Enamik organisatsioone kasutab nüüd AI-d tootmiskeskkonnas. Peaaegu ükski neist ei kasuta seda aga seal, kus see tõeliselt loeb: kliendikogemustes, ärikriitilistes otsustes või minimaalse inimjärelevalvega protsessides. Just selle lõhe tõttu võidetakse või kaotatakse konkurentsieelis.
Takistuseks pole tavaliselt võimekus, vaid kindlustunne. Suure kaaluga AI-rakenduste juurutamisel tekib see nelja konkreetse kriteeriumi täitmisel.
Need kriteeriumid hõlmavad AI käitumise testimist, lahenduste loomist ja juhtimist ettevõtteüleses mastaabis ning seda, kas juhtkond mõistab tõepoolest, miks see on tähtis.
Nende kindlustunnet loovate kriteeriumide täitmine kujundab organisatsioonis vilumuse ja vastutuse ning vähendab kõhklusi AI juurutamisel valdkondades, kus see võib päriselt tulemusi muuta. Ilma selleta jääb AI perifeersetes kasutusjuhtudes vaid naelu säästma ega mõjuta oluliselt organisatsiooni toimimist.
Aasta tagasi – AI-maailmas aastakümnete eest – oli enamik ettevõtteid „AI kontseptsioonitõendite puhastustules“: neil oli palju huvitavaid kontseptsioonitõendeid AI võimaluste näitamiseks, kuid peaaegu ühtegi neist ei suudetud tootmiskeskkonda viia. Aasta hiljem kasutavad paljud organisatsioonid vähemalt mõnda AI-lahendust juba tootmiskeskkonnas, mis on suur samm edasi.
Sageli rakendatakse AI-d siiski kõrvalistes protsessides: seda on lihtsam teha, innovatsioonitiim saab lahenduse koos entusiastliku ärikasutajaga välja töötada ning kui midagi läheb valesti, pole see maailma lõpp“ Protsess ise pole kuigi tähtis, olemas on käsitsi tehtav varulahendus või negatiivsete tagajärgede piiramiseks osaleb protsessis mitu inimest.
Selle arusaadava, kuid ettevaatliku lähenemise tõttu jääb ka lahenduste mõju tagasihoidlikuks: tõenäoliselt ei paranda need märkimisväärselt kasvuvõimalusi, kliendikogemust ega kulustruktuuri.
See eristabki tulevasi võitjaid teistest: edumeelsed ettevõtted investeerivad AI rakendamisse seal, kus sellest sõltuvad äritulemused.
Mahajääjad samuti „tegelevad AI-ga“, kuid mitte valdkondades, kus see ettevõtet märkimisväärselt mõjutaks.
Jah, AI kasutamine investeerimisotsustes, kliendikogemuses, tootearenduses, teadus- ja arendustegevuses ning inimese osaluseta automatiseerimises tundub riskantsem, kuid just seal peitub tõeline kasu.
Selles valdkonnas ette jõudvad ettevõtted ei pruugi turul veel silma paista, kuid selleks ajaks, kui nad nähtavaks muutuvad, on lõhe juba suur. Kuna nad juurutavad AI-d kiiremini, kasvab lõhe veelgi, samal ajal kui mahajääjad alles mõistavad, milles nad kogu selle aja eksisid.
Seega on küsimus järgmine: mida vajab organisatsioon, et rakendada AI-d kindlustundega protsessides, mis päriselt loevad?
Eeldame esmalt, et olete juba liikunud etapist „meil on AI-tööriist, näiteks ChatGPT“ etappi „meil on kontseptsioonitõendid“ ja sealt etappi „meil töötab kümme lihtsat AI-lahendust“. Kui mitte, peate selle esmajärjekorras korda ajama. Need esimesed sammud võivad tunduda lihtsad, kuid on hädavajalikud, et arendada ettevõttes AI-pädevust, leida paremaid kasutusideid ja selgitada välja AI tootmiskeskkonda viimiseks vajalikud sisemised sammud.
Seejärel peaks organisatsioon muutuma ambitsioonikamaks, liikudes esmalt „inimjärelevalvega sisukate AI-rakenduslahenduste“ ja siis eristava tasemeni „rakendame AI-d oma põhiprotsessides ja kliendikogemustes“.
