ორგანიზაციების უმეტესობა უკვე იყენებს AI-ს რეალურ გარემოში. თუმცა თითქმის არცერთი იყენებს მას იქ, სადაც ნამდვილად მნიშვნელოვანია: კლიენტებთან ურთიერთობისას, ბიზნესისთვის კრიტიკულ გადაწყვეტილებებში ან პროცესებში, რომლებიც ადამიანის მინიმალური ზედამხედველობით მუშაობს. სწორედ ეს სხვაობა განსაზღვრავს, ვინ მოიპოვებს და ვინ დაკარგავს კონკურენტულ უპირატესობას.
ბარიერი, როგორც წესი, შესაძლებლობა კი არა, თავდაჯერებულობის ნაკლებობაა. მაღალი რისკის მქონე AI-ს დანერგვისას ეს ოთხი კონკრეტული კრიტერიუმის დაკმაყოფილებაზეა დამოკიდებული.
ეს კრიტერიუმები მოიცავს AI-ს ქცევის ტესტირებას, საწარმოს მასშტაბით გადაწყვეტილებების შექმნასა და მართვას, ასევე იმას, ნამდვილად ესმის თუ არა ხელმძღვანელობას, რატომ არის ეს მნიშვნელოვანი.
ამ კრიტერიუმების დაკმაყოფილება აყალიბებს ორგანიზაციულ ჩვევებსა და ანგარიშვალდებულებას და ამცირებს ყოყმანის მიზეზებს, როცა AI-ს გამოყენებით მნიშვნელოვანი შედეგების მიღწევაა შესაძლებელი. ამის გარეშე AI მხოლოდ მეორეხარისხოვან გამოყენებებში ზოგავს ფულს და ორგანიზაციის მუშაობაზე არსებით გავლენას ვერ ახდენს.
შარშან ამ დროს — AI-ს საზომით, ათწლეულების წინ — კომპანიების უმეტესობა „AI POC-ების განსაწმენდელში“ იყო: ჰქონდათ ბევრი საინტერესო POC, რომლებიც AI-ს შესაძლებლობებს აჩვენებდა, მაგრამ ვერცერთი გადაჰყავდათ რეალურ გარემოში. ერთი წლის შემდეგ ბევრ ორგანიზაციას უკვე აქვს რეალურ გარემოში გაშვებული რამდენიმე AI-გადაწყვეტა, რაც დიდი წინგადადგმული ნაბიჯია.
თუმცა ხშირად AI მეორეხარისხოვან პროცესებში გამოიყენება: ამის გაკეთება უფრო მარტივია, ინოვაციების გუნდს მისი შექმნა დაინტერესებულ ბიზნესმომხმარებელთან ერთად შეუძლია და, თუ რამე არასწორად წავა, „ქვეყანა არ დაიქცევა“. თავად პროცესი დიდად მნიშვნელოვანი არ არის, არსებობს ხელით შესრულების სათადარიგო გზა ან უარყოფითი შედეგების შესაზღუდად პროცესში რამდენიმე ადამიანი მონაწილეობს.
ამ გასაგები, მაგრამ კონსერვატიული მიდგომის შედეგად გადაწყვეტილებების გავლენაც შეზღუდულია: ისინი ზრდის შესაძლებლობას, კლიენტის გამოცდილებას ან ხარჯების სტრუქტურას, სავარაუდოდ, მნიშვნელოვნად ვერ შეცვლის.
სწორედ ეს განასხვავებს მომავალ გამარჯვებულებს დანარჩენებისგან: პროგრესული კომპანიები ინვესტირებას ახდენენ AI-ს იქ გამოყენებაში, სადაც ის ბიზნესის შედეგებზე მოქმედებს.
ჩამორჩენილი კომპანიებიც „იყენებენ AI-ს“, თუმცა არა იქ, სადაც ის ბიზნესზე მნიშვნელოვან გავლენას მოახდენს.
დიახ, AI-ს გამოყენება საინვესტიციო გადაწყვეტილებებში, კლიენტის გამოცდილებაში, პროდუქტის განვითარებაში, კვლევასა და დიზაინში, ასევე, „ადამიანის ჩარევის გარეშე ავტომატიზაციაში“ უფრო სარისკოდ მოგეჩვენებათ, მაგრამ რეალური სარგებელიც სწორედ იქაა.
