Kiedy AI w firmie się nie opłaca. Sześć przypadków, w których odradzam wdrożenie

Mniej więcej połowa zapytań o AI, które dostaję, kończy się moim „nie potrzebujesz tego". Nie dlatego, że AI nie działa. Dlatego, że w tych przypadkach rozwiązuje problem, którego nie ma, albo rozwiązuje go drożej niż zwykły warunek w kodzie.

Poniżej sześć wzorców, po których to poznaję, i rachunek, który możesz zrobić sam, zanim zadzwonisz do kogokolwiek.

Rachunek na trzy minuty

Weź czynność, którą chcesz oddać AI. Policz, ile minut dziennie zjada w całej firmie. Pomnóż przez stawkę godzinową i przez 250 dni roboczych.

Jeśli wynik nie przekracza wyraźnie kosztu wdrożenia, dalsza rozmowa nie ma sensu. To pierwsze sito i odsiewa więcej pomysłów niż wszystkie pozostałe razem.

Sześć przypadków, w których odradzam

1. Problem rozwiązuje zwykły warunek

„Jeśli termin minął, wyślij przypomnienie" to reguła, nie zadanie dla modelu. Kosztuje ułamek tego, co model, działa natychmiast i nigdy się nie myli.

Zaskakująco często pod hasłem „chcemy AI" kryje się dokładnie taka reguła. Sprawdź, czy Twoją czynność da się opisać zdaniem zaczynającym się od „jeśli". Jeśli tak, nie potrzebujesz modelu.

2. Danych jest za mało albo są niespójne

Do prognoz i scoringu praktyczne minimum to rok historii i kilkaset zdarzeń tej samej klasy. Poniżej tego model powtarza szum zamiast wzorca i daje odpowiedzi, które brzmią mądrze i są przypadkowe.

Gorszy przypadek: dane są, ale każdy wpisywał je po swojemu. Wtedy pierwszym krokiem nie jest AI, tylko uporządkowanie tego, co masz.

3. Zdarzenie występuje rzadko

Automatyzacja czynności wykonywanej raz w miesiącu nigdy się nie zwróci. Nie chodzi o technologię — chodzi o to, że oszczędność liczy się w minutach rocznie.

4. Błąd jest kosztowny, a nikt nie sprawdza wyniku

Model czasem się myli. To nie jest wada do naprawienia, tylko właściwość. Pytanie brzmi, co się dzieje z błędem.

Jeśli błędny odczyt faktury trafia prosto do księgowania, bez człowieka po drodze, to nie jest automatyzacja tylko generator problemów. Każde wdrożenie, które robię, ma krok potwierdzenia: system proponuje, człowiek akceptuje. To wciąż różnica między dwiema minutami a piętnastoma sekundami na dokument.

5. Proces nie jest ustalony

Jeśli w firmie każdy robi to samo inaczej, model nie ma się czego nauczyć, a automatyzacja utrwali chaos. Najpierw trzeba ustalić, jak ma być. To praca po stronie firmy i nie da się jej kupić.

6. Cel brzmi „chcemy mieć AI"

Najdroższy z wszystkich przypadków, bo nie ma kryterium sukcesu. Bez wskazania konkretnej czynności, którą AI ma przejąć, projekt kończy się prezentacją, z której nic nie wynika, i rachunkiem za nią.

Trzy przypadki, w których AI realnie się zwraca

1. Dokumenty. Powtarzalne faktury, protokoły i formularze od stałych kontrahentów. System wypełnia pola, człowiek zatwierdza. Największy zysk przy kilkudziesięciu dokumentach dziennie.
2. Wiedza firmowa. Asystent odpowiadający na pytania z Twoich procedur, umów i historii zleceń, z linkiem do dokumentu źródłowego przy każdej odpowiedzi. Sensowny tam, gdzie ludzie tracą czas na szukanie, a nie na czytanie.
3. Prognozy na własnej historii. Które zlecenie się opóźni, który klient przestaje wracać. Wymaga danych, ale tam, gdzie są, daje przewagę, której nie kupisz w gotowym narzędziu.

Zakres, ceny i warunki tych trzech przypadków opisałem na stronie wdrożeń AI. Jeśli Twój przypadek okazał się zwykłą automatyzacją bez modelu, to jest osobna, tańsza droga.

Krótko

• Policz minuty dziennie razy stawka razy 250 dni. To pierwsze i najostrzejsze sito.
• Czynność opisywalna zdaniem „jeśli…" nie potrzebuje modelu, tylko warunku.
• Prognozy wymagają roku historii i kilkuset zdarzeń tej samej klasy.
• Każde wdrożenie musi mieć krok, w którym człowiek może się nie zgodzić.
• „Chcemy mieć AI" to nie cel. Cel to nazwana czynność, która ma zniknąć.