Iga ettevõtja, kellega ma praegu vestlen, tunneb sama survet: närivat tunnet, et nad peaksid kulude kärpimiseks kasutama väikeettevõtete tehisintellekti (AI), kuid neil pole õrna aimugi, kust tegelikult alustada. Nad näevad pealkirju „autonoomsetest agentidest“ ja „intelligentsetest töövoogudest“, vaatavad seejärel oma segamini kaustu organiseerimata PDF-failidega, poolikuid tabelarvutusfaile ja meeskonnaliikmete peadesse lukustatud „hõimuteadmisi“ ning tarduvad.
Siin on ebamugav tõde: enamik väikeettevõtteid on praegu „AI-valmiduseta“ – mitte sellepärast, et tehnoloogia poleks kättesaadav, vaid sellepärast, et nende siseandmed on kaoses. Ma nimetan seda hõimuteadmiste maksuks (The Tribal Knowledge Tax). See on varjatud kulu, mida maksate iga kord, kui protsess sõltub inimese mälust, selle asemel et süsteem seda dokumenteeriks. Kui proovite automatiseerida segadust, saate lihtsalt automatiseeritud segaduse.
Edasiliikumiseks peate tasuma oma andmevõla (Data Debt). See juhend on teie stardikomplekt just selle tegemiseks, tagades, et kui te lõpuks AI nupule vajutate, siis see ka tegelikult töötab.
Andmevõla lõksu mõistmine
💡 Kas soovite, et Penny teie ettevõtet analüüsiks? Ta kaardistab, millised rollid AI võib asendada, ja koostab etapiviisilise plaani. Alustage tasuta prooviperioodi →
Andmevõlg on dokumenteerimata protsesside, struktureerimata failide ja ebajärjekindlate nimekujude kogum, mis muudab tehisintellekti jaoks võimatuks mõista, kuidas teie äri toimib.
Kui suurettevõtted võtavad kasutusele AI, on neil terved osakonnad, mis tegelevad andmehügieeniga. Väikeettevõttes olete teie see osakond. Kui teie „standardne tööprotseduur“ kliendi vastuvõtmiseks on tegelikult vaid 20-minutiline Zoomi-kõne, kus selgitate asju peast, ei saa AI teid aidata. Tal pole midagi lugeda, millestki õppida ega mille põhjal tegutseda.
Selle võla tasumine on teie AI-transformatsiooni teekonnal kõige olulisem samm. Enne kui ostate ühegi tellimuse või sisestate ühegi viiba (prompt), peate muutma oma ettevõtte loetavaks kaardiks.
Dokumenteerimise paradoks
Ma näen sageli nähtust, mida nimetan dokumenteerimise paradoksiks: ettevõtjad tunnevad, et nad on protsesside dokumenteerimiseks liiga hõivatud, kuid põhjus, miks nad on nii hõivatud, ongi see, et nende protsessid pole dokumenteeritud.
AI-keskses maailmas ei ole dokumenteerimine tüütu kohustus, vaid vara. Iga täna kirja pandud selge SOP (standardne tööprotseduur) on homse digitaalse töötaja projektplaan. Kui kasutate keeruliste ülesannete jaoks ikka veel manuaalseid meetodeid, võib teile huvi pakkuda see, kuidas me võrdleme tehisintellekti ja tabelarvutusprogramme, et näha sellise viivitamise otsest kulu.
4-astmeline teadmiste auditi raamistik
Kaosest AI-valmiduseni jõudmiseks kasutage seda raamistikku oma praeguste tegevuste auditeerimiseks. Ärge proovige korraga ette võtta tervet ettevõtet – valige üks osakond (näiteks finantsid või kliendihaldus) ja viige audit esmalt läbi seal.
1. Protsesside inventuur
Loetlege kõik selles osakonnas toimuvad korduvad ülesanded. Mitte „suured projektid“, vaid üksikasjalikud korduvad tegevused.
- Kuidas me arveid esitame?
- Kuidas me käsitleme tagasimaksetaotlusi?
- Kuidas me anname vabakutselisele tööülesandeid?
Kui vastus küsimusele „Kuidas me seda teeme?“ on „Küsi Sarah'lt“, on teil kriitiline nõrk koht ja andmevõlg, mis vajab kohest tasumist.
