Kontrolný zoznam pripravenosti na AI: Je vaša firma naozaj pripravená?

Existuje otázka, ktorú mi teraz kladú aspoň raz týždenne, zvyčajne s mierne nervóznym smiechom: „Takže... mali by sme robiť niečo s umelou inteligenciou?“ Je to zlá otázka, ale úprimná. Tá správna otázka — tá, ktorú si takmer nikto nepoloží ako prvú — je tichšia a oveľa užitočnejšia: je táto firma naozaj pripravená získať z AI hodnotu, alebo by sme len pálili peniaze, aby sme pôsobili moderne?

Už roky sedím za stolom oproti majiteľom a manažérom stredných firiem — výrobcom, veľkoobchodníkom, profesijným kanceláriám, regionálnym službovým firmám s päťdesiatimi až tristo ľuďmi. Tí, ktorí s AI uspejú, takmer nikdy nezačínajú technológiou. Začínajú tým, že sú úprimní o stave vlastného domu: o svojich dátach, svojich procesoch, svojich ľuďoch a o tom, ako sa rozhodnutia naozaj robia, keď sa nikto nepozerá. Technológia je ľahká časť. Pripravenosť je tá časť, ktorá rozhoduje, či dostanete výsledok, alebo ľútosť.

Toto je teda kontrolný zoznam, ktorý zhruba prechádzam skôr, než by som firme odporučil minúť čo i len jedno euro na stavbu čohokoľvek. Nie je to model zrelosti s dvanástimi dimenziami a farebným radarovým grafom. Je to súbor jednoduchých otázok, na ktoré odpoviete pri káve, zoskupených do piatich vecí, ktoré naozaj predpovedajú, či pre vás AI zafunguje — alebo vás o šesť mesiacov ticho zahanbí na porade vedenia.

Prečo je „pripravenosť“ dôležitejšia než model

Tu je nepríjemná pravda, ktorou dodávatelia nezačnú: AI model je len zriedka to, čo projekt potopí. Modely sú dnes ohromujúco dobré a každých pár mesiacov sa zlepšujú, či už niečo urobíte alebo nie. Projekty zabíja všetko okolo modelu — neporiadne dáta, ktorými ho kŕmite, proces, na ktorý je priskrutkovaný, ľudia, ktorých sa nikto nepýtal, nejasný vlastník, hmlistá definícia úspechu.

Videl som firmy minúť vážne peniaze na šikovný pilot, ktorý na ukážke fungoval nádherne a potom zomrel pri kontakte s realitou, pretože dáta, ktoré potreboval, žili v troch nekompatibilných systémoch a v hlave jedného človeka. Pilot nebol zlý. Firma naňho len nebola pripravená. Pripravenosť nie je brána, ktorá vás drží mimo AI — je to to, čo rozhoduje, či sa vaša investícia zúročí, alebo sa vyparí.

Dobrá správa je, že pripravenosť sa dá napraviť a väčšina opráv je neefektná a lacná. Nepotrebujete dátové jazero ani hlavného riaditeľa pre AI. Potrebujete úprimne vedieť, kde stojíte na piatich frontoch, a uzavrieť tú jednu či dve medzery, ktoré by inak potopili prvý projekt. Prejdime ich.

Pilier 1: Vaše dáta — sú dosť dobré na to, aby ste na nich stavali?

AI je len taká dobrá, ako to, čím ju kŕmite, a práve tu sa stredné firmy najčastejšie prekvapia. Nie preto, že by ich dáta boli hrozné — zvyčajne sú na chod firmy úplne v poriadku — ale preto, že „v poriadku pre ľudí“ a „v poriadku pre stroj“ sú odlišné latky. Človek si prečíta mierne nekonzistentný záznam o zákazníkovi a vie, že „Müller GmbH“ a „Mueller G.m.b.H.“ sú tá istá firma. Systém potrebuje, aby ste to už rozhodli.

Nepotrebujete dokonalé dáta. Dokonalé dáta nemá nikto a čakať na ne je len odkladanie v obleku. Čo potrebujete, sú dáta, ktoré sú dostupné, rozumne konzistentné a prepojené s procesom, ktorý chcete zlepšiť. Položte si jednoduché otázky:

• Dostanete sa naozaj k dátam, ktoré by ste potrebovali, alebo sú uväznené v systéme, z ktorého ich vie exportovať len jeden dodávateľ?
• Zaznamenáva sa tá istá vec väčšinu času rovnako — zákazníci, produkty, stavy, dátumy?
• Vedia vaše kľúčové systémy o sebe navzájom, alebo medzi nimi niekto každý deň prepisuje?
• Je dosť histórie na učenie, tam, kde úloha vôbec históriu potrebuje?
• Boli by ste pokojní, keby sa regulátor opýtal, odkiaľ pochádza dané číslo?

