Najčešće greške pri uvođenju AI-ja u poslovanje — i kako ih izbjeći
Sedam grešaka koje usporavaju AI projekte, povećavaju troškove i otežavaju prihvatanje novih rješenja u timu.
Vještačka inteligencija može ubrzati procese, smanjiti broj rutinskih zadataka i omogućiti zaposlenima da više vremena posvete poslovima koji zahtijevaju iskustvo, kreativnost i donošenje odluka.
Međutim, samo uvođenje AI alata ne garantuje bolji rezultat.
Mnoge kompanije počinju sa velikim očekivanjima, ali bez jasno definisanog problema, odgovorne osobe i načina mjerenja rezultata. Poslije nekoliko sedmica ili mjeseci alat se koristi sve manje, zaposleni mu ne vjeruju, a projekat se proglašava neuspješnim.
Problem često nije u tehnologiji, već u načinu na koji je uvedena.
U nastavku izdvajamo najčešće greške pri uvođenju AI-ja u poslovanje i praktične načine da ih izbjegnete.
1. Uvođenje AI-ja bez jasno definisanog problema
Jedna od najčešćih grešaka je odluka da kompanija „mora koristiti AI“, prije nego što utvrdi koji konkretan poslovni problem želi da riješi.
Tada se prvo bira alat, a tek poslije traži njegova namjena.
Takav pristup obično dovodi do zanimljivih demonstracija, ali ne i do mjerljivog poboljšanja poslovanja. Zaposleni isprobavaju alat, ali ne znaju u kojim situacijama treba da ga koriste niti šta se od njih očekuje.
Bolji početak je konkretno pitanje:
Koji zadatak trenutno oduzima mnogo vremena, često se ponavlja i može se jasno opisati?
To može biti:
- obrada velikog broja dokumenata;
- priprema opisa proizvoda;
- razvrstavanje upita korisnika;
- sastavljanje periodičnih izvještaja;
- pretraga interne dokumentacije;
- unos i provjera podataka;
- priprema prve verzije ponude ili odgovora.
AI projekat treba da počne od stvarnog poslovnog problema, a ne od popularnosti određenog alata. Za procjenu kandidata može pomoći i naš vodič o tome kako prepoznati pravi proces za AI automatizaciju.
2. Automatizacija loše organizovanog procesa
AI ne može sam po sebi popraviti proces koji nema jasna pravila, odgovornosti i očekivani rezultat.
Ako zaposleni isti zadatak obavljaju na više različitih načina, koriste nepotpune podatke ili često rješavaju izuzetke bez definisanih pravila, automatizacija može samo brže proizvoditi nedosljedne rezultate.
Prije uvođenja AI-ja potrebno je zapisati:
- šta pokreće proces;
- koje informacije su potrebne;
- ko učestvuje u procesu;
- koje odluke se donose;
- šta predstavlja ispravan rezultat;
- koje situacije zahtijevaju ljudsku provjeru.
Tek kada razumijete postojeći tok rada, možete procijeniti koji njegov dio treba automatizovati.
Cilj nije automatizovati sve. Cilj je ukloniti usko grlo koje stvara najveći gubitak vremena, novca ili kvaliteta.
3. Prevelik prvi projekat
Kompanije često pokušavaju da prvi AI projekat odmah povežu sa velikim brojem sistema, odjeljenja i zaposlenih.
Takav projekat brzo postaje skup i teško upravljiv. Povećava se broj tehničkih zavisnosti, izuzetaka i zainteresovanih strana, dok rezultat postaje sve teže izmjeriti.
Mnogo je sigurnije početi pilot-projektom koji ima:
- jedan jasno definisan proces;
- ograničen broj korisnika;
- dostupne i dovoljno kvalitetne podatke;
- osobu odgovornu za projekat;
- unaprijed definisan period testiranja;
- mjerljive kriterijume uspjeha.
Mali pilot ne znači da kompanija nema dovoljno ambiciozan plan. On omogućava da pretpostavke provjerite uz manji rizik i da iskustvo iskoristite prije šire primjene.
4. Očekivanje da AI uvijek daje tačan odgovor
Generativni AI može napisati uvjerljiv odgovor koji je djelimično ili potpuno netačan. Može pogrešno protumačiti podatke, izostaviti važan detalj ili predstaviti pretpostavku kao činjenicu.
