AI transformácia v praxi: Filip Staňo

Úvod: 10 ciest AI transformácie u klientov

Ďakujem pekne. Dobré ráno všetkým, som rád, že ste tu s nami. Pokúsim sa ísť na to naozaj praxou. Keďže Ableneo pracuje s mnohými z vás, vybral som si vzorku desiatich rôznych ciest transformácie, ktoré vidíme u našich klientov z rôznych odvetví. Ak som dobre počítal, osem z tých klientov je dnes medzi nami. Cesty sa líšia v tom, kde sme začali, aj v tom, kde sa dnes organizácia nachádza.

Poďme na prvé čísla. V ôsmich prípadoch z desiatich to začalo POC-čkom, pilotným use casom. Organizácia si vytipovala niečo, čo by sa dalo riešiť pomocou AI. Bol to chatbot, automatizácia faktúr alebo spracovania dokumentov a mailov. V jednom prípade to bola vzdelávacia akadémia a v jednom prípade firma začala rovno stratégiou.

Ako to pokračovalo? V jednom prípade sme spravili cost-benefit analýzu, či to má návratnosť a či je to uskutočniteľné. Druhá najčastejšia cesta bola pozrieť sa na iný use case, často podobného charakteru. V jednom prípade to pokračovalo akadémiou, lebo klient potreboval najprv zvýšiť maturitu organizácie. A v jednom prípade z ôsmich to bolo vybudovanie vlastnej agentskej platformy, podvozku, na ktorom tie agenty bežia.

Výzvy adopcie AI

Keď chceme robiť stratégiu, najprv potrebujeme chápať výzvy. Prvá: nakúpili sme Copilot a dúfame, že sa niečo zmení. Druhá: ľudia nedôverujú niečomu, čomu nerozumejú. Tretia: obava z nahradenia človeka agentom. Štvrtá: nerealistické očakávania, že AI vyrieši problém na sto percent a my nebudeme musieť vôbec vstúpiť.

Ďalej: know-how je v našich hlavách a preniesť ho do automatizácie len z dokumentov je takmer nemožné. Vybraný use case často nemá návratnosť. Ten Excel vypĺňame len preto, aby sme ho poslali na financie, kde ho prepíšu do SAPu. Pokiaľ nemám dáta v ideálnom stave, nemá zmysel začínať s AI. A opačne: agent na dvadsiatich príkladoch nezvládne reálny svet. Ak nemeriam kvalitu na serióznej vzorke, rozhodujem na základe cherry pickingu.

Štyri kategórie výziev a AI stratégia

Výzvy som zakategorizoval: ľudské, procesné, dátové a technologické. Pri ľudských je riešením AI stratégia. Manažment musí ísť príkladom a tým žiť, to je adresovanie leadership gapu. Podľa štatistík BCG a Gartner máme ešte čo dobiehať. Dôležité je vzdelávanie a change management.

Procesy: decentralizácia AI tímov (Amazon model)

Pri procesoch funguje model, s ktorým prišiel Amazon okolo roku 2023: decentralizácia tímov budujúcich AI agentov od IT k biznisu. Tímy sedia s reálnym biznis oddelením a preberajú jeho know-how. Bez toho IT tímy nebudú mať priestor inovovať jadro, lebo ich vždy preťaží dopyt biznisu.

Discovery a diagnóza

Potrebujeme identifikovať use casy a pozrieť sa na cost verzus benefit. Benefitom nie je vždy len revenue či ušetrené FTE, niekedy je to spokojnosť ľudí alebo inovatívnosť. A skonfrontovať to s feasibility podľa štyroch kategórií.

ESSA

Eliminate, simplify, standardize, automate. Najprv z procesu vymažme veci, ktoré tam byť nemusia. Potom ho zjednodušme. Štandardizujme ho. A až potom automatizujme v plnom rozsahu.

Dáta a evaluácia

Cesta, kým sa organizácia reálne dostane k dátam, trvá niekedy mesiace až roky, preto treba v úvode vedieť, aké dáta potrebujem. Srdcová téma je evaluácia. Platí fail fast a pre AI špecificky autodetect: rýchlo zlyhaj, zisti, že si zlyhal, a na základe toho sa douč.

Hyper Agile: 75-80 % vývoja nie je kódovanie

Potrebujeme novú metodiku, ktorá umiestňuje AI do jadra softvérového vývoja. Máme pocit, že poďme zautomatizovať programovanie, lebo programátori sú drahí. Lenže čím väčšia organizácia, tým viac času trávime budovaním požiadaviek, návrhom, testovaním, nasadením a prevádzkou. Tieto fázy konzumujú 75 až 80 percent času vo vývoji softvéru.

Zhrnutie

AI transformácia stojí na pevných základoch: bezpečnosť, riziko, compliance. Štyri piliere: ľudský, procesný, dátový a technologický. Celé je zastrešené etickým zavádzaním AI, transparenciou a governance.