Proces obsługi inicjatyw AI
Uporządkowane "odsiewanie" pomysłów — od ideacji, przez PoC, po decyzję o wejściu na produkcję
Projekty realizujemy po "coś". Jak lepiej osiągnąć "coś"?
To "coś" zazwyczaj jest celem biznesowym lub osobistym, który chcemy osiągnąć jak najmniejszym kosztem i w sposób najbardziej optymalny. Nie inaczej jest z projektami, które opieramy na technologii sztucznej inteligencji, które też mają pomóc nam "zbudować" zysk, doprowadzić do oszczędności czy też poprawić naszą efektywność.
Często jednak, szczególnie jeżeli nie mamy specjalnej "obudowy", wpadamy w pułapkę analogii i zakładamy, że takie projekty powinniśmy prowadzić tak samo jak "standardowe" realizacje IT, gdzie wszystko jest dość oczywiste i niezmienne.
Ot, kolejny projekt z serii wdrożeń. Rzeczywistość jest tymczasem bardziej wielobarwna. I przez to bardziej skomplikowana.
Wiele projektów AI zwyczajnie się nie udaje nie tyle z powodu braku realnego ROI (Return on Investment - zwrot z inwestycji), ale niewłaściwego podejścia i przeprowadzenia z pominięciem kluczowych kroków, które dałyby nam odpowiedzi na wiele pytań i wątpliwości. Strata byłaby z pewnością mniejsza, gdybyśmy tylko rozumieli tę specyfikę.
Produkt AI. Przyjmijmy pewne uproszczenie Na potrzeby naszych rozważań założymy, że każda inicjatywa, która ma w sobie komponent AI jest nakierowana na stworzenie produktu AI.
Nie oznacza, że musi to być samodzielny produkt, może to być funkcjonalność, którą dodajemy do już istniejącego rozwiązania czy usługi. Dodajemy kolejny klocek w naszej układance, który wymaga jednak szczególnej opieki.
Już samo zdefiniowanie czym jest AI będzie dla nas pewnym wyzwaniem. Ale to praca domowa do odrobienia.
Tak czy inaczej, jeżeli przyjmiemy, że mamy tutaj do czynienia z produktem, to sprowadzi nas to do konieczności ujęcia go w pewne ramy i zastosowania uporządkowanego podejścia. Uwzględnić musimy przy tym nasze wewnętrzne podejście do inicjatyw, przy czym wybór właściwej ścieżki będzie tutaj bardzo istotny. Skierowanie się w niewłaściwą stronę może spowodować, że coś zwyczajnie przeoczymy.
Produkt AI. Jak się rozwija?
Marily Nika, Ph.D zaproponowała sensowne, choć warte uzupełnienia, podejście do cyklu rozwoju produktu AI. Widzi ona to to tak:
- faza generowania pomysłów -> nałożenie możliwości AI na matrycę problemów biznesowych,
- identyfikowanie okazji -> weryfikacja czy nasze rozwiązanie pasuje do potrzeb rynkowych,
- stworzenie prototypu, co wcale do łatwych zadań nie należy nawet w erze generatywnej AI,
- testowanie i analiza, które mają wykazać czy dobrze zidentyfikowaliśmy okazję biznesową oraz wdrożenie produktu AI "dalej".
To rzecz jasna mocno uproszczone podejście i pomija ono wiele niuansów, ale jest dobrym startem.
Startem, bo to wyłącznie "produktowa" wizja cyklu, która w mniejszym stopniu skupia się na samym procesie wytwórczym i dostarczaniu gotowych rozwiązań na nasze potrzeby.
Musimy mieć tutaj świadomość, że w każdej organizacji będzie wyglądało to nieco inaczej, ale w większości jest mniej więcej właśnie tak, choć nie zawsze jest to proces uporządkowany i uwzględniający konieczność dokumentowania wszystkiego czego się nauczymy - a to w sumie cenna wiedza, którą możemy wykorzystać w przyszłości.
Ja widzę to na przykład w taki sposób i jest to proces, który rekomenduje w większości przypadków swoim klientom. Rzecz jasna diabeł tkwi w szczegółach, więc potraktujcie to jako przykład podejścia a nie gotowe rozwiązanie!
Opracowanie własne ze wsparciem notebookLM
I tak to z grubsza wygląda. W materiałach na stronie znajdziecie więcej wskazówek jak podchodzić do realizacji poszczególnych faz, tym w szczególności procesów wytwórczych.
Jak ułożyć end-to-end proces oceny inicjatyw AI: zgłoszenie, klasyfikacja, ocena ryzyka, akceptacja, wdrożenie i monitorowanie po starcie.
Aktualizacja: