Većina organizacija sada upotrebljava AI u produkciji. Gotovo nijedna ne primjenjuje ga ondje gdje je važno: u iskustvima usmjerenima na klijente, poslovno kritičnim odlukama ili procesima koji se odvijaju uz minimalan ljudski nadzor. Upravo se na tom raskoraku stječe ili gubi konkurentska prednost.
Prepreka je obično nedostatak povjerenja, a ne sposobnosti. Kod uvođenja AI-ja u područja s velikim ulozima to povjerenje proizlazi iz ispunjavanja četiriju konkretnih kriterija.
Ti kriteriji obuhvaćaju način testiranja ponašanja AI-ja, izgradnju rješenja i upravljanje njima na razini cijele organizacije te pitanje je li vaše vodstvo doista uvjereno u važnost toga.
Ispunjavanje tih kriterija povjerenja razvija iskustvo i odgovornost te smanjuje razloge za izbjegavanje primjene AI-ja radi ostvarivanja značajnih pomaka. Bez toga AI ostaje ograničen na uštede u sporednim područjima, bez bitnog utjecaja na način rada organizacije.
U ovo doba prošle godine — prije nekoliko desetljeća mjereno godinama AI-ja — većina je tvrtki bila u „čistilištu dokazivanja koncepta”: imale su mnoštvo zanimljivih projekata koji su pokazivali što AI može, ali nijedan nisu uspijevale uvesti u produkciju. Godinu dana poslije mnoge organizacije sada imaju barem neka AI rješenja u produkciji, što je velik korak naprijed.
Međutim, AI se često primjenjuje u sporednim procesima: to je lakše, tim za inovacije može ga razviti s motiviranim poslovnim korisnikom, a ako nešto pođe po zlu, „nije kraj svijeta”. Proces nije osobito važan, postoji pričuvni ručni postupak ili je uključeno više osoba kako bi se ograničile moguće negativne posljedice.
Rezultat tog razumljivog, ali opreznog pristupa također je skroman učinak rješenja: ona vjerojatno nisu osjetno utjecala na mogućnosti rasta, iskustvo klijenata ni strukturu troškova.
To će razdvojiti buduće pobjednike od ostalih: napredne tvrtke ulažu u primjenu AI-ja ondje gdje je bitan za poslovne rezultate.
I tvrtke koje zaostaju „bave se AI-jem”, samo ne ondje gdje bi znatno utjecao na poslovanje.
Da, primjena AI-ja u investicijskim odlukama, iskustvu klijenata, razvoju proizvoda, istraživanju i dizajnu te automatizaciji bez ljudskog nadzora djelovat će rizičnije, ali upravo se ondje kriju najveće koristi.
Tvrtke koje prednjače u ovom području možda još nisu vidljive tržištu, ali kada to postanu, jaz će već biti velik. Zbog razlike u brzini uvođenja AI-ja nastavit će se širiti dok tvrtke koje zaostaju shvate u čemu su cijelo vrijeme griješile.
Pitanje je, dakle: što je organizaciji potrebno kako bi s povjerenjem primjenjivala AI u procesima koji su doista važni?
Najprije pretpostavimo da ste već napredovali od „Imamo AI alat poput ChatGPT-a” preko „Imamo projekte dokazivanja koncepta” do „Imamo deset jednostavnih AI rješenja u produkciji”. Ako niste, to morate prioritetno riješiti. Ti početni koraci možda su jednostavni, ali ključni su za razvoj pismenosti o AI-ju u cijeloj organizaciji, osmišljavanje boljih slučajeva primjene i razjašnjavanje internih koraka potrebnih za puštanje bilo kojeg AI rješenja u produkciju.
U toj bi fazi organizacija trebala postati ambicioznija i napredovati prema „značajnim primijenjenim AI rješenjima uz ljudski nadzor”, a zatim prema razini koja donosi razliku: „AI primjenjujemo u temeljnim procesima i iskustvima klijenata”.