2. „Pimeandmete“ (Dark Data) tuvastamine
Pimeandmed on teave, mis on teil olemas, kuid sellises vormingus, mida AI-l on raske tõhusalt töödelda. See hõlmab järgmist:
- Piltidena skannitud käsitsi kirjutatud märkmed.
- Häälsõnumid, mida pole transkribeeritud.
- Slackis või WhatsAppis peetud vestlused, mis sisaldavad olulisi otsuseid, kuid millel puudub kokkuvõte.
AI eelistab teksti. Teie eesmärk on viia võimalikult palju „pimeandmeid“ struktureeritud, otsitavasse tekstivormingusse (Markdown on minu isiklik lemmik – see on puhas, lihtne ja AI-le meeldib see).
3. Semantilise järjepidevuse loomine
AI mõistab konteksti, kuid hoidub ebakõladest. Kui teie finantsmeeskond kasutab terminit „tulu“, müügimeeskond „kogumüük“ ja teie raamatupidaja nimetab seda „käibeks“, tekitate hõõrdumist.
Koostage lihtne „ärisõnastik“. Määratlege oma terminid. See tagab, et kui te need andmed lõpuks suurtele keelemudelitele (LLM) ette söödate, ei hakka mudel hallutsineerima ega andma vastuolulisi vastuseid teie segase terminoloogia tõttu.
4. „Nooremspetsialisti“ lakmustest
Vaadake oma dokumentatsiooni. Kui annaksite selle mõnele taibukale 22-aastasele, kes ei tea teie valdkonnast midagi, kas ta suudaks ülesande täita ilma teile ühtegi küsimust esitamata?
Kui vastus on ei, pole dokumentatsioon AI jaoks valmis. Kaasaegsed AI-tööriistad on sisuliselt maailma kõige võimekamad nooremspetsialistid. Nad on suurepärased juhiste järgimises, kuid kehvad arvama, mida te tegelikult mõtlesite.
Eesmärk: funktsionaalne läbipaistvus
Selle auditi lõpuleviimisel saavutate selle, mida ma nimetan funktsionaalseks läbipaistvuseks. Teie ettevõte ei ole enam „must kast“, mis toimib vaid sellepärast, et te olete ise kohal ja liigutate hammasrattaid. Sellest saab juhiste kogum, mida saab skaleerida, täiustada ja – mis kõige tähtsam – automatiseerida.
See ei puuduta ainult tehisintellekti. Andmevõla tasumine muudab teie ettevõtte väärtuslikumaks potentsiaalsele ostjale, lihtsustab uute töötajate palkamist ja muudab juhtimise oluliselt vähem stressirohkeks.
Kus peitub investeeringu tasuvus (ROI)
Kui teie andmed on puhtad, hakkab sääst kogunema.
Kujutage ette tehisintellekti, mis suudab lahendada 90% teie klientide päringutest, sest tal on juurdepääs täiuslikule ja ajakohasele teadmusbaasile. Või automatiseeritud süsteemi, mis märgib ära arve ebakõlad, sest mõistab teie „ärisõnastikku“ ja hinnareegleid.
Me nimetame seda 90/10 reegliks: kui AI tegeleb 90%-ga funktsioonist, peate küsima, kas ülejäänud 10% on täiskohaga roll või vastutus, mis sulandub teise ametikohta. Auditist saadav selgus paljastab sageli, et maksate „inimliimi“ eest – inimestele, kelle põhitöö on lihtsalt info liigutamine katkiste süsteemide vahel.
Teie järgmised sammud
Lõpetage „võlutööriista“ otsimine ja vaadake oma kaustu.
- Valige sel nädalal üks korduv protsess.
- Salvestage end seda tegemas (kasutage tööriista nagu Loom).
- Transkribeerige see salvestus.
- Toimetage transkriptsioon samm-sammuliseks Markdown-juhendiks.
Olete just loonud oma esimese „AI-valmis“ vara. Olete tasunud väikese osa oma võlast. Nüüd tehke seda järgmisel nädalal uuesti.
Transformatsioon ei toimu ühe hiigelhüppega; see toimub järjepideva ja metoodilise ülemineku kaudu „hõimuteadmistelt“ „dokumenteeritud süsteemidele“. See on tegelik saladus, kuidas panna AI oma väikeettevõtte kasuks tööle.