Jak wdrożyć AI bez chaosu?
W tym odcinku Grzegorz Tabor (CTO i prowadzący podcast „IT i Biznes”) przedstawia 6 kluczowych obszarów, które warto przemyśleć, zanim wprowadzisz AI do swojej firmy. Zamiast mitycznego „wrzućmy czata GPT do procesów”, dostajesz zdroworozsądkowy przewodnik: od definiowania celów biznesowych, przez dane, procesy i systemy, aż po wybór technologii i przygotowanie zespołu.
🎧 Dla kogo? Dla przedsiębiorców, menedżerów i wszystkich, którzy chcą realnie wykorzystać AI.
Umów się na bezpłatną konsultację.
PorozmawiajmyCześć, dzień dobry, z tej strony Grzegorz Tabor, a to jest podcast IT i Biznes, gdzie jako dyrektor technologiczny pomagam przedsiębiorcom i menedżerom realizować projekty IT, które wspierają cele biznesowe skutecznie i w terminie. Jeśli napotykasz na swojej drodze wyzwania i potrzeby wsparcia twojego biznesu świadomie z użyciem technologii, ten podcast jest dla ciebie. Odcinek 54.
Jak wdrożyć AI bez chaosu. 20-minutowy przewodnik po sześciu kluczowych obszarach. Cześć, dzień dobry.
Dziś chciałbym wam przedstawić temat wdrożenia AI w organizacji i tego, jak do tego podejść zdroworozsądkowo. Skupiam się nie na obszarze już wielu wszystkim znanym, czyli właściwym korzystaniu z czata GPT, tylko wdrożeniu AI w formie agentów plus asystentów w miejscach, gdzie mogą one faktycznie mieć istotny wpływ na działanie waszej firmy. Przedstawiając odcinek w liczbach skupię się na sześciu najważniejszych punktach, obszarach, o których moim zdaniem wdrożając AI do istniejących systemów i procesów należy pamiętać, wspierając się czterema przykładami z życia wziętymi.
Nie przedłużając, zapraszam do części głównej dzisiejszego odcinka. Obiecałem krótko o zwięźle i na temat, zatem zaczynajmy. Pierwszy obszar.
Zacznij od celu biznesowego i dokładnie go zdefiniuj. Wdrażanie AI dla samego wdrożenia, jeśli nie ustalimy sobie, jaki ma być efekt końcowy, czyli jak ma on wpłynąć na nasz biznes, jest kompletnie bez sensu. Musimy bardzo dokładnie zdefiniować cel biznesowy, jako ten efekt końcowy, jakiego oczekujemy.
Na przykład, proces budowy oferty kosztuje obecnie 1000 zł. Chcemy zmniejszyć ten koszt do 200 zł, co da oszczędność firmie. Chcemy usprawnić proces produkcji, aby osiągnąć więcej produktów możliwych do sprzedaży, co zwiększy sprzedaż.
Chcemy dotrzeć do nowych klientów z użyciem Linkedlina, ale nie wiemy, jakie posty pisać. Potrzebujemy inspiracji na posty, co wpłynie na sprzedaż. Chcemy usystematyzować notatki ze spotkań.
Obecnie ich podsumowywanie zabiera współpracownikom 10 godzin tygodniowo. Chcemy ten czas skrócić do 2 godzin tygodniowo, aby odblokować pracownikom czas na pracę koncepcyjną nad jakimiś zadaniami. Nie wiem, czy zauważacie schemat w tych zdaniach, w tych celach, półcelach, ale opisałem te cele według formatu, jak jest, jak chcemy, żeby było, jaki efekt ma to dać.
Ja to jeszcze raz powtórzę, bo dzisiaj pędzimy, bo w 15 chcemy się wyrobić, ale najważniejsze, żeby opisać te cele w formie, jak obecnie jest, jak chcemy, żeby było, jaki efekt ma to dać. Dzięki takiemu zdefiniowaniu celów każdy wdrożniowiec AJA może też oprócz samego myślenia o technologii potwierdzić także, na ile wdrożenie danego narzędzia czy zautomatyzowanie lub wsparcie danego obszaru z użyciem AJA faktycznie przyczyni się do tego, co chcecie biznesowo osiągnąć i na ile to będzie właściwie dobrane rozwiązanie.