ამ სფეროში დაწინაურებული კომპანიები შესაძლოა ბაზრისთვის ჯერ კიდევ შეუმჩნეველი იყოს, მაგრამ როცა სხვაობა თვალსაჩინო გახდება, ის უკვე დიდი იქნება. ამასთან, AI-ს დანერგვის განსხვავებული სიჩქარის გამო უფსკრული კიდევ უფრო გაიზრდება, სანამ ჩამორჩენილები მიხვდებიან, რას აკეთებდნენ არასწორად მთელი ამ დროის განმავლობაში.
ამრიგად, საკითხავი ასეთია: რა სჭირდება ორგანიზაციას, რომ AI თამამად გამოიყენოს ნამდვილად მნიშვნელოვან პროცესებში?
ჯერ დავუშვათ, რომ უკვე გაიარეთ ეტაპები: „გვაქვს ChatGPT-ს მსგავსი AI-ინსტრუმენტი“, „გვაქვს POC-ები“ და „რეალურ გარემოში მუშაობს 10 მარტივი AI-გადაწყვეტა“. თუ ასე არ არის, ეს პრიორიტეტულად უნდა მოაგვაროთ. ეს საწყისი ნაბიჯები შეიძლება მარტივი იყოს, მაგრამ აუცილებელია საწარმოში AI-ცოდნის გასავითარებლად, უკეთესი გამოყენების შემთხვევების მოსაფიქრებლად და იმის გასარკვევად, რა შიდა ეტაპებია საჭირო AI-ს რეალურ გარემოში გასაშვებად.
ამ ეტაპზე ორგანიზაციამ ამბიცია უნდა გაზარდოს და ჯერ „ადამიანის ზედამხედველობით მოქმედი, პრაქტიკული და მნიშვნელოვანი AI-გადაწყვეტები“ შექმნას, შემდეგ კი განმასხვავებელ ეტაპზე გადავიდეს: „AI-ს ძირითად პროცესებსა და კლიენტების გამოცდილებაში ვიყენებთ“.
პროგრესის ამ ბოლო ნაბიჯებს იშვიათად ზღუდავს ტექნოლოგია — დაბრკოლება უფრო ხშირად ორგანიზაციის თავდაჯერებულობაა. რადგან რთული საკითხების გადადების ან მათგან თავის არიდების მიზეზი ყოველთვის მოიძებნება:
„თუ არასწორ დასკვნებს მოგვცემს?“, „თუ არასწორად მოიქცევა და ახალ ამბებში მოვხვდებით?“, „თუ გამოთვლაში შეცდება და არასწორ გადაწყვეტილებას მივიღებთ?“, „თუ კლიენტებს შეურაცხყოფს?“, „თუ მოდელი მიუწვდომელი გახდება?“, „როგორ უზრუნველვყოთ მისი განახლებების მხარდაჭერა?“, „თუ რეგულაციები შეიცვლება?“, „ახალ მოდელს ხომ არ დაველოდოთ?“ და ა.შ.
ჩვენი აზრით, ჩვეულებრივ არსებობს ოთხი პირობა, რომლებიც მაღალი გავლენის მქონე, AI-ზე დაფუძნებული ცვლილებისთვის „რეალურ გარემოში გაშვების“ ღილაკზე დაჭერის თავდაჯერებას იძლევა.
რატომ: ნამდვილად სჯერა ორგანიზაციას, განსაკუთრებით უმაღლეს ხელმძღვანელობას, რომ „AI ჩვენი ბიზნესის წარმატებისთვის მნიშვნელოვანია“? თუ არა, ორგანიზაცია უფრო ადვილად იპოვის რთული გადაწყვეტილებებისგან თავის არიდების მიზეზებს.
ხელშეწყობა: არსებობს AI-ცვლილების, ტრანსფორმაციის ან ხელშეწყობის გუნდი, რომელიც ორგანიზაციას AI-სთან ერთად განვითარებაში ეხმარება? გუნდი, რომელიც მართავს დანერგვას, განათლებას, რეგულაციებს, მუშაობის ახალ გზებს, ეჭვქვეშ აყენებს დაშვებებს, უზრუნველყოფს საჭირო დაფინანსებას და სხვას. AI არ არის ცვლილება, რომლის „მოგვარებაც ტექნოლოგიურმა გუნდმა უნდა ითავოს“, როგორც ხშირად ხდებოდა ღრუბლოვანი ან ციფრული ინიციატივების შემთხვევაში. მას ბიზნესი უნდა უძღვებოდეს და სათანადო მხარდაჭერა ჰქონდეს.
