Aké výzvy prináša projekt AI? | AI v podnikaní #65

Ako efektívne integrovať projekt AI do vašej obchodnej stratégie?

Výskum Gartnera hovorí, že do roku 2030 bude 80% úloh projektového manažmentu spravovaných AI. Aké percento projektov využíva AI na dokončenie úloh, zostáva ešte vidieť. Napriek tomu už stojí za to zvážiť, ako integrovať AI do operačnej stratégie spoločnosti.

Prvým krokom je pochopiť potenciál a obmedzenia tejto technológie. Umelá inteligencia dobre analyzuje trendy a vzory, ale zlyháva v oblastiach ako viacstupňové uvažovanie a morálne rozhodovanie. Vytvára senzáciehodné vizuály, ale dosiahnuť, aby konzistentne generovala materiály, ktoré zodpovedajú imidžu značky, si vyžaduje značné zručnosti. Preto, keď začíname pracovať na projekte AI, nemôžeme predpokladať s pravdepodobnosťou porovnateľnou s inými projektmi, či prinesie konkrétne, merateľné výsledky.

Dobrým východiskovým bodom je preto analyzovať výhody a nevýhody:

• Aké sú celkové náklady na rôzne fázy implementácie projektu AI?
• Aké KPI by mali byť definované na posúdenie obchodného dopadu projektu AI?

Aby sme dosiahli dôveryhodnú odpoveď na tieto otázky, je najlepšie vybrať jednoduché projekty AI, ktoré prinášajú značnú hodnotu, sú ľahko merateľné a zapadajú do stratégie spoločnosti. Startup ponúkajúci kuriérske služby môže slúžiť ako príklad. Jeho cieľom je zlepšiť zákaznícky servis a zvýšiť flexibilitu dodávateľského reťazca. Jednoduchý, ale hodnotný projekt AI je napríklad implementácia chatbota, ktorý spracováva zákaznícke dopyty. Takýto virtuálny asistent zvládne viac požiadaviek ako tradičné call centrum, čím zvyšuje spokojnosť zákazníkov rýchlymi odpoveďami na dopyty a konzistentnou kvalitou komunikácie. Naopak, pokročilý systém, ktorý optimalizuje kuriérske trasy, zapadá do cieľa zlepšiť flexibilitu dodávok, ale je zložitý a má oveľa vyššie riziká.

Akonáhle sú určené počiatočné projekty AI, mal by startup posúdiť ich realizovateľnosť, napríklad z hľadiska rozpočtu, do ktorého by sa projekt AI mal zmestiť.

Rozpočtovanie projektu AI. Kľúčové výzvy

Implementácia hotového riešenia SaaS alebo AI ako služby (AIaaS), alebo takzvaná “hotová AI”, má mnoho výhod. Jednou z nich je predvídateľná cena za používanie nástroja a relatívne ľahko odhadnuteľné náklady na implementáciu projektu AI. Môžete si vybrať z riešení ako:

• chatbot pre zákaznícky servis – ako Intercom Fin, LiveChat od Chatbot.com, Drift alebo FreshChat,
• analytika sociálnych médií na zvýšenie dosahu marketingových správ – s Cortex, Buffer alebo Lately, alebo
• analýza obchodných údajov s Microsoft Power BI, Tableau, alebo pre menej zložité úlohy – Google Bard, ktorý sa integruje s dokumentmi Google.

Pre projekty AI väčšieho rozsahu môžu byť ich náklady často podceňované. Najmä pokiaľ ide o zdroje a čas potrebný na zber a prípravu údajov. Napríklad, podľa Arvinda Krishnu z IBM, fáza prípravy údajov na učenie AI môže predstavovať až 80% trvania projektu.

Zdroj: DALL-E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Okrem toho, čím viac požadujeme personalizované modely AI pre projekt, tým viac kvalitných údajov musíme zhromaždiť. Napríklad, hlboké neurónové siete na učenie vyžadujú stovky tisícov príkladov. To zvyšuje náklady na získavanie a čistenie takých obrovských súborov údajov. Našťastie, rýchly rozvoj umelej inteligencie znamená, že čoraz viac projektov AI môže byť implementovaných bez potreby nákladného učenia vlastného modelu.

Napokon, spoločnosť plánujúca projekt AI by mala zvážiť nielen fázu vývoja riešenia, ale aj prípravu údajov a pokračujúcu prevádzku systému, vrátane nákladov na údržbu, aktualizáciu alebo zber nových údajov. Iba potom môžete posúdiť skutočnú návratnosť investícií do AI.

Problémy s riadením údajov v projektoch AI. Čo by ste mali vedieť

Kľúčovou výzvou v projektoch AI sú údaje – ich dostupnosť, množstvo a kvalita. Čo teda robiť? Pred začatím projektu AI je potrebné:

• starostlivo preskúmať, aké údaje má spoločnosť – v akej forme sú uložené a odkiaľ pochádzajú,
• postarať sa o infraštruktúru a vyvinúť interné procesy na získavanie údajov,
• zvážiť nákup externých súborov údajov alebo crowdsourcing, ak sú v nedostatku.