Obszar numer dwa to dostęp do danych jako fundament udanego wdrożenia AJA.
To, co jest super istotne, to fakt, że AJA tak naprawdę opiera się na danych. Im więcej danych, im lepsze te dane jakościowo będzie AJA otrzymywał na temat waszego biznesu, waszej osoby, w zależności też od konkretnej sytuacji czy przykładu, który za chwilkę powiem więcej, to tym lepsze odpowiedzi, tym bardziej dopasowane odpowiedzi, tym lepsze działania będzie wykonywać po prostu mając więcej propozycji, możliwości, z których może się zwyczajnie nauczyć. To trochę tak, jakbyśmy starzyście dali pewne powtarzalne schematy, które ma powtarzać i ten starzysta będzie opierał się oczywiście na innych danych wejściowych, innych danych klienta, innej ofercie, ale bazując na tych samych produktach i innych danych, które mamy już zebrane w systemie.
Więc kluczowe jest, aby dane były dokładne, dobrze zorganizowane i przede wszystkim dostępne. Oczywiście warto tutaj też zwrócić uwagę na kwestię bezpieczeństwa tych danych. Co do zasady do modeli dostępnych w chmurze, raczej nie zalecałbym wysyłania danych na przykład osobowych czy jakichś danych wrażliwych bez uprzedniej anonimizacji tych danych lub można też zamiast korzystania z modelu w chmurze, skorzystać z lokalnego modelu, który będzie działał na przykład w waszym serwerze i dzięki czemu wtedy już anonimizować danych nie trzeba będzie.
Teraz dlaczego te dane są takie istotne? Wróćmy do celu biznesowego. Pierwszy cel, jaki sobie daliśmy na początku odcinka, zmniejszenie kosztu budowy oferty z 1000 zł do 200 zł. I teraz co to oznacza dla danych? Musimy mieć dostęp do starych ofert, do różnych cenników, katalogów, kalkulacji kosztowych czy na przykład do reguł ofertowania.
Musimy mieć spójne nazwy produktów albo im bliższe te nazwy będą, tym po prostu zwyczajnie lepiej. Musimy mieć w miarę podobne struktury dokumentów. Im będą one bliższe sobie, jeżeli chodzi o format, tym łatwiej AI będzie te dane wtedy wyciągnąć.
No i powinniśmy mieć też historię ofert, czyli móc też połączyć na przykład ofertę z klientem, który jest z danej branży, zamawiał dany zakres, żeby na takich przykładach AI mogło się uczyć. No i tutaj bardzo ważnym aspektem byłaby właśnie ta prywatność czy też bezpieczeństwo danych. Tak, żeby danych osobowych do modeli będących w chmurze nie przesyłać bez uprzedniej anonimizacji, więc na to trzeba będzie zwrócić uwagę w przypadku tego typu wdrożenia.
Cel drugi. Usprawnienie procesu produkcji w celu zwiększenia sprzedaży. I tutaj bardzo ważnym aspektem jest to, że AI będzie mogło pomóc w procesie usprawniania produkcji, żeby zwiększyć też sprzedaż, a w tym wypadku akurat, żeby zwiększyć wolumen produkcji.
Natomiast ten proces produkcji musi być już poukładany, ustandaryzowany, mierzalny. Te zbierane dane też muszą być już w jakimś miejscu archiwizowane, zapisywane historycznie. Nie mogą być zapisywane tylko na kartce czy w zeszycie.