Te posljednje korake rijetko ograničava tehnologija; ograničava ih povjerenje unutar organizacije. Jer uvijek postoji razlog za odgodu ili izbjegavanje teških izazova:
„Što ako pruži pogrešne uvide?”, „Što ako se ponaša pogrešno pa završimo u vijestima?”, „Što ako pogrešno izračuna pa donesemo pogrešnu odluku?”, „Što ako vrijeđa klijente?”, „Što ako model postane nedostupan?”, „Kako ćemo održavati njegova ažuriranja?”, „Što ako se propisi promijene?”, „Trebamo li pričekati novi model”?, itd.
Prema našem mišljenju, četiri su uvjeta obično potrebna za povjerenje da se pritisne gumb „Pokreni” kod promjene velikog učinka koju omogućuje AI.
Zašto: Je li organizacija, a osobito najviše rukovodstvo, doista prihvatila objašnjenje „zašto je AI važan za naš poslovni uspjeh”? Ako nije, organizacija će vjerojatnije pronalaziti razloge za izbjegavanje teških odluka.
Omogućavanje: Postoji li tim za promjene, transformaciju ili omogućavanje AI-ja koji podržava organizaciju dok se razvija uz AI? Tim koji vodi brigu o prihvaćanju, obrazovanju, propisima, novim načinima rada, preispitivanju pretpostavki, osiguravanju potrebnih sredstava i ostalom. AI nije promjena koju treba „prepustiti tehnološkom odjelu”, kao što je često bio slučaj s inicijativama u oblaku ili digitalizacijom. Mora je voditi poslovanje uz odgovarajuću podršku.
Kako: Postoje li uspostavljene organizacijska arhitektura i arhitektura rješenja za primijenjeni AI? Iako se to područje neprestano razvija, jasan pristup potiče promišljanje i širenje znanja o odgovarajućim zaštitnim mehanizmima, troškovima, mogućnosti praćenja, kontrolama, pristupu modelima i ostalom. Time se unutar organizacije počinje graditi vjerodostojnost da ona „zna što radi” s AI-jem te se sprječava razvoj na više različitih načina.
Provjera povjerenja prije pokretanja: Vlasnici rješenja mogu beskonačno odgađati odluku pitajući se „je li dovoljno dobro za pokretanje?”. Tradicionalno testiranje koje provode timovi za osiguranje kvalitete ne pruža takvo povjerenje ni osjećaj odgovornosti za nedeterministički sustav AI-ja. Evaluacije ih pružaju.
Prođimo kroz njih obrnutim redoslijedom jer je on najbliži načinu odlučivanja o povjerenju potrebnom za pokretanje.
Organizacije se desetljećima oslanjaju na tim za osiguranje kvalitete kako bi odlučile je li izdanje dovoljno dobro. Na papiru su testiranje provodili poslovni dionici, no u stvarnosti ga je provodio tim za osiguranje kvalitete. Ishod je bio prolaz ili pad na temelju bezbroj pravila „ako ovo, onda ono”. Mnogo posla, ali bez posebnih nejasnoća.
To ne funkcionira za AI, kod kojeg moramo evaluirati ponašanje.
Evaluacije omogućuju mjerenje kvalitativnog ponašanja AI-ja. Umjesto prolaza ili pada definirate kriterije, poput točnosti, tona, činjeničnog utemeljenja i ponašanja pri odbijanju, te im dodjeljujete ocjene. Pratite te ocjene tijekom projekta dok poboljšavate upite, modele, zaštitne mehanizme i ostalo pa ćete dobiti nešto na temelju čega projektni tim, odbori za promjene i poslovno vodstvo mogu pouzdano djelovati: ocjenu točnosti koja se tijekom projekta povećala s x na y.
Taj broj postiže dvoje. Prvo, gradi povjerenje pokazujući napredak tijekom vremena i pružajući dionicima opipljiv dokaz da se sustav pouzdano i dosljedno ponaša u skladu s utvrđenim očekivanjima.