როგორ: არსებობს გამოყენებითი AI-სთვის ჩამოყალიბებული საწარმოსა და გადაწყვეტის არქიტექტურა? მართალია, ეს სფერო მუდმივად ვითარდება, მაგრამ მკაფიო ხედვა გვაიძულებს, სწორ დამცავ მექანიზმებზე, ხარჯებზე, დაკვირვებადობაზე, კონტროლზე, მოდელებზე წვდომასა და სხვა საკითხებზე ვიფიქროთ და ცოდნა გავიღრმაოთ. ეს ორგანიზაციის შიგნით აჩენს ნდობას, რომ მას AI-ს საკითხებში „ესმის, რას აკეთებს“, და თავიდან გვაცილებს შექმნის მრავალ განსხვავებულ გზას.
რეალურ გარემოში გაშვების თავდაჯერებულობის ტესტი: გადაწყვეტის მფლობელებს შეუძლიათ უსასრულოდ გადადონ პასუხი კითხვაზე: „საკმარისად კარგია რეალურ გარემოში გასაშვებად?“ ხარისხის უზრუნველყოფის გუნდის ტრადიციული ტესტირება არადეტერმინისტული AI-სისტემისთვის ასეთ თავდაჯერებასა და პასუხისმგებლობის განცდას ვერ ქმნის. შეფასებები კი ქმნის.
განვიხილოთ ისინი საპირისპირო თანმიმდევრობით, რადგან ეს ყველაზე მეტად შეესაბამება რეალურ გარემოში გაშვების შესახებ გადაწყვეტილების მიღების პროცესს.
ათწლეულების განმავლობაში ორგანიზაციები ხარისხის უზრუნველყოფის გუნდს ანდობდნენ იმის გადაწყვეტას, იყო თუ არა ახალი ვერსია საკმარისად კარგი. ფორმალურად ტესტირებას ბიზნესის დაინტერესებული მხარეები ატარებდნენ, რეალურად კი — ხარისხის უზრუნველყოფის გუნდი. შედეგი იყო ჩაბარება ან ჩავარდნა, უთვალავი წესის საფუძველზე: თუ ეს, მაშინ ის. ბევრი სამუშაო იყო, თუმცა მარტივად გასაგები.
ეს AI-ს შემთხვევაში არ მუშაობს, რადგან აქ ქცევა უნდა შევაფასოთ.
შეფასებები, ანუ eval-ები, AI-ს თვისებრივი ქცევის გაზომვის საშუალებას იძლევა. ჩაბარება/ჩავარდნის ნაცვლად განსაზღვრავთ კრიტერიუმებს — მაგალითად, სისწორეს, ტონს, ფაქტობრივ სანდო წყაროებთან დაკავშირებასა და უარის ქცევას — და მათ ქულებს ანიჭებთ. პროექტის განმავლობაში აკვირდებით ამ ქულებს, პარალელურად აუმჯობესებთ მითითებებს, მოდელებს, დამცავ მექანიზმებს და სხვას. შედეგად პროექტის გუნდი, ცვლილებების კომიტეტები და ბიზნესის ხელმძღვანელობა იღებენ სანდო საფუძველს გადაწყვეტილებისთვის: სისწორის ქულა, რომელიც პროექტის განმავლობაში x-დან y-მდე გაიზარდა.
ეს მაჩვენებელი ორ რამეს აკეთებს. პირველი: დროთა განმავლობაში გაუმჯობესების ჩვენებითა და დაინტერესებული მხარეებისთვის ხელშესახები მტკიცებულების მიწოდებით აძლიერებს რწმენას, რომ სისტემა დადგენილი მოლოდინების ფარგლებში მუდმივად და საიმედოდ იქცევა.
მეორე: ქმნის ანგარიშვალდებულებას. ეს არის მაჩვენებლები, რომლებზეც მათ შეუძლიათ მიუთითონ, და ამ შეფასებების სრული ისტორია. კარგად განსაზღვრულ სცენარებში გამოცდილი და დოკუმენტირებული შეფასებების ნაკრები ტესტირების ანგარიშის AI-ეკვივალენტია. ის დამამტკიცებელ კომიტეტს სათანადო შემოწმების მტკიცებულებას აძლევს: აკეთებს თუ არა სისტემა მხოლოდ იმას, რაც უნდა გააკეთოს, და მხოლოდ ისე, როგორც უნდა გააკეთოს.