Czyli jeżeli produkcja nie przeszła jeszcze cyfryzacji i nie ma zebranych danych z przeszłości, to będzie to stanowczo zbyt wcześnie, żeby wdrażać AI. Więc tutaj też, jeżeli nie będzie na przykład regularności w tych danych, to AI zwyczajnie w świecie nie wyciągnie właściwych wniosków i na to trzeba tutaj szczególną uwagę będzie zwrócić w tego typu celu, aby upewnić się, że dane są zbierane regularnie, że są pokazywane różne standaryzacje błędów, kiedy na przykład produkcja nie działa albo właśnie są zbierane miejsca, gdzie ta produkcja działa szybciej i w jaki sposób wtedy AI może doprowadzić do tego, żeby produkcja działała efektywniej. Cel trzeci.
Dotarcie do nowych klientów na LinkedIn z pomocą AI. I tutaj chodziło mi głównie o pomysły na posty i to jest taki bardzo często pokazywany przypadek. Natomiast co do zasady, żeby AI tutaj pomogło w generowaniu pomysłów, potrzebuje przede wszystkim dostępu do twoich dotychczasowych postów, jeżeli jakiekolwiek były już pisane i też do, oprócz treści tych postów, na przykład do liczby reakcji czy do po prostu liczby komentarzy tych postów.
Na pewno informacje o twojej grupie docelowej, czyli musisz wcześniej nadrobić właśnie kwestie dotyczące buyer person, branż z jakimi współpracujesz, czy też wiedzę o twoich usługach, opisane case studies, opisane oferty, misja firmy. Im więcej tego typu danych zbierzemy, im bardziej opiszamy siebie, tym bardziej te posty będą dostosowane do tego, w jaki sposób na co dzień się komunikujemy. Będą zgodne z naszym tak zwanym tone of voice po to, żeby zwyczajnie w tych postach nie trzeba było też za dużo zmieniać.
Oczywiście trzeba zawsze te posty dostosować do siebie, natomiast im bliższe one będą temu, co byśmy napisali sami, już na etapie pomysłów na posty, im bardziej będziemy z nimi spójni, tym łatwiej będzie się te posty pisało, po prostu. Ale teraz uwaga, super istotna sprawa. Czy to, że zaczniemy pisać więcej postów na LinkedInie samo w sobie przełoży się na to, że będziemy mieli większą sprzedaż? No, niekoniecznie.
Dlatego właśnie tak ważne jest dobę wyznaczenia tych celów biznesowych i zastanowienie się, na ile one są w ogóle same w sobie realne do zrealizowania, gdybyśmy na przykład realizowali je w sposób manualny i dopiero potem powinniśmy wdrażać AI czy jakąkolwiek automatyzację. I cel czwarty, jaki sobie wyznaczaliśmy tutaj dla przykładu, skrócenie czasu podsumowywania spotkań z 10 godzin do 2 godzin tygodniowo dla całego zespołu. I teraz jeżeli chodzi tutaj o te kwestie, na pewno może się okazać, że będą potrzebne na przykład nagrania spotkań lub jakieś transkrypcje.
Trzeba wtedy też zadbać o kwestię prawną dostępu do tego typu danych. Trzeba na pewno mieć też wcześniej zaplanowaną strukturę spotkań. Jakie rzeczy ze spotkań są najważniejsze, na jakie pytania powinniśmy znać odpowiedzi w ramach takiego podsumowywania spotkań.
No i też być może już szablony notatek ze wcześniejszych spotkań, czyli transkrypcja versus szablon jaki powstał po to, aby AI tym lepsze te podsumowania dla nas przygotowywał. Jak widzicie w zależności od tego, jaki cel biznesowy sobie wyznaczamy, te dane do jakich musimy dać dostęp i to jak bardzo musimy dbać o te dane w kontekście na przykład bezpieczeństwa jest super ważne. Więc podsumowując, AI działa tylko tak dobrze jak dane, które ma do dyspozycji są jakościowe.
Jeżeli dane są niepełne, AI będzie zgadywało. Jeżeli dane są niespójne, AI się zgubi. A jeżeli dane będą nieuporządkowane, AI nie będzie wiedziało co jest ważne.
W konsekwencji nie będzie wspierało waszego celu biznesowego na tyle dobrze, na ile by mogło.
