Automatyzacja procesów w firmie: od czego zacząć wdrożenie AI
Najdroższe wdrożenia zaczynają się od wyboru narzędzia. Najskuteczniejsze — od policzenia, ile kosztuje obecny sposób pracy. Pokazujemy, jak wybrać pierwszy proces do automatyzacji i jak ocenić, czy się opłaca.
Rozmowy o sztucznej inteligencji w firmach przebiegają dziś dwutorowo. Jedni wdrażają narzędzia, bo „trzeba być na bieżąco”, i po kwartale nie potrafią wskazać żadnej oszczędności. Drudzy czekają, aż technologia dojrzeje, i tracą przewagę w procesach, w których konkurencja obsługuje tę samą pracę mniejszym zespołem.
Różnicę robi nie wybór dostawcy, tylko wybór procesu.
Który proces nadaje się na pierwszy
Dobry kandydat spełnia cztery warunki jednocześnie:
- Powtarzalność — wykonywany co najmniej kilkadziesiąt razy w miesiącu.
- Jasne wejście i wyjście — wiadomo, co jest danymi źródłowymi i jak wygląda poprawny wynik.
- Tolerancja na błąd — pomyłka jest wychwytywalna i możliwa do poprawienia, nie powoduje nieodwracalnych skutków.
- Mierzalny koszt — da się policzyć, ile godzin pracy pochłania dzisiaj.
W praktyce pierwsze wdrożenia najczęściej dotyczą: wstępnej klasyfikacji zgłoszeń od klientów, przygotowania opisów produktów, streszczania dokumentów, uzupełniania danych w systemie sprzedażowym oraz transkrypcji i podsumowań rozmów.
Czego nie automatyzować na początku
Procesów o wysokiej stawce błędu — decyzji kredytowych, rozliczeń podatkowych, komunikacji prawnej. Tam AI może przygotować materiał, ale decyzję powinien zatwierdzać człowiek, a cały zysk czasowy jest znacznie mniejszy.
Policz koszt bazowy, zanim zaczniesz
Bez punktu odniesienia nie da się ocenić wdrożenia. Minimalna miara to liczba przypadków w miesiącu pomnożona przez średni czas obsługi i stawkę godzinową. Jeżeli dział obsługi klienta przetwarza 1 200 zgłoszeń miesięcznie po sześć minut, mówimy o 120 godzinach pracy. Skrócenie obsługi o jedną trzecią to 40 godzin — i to jest maksymalna oszczędność, jakiej można oczekiwać z tego procesu.
Ta liczba od razu wyznacza budżet. Narzędzie kosztujące więcej niż wartość zaoszczędzonego czasu nie ma uzasadnienia, choćby robiło wrażenie na demie.
Pilotaż: cztery tygodnie, jeden zespół
Sensowny pilotaż obejmuje jeden proces, jeden zespół i stały sposób pomiaru. W pierwszym tygodniu mierzy się stan wyjściowy, w kolejnych trzech pracuje z narzędziem, notując czas obsługi, liczbę poprawek i opinie zespołu.
Trzy rzeczy warto ustalić przed startem: kto odpowiada za jakość wyników, gdzie trafiają dane i jaki wynik oznacza decyzję o kontynuacji. Bez tego ostatniego pilotaż ciągnie się miesiącami bez rozstrzygnięcia.
Dane i bezpieczeństwo
Przed przekazaniem jakichkolwiek danych do zewnętrznego narzędzia trzeba odpowiedzieć na pytania, które i tak zada dział prawny: czy dane osobowe opuszczają organizację, gdzie są przetwarzane, czy służą do trenowania modeli dostawcy, jak długo są przechowywane i czy jest podpisana umowa powierzenia przetwarzania.
W wielu zastosowaniach wystarczy anonimizacja albo przetwarzanie na danych zagregowanych. To tańsze niż budowa infrastruktury lokalnej i rozwiązuje większość wątpliwości formalnych.
Najczęstsze powody niepowodzeń
- Automatyzacja bałaganu — proces nieopisany i niespójny po automatyzacji daje szybciej te same błędy.
- Brak właściciela — narzędzie wdrożone „przez IT dla biznesu”, bez osoby odpowiedzialnej za wynik.
- Pomijanie zespołu — ludzie, którzy nie rozumieją celu wdrożenia, słusznie widzą w nim zagrożenie i nie zgłaszają błędów.
- Mierzenie aktywności zamiast efektu — liczba zapytań do modelu nie jest wskaźnikiem sukcesu.
Co dalej po pierwszym procesie
Po udanym pilotażu najbardziej opłaca się rozszerzyć ten sam wzorzec na procesy sąsiednie, a nie szukać nowej technologii. Zespół zna już narzędzie, ryzyko jest mniejsze, a koszt wdrożenia spada.
Dobrym uzupełnieniem jest przegląd licencji, które firma już posiada — część funkcji bywa dostępna w ramach obecnych subskrypcji. Jak do tego podejść, opisujemy w tekście o wyborze oprogramowania SaaS. Jeśli planujesz automatyzację w obsłudze klienta, warto też przeczytać, co agenci AI faktycznie potrafią, a co pozostaje obietnicą.
