Kiekvieną savaitę kalbuosi su verslo savininkais, kurie yra pasirengę pradėti masinę DI transformaciją. Jie matė demonstracijas, apskaičiavo galimas sutaupytas valandas ir yra pasiruošę įdiegti ateitį. Tačiau pažvelgęs į jų dabartinių operacijų vidų, dažnai turiu pranešti nemalonią žinią: jei automatizuosite netvarką, tiesiog gausite greitesnę ir brangesnę netvarką.
Aš tai vadinu „Automatizavimo veidrodžiu“. DI neištaiso sugedusių procesų; jis atspindi ir sustiprina esamą jūsų verslo logikos kokybę. Jei jūsų rankiniu būdu atliekami darbo srautai remiasi „nuojauta“, nenuosekliais duomenimis ir „Dave žino, kaip tai padaryti“ lygio vidinėmis žiniomis, DI diegimas žlugs – ne todėl, kad technologija nėra paruošta, o todėl, kad jūsų operacijos nėra paruoštos.
Prieš išleisdami Penny sudėtingoms LLM integracijoms ar autonominiams agentams, turite pašalinti tai, ką vadinu „Logikos skola“. Tai sukauptas nenuoseklių rankinių sprendimų svoris, kuris tapo „standartiniu“ būdu viską daryti. Norėdami padengti tą skolą, privalote atlikti šiuos penkis nuobodžius, nepatrauklius, bet visiškai gyvybiškai svarbius operacinius pataisymus.
1. Pašalinkite „Laisvojo teksto“ chaosą ir standartizuokite įvestis
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
DI klesti ten, kur yra šablonai, tačiau jam sunku susidoroti su dviprasmiškumu. Daugelyje įmonių, ypač tokiuose sektoriuose kaip gamyba, duomenys į sistemą patenka per netvarkingus, nestruktūrizuotus „laisvojo teksto“ laukus. Technikas vieną dieną gali parašyti „Machine 4 acting up“, o kitą – „Unit 04 overheating“. Žmogui tai reiškia tą patį. DI, bandančiam numatyti techninės priežiūros ciklus, tai yra du skirtingi duomenų taškai.
Jūsų pirmasis pataisymas – pereiti nuo naratyvinių įvesčių prie struktūrizuotų atributų.
Prieš automatizuodami, turite audituoti kiekvieną vietą, kurioje duomenys patenka į jūsų verslą – nuo potencialių klientų formų iki vidinių būsenos atnaujinimų. Pakeiskite atvirus teksto laukelius standartizuotais išskleidžiamaisiais sąrašais, žymomis ir aiškiomis kategorijomis. Tai ne tik „duomenų valymas“; tai skaitomo žemėlapio, kuriuo DI galėtų vadovautis, kūrimas. Jei įvestis nebus standartizuota, rezultatas bus haliucinacijos ir klaidos.
2. Dokumentuokite „Paslėptas heuristikas“
Kiekvienoje įmonėje, su kuria dirbau, yra „paslėptų heuristikų“ sluoksnis – neišsakytos taisyklės, kuriomis vadovaujasi patyrę darbuotojai priimdami sprendimus.
- „Kaip nusprendžiame, kuriems klientams taikyti nuolaidą?“
- „Na, jei jie su mumis dirba trejus metus ir moka laiku, paprastai suteikiame 10 %... nebent tai piko sezonas.“
Šis „nebenta“ yra vieta, kurioje DI projektai žlunga. DI negali automatizuoti „nuojautų“. Jam reikalingas aiškus logikos medis. Jūsų antrasis pataisymas – susėsti su geriausiais darbuotojais ir išgryninti šias taisykles. Turite paversti „aš tiesiog žinau, kada potencialus klientas yra aukštos kokybės“ į dokumentuotą vertinimo sistemą.
Jei negalite užrašyti savo verslo logikos kaip If/Then/Else sakinių sekos, nesate pasiruošę DI. Jūs vis dar vadovaujatės intuicija. Šis perėjimas nuo intuityvaus valdymo prie algoritminio valdymo yra sunkiausia bet kurios DI transformacijos dalis, tačiau tai vienintelis būdas sukurti keičiamo dydžio pagrindą.
3. Dokumentacijos auditas: fragmentiškų žinių centralizavimas
Dauguma įmonių šiuo metu valdomos per chaotišką Slack žinučių, el. pašto gijų ir atsitiktinių lipnių lapelių tinklą. Tai yra Fragmentiškos žinios, ir jos yra šiuolaikinio DI verslo priešas.