Bežným problémom je, že údaje sú rozptýlené v rôznych systémoch a formátoch. Môže byť náročné ich zlúčiť, vyčistiť a pripraviť na učenie AI. Dobrou praxou je, aby tím AI úzko spolupracoval s IT oddelením alebo analytikmi údajov. Spoločne by mali zabezpečiť, aby bola k dispozícii správna infraštruktúra a procesy na získavanie údajov.

Technické a bezpečnostné výzvy v projektoch AI

AI nie sú len algoritmy strojového učenia. Na to, aby fungovali v praxi, je potrebná celá IT infraštruktúra. Medzitým môže byť integrácia nových systémov AI so existujúcimi systémami spoločnosti náročná. Často si to vyžaduje prispôsobenie starších obchodných systémov, čo pre mnohé spoločnosti znamená značné náklady na modernizáciu.

Navyše, projekty AI vyžadujú odborné znalosti v oblasti dátovej vedy a inžinierstva údajov. Medzitým svet zažíva nedostatok odborníkov v tejto oblasti. Podľa správy McKinsey “Technology Trends Outlook 2023” je pomer pracovných inzerátov k dostupným odborníkom 7 ku 100 a dopyt neustále rastie.

Problém bezpečnosti údajov tiež nie je zanedbateľný. Systémy AI spracovávajú obrovské množstvá citlivých informácií, ktoré musia byť riadne zabezpečené proti úniku. Medzitým sa v posledných rokoch výrazne zvýšil počet únikov údajov. To je preto ďalšie dôležité riziko, na ktoré treba pamätať pri implementácii projektov AI.

Kľúčové kompetencie v AI pre podnikateľov. S akými ťažkosťami sa môžete stretnúť?

Bežnou prekážkou pri implementácii projektu AI môže byť slabá znalosť umelej inteligencie medzi manažérmi a rozhodovacími činiteľmi. Bez hlbokého porozumenia schopnostiam technológie je ťažké posúdiť životaschopnosť konkrétnych projektov a robiť rozumné rozhodnutia. Preto je nevyhnutné investovať do zlepšovania znalostí manažérov v oblasti nových technológií.

Preškolenie súčasných zamestnancov môže tiež pomôcť. Čoraz viac sa hovorí o takzvaných “občianskych dátových analytikoch” (“Citizen data scientists”). Títo odborníci využívajú najmodernejšie technológie na riešenie konkrétnych obchodných problémov, ktorým čelí každý deň. Majú vysoké znalosti o odvetví, v ktorom pracujú. Tým, že sú súčasťou tímu pracujúceho na projekte AI, umožňujú odborníkom na AI sústrediť sa na implementačné problémy tým, že odpovedajú na otázky špecifické pre odvetvie.

Okrem technických zručností, ako je hodnotenie odporúčaní AI a rozhodovanie, sú dôležité aj mäkké zručnosti, vrátane vodcovstva a strategického myslenia. To je ďalší spôsob, ako sa vysporiadať s nedostatkom zručností v oblasti AI v spoločnostiach.

Analyzovanie úspechu projektu AI. Ako sa vyhnúť chybám pri meraní ROI?

Na internete koluje nepodložená (a pravdepodobne nepravdivá) fáma, že až 87% projektov AI nikdy nedosiahne fázu produkcie. Hoci sme sa nedokázali dostať k spoľahlivým štúdiám úspešných projektov, skorá definícia spôsobov merania úspechu je kľúčová na posúdenie skutočného dopadu implementácie AI.

Dobrou praxou je tu experiment v malom meradle. Spočíva v testovaní výkonu AI, napríklad na náhodnej vzorke používateľov a porovnaní výsledkov s kontrolnou skupinou používajúcou štandardné riešenie. Takýto A/B test vám pomôže overiť, či nový systém AI môže priniesť očakávané výsledky, ako je zvýšenie konverzií alebo spokojnosti zákazníkov.

Zdroj: DALL-E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

A/B testovanie stojí za to opakovať periodicky aj po implementácii AI, pretože modely môžu stratiť presnosť a relevantnosť pri riešení problémov. To vám umožní rýchlo identifikovať vznikajúce anomálie a potrebu prekalibrovať systém, aby naďalej prinášal očakávané obchodné výsledky.

Zhrnutie

Aj keď AI ponúka obrovské príležitosti, projekty v tejto oblasti prinášajú významné výzvy. Aby ste uspeli, musíte realisticky posúdiť náklady a prínosy AI, postarať sa o získavanie a kvalitu údajov, rozvíjať interné kompetencie a staviť na postupnú implementáciu nových technológií. Rovnako je kľúčové merať hmatateľný obchodný dopad implementácií a rýchlo reagovať na vznikajúce problémy. Iba potom sa AI stane posilnením, a nie hrozbou pre spoločnosť.

Ak sa vám náš obsah páči, pridajte sa k našej komunite usilovných včiel na Facebooku, Twitteri, LinkedIn, Instagrame, YouTube, Pinterest, TikTok.