आपकी कंपनी में AI से वास्तविक रूप से कहाँ शुरुआत करनी है?

काम से शुरू करें, न कि उपकरण से

ज़्यादातर कंपनियाँ AI से जूझने में इसलिए असफल होती हैं क्योंकि तकनीक बहुत कठिन नहीं है। वे इसलिए जूझती हैं क्योंकि वे गलत जगह से शुरू करती हैं - एक उपकरण, एक डेमो, या "AI का उपयोग करें" का मंदिर - बजाय उनके व्यवसाय द्वारा हर दिन किए जाने वाले काम से।

परिणाम परिचित है: कुछ उत्साही प्रयोग, एक-दो सदस्यताएँ, और कंपनी के संचालन में वास्तविक बदलाव नहीं। उपकरण काम करते हैं। अपनाने में नहीं।

एक शांत जगह से शुरू करने का एक तरीका है।

शुरू करने के लिए काम पर ध्यान दें

किसी भी AI उत्पाद का मूल्यांकन करने से पहले, अपनी टीम द्वारा सबसे अधिक दोहराए जाने वाले कार्यों को लिखें। न कि रणनीतिक, तिमाही निर्णय - छोटे, बार-बार होने वाले, असुखद कार्य: आने वाले अनुरोधों को सॉर्ट करना, एक जैसे उत्तर लिखना, डेटा प्रणालियों के बीच मूव करना, दस्तावेज़ों को नियमों के खिलाफ चेक करना, ग्राहकों द्वारा हमेशा पूछे जाने वाले सवालों का जवाब देना।

ये वह जगहें हैं जहाँ AI पहली बार मूल्य बनाता है, क्योंकि ये इतने बार होने वाले कार्य हैं कि छोटी-छोटी सुधार जुड़ जाती हैं, और संरचित होने के कारण एक प्रणाली इन्हें विश्वसनीय रूप से संभाल सकती है।

एक जनरल चैटबॉट आमतौर पर इस काम में नहीं आता है, जो ठीक उसी कारण है कि जनरल उपकरण अक्सर रुक जाते हैं। मूल्य आपके प्रक्रियाओं में निहित है, न कि मॉडल में।

तीन संकेतों की तलाश करें

एक कार्य AI के लिए एक अच्छा पहला उम्मीदवार है जब यह तीन संकेतों को एक साथ प्रदर्शित करता है:

• यह दोहराता है। उसी आकार का काम सप्ताह में कई बार होता है।
• इसके पैटर्न हैं। एक व्यक्ति इसके तरीके को लगभग लिख सकता है।
• एक गलती सुधारने योग्य है। कभी-कभी ग़लत होने पर समय लगता है, लेकिन विश्वास या सुरक्षा का मुद्दा नहीं उठता।

सभी तीन सही होने पर शुरू करें। उच्च जोखिम वाले निर्णयों से बचें, जहाँ एक गलत उत्तर महंगा या मुश्किल से उलटा जा सकता है - वे बाद में आते हैं, जब आप प्रणाली पर भरोसा करते हैं और जाँचों को स्थापित करते हैं।

एक इंसान को लूप में रखें, जानबूझकर

शुरुआत में, लक्ष्य लोगों को हटाना नहीं है। यह उनके दोहराव वाले हिस्से को हटाना है ताकि वे जहाँ निर्णय लेने में ध्यान लगा सकें।

हमारे अनुभव से, सबसे विश्वसनीय पैटर्न यह है: प्रणाली पहले पास करती है - ड्राफ्ट, सॉर्ट, फ़्लैग, तैयार करती है - और एक इंसान मंजूरी, संपादित करता है, या ओवरराइड करता है। यह एकल डिज़ाइन विकल्प आपको गति प्रदान करता है बिना इस बात का जोखिम उठाए कि मॉडल हर बार सही हो। जैसे-जैसे भरोसा बढ़ता है, आप जो खुद चलता है उसे विस्तारित करते हैं।

एक चीज़ पहले से मापें, और फिर उसी को मापें

अपनाने की शांत विफलता तब होती है जब कोई भी यह कहने में सक्षम नहीं होता कि क्या यह काम किया या नहीं। अपने आप से पहले एक ईमानदार संख्या चुनें - प्रति सप्ताह घंटे, प्रतिक्रिया समय, त्रुटि दर, बैकलॉग आकार। लिख लें।

फिर, प्रणाली स्थापित होने के बाद, उसी संख्या को फिर से मापें। यदि यह नहीं बदला, तो आपने सस्ते में सीखा। यदि यह बदल गया, तो आपके पास एक ठोस परिणाम है जिस पर अगले कदम बनाया जा सकता है - और इसे बाकी कंपनी को सही ठहराने के लिए।

अपने व्यवसाय के लिए बनाएं, न कि एक टेम्पलेट के चारों ओर

ऑफ-द-शेल उपकरण यह मानते हैं कि हर कंपनी एक जैसे तरीके से काम करती है। आपकी नहीं है। आपके वर्कफ़्लो, डेटा, अपवाद, और आपके लोगों द्वारा वास्तव में काम करने का तरीका - यही प्रणाली को फिट होना चाहिए, और यही जनरल उत्पाद देख नहीं सकता।

यह अनुकूलन का भारी और असुखद काम है: AI को वास्तविक प्रक्रियाओं से जोड़ना, किनारे के मामलों से निपटना, और ऐसा कुछ तैयार करना जो एक मंगलवार दोपहर को गड़बड़ इनपुट्स के बीच भी टिका रहे। यह एक स्थायी परिणाम और एक आशाजनक डेमो के बीच अंतर करने वाला काम है।

आप इसे अकेले नहीं कर सकते - लेकिन आपको इसकी शुरुआत सही जगह पर करनी होगी।

पहला कदम एक वाक्य में

एक ऐसे कार्य का चयन करें जो दोहराता है, पैटर्न का पालन करता है, और कभी-कभी ग़लती करना सुरक्षित है; ईमानदार रूप से उसे मापें; एक प्रणाली को पहले पास पर रखें और एक इंसान को लूप में रखें; और देखें कि क्या संख्या बदली। यह सब कुछ बड़े कामों का निर्माण है।