Obszar trzeci, zmapowanie procesów. Kiedy już mamy cele biznesowe i dane, to powinniśmy skupić się dopiero wtedy na procesach.
I teraz są miejsca, gdzie zmapowanie procesów będzie kluczowe. To szczególnie w miejscach, gdzie chcemy zastąpić pracę ludzką poprzez jak najwięcej rzeczy generowanych przez AI. Lub po prostu w miejscach, gdzie te procesy już jakiekolwiek funkcjonują.
Jeżeli chcesz się wspomóc z AI pisaniem na przykład na LinkedIn, raczej nie trzeba tutaj pisać jakiegoś ogromnego, długiego procesu, bo to nie będzie raczej zdroworozsądkowe podejście. Natomiast, jeżeli chcesz usprawnić na przykład proces produkcji, to z pewnością zmapowanie tego procesu, jego standaryzacja i dokładne opisanie pozwoli AI w przyszłości jeszcze lepiej szukać obszarów do optymalizacji.
Obszar numer 4. Integracja z istniejącymi systemami.
Najważniejsze jest to, aby AI włączyć płynnie do istniejących zarówno procesów biznesowych, jak i systemów IT. Jeżeli tak do tego podejdziemy, zminimalizujemy zakłócenia, uprościmy wdrożenie i dzięki temu pozwolimy tutaj na szybsze osiągnięcie korzyści. Teraz, jeżeli chodzi o istniejące systemy, co ja polecam w ramach tego obszaru zrobić? Polecam rozrysować architekturę tych systemów, ale nie jakąś super skomplikowaną, tylko w momencie, kiedy mamy te systemy w różnych działach, powinniśmy sobie je zmapować per działy, czyli z jakich systemów dany dział w firmie u nas korzysta, jakie obszary ten system pokrywa, czyli na przykład, gdzie są wystawiane faktury, gdzie jest prowadzona komunikacja, w jakim systemie prowadzimy właśnie na przykład planowanie produkcji, czyli generalnie tego typu najważniejsze obszary i tam możemy sobie wtedy dopisać miejsca, gdzie chcemy włączać AI.
To powoduje, że jeżeli rozrysujemy sobie też później, w jaki sposób dane na dzisiaj w tej architekturze krążą między tymi systemami, to to już w pewnym sensie w ramach tej architektury pomoże nam sprawdzić, w jaki sposób AI tutaj wdrożyć i nie musimy do tego mieć super skomplikowanej wiedzy technologicznej, to też żeby była jasność, aczkolwiek z osobą, która się na tym zna, zwyczajnie będzie ten proces i tę architekturę IT zmapować zwyczajnie łatwiej.
Obszar numer pięć. Wybór odpowiednich narzędzi i technologii.
I teraz, jeżeli chodzi o kwestie w ogóle wyboru narzędzi, wyboru tego, z czego skorzystać, jeżeli chodzi o AI, mamy ogrom rzeczy, od gotowych różnych platform rozwiązań, aż po rozwiązania szyte na miarę. I teraz, bardzo ważne jest, aby przygotować w oparciu o te cele biznesowe, taką road mapę projektów, która będzie zbiorem najważniejszych takich projektów, zmian, jakie należy wykonać. I na tej podstawie wybieramy projekty kluczowe i dla nich powinniśmy zdefiniować, jaka powinna być wybrana technologia.
I teraz, dlaczego tak do tego powinniśmy podchodzić? Bo zobaczcie, inaczej dobiera się technologię dla pojedynczej automatyzacji w małej firmie, a zupełnie inaczej do zbioru integracji, które jeszcze będą musiały wspierać np. różne procesy, przedzierać się gdzieś tam przez różne obszary, różne działy i w dodatku też z różnymi systemami. I teraz pamiętajcie, że niekoniecznie wielkość organizacji ma tutaj znaczenie.