რა თქმა უნდა, ეს მაჩვენებლები მხოლოდ მაშინ არის მნიშვნელოვანი, როცა შეფასების კრიტერიუმები საკმარისად სრულყოფილია. ამას საოპერაციო მოდელის ცვლილება სჭირდება, რასაც ორგანიზაციების უმეტესობა თავიდან არასწორად აკეთებს: შეფასების კრიტერიუმებს „ბიზნესი“ უნდა ფლობდეს და არა ტექნოლოგიური ან ხარისხის უზრუნველყოფის გუნდი; არც ერთ დამწყებ მომხმარებელს უნდა გადაეცეს ეს პასუხისმგებლობა. პროდუქტის მფლობელებსა და სპეციალისტებს ესმით სფერო, გამონაკლისი შემთხვევები, სასურველი ტონი, მომხმარებელთა შესაძლო ინტერაქციები, ლოგიკური მსჯელობის ეტაპები, შეცდომის ტიპები, სწორი კითხვა-პასუხის წყვილები და სხვა. სწორედ გადაწყვეტის მომხმარებლებმა და დამნერგავებმა უნდა განსაზღვრონ, რას ნიშნავს კარგი შედეგი.
ეს ნიშნავს, რომ კლიენტის გამოცდილების ცენტრში AI-ს გამომყენებელი გადაწყვეტის დასამტკიცებლად მხოლოდ ორი კითხვა უნდა დასვათ:
(1) ვინ შეიმუშავა შეფასების კრიტერიუმები და
(2) დროთა განმავლობაში გაუმჯობესდა თუ არა eval-ების შედეგები ამ კრიტერიუმების მიხედვით და გადააჭარბა თუ არა ახლა მინიმალურ ზღვარს?
თუ პასუხია „ისინი ტექნოლოგიურმა გუნდმა შეიმუშავა, თუმცა შედეგებით კმაყოფილი ვართ“, აპლიკაცია მზად არ არის. თუ პასუხია „დიახ, გასულ კვირას გამოვცადეთ და ტესტი გაიარა“, eval-ების სიმწიფე, სავარაუდოდ, საჭირო თავდაჯერების შესაქმნელად საკმარისი არ არის, რადგან შეფასებები, ალბათ, შექმნის საწყისი წერტილი არ ყოფილა.
მაგრამ თუ ბიზნესის მხრიდან პროდუქტის მფლობელი მთელი შექმნის პროცესში განსაზღვრავდა, განიხილავდა და ეტაპობრივად აუმჯობესებდა eval-ებს და შეუძლია სწორი მიმართულებით მოძრავი შედეგების დინამიკა გაჩვენოთ, ასეთი გადაწყვეტის დამტკიცება უკვე ღირს.
თავდაჯერებულობის კიდევ ერთი წყაროა AI-არქიტექტურის პრინციპებსა და სტანდარტებთან შესაბამისობა. პირველი ხუთი AI-აპლიკაციის დასაწყებად მათი ნებისმიერი მოსახერხებელი გზით შექმნა მისაღები იყო, მაგრამ ორგანიზაციის მასშტაბით უსაფრთხო და კარგად მართული AI-ს სწრაფად დასანერგად უკვე საჭიროა უფრო სტრუქტურირებული მიდგომა — საცნობარო აპლიკაციური არქიტექტურები და საწარმოს AI-პლატფორმა.
ყველა საინჟინრო გუნდს უნდა შეეძლოს სწრაფად „მემკვიდრეობით მიიღოს“ მოდელებზე წვდომა, დამცავი მექანიზმები, დაკვირვებადობა, მასშტაბირება, ხარჯების მართვა და სხვა შესაძლებლობები, რათა თავად გადაწყვეტილების შექმნაზე კონცენტრირდეს.