Neid viimaseid arengusamme piirab harva tehnoloogia, enamasti takistab neid organisatsiooni vähene kindlustunne. Sest alati leidub põhjus keerulisi asju edasi lükata või neist kõrvale hoida:
„Mis siis, kui see annab valesid järeldusi?“, „Mis siis, kui see käitub valesti ja me jõuame uudistesse?“, „Mis siis, kui see arvutab valesti ja me teeme vale otsuse?“, „Mis siis, kui see kohtleb kliente halvasti?“, „Mis siis, kui mudel muutub kättesaamatuks?“, „Kuidas me selle uuendusi toetame?“, „Mis siis, kui õigusnormid muutuvad?“, „Kas peaksime uue mudeli ära ootama?“ jne.
Meie hinnangul loovad tavaliselt neli tingimust kindlustunde, mis lubab suure mõjuga AI-toega muudatuse juures vajutada nuppu „Käivita“.
Miks? Kas organisatsioon ja eelkõige tippjuhtkond usub siiralt sõnumisse „miks on AI meie äriedu jaoks oluline“? Kui mitte, leiab organisatsioon tõenäolisemalt põhjuseid keerulistest otsustest taganeda.
Võimaldamine. Kas organisatsioonis tegutseb AI muudatuste, ümberkujundamise või võimaldamise tiim, mis toetab AI-ga kaasnevat arengut? See tegeleb kasutuselevõtu, koolitamise, õigusnormide, uute tööviiside ja eelduste vaidlustamisega, tagab vajaliku rahastuse jne. AI pole muudatus, mille võib jätta „tehnoloogiaosakonna lahendada“, nagu sageli tehti pilve- või digialgatustega. Seda peab vedama äriüksus ja põhjalikult toetama.
Kuidas? Kas rakendus-AI jaoks on kehtestatud ettevõtte- ja lahendusarhitektuur? Kuigi valdkond areneb pidevalt, sunnib selge käsitlus läbi mõtlema õiged kaitsepiirded, kulud, jälgitavuse, kontrollimeetmed, mudelitele juurdepääsu jm ning teadmisi täiendama. See loob organisatsioonis usaldust, et AI puhul „teatakse, mida tehakse“, ning väldib paljude erinevate arendusviiside teket.
Käivitamisvalmiduse test: lahenduse omanikud võivad lõputult arutleda küsimuse „Kas see on käivitamiseks piisavalt hea?“ üle. Tavapärane kvaliteeditagamise tiimide testimine ei anna mittedeterministliku AI-süsteemi puhul sellist kindlustunnet ega vastutustunnet. Hindamised annavad.
Vaatame neid vastupidises järjekorras, sest nii jõuame käivitamisotsuse ja selleks vajaliku kindlustundeni kõige otsesemalt.
Organisatsioonid on aastakümneid usaldanud kvaliteeditagamise tiimi otsust selle kohta, kas versioon on piisavalt hea. Paberil testisid lahendust äripoole sidusrühmad, tegelikult tegi seda kvaliteeditagamise tiim. Tulemus oli kas läbitud või läbimata ning põhines arvukatel „kui see, siis too“ reeglitel. Tööd oli palju, kuid see oli selgepiiriline.
AI puhul see ei toimi, sest hinnata tuleb käitumist.
Hindamiste ehk eval’ite abil saab AI kvalitatiivse käitumise mõõdetavaks muuta. Läbitud või läbimata tulemuse asemel määratlete kriteeriumid, nagu õigsus, toon, faktilise teabe kinnitamine ja keeldumiskäitumine, ning annate neile hinded. Jälgige neid hindeid projekti jooksul, täiustades juhiseid, mudeleid, kaitsepiirdeid jm. Nii saab projektimeeskond, muudatuste komisjon ja ärijuhtkond selge aluse otsustamiseks: õigsuse hinne, mis liikus projekti jooksul väärtuselt x väärtusele y.
See arv täidab kahte eesmärki. Esiteks kasvatab see kindlustunnet, näidates aja jooksul toimunud paranemist ja andes sidusrühmadele käegakatsutavad tõendid, et süsteem käitub seatud ootuste piires usaldusväärselt ja järjepidevalt.