Bardziej ma znaczenie to, na jakim etapie cyfryzacji jesteście, jakie systemy już macie wdrożone po to, aby wycisnąć z nich 100% możliwości i w jakich aspektach chcielibyście wesprzeć swój biznes z użyciem AI. I teraz weźmy sobie np. dużą firmę, która obecnie chciałaby cyfryzować działania dwóch działów.
W jednym z tych działów np. może wystarczyć wdrożenie ludziom wyszkolonego asystenta AI lub zbioru asystentów AI, którzy będą wspierali np. research danych, jeśli to jest coś, na co ludzie tracą dużo czasu albo np.
generowanie umów i samo tego typu kwestie już znacząco przyspieszą ich pracę. Ale z kolei w drugim dziale ludzie korzystają już np. z trzech różnych systemów, gdzie co gorsza przenoszą ręcznie dane między nimi.
I tutaj absolutnie będzie potrzebna automatyzacja wymiany danych, ale jednocześnie działająca zupełnie inaczej. Chcę Wam w ramach tego obszaru już piątego z sześciu zwrócić uwagę przede wszystkim na to, że w każdej firmi niezależnie od jej wielkości mogą być absolutnie różne potrzeby i wszystkie te potrzeby powinniśmy zmapować w ramach nawet takich mini projektów IT umieszczonych na road mapie tych projektów według priorytetów. I wracając do głównego wątku, mam na myśli to, że jeżeli na road mapie projektów umieścimy sobie te wszystkie zmiany, obszary, które chcemy scyfryzować z AI albo wesprzeć po prostu AI lub jakąś automatyzacją, bo to też nie znaczy to samo AI kontra automatyzacja, to jeżeli będziemy tak do tego podchodzić, to może się okazać, że musimy wdrożyć AI pod różnymi postaciami i korzystając z zupełnie różnych narzędzi po to, żeby te określone cele biznesowe w ramach danego działu osiągnąć.
Raz jeszcze to powtórzę. Może się okazać, że będziemy chcieli wdrożyć różne narzędzia AI w zupełnie różnych miejscach, zupełnie różne automatyzacje i niekoniecznie to oznacza, że musimy szukać jednego rozwiązania, które należy wdrożyć w całej firmie. Może się okazać, że zwyczajnie potrzebujemy różnych rozwiązań na różne problemy, czyli innymi słowy na różne cele biznesowe, które chcemy osiągnąć i dlatego to tak ważne jest wychodzenie od nich, od tego co chcemy realnie z danego wdrożenia osiągnąć.
I obszar szósty. Szkolenie zespołu i kultura organizacyjna. Bardzo ważne we wdrażaniu AI oprócz samego szkolenia zespołu, zarządzania zmianą, jest też proces zarządzania lękiem i zarządzania fajerwerkami.
Co mam na myśli? W pierwszym przypadku chodzi o to, że ludzie nie znając możliwości AI lub nie znając takich możliwości praktycznego użycia często zwyczajnie boją się, że np. stracą pracę przez AI albo będą bardziej kontrolowani przez AI albo po prostu nie będą mieli wpływu na wynik tego, co wypracuje AI. Czyli boją się tej jakości.
I teraz wytłumaczenie tym ludziom krok po kroku dlaczego coś wdrażamy, czyli ten nasz cel biznesowy, co nam da to wdrożenie i co da tym osobom w jaki sposób będziemy to wdrożenie przeprowadzać. Powoduje zwyczajnie, że ten lęk przed nieznanym staje się dużo mniejszy. Z kolei w tym drugim przypadku, czyli tym zarządzaniu fajerwerkami, chodzi o to, że ludzie za szybko wymyślają nowe pomysły, mimo że stare nie zostały jeszcze dobrze sprawdzone.
