Slik velger du ditt første AI-prosjekt så det lønner seg på uker, ikke kvartaler
En praktisk guide for ledere om hvordan man velger et første AI-bruksområde som leveres raskt, viser verdi og gir grunnlag for å gjøre mer.
De fleste første AI-prosjekter stopper opp av samme grunn: selskapet velger det mest spennende bruksområdet i stedet for det mest gjennomførbare. Seks måneder senere finnes det en demo, en presentasjon og ingen målbar endring i virksomheten. Problemet er sjelden teknologien. Det er valget som ble tatt i uke én.
Slik tar du det valget godt.
Start med en beslutning eller oppgave, ikke en teknologi
«Vi burde bruke AI» er ikke et mål. Det er en budsjettpost som venter på å bli sløst bort. Begynn i stedet med et konkret stykke arbeid som noen i selskapet gjør i dag: en kundeservicemedarbeider som svarer på det samme spørsmålet for førtiende gang, en regnskapsmedarbeider som kopierer fakturadata inn i et system, en selger som skriver den samme oppfølgingsmailen på en litt annen måte hver gang.
Gode førstekandidater deler tre trekk. Oppgaven skjer ofte, den følger et mønster, og noen kan avgjøre i løpet av minutter om resultatet er riktig eller galt. Hyppighet gir deg avkastning. Mønster gjør det lærbart. Rask vurdering lar deg forbedre raskt i stedet for å krangle om kvalitet i ukevis.
Vurder kandidatene ærlig
List opp fem eller seks reelle oppgaver og gi hver av dem en karakter. Du leter etter et prosjekt som er verdifullt og gjennomførbart, ikke bare det ene eller det andre.
- Verdi: Hvor mange timer i uken bruker dette opp, eller hvor mye koster en feil? Sett et grovt tall på det.
- Data: Har du allerede eksemplene, dokumentene eller registreringene systemet trenger? Hvis du først måtte bygge en datapipeline, er det et eget prosjekt.
- Toleranse for feil: Hva skjer når systemet tar feil? En feil utkast til e-post er greit. En feil medisindose er det ikke. Foretrekk oppgaver der et menneske gjennomgår resultatet før det får betydning.
- Tydelig suksess: Kan du beskrive gevinsten i én setning som en ikke-teknisk leder ville godta?
Det beste førsteprosjektet scorer høyt på alle fire. Hvis et bruksområde er enormt verdifullt, men dataene ikke finnes og feil er farlige, er det et flott prosjekt for år to og et forferdelig førstevalg.
Foretrekk «assistere» fremfor «automatisere» i starten
Full automatisering er der uroen bor, og der tidslinjene strekker seg. En assisterende versjon av samme idé leveres langt raskere og bærer langt mindre risiko. I stedet for et system som svarer kundene direkte, bygg ett som skriver utkast til svaret som en medarbeider godkjenner. I stedet for et system som arkiverer fakturaer, bygg ett som forhåndsutfyller feltene og markerer dem det er usikkert på.
Du beholder et menneske i sløyfen, så feil blir fanget opp. Du samler inn reelle bruksdata, slik at grunnlaget for dypere automatisering senere er forankret i bevis i stedet for håp. Og du kommer i produksjon på uker fordi du ikke forsøker å fjerne mennesker fra prosessen fra første dag.
Sett et kjedelig, målbart mål
Før noen skriver kode, bli enige om hvordan suksess ser ut og hvordan dere skal måle den. «Kutt gjennomsnittlig behandlingstid for denne sakstypen fra ni minutter til fem.» «Halver antallet feil i fakturabehandlingen.» Et tall du kan sjekke om en måned holder prosjektet ærlig og gir deg et klart tidspunkt til å avgjøre om dere skal utvide, justere eller stoppe.
Vage mål som «forbedre kundeopplevelsen» kan verken vinnes eller tapes, noe som betyr at prosjektet aldri tar slutt og aldri beviser noe.
Gi det en frist som tvinger frem avgrensning
Sett en horisont på seks uker for den første fungerende versjonen, ikke seks måneder. En kort frist er et designverktøy: den tvinger deg til å skrelle bruksområdet ned til kjernen og motstå funksjonene som gjør en ryddig pilot om til en uoversiktlig plattform. Hvis det ikke kan vise verdi på seks uker, er avgrensningen feil, og det er billigere å lære det nå.
Hva som er bra
Et sterkt første AI-prosjekt er smalt, brukes ofte, gjennomgås av et menneske og måles mot et enkelt tall. Det bygger tillit stille, og den tilliten er det som gir deg tillatelse til å ta fatt på det vanskeligere, mer ambisiøse arbeidet neste gang.
Å velge godt er hele spillet, og det er den delen de fleste selskaper forhaster seg gjennom. Hvis du heller ikke vil bruke de første seks månedene på å lære dette den dyre veien, er det den typen arbeid vi gjør hos Hercules A — vi bærer vekten av den første beslutningen slik at resten blir enklere.
Velg den gjennomførbare oppgaven. Lever den assisterende versjonen. Mål det kjedelige tallet. Så gjør det igjen.