Siesta AI
Tekoälyn käyttöönotto yrityksissä epäonnistuu harvoin siksi, ettei malli olisi tarpeeksi älykäs. Se epäonnistuu, koska tiimit automatisoivat väärää työtä, määrittelevät onnistumisen epämääräisesti tai ottavat käyttöön työkaluja, jotka eivät sovi nykyisiin tietojen käyttöoikeuksiin, tietoturvasääntöihin ja hyväksymisprosesseihin. Jos haluat ensimmäisen tekoälyn käyttötapauksen, joka kestää pidemmälle kuin demoon, valitse työnkulku, jonka voit mitata, tarkistaa ja hallinnoida alusta alkaen.
Ennen kuin investoit työkaluun, käsittele ensimmäistä tekoälyprojektia prosessiparannuksena. Sen sijaan, että kysyt “Missä voimme käyttää tekoälyä?”, kysy: Mikä päivittäinen tehtävä vie aikaa, toistuu usein ja tuottaa selkeän lopputuloksen? Tekoäly tuottaa arvoa nopeimmin, kun syötteet ovat tunnettuja, ulostulot ennustettavia ja joku omistaa jo lopputuloksen.
Aloita työnkulusta, älä työkalusta
Heikko ensimmäinen käyttötapaus on “Käytä tekoälyä asiakastuesta.” Se on liian laaja hallittavaksi. Vahvempi käyttötapaus on “Laadi ehdotuksia vastauksiksi alle 500 $:n hyvityspyyntöihin käyttäen hyväksyttyjä ohjedokumentteja, ja tukihenkilö tarkistaa jokaisen vastauksen ennen lähettämistä.” Yksi lause ratkaisee huomaamatta useimmat varhaiset epäonnistumismoodit: se määrittää rajauksen, datarajat, tarkistusvaiheen ja sen, miltä “valmis” näyttää.
Etsi työnkulkuja tuesta, myynnin operaatioista, taloushallinnon operaatioista, HR:stä ja juridiikan operaatioista, joissa tiimit tekevät jo tänään jonkinlaista tarkistusta. Hyviä ehdokkaita ovat ensimmäisten vastausten luonnostelu yleisiin tukikysymyksiin, myyntipuheluiden tiivistäminen CRM-kenttiin, laskujen tarkistaminen puuttuvien tietojen varalta, vastausten valmistelu toistuviin RFP-kysymyksiin sekä keskeisten ehtojen poimiminen vakiomuotoisista sopimuksista. Tavoite ei ole poistaa ihmisiä heti, vaan saada nopeampi ensimmäinen versio samalla kun tarkastaja pysyy ohjauksessa.
Käytä yksinkertaista pisteytysmallia huonojen vetoiden välttämiseksi
Kun olet listannut 10–15 ehdokastyönkulkua, valitse pisteytysmallilla innostuksen sijaan. Arvioi jokainen työnkulku asteikolla 1–5 liiketoiminta-arvon mukaan ja sen jälkeen 1–5 toteutusvalmiuden mukaan.
Liiketoiminta-arvo määräytyy toistuvuuden, nykyisen ajankäytön, virheiden kustannuksen ja sen mukaan, muuttaako nopeampi läpimeno todellista mittaria. Toteutusvalmius liittyy siihen, ovatko syöte ja ulostulo selkeitä, onko data jo hyväksytty käyttöön ja onko lopputulos helppo tarkistaa ihmiselle.
Käytännöllinen, ei-ilmeinen sääntö: monet tiimit yliarvioivat “vaikutuksen” ja aliarvioivat “tarkistusajan”. Jos tarkastajat tarvitsevat 10 minuuttia jokaisen ulostulon läpikäyntiin, et automatisoinut vaan siirsit työn toiseen kohtaan. Suosi työnkulkuja, joissa tarkistus voidaan tehdä nopeasti ja johdonmukaisesti, koska juuri se tekee ensimmäisestä tekoälyn käyttötapauksesta pysyvän.
Toteuta oikea pilotti, älä ohjelmistokokeilua
Tiimille annettu pääsy tekoälytyökaluun ei ole pilotti. Oikea pilotti keskittyy yhteen työnkulkuun, sillä on kaksi omistajaa ja se päättyy käyttöönotto- tai hylkäyspäätökseen. Tarvitset liiketoimintaomistajan, joka vastaa tuloksista ja hyväksynnästä, sekä teknisen omistajan, joka vastaa konfiguroinnista, käyttöoikeuksista ja datan saatavuudesta.
Ennen aloitusta mittaa lähtötaso: kuinka kauan tehtävä kestää tänään, missä uudelleentyöstöä syntyy ja kuinka usein asiat eskaloituvat. Määrittele sitten “hyvä lopputulos” kahdella tai kolmella lauseella. Esimerkiksi: hyvä tukivastausluonnos vastaa kysymykseen, käyttää vain hyväksyttyä ohjeistusta, noudattaa äänensävyä ja on tarkistettavissa alle kahdessa minuutissa.
Seuraa pientä joukkoa KPI-mittareita, jotka heijastavat liiketoiminta-arvoa ja turvallisuutta, kuten läpimenoaikaa, aikaa ensimmäiseen luonnokseen, uudelleentyöstön määrää, eskalointiasteita ja tarkastajan käyttämää aikaa. Aseta myös vähintään yksi tiukka raja etukäteen, esimerkiksi: ei asiakasrajapintaan menevää sisältöä ilman ihmistarkistusta, ja vain hyväksytyt tietolähteet.
Skaalaa vasta, kun omistajuus ja hallintamalli ovat selkeitä
Kun tekoäly laajenee yhden tiimin ulkopuolelle, suurin riski on pirstaloituminen: eri työkalut, epäyhtenäiset lopputulokset, päällekkäinen työ ja arkaluonteisen datan ajautuminen vääriin paikkoihin. Pidä hallintamalli kevyenä, mutta eksplisiittisenä. Määrittele jokaiselle tuotannossa olevalle työnkululle omistaja, hyväksytyt tietolähteet, käyttöoikeuksien hallinta, tarkistusvaatimukset, seuranta ja poikkeamaprosessi.
Ennen skaalausta pakota kolme selkeää vastausta: Kuka omistaa työnkulun? Mihin dataan järjestelmä saa pääsyn? Miten laatua seurataan ajan mittaan? Jos yksikin vastaus on epämääräinen, älä ota sitä vielä käyttöön. Jos haluat nähdä käytännössä, miltä hallittu ja työkaluihin kytkeytyvä ensimmäinen tekoälyn käyttötapaus näyttää, voit pyytää demoa täältä: https://siesta.ai/demo.