Zbyt szybko chcą często wyciągać wnioski i ulepszać coś, co jeszcze do ulepszania się nie nadaje, bo jest w fazie poprawek, wdrożenia albo dopiero w fazie stabilizacji. Albo też okazuje się, że no zdarza się, że ludzie zwyczajnie oczekują zbyt dużo od AI. Czyli chcą, żeby AI właśnie, tak jak w przykładzie z Nigninem dzięki generowaniu pomysłów na posty wspierał automatycznie sprzedaż, a no niekoniecznie jedno z drugim tutaj się powiąże, bo tu jest błąd logiczny już na etapie formułowania celu, a niekoniecznie błąd w tym, że AI wygeneruje pomysły, które nie będą wpływały na sprzedaż.
Podsumowując dzisiejszy odcinek, myślę, że to wybrzmiało, ale najważniejsze jest to, żeby zacząć od celu biznesowego i tego, aby go dokładnie zdefiniować. Ja polecam te cele definiować w wersji jak jest, jak chcemy, żeby było i jaki efekt ma to dać, bo dzięki temu łatwiej też taki cel biznesowy przedstawić jakiejkolwiek firmie, która wdrożeniem AI miałaby się zająć. Dostęp do danych to fundament u danego wdrożenia AI i chciałbym, żeby te dane i dostęp do tych danych też tutaj wybrzmiał.
Jeżeli w waszej firmie dziś nie jest zadbany proces zbierania danych, to żadne wdrożenie AI, niezależnie kto wam czego nie obieca, nie uda się zwyczajnie długoterminowo patrząc. Jeżeli w waszej firmie funkcjonują już systemy, które między sobą jakieś dane wymieniają, albo gdzie to użytkownik jest integratorem, który te dane przekopywa z Excela do Excela, albo z systemu do systemu, to z pewnością zmapowanie procesów pomoże sam proces tego, żeby AI albo automatyzację, bo niekoniecznie zawsze AI w tego typu obszarach wdrożyć właściwie. I pamiętajcie, żeby dobierać narzędzia, technologie nie na zasadzie tego, co jest dostępne na rynku i może to wypróbujemy, może sprawdzimy, tylko na podstawie konkretnego obszaru, który chcecie poprawić, który chcecie ulepszyć i na tym się skupcie w poszukiwaniu narzędzi, a nie na odwrót, bo może się okazać, że bez jasnego celu biznesowego, bez danych, bez zdefiniowania tego, jak wygląda proces, automatyzacją lub wdrożeniem AI możecie wprowadzić jeszcze więcej chaosu i przynieść sobie jeszcze więcej szkody niż pożytku, a tego żaden przedsiębiorca z pewnością by nie chciał.
Dzięki bardzo za odsłuchanie dzisiejszego odcinka. Jeżeli interesuje Was tematyka AI czy cyfryzacji przedsiębiorstw, to serdecznie zapraszam do kontaktu. Chętnie porozmawiam z Wami o tym, w jaki sposób możemy naszą wiedzę i doświadczenia przełożyć na Waszą firmę, połączyć z Waszymi doświadczeniami i wiedzą i stworzyć wspólnie coś fajnego w obszarze cyfryzacji Waszego przedsiębiorstwa.
Dzięki raz jeszcze za wysłuchanie dzisiejszego odcinka i do usłyszenia za tydzień. Cześć!
Od ponad 10 lat związany z branżą IT – zaczynał jako freelancer, zdobywając doświadczenie w biznesie, sprzedaży i zarządzaniu projektami. Obecnie prowadzi trzy firmy: Innovation Software – software house specjalizujący się w tworzeniu i utrzymaniu aplikacji, GravITy – firmę doradczą i rekrutacyjną w branży IT, oraz Market Monitor – narzędzie do analizy rynku i konkurencji.
W biznesie stawia na strategiczne podejście, transparentną komunikację i długoterminowe relacje. W podcaście IT i Biznes dzieli się wiedzą, pomagając firmom skutecznie łączyć technologię z biznesem.
Dołącz do newslettera i otrzymuj regularne porcje wiedzy o technologii, biznesie i strategiach, które pomogą Ci rozwijać firmę. Zero spamu – tylko konkretne wskazówki, inspiracje i nowości z podcastu.
Adres
ul. Żmigrodzka 81-83 lok. 302, 51-130 Wrocław