Teiseks loob see vastutuse. Nad saavad osutada konkreetsetele arvudele ja nende hindamiste päritolule. Dokumenteeritud hindamiskogum, mida on testitud selgelt määratletud olukordades, on AI-maailma vaste katsearuandele. See tõendab heakskiitmiskomisjonile nõuetekohast hoolsust: kas lahendus teeb ainult seda, mida peab, ja ainult nii, nagu peab?
Need arvud on mõistagi sisukad vaid siis, kui hindamiskriteeriumid on piisavalt põhjalikud. See nõuab tegevusmudeli muutmist, millega enamik organisatsioone esialgu eksib: hindamiskriteeriumid peavad kuuluma äripoolele, mitte tehnoloogia- või kvaliteeditagamise tiimile ega ühele nooremtaseme kasutajale. Tooteomanikud ja spetsialistid tunnevad valdkonda, erandjuhtumeid, soovitud väljenduslaadi, kasutajate võimalikke pöördumisi, mõistlikke arutluse samme, tõrkeviise, õigeid küsimuste-vastuste paare jne. Need, kes lahendust kasutavad ja juurutavad, peaksid otsustama, milline on hea tulemus.
Kui peate heaks kiitma lahenduse, mis rakendab AI-d otse kliendikogemuse keskmes, piisab seega kahest küsimusest:
1) kes koostas hindamiskriteeriumid ja
2) kas hindamistulemused paranesid aja jooksul nende kriteeriumide alusel ning ületavad nüüd miinimumlävendi?
Kui vastus on "need koostas tehnoloogiatiim, kuid oleme tulemustega rahul", pole rakendus valmis. Kui vastus on „jah, testisime eelmisel nädalal ja see läbis testi“, pole hindamiste küpsus tõenäoliselt vajaliku kindlustunde loomiseks piisav, sest arvatavasti ei lähtutud lahenduse loomisel algusest peale hindamistest.
Kui aga äripoole tooteomanik on kogu arenduse vältel hindamisi määratlenud, üle vaadanud ja täiustanud ning suudab näidata, et tulemused liiguvad õiges suunas, on teil midagi, mille võib heaks kiita.
Veel ühe kindlustunde kihi loob AI-arhitektuuri põhimõtete ja standardite järgimine. Esimesed viis AI-rakendust võis käivitamiseks luua igaüks omal sobival viisil, kuid tegevuse laiendamiseks ning turvaliste ja hästi juhitud AI-lahenduste kiireks juurutamiseks kogu organisatsioonis on vaja süsteemsemat lähenemist, rakenduste etalonarhitektuure ja ettevõtte AI-platvormi.
Kõigil arendustiimidel peab olema võimalus kiiresti „pärida“ juurdepääs mudelitele, kaitsepiirded, jälgitavus, skaleerimine, kuluhaldus jm, et nad saaksid keskenduda lahenduse arendamisele.
Ettevõtte AI-platvormi ja arhitektuurilahenduste selge käsitlus suurendab organisatsioonis kindlustunnet, et AI-d saab kriitilistes süsteemides turvaliselt juurutada, isegi kui kiirete muutuste tõttu tuleb seda käsitlust peagi uuendada. See tähendab, et keegi on kõik olulised tegurid läbi mõelnud ja valinud optimaalse juurutusviisi, mis omakorda suurendab usku, et lahendus suudab neid tähtsaid protsesse toetada.
See ei tähenda „sama tegevust, aga AI-tööriista abil“. See võib kõlada klišeena, kuid ümberkujundamine tähendab protsesside ümberkujundamist, tootepakkumiste ümbermõtestamist, kliendikogemuse arendamist ning tööviiside ja tõenäoliselt ka tiimide struktuuri muutmist.
Seda ei tehta muude ülesannete kõrvalt ning seda ei saa vedada tehnoloogiaosakond – ega ka teie kolmest täistööajaga töötajast koosnev „innovatsioonitiim“. Kui eeldate, et „küll kõik laheneb iseenesest“, ei saavuta te muutuste tempot, milleni võivad jõuda võitvad konkurendid.
Tõeliselt murranguliste kasutusjuhtude leidmine ja neile toetuse saamine nõuab lisaks põhjalikke AI-teadmisi kogu ettevõttes ning positiivset suhtumist AI-sse.
