Zanim firma kupi narzędzie lub rozpocznie rozwój, warto, aby wiedziała, gdzie sztuczna inteligencja przyniesie jej realne korzyści. Temu właśnie służy audit IA, pod warunkiem, że skupia się na pracy, a nie na technologii. Odpowiada on na trzy pytania: jakie zadania może przejąć AI, ile to przyniesie korzyści i od którego zacząć.
Słowo « audit » kojarzy się z kontrolą, ale to ćwiczenie ma inny charakter. Nie dotyczy ani modeli, ani dostawców oprogramowania, lecz codzienności firmy: ofert cenowych, przypomnień, sprawozdań, wprowadzania danych i kontroli.
Kiedy audit IA jest przydatny
Cztery sytuacje uzasadniają jego przeprowadzenie. Zespoły już korzystają z ChatGPT lub Copilot, każdy na swój sposób, a nikt nie wie, jakie to przynosi korzyści. Kierownictwo ma kilka pomysłów na projekty, ale brakuje metody, by je rozstrzygnąć. Dostawca proponuje narzędzie i trzeba sprawdzić, czy odpowiada ono prawdziwej potrzebie. Wreszcie, powtarzalne zadanie zajmuje kilka osób co tydzień.
Z drugiej strony, audit jest zbędny, jeśli firma chce jedynie zapoznać się z dostępnymi na rynku narzędziami – wystarczy wtedy szkolenie.
Pięć pytań do klasyfikacji zadań
Każde potencjalne zadanie przechodzi przez ten sam filtr. Pierwsze pytanie dotyczy czasu, jaki zajmuje obecnie, oraz liczby zaangażowanych osób: bez tego pomiaru wyjściowego żadnego zysku nie będzie można później udowodnić. Drugie dotyczy częstotliwości, ponieważ zadanie wykonywane dziesięć razy w miesiącu nie uzasadnia dedykowanego narzędzia. Trzecie pyta, czy dane istnieją w formie nadającej się do wykorzystania, ponieważ AI nie zastąpi brakujących informacji ani tych rozproszonych w skrzynkach mailowych.
Czwarte pytanie dotyczy błędu: co się stanie, jeśli AI się pomyli i kto to skontroluje? Im droższy błąd, tym więcej potrzeba walidacji ludzkiej. Piąte dotyczy kosztu pierwszego prototypu i czasu potrzebnego do jego użycia. Duży zysk wymagający roku pracy ustępuje miejsca średniemu zyskowi dostępnemu w kilka tygodni.
Przypadek użycia jest akceptowany, gdy zysk jest mierzalny, dane istnieją, a osoba z branży może skontrolować wynik. Pozostałe są odrzucane, a audit powinien wyjaśnić dlaczego.
Czego wymagać na wyjściu
Rezultat nie powinien być raportem o « potencjale AI ». Przyjmuje formę krótkiej listy przypadków użycia, z których każdy zawiera szacowany zysk, koszt, termin i jasną rekomendację, od którego zacząć. Zaakceptowane przypadki rzadko są spektakularne: generowanie oferty na podstawie zapytania klienta, przetwarzanie niezgodności w fabryce, przygotowanie dokumentacji technicznej przetargu w budownictwie lub kwalifikacja napływających zgłoszeń w firmie usługowej.
Dwa wymagania warto postawić od samego początku. Raport należy do firmy, która musi móc go wykorzystać wewnętrznie lub z innym wykonawcą. Musi też być zrozumiały dla tych, którzy wykonują pracę, a nie tylko dla działu IT.
Przeciwnie, nieudany audit zaczyna się od technologii, niczego nie wycenia lub rekomenduje wszystko. « Duży potencjał » to nie wynik, podczas gdy liczba godzin tygodniowo już nim jest. W MŚP ćwiczenie trwa kilka dni, zaczyna się od konkretnych zadań i nie zakłada, że zespoły już korzystają z AI. Kierownik dysponujący listą wycenionych zadań wybiera swój pierwszy projekt na podstawie godzin i euro, a nie na podstawie prezentacji.
