“ „Postajemo inovativniji“ nije ciljna crta; to je priopćenje za medije. „Naš tim prestaje trošiti šest sati tjedno na pretipkavanje narudžbi“ jest ciljna crta. Što je uže i mjerljivije, to bolje — i to je lakše znati jeste li doista pobijedili.

Konkretno o proračunu: izgradnja je obično manja polovica. Modelu treba nadzor, povremeno ponovno ugađanje i vlasnik koji primijeti kad stvarnost odluta od onoga na čemu je obučen. Tvrtke koje proračunavaju samo izgradnju postavljaju alat koji sjajno radi jedno tromjesečje, a zatim polako trune jer nitko nije bio plaćen da se brine o njemu. Planirajte za dosadan zagrobni život projekta, a ne samo za njegovo uzbudljivo rođenje.

Stup 5: Rizik i upravljanje — dio koji u Europi ne smijete preskočiti

Za srednju europsku tvrtku ovaj stup nije neobavezan, a pretvarati se da jest način je da završite s pametnim alatom koji pravno ne smijete primijeniti. Ne treba vam odjel za usklađenost, ali trebate postaviti osnovna pitanja prije izgradnje, a ne poslije. Uglavnom se svodi na to da znate kojih se podataka sustav dotiče, gdje se obrađuju i tko je odgovoran kad nešto pogriješi.

Pitanja su manje zastrašujuća nego što zvuče. Obrađuje li alat osobne podatke, i ako da, na čijim poslužiteljima i pod kojim ugovorom? Ako AI nešto predloži — cijenu, odgovor, odluku — pregledava li to čovjek ondje gdje je važno, ili djeluje sam? Možete li jednostavnim jezikom objasniti kako je došao do određenog rezultata ako klijent ili revizor pita? Jeste li razmislili što se događa onog dana kad samouvjereno pogriješi, jer taj će dan doći?

Sve zajedno: iskreno se ocijenite

Za ovo vam ne treba tablica, premda je možete napraviti. Prođite kroz pet stupova i ocijenite svaki crveno, žuto ili zeleno — ne kako biste željeli, nego kako doista jest danas. Poanta nije postići sve zeleno; gotovo nijedna tvrtka to ne uspijeva, i ne treba vam. Poanta je pronaći jedno ili dva crvena koja bi potopila prvi projekt i pozabaviti se njima prije nego što gradite.

1. 1
   Ocijenite svaki stup crveno, žuto, zeleno

   Podaci, procesi, ljudi, strategija, upravljanje. Budite iskreni — optimistična samoprocjena samo odgađa razočaranje za kasnije.
2. 2
   Pronađite svoja blokirajuća crvena

   Crveno upravo na onom stupu o kojem ovisi vaš prvi projekt znak je za zaustavljanje. Crveno negdje nepovezano može pričekati. Kontekst je važniji od zbroja.
3. 3
   Prvo popravite jeftine jazove

   Većina jazova spremnosti zatvara se neuglednim, niskobudžetnim radom — činjenjem podataka dostupnima, zapisivanjem procesa, ranim uključivanjem tima.
4. 4
   Odaberite najmanji stvaran projekt

   Izaberite jedan stabilan, učestao, jasno vlasnički proces gdje ste dovoljno zeleni da pobijedite. Mala dovršena pobjeda financira sljedeću — u povjerenju, ne samo u novcu.
5. 5
   Tada, i tek tada, gradite

   S očišćenim crvenim na stupovima koji su važni i zapisanim mjerljivim ciljem, spremni ste. Niste savršeni — spremni ste. To su različite stvari, a samo jedna od njih ide u produkciju.

Primijetite da većina ovog posla nema nikakve veze s AI-jem. Dostupni podaci, proces koji možete nacrtati, tim koji je uključen, jasan vlasnik, čovjek u petlji — to čini vašu tvrtku boljom čak i ako nikada ne primijenite ijedan model. To je tihi bonus ozbiljnog shvaćanja spremnosti: priprema je vrijedna sama po sebi. AI vam samo daje razlog da to napokon učinite.

Česta pitanja