Seetõttu vajab AI-pööre inimesi, kes teavad, mida organisatsioon vajab, oskavad muutusi ellu viia ja mõistavad AI-d. Juhatus peab andma neile volituse pakkuda elluviimiseks vajalikku koordineerimist, energiat, rahastust, mõjutamist, juhtimist, prioriseerimist ja otsustamist.
Eriti algfaasis toimib hästi keskne AI-keskuse-, AI-pöörde- või AI-büroo-laadne üksus. See keskne tiim annab kindluse, et organisatsioonil on elluviidav strateegia, suuri otsuseid saab kiiresti teha ja organisatsioonis edasi anda ning AI-pöördele kehtestatakse kvaliteediväravad. Sellise üksuseta võib lähenemine liigselt killustuda, põhjustades vastuolusid otsustes, toodete ja lahenduste valikus ning kvaliteedis. See vähendab lõpuks kindlustunnet AI rakendamiseks suure kaaluga valdkondades.
Nagu eespool märgitud, saavad AI-st tõelise konkurentsieelise ettevõtted, kes arendavad kogu organisatsioonis kogemust, asjatundlikkust ja kindlustunnet, et juurutada AI-d sageli ja kiiresti oluliste protsesside ning kogemuste keskmes, parandades kliendikogemust, toodete tulemuslikkust, tootmiskiirust jne.
Vaja on häid hindamistavasid, kiiresti kohanduvat ja skaleeruvat arhitektuuri ning tegusat muudatuste juhtimist, mis aitab organisatsioonil õppida, kohaneda ja uusi tööviise juurutada.
Ükski neist ei õnnestu aga „alt üles“. Muutused ja nende mõju on selleks lihtsalt liiga kiired ja ulatuslikud. Ka „juhatuse heakskiidust“ või „juhtkonna toetusest“ ei piisa.
Kui töötajad ei mõista selgelt, miks muudatusi vaja on, mida need neile isiklikult tähendavad – head või halba – ja mida nad sellest võidavad, toimub ümberkujundamine tagaukse kaudu ning põhjustab palju kaaskahju.
AI kasutuselevõtust tõelise eelise saamise neljas element on seega see, et ettevõtte juhtkond mõistab ja usub siiralt: AI-sse investeerimine on ettevõtte jätkuva edu jaoks hädavajalik. See on nende AI-strateegia, mis on lõimitud ettevõtte missiooni ja eesmärkidega, mida nad järjepidevalt propageerivad ning mille toetuseks nad nähtavalt tegutsevad ja otsuseid teevad.
See annab kogu organisatsiooni tiimidele ajendi, toe ja pakilisuse tunde, et arendada oskusi ning langetada veidi ebamugavaid, kuid olulisi otsuseid keerulisema ja tasuvama tee kasuks. See annab kindlustunde vajutada AI-toega kliendikogemuse või investeerimisotsuste protsessi juures nuppu „Käivita“.
Järgmise kahe aasta AI-võitjad ei ole ettevõtted, kellel on kõige rohkem juurutusi. Võidavad need, kes panevad AI toimima olulistes, kliendile suunatud, otsuseid mõjutavates ja ärikriitilistes süsteemides ning protsessides ja arendavad ettevõttes võimekuse teha seda järjepidevalt ja turvaliselt.
Mida peaksite nüüd tegema? Kui teie organisatsioon „tegeleb AI-ga“, kuid see ei mõjuta ettevõtte edu, proovige vastata järgmistele küsimustele.
Kas AI roll ettevõtte missiooni saavutamisel on selge? Kas teile tundub, et juhtkond tõesti usub AI kasutuselevõtu hädavajalikkusse ettevõtte tulevase edu jaoks?
Kas olemas on keskne üksus, mis aitab AI tegevuskava edendada, suurendab ettevõtte teadmisi ja koordineerib tegevusi?
Kas tehnoloogiatiim arendab oskusteavet, võimekust ja lahendusmustreid, mis võimaldavad AI-lahendusi kiiremini ja turvalisemalt luua?
Kas versioonid jõuavad tootmiskeskkonda ilma AI käitumist puudutavatest vastamata küsimustest tingitud takistusteta?
Kui vastus mõnele neist küsimustest on „ei“, teate, millest alustada organisatsiooni kindlustunde kasvatamist, et AI-d saab kiiresti ja järjepidevalt juurutada ning saavutada konkurentsieelis valdkondades, kus see päriselt loeb.