Новый финансовый год только начался. Каждый в организации может устанавливать свои квартальные, полугодовые или годовые цели.

Эти цели будут определены на основе стратегических целей компании, и одна вещь, которая является общей для всех стратегических листов компаний, — это внедрение ИИ.

Внедрить ИИ непросто. Много усилий и POC могут пойти не так, и вы можете в конечном итоге потратить один год без надлежащей рентабельности инвестиций или получить модель черного ящика, в которой никто не будет знать, какой результат будет на выходе, а с ужесточением правил ИИ может иметь неприятные последствия. если не обращаться должным образом.

Теперь это будет серия статей о том, как компании могут безопасно внедрить ИИ.

Несколько ключевых моментов, которые мы рассмотрим в трех частях серии

  1. Все должны соответствовать OKR, да, OKR могут помочь вам согласовать следующие шаги со стратегическими целями.
  2. Определите одну область/отдел в компании, где внедрение ИИ может обеспечить максимальную рентабельность инвестиций.
  3. Наймите главного CAIO (директора по искусственному интеллекту), который также может быть вашим CDO (директором по цифровым технологиям), но он / она должен хорошо знать искусственный интеллект и варианты использования в отрасли.
  4. Наймите владельца продукта, который хорошо знает отрасль, уделяет первостепенное внимание сопереживанию клиентов и может хорошо экспериментировать с гибким мышлением.
  5. Запустите акселератор, чтобы определить лучшие стартапы для работы. Вам не нужно строить все внутри, подумайте о рентабельности инвестиций и примите решение.

Начнем со стратегических целей.

Хорошей новостью является то, что за последний год многие компании начали развивать такие навыки, как инженер по машинному обучению, специалист по данным и продакт-менеджеры, необходимые для использования возможностей ИИ, поскольку кризис Covid-19 заставил их изменить способ ведения бизнеса практически за одну ночь. Большая часть этих усилий началась с попытки оцифровать этап привлечения клиентов, но они хорошо поняли, что, когда сотрудники сидят дома и работают удаленно, им нужен искусственный интеллект для быстрого принятия решений по привлечению клиентов.

Однако, чтобы полностью реализовать потенциал ИИ, компаниям необходимо переосмыслить свои бизнес-модели и способы выполнения работы. Они не могут просто подключить ИИ к существующему процессу, чтобы автоматизировать его или добавить новые идеи. И хотя ИИ можно применять локально для функций в большом списке конкретных приложений (известных как варианты использования), такой подход не приведет к последовательным изменениям в деятельности компании или в ее итоговых показателях. Это также усложняет и удорожает масштабирование ИИ, потому что каждая обширная команда должна заново изобретать велосипед в отношении участия заинтересованных сторон, обучения, управления изменениями, данных, технологий и многого другого.

Но это не означает, что компании должны пытаться сразу перестроить всю организацию с помощью ИИ. Это почти наверняка закончилось бы провалом. Полное преобразование — чрезвычайно сложный процесс, включающий слишком много движущихся частей, заинтересованных сторон и проектов, чтобы быстро добиться значимого результата.

Мы обнаружили, что правильный подход заключается в том, чтобы определить ключевую часть бизнеса и полностью переосмыслить ее. Внесение изменений во весь основной процесс, путь или функцию — то, что мы называем доменом — приведет к значительному повышению производительности, с которым просто не могут сравниться изолированные локальные приложения. Это также позволит каждой инициативе в области ИИ основываться на предыдущей, например, путем повторного использования данных или расширения возможностей для общего набора заинтересованных сторон. Мы видели, как этот подход запускает органический цикл изменений в доменах и, в конечном счете, создает импульс для использования ИИ в более крупной организации, поскольку бизнес-лидеры и сотрудники видят, что это работает. Кроме того, этот подход способствует постоянному совершенствованию рабочей силы, что имеет решающее значение, поскольку технологии ИИ быстро развиваются, требуя, чтобы организации рассматривали преобразования ИИ как постоянные, а не разовые усилия.

В конечном счете, компании, которые не смогут в полной мере воспользоваться преимуществами ИИ, будут оттеснены теми, кто сможет — как мы уже видим в нескольких отраслях, таких как производство автомобилей и финансовые услуги.

Теперь, когда у нас есть стратегические цели и область, на которую вы собираетесь ориентироваться. Пришло время сесть и определить OKR (цели и ключевые результаты), которые помогут доменным командам определить ключевые задачи, привести их в соответствие со стратегическими целями всей компании, а затем определить ключевые результаты (показатели), чтобы отслеживать и закрывать цели только тогда, когда они ключевые результаты достигнуты.

Например: Если цель состоит в том, чтобы уменьшить NPA в этом финансовом году

Ключевым результатом будет

Ключевой результат: NPA сократились на 25% по сравнению с предыдущим кварталом (отслеживание QoQ)

Предпринятое действие: Разверните инструмент управления решениями на базе машинного обучения, соберите больше данных, отследите производительность модели, разверните MLOP, отслеживайте решения и стратегии (и вносите быстрые изменения каждый квартал)

Чтобы это стало реальностью, вам понадобится инструмент управления решениями, который могут легко использовать бизнес-пользователи, а технический компонент останется в бэкэнде, сильная команда по науке о данных для создания лучших моделей машинного обучения, инженеры по данным для создания конвейеров данных и их автоматизации. менеджеры по партнерским отношениям для подключения к нескольким источникам данных, а также инструмент аналитики для отслеживания производительности.

Or

Вы можете воспользоваться уже доступным на рынке инструментом управления решениями на базе ИИ.

В зависимости от размера компании и рентабельности инвестиций, которые они могут получить, они должны принять это решение.

Продолжение следует….