Ešte jednu vec ľudia podceňujú: vlastníctvo dát. Ak kritický kus toho, čím by ste model kŕmili, žije vnútri nástroja tretej strany, ktorého zmluva zakazuje export, nie je to technický problém, ktorý obídete inžinierstvom — je to obchodný problém, ktorý musíte vyriešiť najprv. Lepšie to zistiť teraz, na papieri, než tri mesiace uprostred stavby.

Pilier 2: Vaše procesy — sú dosť stabilné na automatizáciu?

V našom svete je staré príslovie: ak zautomatizujete chaos, dostanete rýchlejší chaos. Je to klišé, lebo je to neúprosne pravda. AI vsadená na chaotický proces chaos neopraví — naškáluje ho, a teraz ste zmätení pri rýchlosti. Skôr než na proces položíte inteligenciu, proces musí byť dosť stabilný na to, aby ste ho opísali novému zamestnancovi v jeho prvý deň.

To neznamená, že musí byť elegantný alebo úplne zdokumentovaný. Znamená to, že musí byť skutočný a opakovateľný. Test je jednoduchý: viete ho nakresliť? Keby ste posadili troch ľudí, ktorí tú prácu robia, do miestnosti a požiadali ich, nech načrtnú kroky, nakreslili by zhruba rovnaký obraz — alebo tri rôzne, pričom každý trvá na tom, že ten jeho je to, ako sa to „naozaj“ robí?

Pravidlá verzus úsudok

Pomáha aj vedieť, s akým druhom procesu máte dočinenia. Ak sa riadi pevnými pravidlami — presuň tieto dáta tam, pošli tú pripomienku, označ čokoľvek nad prahom — možno AI vôbec nepotrebujete; obyčajná automatizácia je lacnejšia a spoľahlivejšia. AI si zarobí na chlieb tam, kde je práca naozaj neporiadna a jazykového či úsudkového charakteru: čítanie e-mailu vo voľnom texte a vytiahnutie objednávky, koncipovanie prvej verzie odpovede, triedenie dokumentov, ktoré nikto nechce zakladať. Úprimnosť o tom, ktorý z nich máte, vás zachráni pred kúpou perlíka na pripináčik.

Pilier 3: Vaši ľudia — budú to naozaj používať?

Toto je pilier, ktorému sa venuje najmenej pozornosti a ktorý láme najviac projektov. Môžete mať čisté dáta a upratan­ý proces a aj tak skončiť s nástrojom, ktorého sa nikto nedotkne, pretože ľudia, ktorým sa zmenila práca, boli braní ako vedľajšia myšlienka. Model, ktorý sa ignoruje, má návratnosť investície presne nulovú, nech vyzeral na prezentácii akokoľvek pôsobivo.

Pripravenosť tu čiastočne ide o zručnosti, ale väčšinou o dôveru a zapojenie. Pýtali sa ľudí, ktorí prácu robia, čo ich spomaľuje, alebo im odovzdali riešenie problému, o ktorom sa nezhodli, že ho majú? Cíti niekto v budove pocit vlastníctva nad tým, aby to vyšlo, alebo je to „projekt konzultanta“? Je v tíme aspoň jeden zvedavý človek, ktorý sa toho ujme namiesto toho, aby to ticho obišiel?

Nepotrebujete dátových vedcov na výplatnej páske. Pre väčšinu stredných firiem prináša technickú hĺbku ten správny partner. Čo nemôžete vyniesť von, je ochota zmeniť, ako sa robí pár každodenných úloh — a táto ochota sa buduje skorým zapojením ľudí, nie oznámením nového systému na celofiremnom stretnutí potom, čo je už kúpený.

Pilier 4: Stratégia a rozpočet — existuje skutočný vlastník a skutočné číslo?

AI iniciatívy, ktoré sa voľne vznášajú oddelené od firmy, bez jasného vlastníka a bez definovaného úspechu, majú tendenciu unášať sa, kým ich niekto ticho neprestane financovať. Pripravenosť na tomto fronte je neefektná, ale rozhodujúca: menovitá osoba, ktorá vlastní výsledok, konkrétny problém hodný riešenia a rozpočet zodpovedajúci ambícii — vrátane časti, na ktorú každý zabúda, čo je udržať vec v chode po spustení.

