Ako pripraviť firemný proces na zmysluplné použitie AI

Najväčšou prekážkou pri zavádzaní AI často nie je model ani licencia. Je ňou proces, ktorý každý vykonáva inak, používa neúplné dáta a nemá jasne definovaný výsledok.

Automatizácia takéhoto procesu iba zrýchli nepredvídateľnosť. Preto je prvým krokom zjednotenie vstupov, rozhodovacích pravidiel a očakávaného výstupu.

Začnite konkrétnym výstupom, nie všeobecným cieľom „použiť AI“. Môže ním byť pripravený návrh odpovede, zatriedený dokument alebo zhrnutie podkladov. Pri každom výstupe musí byť zrejmé, kto ho používa a podľa čoho spozná, že je prijateľný.

Ak vstupy prichádzajú v rôznych formátoch alebo chýbajú povinné údaje, najprv upravte zber. Model môže odhadovať chýbajúci kontext, no taký odhad nesmie byť potichu zamieňaný za fakt.

Na prvé posúdenie stačí prejsť jeden reálny prípad od vstupu po výsledok. Pri každom kroku zapíšte použitý zdroj, vykonávanú činnosť, rozhodnutie, výstup a človeka, ktorý nesie zodpovednosť. Osobitne označte čakanie, prepisovanie a návraty na opravu.

Potom porovnajte dva alebo tri ďalšie prípady. Rozdiely ukážu, či ide o oprávnené výnimky alebo o nejasný štandard. AI pilot má pracovať s pomenovanými variantmi, nie s predstieraným jednotným procesom.

Výsledkom mapovania má byť krátky zoznam krokov, dát a pravidiel. Ak na vysvetlenie procesu potrebujete desiatky strán, pilot je pravdepodobne príliš široký.

• Aký presný vstup spúšťa proces?
• Ktoré údaje sú povinné a kto ich overuje?
• Kde vzniká odborné rozhodnutie alebo právna zodpovednosť?
• Ako sa rieši výnimka a kam sa zaznamená?
• Čo je merateľný a akceptovaný výsledok?

Nie každá časť procesu patrí AI. Najprv oddeľte opakované kroky od rozhodnutí, ktoré vyžadujú zodpovednosť, kontext alebo odborný úsudok.

Užitočný návrh architektúry často vyzerá tak, že systém pripraví podklady, označí neistotu a navrhne ďalší krok. Človek rozhodne, opraví výnimku a potvrdí výstup. Spätná väzba sa uloží tak, aby sa dala neskôr vyhodnotiť.

• Rutinné triedenie, sumarizácia a príprava podkladov sú vhodní kandidáti.
• Finálne schválenie, citlivé rozhodnutia a výnimky majú zostať pod ľudskou kontrolou.
• Každý automatizovaný výstup potrebuje definovanú kontrolu kvality a vlastníka.

Dobrý pilot rieši úzky problém, má dostupné vstupné dáta a výsledok sa dá porovnať s dnešným stavom. Merajte čas, počet opráv, chybovosť a spokojnosť ľudí, ktorí proces reálne používajú.

Pred spustením si uložte východiskový stav. Bez neho sa úspech ľahko zamieňa za dobrý dojem z novej technológie. Stanovte aj hranicu, pri ktorej sa výsledok musí vrátiť človeku namiesto automatického pokračovania.

Vyhodnotenie nemá sledovať iba priemer. Zaujímajú vás najmä závažné chyby, typy vstupov s horším výsledkom a množstvo času potrebného na kontrolu. Rýchlejší návrh nepomôže, ak jeho overenie trvá dlhšie než pôvodná práca.

Ak pilot neprinesie hodnotu, zastavte ho alebo upravte proces. Rozšírenie technológie bez potvrdeného prínosu iba násobí náklady a riziko.

Ešte pred pilotom určte, aké údaje riešenie spracúva, kde sa prenášajú a ako dlho sa uchovávajú. Citlivé osobné, obchodné alebo klientské údaje nevkladajte do nástroja len preto, že je technicky dostupný.

Prístupy nastavte podľa rolí a výstupy logujte v rozsahu potrebnom na kontrolu. Log nesmie vytvoriť nový nekontrolovaný archív citlivých dát. Pri externom poskytovateľovi treba overiť zmluvné podmienky, umiestnenie spracovania a možnosti vypnutia používania dát na ďalšie trénovanie.

Vlastník procesu zostáva zodpovedný aj vtedy, keď časť práce vykoná model. Preto musí vedieť riešenie zastaviť, vysvetliť spôsob kontroly a zabezpečiť náhradný postup pri výpadku.

• Povolené a zakázané kategórie údajov.
• Vlastník kvality výstupu a schvaľovateľ výnimiek.
• Auditná stopa primeraná riziku procesu.
• Postup pri chybnom výstupe, incidente alebo nedostupnosti služby.

Aktuálny SOP, zoznam zdrojov dát, pravidlá práce s citlivými informáciami a postup pri chybe nie sú byrokracia navyše. Sú podmienkou, aby riešenie fungovalo aj po zmene človeka, nástroja alebo modelu.

Dokumentujte aj to, čo systém nerobí. Používateľ musí poznať hranice, typické chyby a situácie, pri ktorých výstup nemá použiť. Táto časť je dôležitejšia než všeobecný opis technológie.

Cieľom nie je používať AI všade. Cieľom je spoľahlivo odstrániť prácu, ktorá neprináša hodnotu, a ponechať ľuďom kontrolu nad rozhodnutiami.