Jei norite, kad DI tvarkytų klientų aptarnavimą ar vidines užklausas, jam reikia „Vienintelio tiesos šaltinio“ (angl. Single Source of Truth, SSOT). Tai reiškia, kad visos jūsų SOP (standartinės veiklos procedūros), produktų specifikacijos ir įmonės taisyklės turi būti skaitmenizuotos, centralizuotos ir – svarbiausia – atnaujintos.
Mačiau įmonių, bandančių savo komandai sukurti pritaikytus ChatGPT modelius naudojant 2021 m. instrukcijas. Rezultatas? DI užtikrintai pateikė neteisingas kainas ir pasenusias pristatymo taisykles. Trečiasis pataisymas yra negailestingas jūsų dokumentacijos auditas. Jei informacijos nėra centrinėje žinių bazėje, vadinasi, ji neegzistuoja.
4. Sutvarkykite proceso logiką, o ne įrankį
Dažnai matau įmones, kurios žiūri į svetainių kūrimo kainas ir galvoja, kad DI gali tiesiog „atlikti“ visą procesą už £20 per mėnesį. Nors DI gali generuoti kodą ir tekstus, jis negali sutvarkyti ydingo kūrybinės užduoties proceso.
Prieš automatizuodami darbo eigą, turite atlikti logikos auditą. Paklauskite savęs: „Jei turėčiau paaiškinti šį procesą labai protingam dešimtmečiui, ar tai būtų suprantama?“ Dažnai suprantame, kad mūsų procesai yra be reikalo cikliški. Turime tris žmones, kurie „tikrina“ darbą, nes nepasitikime pradine įvestimi.
DI leidžia mums pereiti prie peržiūros pagal išimtis modelio, užuot naudojus numatytosios peržiūros modelį. Tačiau norint tai pasiekti, jūsų pradinis procesas turi būti efektyvus. Pašalinkite senus „saugumo“ žingsnius, kurie buvo sukurti tik dėl žmogaus klaidų. Jei pagrindinė vertės kūrimo logika yra išpūsta, jūsų DI tiesiog greičiau gamins tą „pūstą“ rezultatą.
5. Nustatykite „Žmogus procese“ kokybės sluoksnį
Penktasis pataisymas yra apie pasirengimą DI realybei: jis yra probabilistinis, o ne deterministinis. Anksčiau ar vėliau jis padarys klaidą.
Tokiose srityse kaip nekilnojamojo turto valdymas, kur nuomos sutarties klaida ar priežiūros inicijavimas gali turėti teisinių ar finansinių pasekmių, negalite tiesiog „nustatyti ir pamiršti“ DI. Jums reikia iš anksto nustatyto grįžtamojo ryšio ciklo.
Prieš įjungdami automatizavimą, turite nuspręsti:
- Kas yra atsakingas už DI rezultatą?
- Kokį procentą rezultatų audituoja žmogus?
- How žmogus „moko“ DI, kai šis padaro klaidą?
Tai 90/10 taisyklė: kai DI atlieka 90 % funkcijos, likę 10 % nėra tiesiog „likęs darbas“ – tai tampa aukšto lygio audito vaidmeniu. Prieš pasirodant DI, turite iš naujo apibrėžti savo komandos darbo aprašymus, kad jie atspindėtų šį pokytį.
DI parengties realybė
DI nėra burtų lazdelė, kuria pamojavę virš sunkumų turinčio verslo padarysite jį efektyvų. Tai didelio našumo variklis. Jei įdėsite tą variklį į automobilį su sugedusia važiuokle ir kvadratiniais ratais, tiesiog patirsite avariją važiuodami didesniu greičiu.
Šie penki pataisymai yra nuobodūs. Jie užima laiko. Jie apima skaičiuokles ir sudėtingus pokalbius apie tai, kodėl „taip, kaip visada darėme“ nebeužtenka. Tačiau būtent šis darbas atskiria įmones, kurios klesti DI eroje, nuo tų, kurios tiesiog degina pinigus prenumeratoms, kurių nėra pasiruošusios naudoti.
Klausimas ne tame, ar DI yra paruoštas jūsų verslui. Klausimas toks: ar jūsų verslas yra pakankamai logiškas dirbtiniam intelektui?