Mali by ste vedieť dokončiť túto vetu skôr, než začnete: „Tento projekt uspeje, ak sa do troch mesiacov stane [konkrétna merateľná vec].“ „Staneme sa inovatívnejšími“ nie je cieľová čiara; je to tlačová správa. „Náš tím prestane tráviť šesť hodín týždenne prepisovaním objednávok“ je cieľová čiara. Čím užšie a merateľnejšie, tým lepšie — a tým ľahšie zistíte, či ste naozaj vyhrali.

Konkrétne k rozpočtu: stavba je zvyčajne menšia polovica. Model potrebuje monitoring, občasné doladenie a vlastníka, ktorý si všimne, keď sa realita vzdiali od toho, na čom bol natrénovaný. Firmy, ktoré rozpočtujú len na stavbu, si stavajú nástroj, ktorý štvrťrok funguje skvele a potom pomaly hnije, lebo nikto nebol platený, aby sa oňho staral. Plánujte na nudný posmrtný život projektu, nielen na jeho vzrušujúce narodenie.

Pilier 5: Riziko a riadenie — časť, ktorú v Európe nemôžete preskočiť

Pre strednú európsku firmu tento pilier nie je voliteľný a predstierať opak je spôsob, ako skončiť so šikovným nástrojom, ktorý právne nemôžete nasadiť. Nepotrebujete oddelenie compliance, ale potrebujete si položiť základné otázky pred stavbou, nie po nej. Väčšinou ide o to vedieť, akých dát sa systém dotýka, kde sa spracúvajú a kto je zodpovedný, keď niečo pokazí.

Otázky sú menej desivé, než znejú. Spracúva nástroj osobné údaje, a ak áno, na čích serveroch a podľa akej zmluvy? Ak AI niečo navrhne — cenu, odpoveď, rozhodnutie — kontroluje to človek tam, kde na tom záleží, alebo koná sama? Viete jednoduchým jazykom vysvetliť, ako dospela k danému výstupu, ak sa zákazník alebo audítor opýta? Premysleli ste si, čo sa stane v deň, keď sa sebavedomo pomýli, lebo ten deň príde?

Dať to dokopy: úprimne sa ohodnoťte

Na toto nepotrebujete tabuľku, hoci si ju môžete vytvoriť. Prejdite päť pilierov a ohodnoťte každý červeno, oranžovo alebo zeleno — nie ašpiračne, ale tak, ako to naozaj dnes je. Cieľom nie je dosiahnuť samú zelenú; takmer žiadna firma to nedosiahne a nepotrebujete to. Cieľom je nájsť tú jednu či dve červené, ktoré by potopili prvý projekt, a vysporiadať sa s nimi skôr, než staviate.

1. 1
   Ohodnoťte každý pilier červeno, oranžovo, zeleno

   Dáta, procesy, ľudia, stratégia, riadenie. Buďte úprimní — optimistické sebahodnotenie len presunie sklamanie na neskôr.
2. 2
   Nájdite svoje blokujúce červené

   Červená presne na tom pilieri, od ktorého závisí váš prvý projekt, je značka stop. Červená niekde nesúvisiaca môže počkať. Kontext je dôležitejší než súčet.
3. 3
   Najprv opravte lacné medzery

   Väčšina medzier v pripravenosti sa uzavrie neefektnou prácou s nízkymi nákladmi — sprístupnením dát, zapísaním procesu, skorým zapojením tímu.
4. 4
   Vyberte najmenší skutočný projekt

   Zvoľte jeden stabilný, častý, jasne vlastnený proces, kde ste dosť zelení na výhru. Malá dokončená výhra financuje ďalšiu — v dôvere, nielen v peniazoch.
5. 5
   Potom, a až potom, staviate

   S vyčistenými červenými na pilieroch, ktoré sú dôležité, a so zapísaným merateľným cieľom ste pripravení. Nie dokonalí — pripravení. To sú odlišné veci a do produkcie ide len jedna z nich.

Všimnite si, že väčšina tejto práce nemá s AI nič spoločné. Dostupné dáta, proces, ktorý viete nakresliť, tím, ktorý je zapojený, jasný vlastník, človek v slučke — tieto veci robia vašu firmu lepšou, aj keď nikdy nenasadíte ani jediný model. To je tichý bonus brania pripravenosti vážne: príprava má hodnotu sama osebe. AI vám len dá dôvod konečne to urobiť.

Časté otázky