Drugo, stvara odgovornost. To su brojke na koje se mogu pozvati, zajedno sa sljedivošću tih evaluacija. Dokumentirani skup evaluacija, ispitan u jasno definiranom rasponu scenarija, ekvivalent je izvješću o testiranju za AI i odboru koji daje odobrenje pruža dokaz da je postupljeno s dužnom pažnjom: radi li sustav samo ono što treba i čini li to isključivo na predviđeni način?
Naravno, te brojke imaju smisla samo ako su kriteriji evaluacije dovoljno sveobuhvatni. To zahtijeva promjenu operativnog modela koju većina organizacija u početku pogrešno provodi: kriterije evaluacije mora odrediti poslovna strana, a ne tehnološki tim, tim za osiguranje kvalitete ili jedan mlađi korisnik kojemu je zadatak povjeren. Vlasnici proizvoda i stručnjaci razumiju područje, rubne slučajeve, željeni ton komunikacije, vrste interakcija koje bi korisnici mogli pokrenuti, smislene korake rasuđivanja, načine pogreške, ispravne parove pitanja i odgovora i ostalo. Oni koji upotrebljavaju i uvode rješenje trebaju odlučivati kako izgleda dobar rezultat.
To znači da pri odobravanju rješenja u kojem se AI primjenjuje u samom središtu korisničkog iskustva trebate postaviti samo dva pitanja:
(1) tko je osmislio kriterije evaluacije i
(2) jesu li se rezultati evaluacije prema tim kriterijima s vremenom poboljšali i sada premašuju minimalni prag?
Ako je odgovor "izradio ih je tehnološki tim, ali zadovoljni smo rezultatima", aplikacija nije spremna. Ako je odgovor „da, testirali smo prošli tjedan i prošlo je”, zrelost evaluacije vjerojatno nije na razini koja ulijeva potrebno povjerenje jer evaluacije vjerojatno nisu bile polazište razvoja.
No ako je poslovni vlasnik proizvoda tijekom cijelog razvoja definirao, pregledavao i dorađivao evaluacije te može pokazati da se rezultati kreću u pravom smjeru, tada imate nešto vrijedno odobrenja.
Dodatnu razinu povjerenja donosi usklađenost s načelima i standardima arhitekture AI-ja. Prvih pet AI aplikacija mogli ste izraditi na bilo koji prikladan način samo da biste krenuli, no za širenje primjene te brzo, sigurno i dobro upravljano uvođenje AI-ja u cijeloj organizaciji postaje nužan strukturiraniji pristup s referentnim arhitekturama aplikacija i platformom za AI na razini cijele organizacije.
Svi inženjerski timovi moraju moći brzo „naslijediti” pristup modelima, zaštitne mehanizme, mogućnost praćenja, skaliranje, upravljanje troškovima i ostalo kako bi se mogli usredotočiti na razvoj rješenja.
Jasan pristup platformi za AI na razini cijele organizacije i arhitekturi, čak i ako zbog brzih promjena kratko vrijedi, dodatno jača povjerenje organizacije da može sigurno uvesti AI u kritične sustave. To znači da je netko razmotrio sve ključne čimbenike i odabrao optimalan put do produkcije, što dodatno ulijeva povjerenje da će rješenje podržavati te važne procese.
To nije „isto što i prije, samo uz pristup AI alatu”. Možda zvuči otrcano, ali transformacija podrazumijeva preoblikovanje procesa, preispitivanje ponude proizvoda, razvoj iskustva klijenata te promjenu načina rada, a vrlo vjerojatno i strukture timova.
To se ne može postići usputnim radom niti ga može voditi odjel tehnologije (a ne može ni vaš tim za „inovacije” s ukupno tri ekvivalenta punog radnog vremena). Ako pak zauzmete stav „sve će se samo posložiti”, nećete ostvariti brzinu promjena koju bi mogli postići uspješni konkurenti.
Osim toga, za otkrivanje doista preobražavajućih slučajeva primjene i osiguravanje podrške za njih potrebni su temeljito poznavanje AI-ja u cijeloj organizaciji i pozitivan stav prema njemu.