საწარმოს AI-პლატფორმისა და არქიტექტურული მიდგომების მკაფიო ხედვა ორგანიზაციაში კიდევ უფრო აძლიერებს რწმენას, რომ კრიტიკულ სისტემებში AI-ს უსაფრთხოდ დანერგვა შეუძლია, თუნდაც სწრაფი ცვლილებების გამო ამ ხედვას ხანმოკლე ვადა ჰქონდეს. ეს ნიშნავს, რომ ვიღაცამ ყველა ძირითადი ფაქტორი გაითვალისწინა და დანერგვის ოპტიმალური გზა აირჩია, რაც კიდევ უფრო აძლიერებს რწმენას, რომ გადაწყვეტილება მნიშვნელოვან პროცესებს სათანადოდ მოემსახურება.
ეს არ ნიშნავს „იმავეს კეთებას, ოღონდ AI-ინსტრუმენტზე წვდომით“. შეიძლება გაცვეთილად ჟღერდეს, მაგრამ ტრანსფორმაცია გულისხმობს პროცესების ხელახლა დაგეგმვას, პროდუქტების გადახედვას, კლიენტის გამოცდილების განვითარებას და მუშაობის მეთოდების, ხშირად კი გუნდების სტრუქტურის შეცვლასაც.
ეს დამატებითი საქმის სახით ვერ განხორციელდება და ვერც ტექნოლოგიური სამსახური გაუძღვება მარტო (და ვერც თქვენი სამკაციანი „ინოვაციების“ გუნდი). თუ მიდგომაა „თავისით დალაგდება“, ვერ მიაღწევთ ცვლილების იმ ტემპს, რომელსაც გამარჯვებული კონკურენტები შეიძლება აღწევდნენ.
ამასთან, რეალურად „თამაშის წესების შემცვლელი“ გამოყენების შემთხვევების აღმოსაჩენად და მათთვის მხარდაჭერის მოსაპოვებლად საჭიროა AI-ს საფუძვლიანი ცოდნა მთელ საწარმოში და მის მიმართ დადებითი დამოკიდებულება.
ამიტომ AI-ტრანსფორმაციას უნდა უძღვებოდნენ ადამიანები, რომლებმაც იციან, რა სჭირდება ორგანიზაციას, როგორ უნდა წარმართონ ცვლილება და როგორ მუშაობს AI. საბჭომ მათ უნდა მიანიჭოს შესაბამისი უფლებამოსილება და უზრუნველყოს კოორდინაცია, ენერგია, დაფინანსება, გავლენა, მართვა, პრიორიტეტების განსაზღვრა და გადაწყვეტილებების მიღება.
განსაკუთრებით საწყის ეტაპებზე კარგად მუშაობს ცენტრალური ფუნქცია, როგორიცაა AI-ჰაბი, AI-ტრანსფორმაციის გუნდი ან AI-ოფისი. ეს ცენტრალური გუნდი აძლიერებს რწმენას, რომ ორგანიზაციას შესასრულებელი სტრატეგია აქვს, მნიშვნელოვანი გადაწყვეტილებების სწრაფად მიღება და დელეგირება შეუძლია და AI-ტრანსფორმაციისთვის ხარისხის საკონტროლო ეტაპებს ადგენს. ასეთი გუნდის გარეშე მიდგომა შეიძლება ზედმეტად დანაწევრდეს, რამაც გადაწყვეტილებებში, პროდუქტებისა და გადაწყვეტების არჩევანსა და ხარისხში შეიძლება შეუსაბამობები გამოიწვიოს და საბოლოოდ შეარყიოს მაღალი რისკის სფეროებში AI-ს დანერგვისადმი ნდობა.
როგორც უკვე აღვნიშნეთ, AI-სგან რეალურ კონკურენტულ უპირატესობას მიიღებენ კომპანიები, რომლებიც საწარმოში დააგროვებენ გამოცდილებას, ცოდნასა და თავდაჯერებულობას, რათა AI ხშირად და სწრაფად დანერგონ მნიშვნელოვანი პროცესებისა და გამოცდილებების ცენტრში — იქ, სადაც ის აუმჯობესებს კლიენტის გამოცდილებას, პროდუქტის შედეგებს, წარმოების სისწრაფეს და სხვას.
აუცილებელია შეფასების კარგი პრაქტიკა, სწრაფად ადაპტირებადი და მასშტაბირებადი არქიტექტურა და ტრანსფორმაციის მართვის პრინციპი „შეგვიძლია“, რომელიც ორგანიზაციას სწავლაში, ადაპტაციასა და მუშაობის ახალი გზების დანერგვაში ეხმარება.