Zbog toga AI ne treba posmatrati kao nepogrešiv izvor, već kao sistem čiji rezultat mora biti provjeren u skladu sa nivoom rizika.
Što je odluka važnija, ljudska kontrola mora biti stroža.
Posebnu pažnju zahtijevaju:
- finansijski podaci;
- pravni dokumenti;
- zdravstvene informacije;
- obračuni i ugovori;
- komunikacija koja se automatski šalje klijentima;
- podaci koji utiču na cijene, zalihe ili poslovne odluke.
Za svaki AI proces treba definisati ko provjerava rezultat, šta se provjerava i u kojim situacijama se proces zaustavlja i vraća čovjeku.
5. Zanemarivanje zaštite podataka
Zaposleni mogu iz najbolje namjere unijeti povjerljive podatke u javno dostupan AI alat: ugovore, podatke o kupcima, interne izvještaje, cjenovnike ili poslovne planove.
Kompanija zato mora jasno definisati:
- koji AI alati su odobreni;
- koje vrste podataka se smiju unositi;
- koji podaci moraju biti anonimizovani;
- ko ima pristup određenim funkcijama;
- koliko dugo se podaci čuvaju;
- kako se evidentiraju i kontrolišu osjetljivi slučajevi.
Zabrana korišćenja AI-ja rijetko rješava problem. Zaposleni će često nastaviti da koriste dostupne alate, ali bez podrške i jasnih pravila.
Bezbedniji pristup je kontrolisana upotreba, uz praktične smjernice i odgovarajuću obuku.
6. Obuka koja nije povezana sa stvarnim poslom
Opšta prezentacija o mogućnostima vještačke inteligencije može biti zanimljiva, ali sama po sebi rijetko mijenja način rada.
Zaposleni treba da nauče kako da koriste AI na zadacima koje zaista obavljaju. Više praktičnih smjernica nalazi se u članku o tome kako organizovati AI obuku koju tim zaista koristi.
Dobra obuka uključuje:
- primjere iz svakodnevnog rada;
- podatke i dokumente slične stvarnim;
- vježbe prilagođene različitim ulogama;
- objašnjenje ograničenja AI-ja;
- pravila zaštite podataka;
- način provjere dobijenih rezultata;
- gotove početne obrasce i uputstva.
Cilj obuke nije da zaposleni zapamte što više AI pojmova. Cilj je da već narednog radnog dana mogu bezbjedno i pravilno primijeniti naučeno.
7. Uvođenje AI-ja bez uključivanja zaposlenih
Ako se AI predstavi kao projekat uprave ili IT odjeljenja, zaposleni ga mogu doživjeti kao dodatnu obavezu, kontrolni mehanizam ili prijetnju radnim mjestima.
Otpor je naročito izražen kada ljudi ne razumiju zašto se proces mijenja i kakvu će korist imati od novog načina rada.
Zaposleni koji svakodnevno obavljaju određeni posao najbolje poznaju njegove izuzetke, nepisana pravila i probleme. Zato ih treba uključiti već tokom analize procesa i testiranja rješenja.
Potrebno je jasno objasniti:
- koji problem kompanija pokušava da riješi;
- koje zadatke AI preuzima ili olakšava;
- šta ostaje odgovornost zaposlenog;
- kako će se provjeravati kvalitet;
- kome se prijavljuje problem;
- kako zaposleni mogu predložiti poboljšanje.
Uspješno uvođenje AI-ja nije samo tehnički projekat. To je promjena načina rada.
8. Nepostojanje osobe odgovorne za rezultat
AI projekat može uključivati upravu, IT, eksternog partnera i zaposlene iz različitih odjeljenja. Ako niko nema jasnu odgovornost za poslovni rezultat, odluke se odlažu, problemi ostaju neriješeni, a projekat postepeno gubi prioritet.
Svaki projekat treba da ima odgovornu osobu koja:
- razumije poslovni proces;
- može donositi ili pokrenuti potrebne odluke;
- prati testiranje i povratne informacije;
- usklađuje učesnike;
- prati dogovorene pokazatelje uspjeha;
- odlučuje da li projekat treba proširiti, izmijeniti ili zaustaviti.
Tehnička implementacija može biti povjerena stručnjacima, ali odgovornost za poslovni rezultat mora ostati jasno određena unutar kompanije.