Stoga osobe koje znaju što je organizaciji potrebno, kako omogućiti promjene i kako funkcionira AI moraju od uprave dobiti ovlasti da provedu transformaciju te osiguraju koordinaciju, zamah, financiranje, utjecaj, upravljanje, određivanje prioriteta i donošenje odluka.
Osobito u početnim fazama dobro funkcionira središnja jedinica poput centra za AI, odjela za transformaciju uz AI ili ureda za AI. Taj središnji tim jača povjerenje da organizacija ima provedivu strategiju, da se velike odluke mogu brzo donijeti i prenijeti te da postoje kriteriji kvalitete za transformaciju uz AI. Bez njega pristup može postati previše rascjepkan, što dovodi do nedosljednih odluka, izbora proizvoda i rješenja te kvalitete, a naposljetku narušava povjerenje potrebno za primjenu AI-ja u područjima s velikim ulozima.
Kao što je već istaknuto, stvarnu konkurentsku prednost od AI-ja steći će tvrtke koje razviju iskustvo, stručnost i povjerenje na razini cijele organizacije kako bi ga često i brzo uvodile u središte važnih procesa i interakcija koje poboljšavaju iskustvo klijenata, rezultate proizvoda, brzinu proizvodnje i drugo
Potrebni su kvalitetni postupci evaluacije, arhitektura koja se brzo prilagođava i skalira te proaktivan pristup upravljanju transformacijom koji organizaciji pomaže učiti, prilagođavati se i uspostavljati nove načine rada.
Međutim, ništa od toga neće se uspješno dogoditi „odozdo prema gore”. Promjene i njihove posljedice jednostavno su prebrze i prevelike. Nisu dovoljni ni „odobrenje uprave” ni „podrška rukovodstva”.
Ako zaposlenici ne vide jasno zašto su promjene nužne, što one osobno znače za njih — dobro ili loše — i što njima dobivaju, transformacija će se provesti na mala vrata, uz mnogo popratne štete.
Četvrti je element stjecanja stvarne prednosti primjenom AI-ja istinsko razumijevanje i uvjerenje vodstva da je ulaganje u AI ključno za daljnji uspjeh tvrtke. To je njihova strategija za AI, ugrađena u izjavu o misiji i ciljeve, koju redovito promiču i podupiru odlukama pretočenima u djela.
Tako se timovima u cijeloj organizaciji pružaju poticaji, podrška i osjećaj hitnosti da unaprijede vještine te donesu pomalo neugodne, ali važne odluke i odaberu teži, isplativiji put. To ulijeva povjerenje potrebno da se pritisne „Pokreni” za iskustvo klijenata ili proces investicijskog odlučivanja koji pokreće AI.
U sljedeće dvije godine od AI-ja neće najviše profitirati tvrtke s najviše implementacija. To će biti tvrtke koje su AI uspješno primijenile u važnim sustavima i procesima usmjerenima na klijente, koji utječu na odluke i ključni su za poslovanje, te razvile sposobnost da to dosljedno i sigurno čine u cijeloj organizaciji.
Što trebate poduzeti? Ako se vaša organizacija „bavi AI-jem”, ali to ne utječe na uspjeh tvrtke, pokušajte odgovoriti na ova pitanja:
Je li jasna uloga AI-ja u ostvarivanju misije vaše tvrtke? Smatrate li da vodstvo doista vjeruje kako je primjena AI-ja ključna za budući uspjeh tvrtke?
Postoji li središnja funkcija koja promiče program AI-ja, obrazuje zaposlenike u cijeloj organizaciji i koordinira aktivnosti?
Razvija li tehnološki tim stručnost, kapacitete i obrasce koji omogućuju brži i sigurniji razvoj AI rješenja?
Dolaze li izdanja do produkcije bez prepreka uzrokovanih neodgovorenim pitanjima o ponašanju AI-ja?
Ako je odgovor na bilo koje od tih pitanja niječan, znate odakle krenuti kako biste u organizaciji ojačali povjerenje da se AI može uvoditi brzo i dosljedno te tako ostvariti konkurentsku prednost ondje gdje je ona doista važna.