თუმცა ვერცერთი მათგანი ვერ განხორციელდება წარმატებით „ქვემოდან ზემოთ“. ცვლილებები და მათი შედეგები ამისთვის ზედმეტად სწრაფი და მასშტაბურია. არც „საბჭოს თანხმობა“ ან „ხელმძღვანელობის მხარდაჭერაა“ საკმარისი.
თუ თანამშრომლები ნათლად ვერ ხედავენ, რატომაა ცვლილებები აუცილებელი, რას ნიშნავს ეს პირადად მათთვის — კარგს თუ ცუდს — და რას მიიღებენ, ტრანსფორმაცია უკანა კარიდან შემოვა და თან დიდ ზიანსაც მოიტანს.
ამრიგად, AI-ს დანერგვით რეალური უპირატესობის მოპოვების მეოთხე პირობაა, რომ კომპანიის ხელმძღვანელობას ნამდვილად ესმოდეს და სჯეროდეს: AI-ში ინვესტირება კომპანიის გრძელვადიანი წარმატებისთვის აუცილებელია. ეს არის მათი AI-სტრატეგია, რომელიც კომპანიის მისიასა და მიზნებშია ჩართული; ისინი მას მუდმივად უჭერენ მხარს და ჩანს, რომ მიღებულ გადაწყვეტილებებს საქმითაც ამყარებენ.
ეს მთელ ორგანიზაციაში გუნდებს აძლევს მოტივაციას, მხარდაჭერასა და გადაუდებლობის განცდას, რათა გაიუმჯობესონ უნარები და მიიღონ ოდნავ არაკომფორტული, მაგრამ მნიშვნელოვანი გადაწყვეტილებები — აირჩიონ უფრო რთული, თუმცა მეტად მომგებიანი გზა. ეს მათ აძლევს თავდაჯერებას, დააჭირონ „რეალურ გარემოში გაშვების“ ღილაკს AI-ზე დაფუძნებული კლიენტის გამოცდილებისთვის ან საინვესტიციო გადაწყვეტილების პროცესისთვის.
მომდევნო ორ წელიწადში AI-სგან ყველაზე მეტად ის კომპანიები არ იხეირებენ, რომლებსაც ყველაზე მეტი დანერგვა აქვს. გაიმარჯვებენ ისინი, ვინც AI აამუშავა მნიშვნელოვან, კლიენტებთან დაკავშირებულ, გადაწყვეტილებებზე გავლენის მქონე და ბიზნესისთვის კრიტიკულ სისტემებსა და პროცესებში და საწარმოში შექმნა ამის თანმიმდევრულად და უსაფრთხოდ გაკეთების უნარი.
რის გაკეთებას გირჩევთ? თუ თქვენი ორგანიზაცია „იყენებს AI-ს“, მაგრამ ეს კომპანიის წარმატებაზე არ აისახება, სცადეთ უპასუხოთ შემდეგ კითხვებს:
გასაგებია, რა როლს ასრულებს AI თქვენი კომპანიის მისიის მიღწევაში? გრძნობთ, რომ ხელმძღვანელობას ნამდვილად სჯერა: AI-ს დანერგვა კომპანიის სამომავლო წარმატებისთვის აუცილებელია?
არსებობს ცენტრალური ფუნქცია, რომელიც ხელს უწყობს AI-ს დღის წესრიგს, ზრდის ცოდნას მთელ საწარმოში და კოორდინაციას უწევს საქმიანობას?
აგროვებს ტექნოლოგიური გუნდი ცოდნას, შესაძლებლობებსა და შაბლონებს, რომლებიც AI-ინჟინერიას უფრო სწრაფსა და უსაფრთხოს გახდის?
ხვდება ახალი ვერსიები რეალურ გარემოში AI-ს ქცევასთან დაკავშირებული პასუხგაუცემელი კითხვებით გამოწვეული დაბრკოლებების გარეშე?
თუ რომელიმე კითხვაზე პასუხი უარყოფითია, უკვე იცით, საიდან დაიწყოთ ორგანიზაციის რწმენის გაძლიერება, რომ AI-ს სწრაფად და თანმიმდევრულად დანერგვა შესაძლებელია და კონკურენტულ უპირატესობას სწორედ ყველაზე მნიშვნელოვან სფეროებში მოგიტანთ.