9. Nemjerenje rezultata
Bez početnih podataka teško je dokazati da je AI donio poboljšanje.
Prije uvođenja rješenja potrebno je izmjeriti postojeće stanje. U zavisnosti od procesa, mogu se pratiti:
- vrijeme potrebno za završetak zadatka;
- broj obrađenih predmeta;
- broj grešaka i naknadnih ispravki;
- trošak po transakciji;
- vrijeme odgovora korisniku;
- procenat slučajeva koji zahtijeva ljudsku intervenciju;
- zadovoljstvo zaposlenih ili korisnika.
Nije dovoljno reći da je novi proces „brži“. Potrebno je utvrditi koliko je brži, da li je kvalitet ostao isti i koliki su ukupni troškovi alata, implementacije, obuke i održavanja.
Kako izgleda zdrav pristup uvođenju AI-ja?
Dobar AI projekat ne počinje kupovinom licence. Počinje razumijevanjem problema.
Praktičan redosljed izgleda ovako:
- izaberite konkretan poslovni proces;
- zabilježite kako proces trenutno funkcioniše;
- izmjerite vrijeme, trošak i učestalost grešaka;
- odredite dio procesa pogodan za AI;
- definišite pravila zaštite podataka;
- pokrenite ograničen pilot-projekat;
- uključite zaposlene koji obavljaju taj posao;
- uvedite ljudsku provjeru rezultata;
- uporedite rezultate sa početnim stanjem;
- tek nakon toga odlučite o široj primjeni.
Ovakav pristup smanjuje rizik i omogućava kompaniji da uči na konkretnom primjeru, umjesto da odmah ulaže u veliki i složen sistem.
Zaključak
Najskuplja greška nije odabrati pogrešan AI alat. Najskuplja greška je uvesti tehnologiju bez jasno definisanog problema, procesa i odgovornosti.
Kompanije koje ostvaruju stvarnu vrijednost od AI-ja obično ne počinju najvećim projektom. Počinju jednim pažljivo odabranim procesom, uključuju zaposlene, mjere rezultat i postepeno proširuju ono što se pokazalo korisnim.
AI treba da bude alat za unapređenje poslovanja, a ne cilj sam po sebi.
Ako razmišljate o uvođenju AI-ja, prvi korak nije pitanje „Koji alat da kupimo?“, već:
Koji konkretan problem želimo da riješimo i kako ćemo znati da smo ga riješili?
Često postavljana pitanja
Koja je najveća greška pri uvođenju AI-ja?
Najveća greška je uvođenje AI alata bez jasno definisanog poslovnog problema i mjerljivog cilja. Tehnologija tada nema preciznu ulogu u procesu, pa je zaposleni koriste povremeno ili je potpuno napuste.
Da li mali biznis može uspješno koristiti AI?
Može. Malim kompanijama često odgovaraju manji i jasno ograničeni AI projekti, jer odluke mogu donositi brže i lakše pratiti rezultat. Važno je izabrati proces koji se često ponavlja i donosi vidljivu uštedu vremena.
Da li AI može potpuno automatizovati poslovni proces?
Pojedini jednostavni i predvidivi zadaci mogu biti gotovo potpuno automatizovani. Složeniji procesi uglavnom zahtijevaju ljudsku kontrolu, naročito kada rezultat utiče na finansije, prava korisnika, bezbjednost ili reputaciju kompanije.
Kako izmjeriti uspjeh AI projekta?
Rezultate poslije implementacije treba uporediti sa početnim stanjem. Najčešće se mjere vrijeme obrade, broj grešaka, trošak, obim završenog posla i potreba za ljudskom intervencijom.
Koliko treba da traje prvi AI pilot-projekat?
Pilot treba da traje dovoljno dugo da obuhvati reprezentativan broj stvarnih slučajeva, ali da ostane ograničen i jednostavan za kontrolu. Tačno trajanje zavisi od učestalosti procesa, količine podataka i složenosti rješenja.
Napravite prvi AI korak uz manje rizika
Nijeste sigurni koji proces treba prvo unaprijediti ili automatizovati?
AI Fabrika može analizirati postojeći način rada, prepoznati realne mogućnosti za primjenu AI-ja i predložiti praktičan pilot-projekat usklađen sa vašim timom, podacima i poslovnim ciljevima.