Nem az a kérdés, hogy hol használhatnánk AI-t

A mesterséges intelligencia fejlődésével egyre több vállalat keresi annak lehetőségét, hogyan tudná beépíteni az AI-t a saját működésébe.

Ilyenkor könnyű abból kiindulni, hogy milyen AI-eszközöket lehetne bevezetni. Saját chatbot? AI-asszisztens? Dokumentumfeldolgozó rendszer? Automatizált riportok?

Mi inkább fordítva közelítjük meg a kérdést.

Nem azt keressük először, hogy mire lehetne használni az AI-t, hanem azt, hogy melyik üzleti problémát lenne érdemes AI segítségével megoldani.

Ez apró különbségnek tűnhet, valójában azonban alapvetően meghatározza egy AI-projekt sikerét.

1. Az üzleti probléma azonosítása

Az első lépés azoknak a vállalati folyamatoknak a feltérképezése, amelyek jelenleg jelentős időt vagy erőforrást igényelnek.

Érdemes például olyan területeket keresni, ahol a munkatársak rendszeresen nagy mennyiségű információt dolgoznak fel, dokumentumok között keresnek, manuálisan kategorizálnak adatokat, ismétlődő adminisztratív feladatokat végeznek vagy több rendszerből gyűjtenek össze információkat egy döntéshez.

Nem minden ilyen problémára az AI a megfelelő válasz. Sok esetben egy hagyományos automatizáció vagy egy jól kialakított szoftverfunkció egyszerűbb és kiszámíthatóbb megoldást jelent.

Az első feladat ezért annak eldöntése, hogy valóban indokolt-e AI-t használni.

2. Meg kell vizsgálni a rendelkezésre álló adatokat

Egy vállalati AI-megoldás értékét jelentős részben meghatározza, hogy milyen adatokra és információkra tud támaszkodni.

Egy dokumentumokat feldolgozó rendszerhez szükség van megfelelő dokumentumokra. Egy vállalati tudásasszisztensnek hozzáférhető és megfelelő minőségű tudásbázisra van szüksége. Egy adatok alapján működő döntéstámogató rendszer pedig csak annyira lehet megbízható, amennyire az alapjául szolgáló adatok azok.

Ezért az AI-projekt korai szakaszában érdemes felmérni:

milyen adatok állnak rendelkezésre, milyen formában tároljuk őket, milyen minőségűek, ki férhet hozzájuk, és milyen rendszerekben találhatók.

Sok esetben már ez a vizsgálat megmutatja, hogy az AI bevezetése előtt először az adatkezelést vagy a kapcsolódó folyamatokat kell rendbe tenni.

3. Egy konkrét use case-szel érdemes kezdeni

Az első AI-projektnek nem kell az egész vállalat működését megváltoztatnia.

Sőt, általában célszerű egy jól körülhatárolható felhasználási esetet választani.

Ilyen lehet például több ezer dokumentum kereshetővé tétele, beérkező dokumentumok automatikus feldolgozása, egy belső tudásbázisra épülő asszisztens vagy egy rendszeresen végzett manuális adatfeldolgozási feladat támogatása.

A megfelelő use case-nek van egy fontos tulajdonsága: mérhető.

Ha például egy folyamat jelenleg havonta 100 munkaórát igényel, megvizsgálható, hogy az AI-alapú megoldás után hogyan változik ez az érték. Ugyanígy mérhető lehet a feldolgozási idő, a hibák száma vagy egy adott feladat elvégzéséhez szükséges manuális beavatkozások mennyisége.

4. Pilotot építünk, nem rögtön teljes rendszert

Ha megtaláltuk a megfelelő problémát, a következő lépés nem feltétlenül egy teljes vállalati rendszer fejlesztése.

Először azt kell bizonyítani, hogy az elképzelés technológiailag működik és üzletileg értéket teremt.

Ehhez egy kisebb pilot vagy proof of concept is elegendő lehet.

A pilot során már valós vagy reprezentatív vállalati adatokkal lehet tesztelni a megoldást, miközben pontosabban láthatóvá válik annak pontossága, sebessége, költsége és korlátai.

Ezen a ponton még viszonylag kis ráfordítással kiderülhet az is, ha az eredeti elképzelést módosítani kell.

5. Az emberi kontrollt is meg kell tervezni

Az AI-rendszereket nem érdemes minden esetben teljesen autonóm folyamatként kezelni.

Különösen fontos üzleti döntések, érzékeny adatok vagy nagy következménnyel járó műveletek esetén meg kell határozni, hogy mely pontokon szükséges emberi ellenőrzés.

Lehet például olyan folyamatot kialakítani, amelyben az AI feldolgozza és strukturálja az információt, de a végleges döntést egy munkatárs hozza meg.

Az automatizáció szintje így fokozatosan növelhető a rendszerrel szerzett tapasztalatok alapján.

6. Az AI-t integrálni kell a meglévő működésbe

Egy jól működő AI-modell önmagában még nem feltétlenül jelent használható vállalati megoldást.

A rendszernek sok esetben kapcsolódnia kell dokumentumtárakhoz, adatbázisokhoz, CRM- vagy ERP-rendszerekhez, belső alkalmazásokhoz és jogosultságkezeléshez.

Emellett meg kell határozni az adatbiztonsági, naplózási és hozzáférési szabályokat is.

Az AI bevezetése ezért nem pusztán egy modell vagy szolgáltató kiválasztásáról szól. Az AI-nak a meglévő technológiai és üzleti környezet részévé kell válnia.

7. Mérünk, majd csak utána skálázunk

A pilot után már nem feltételezések alapján kell eldönteni, érdemes-e folytatni a projektet.

Megvizsgálható, hogy mennyi időt takarított meg a rendszer, milyen pontossággal dolgozott, mennyi emberi beavatkozást igényelt, hogyan fogadták a felhasználók, és milyen költséggel működtethető.

Ha az eredmények megfelelőek, következhet a megoldás továbbfejlesztése és fokozatos kiterjesztése más folyamatokra vagy szervezeti egységekre.

Az AI-bevezetés nem technológiai verseny

A vállalati AI-projektek célja nem az, hogy egy szervezet minél több folyamatára rákerüljön az „AI” címke.

A cél az, hogy egy valós üzleti problémát mérhetően hatékonyabban oldjunk meg.

Ezért az ASH-nál az AI-bevezetést is ugyanúgy kezeljük, mint bármely más komplex technológiai projektet:

üzleti probléma → adatok → use case → pilot → mérés → integráció → skálázás.

A megfelelő technológia kiválasztása csak ezután következik. Így az AI nem öncélú fejlesztéssé, hanem a vállalat működését támogató eszközzé válhat.