Att välja ditt första AI-projekt så att det lönar sig på veckor, inte kvartal

De flesta första AI-projekt kör fast av samma skäl: företaget väljer det mest spännande användningsfallet i stället för det som är mest möjligt att vinna. Sex månader senare finns det en demo, en presentation och ingen mätbar förändring för verksamheten. Problemet är sällan tekniken. Det är valet som gjordes under den första veckan.

Så här gör du det valet väl.

Börja med ett beslut eller en uppgift, inte en teknik

"Vi borde använda AI" är inget mål. Det är en budgetpost som väntar på att slösas bort. Börja i stället med ett konkret arbetsmoment som någon i ditt företag utför i dag: en supportmedarbetare som svarar på samma fråga för fyrtionde gången, en ekonomiassistent som kopierar fakturauppgifter till ett system, en säljare som skriver samma uppföljningsmejl på ett något annorlunda sätt.

Bra första kandidater har tre egenskaper gemensamt. Uppgiften förekommer ofta, den följer ett mönster, och någon kan inom några minuter avgöra om resultatet är rätt eller fel. Frekvensen ger dig avkastning. Mönstret gör den möjlig att lära sig. Snabb bedömning låter dig förbättra snabbt i stället för att bråka om kvalitet i veckor.

Bedöm dina kandidater ärligt

Lista fem eller sex verkliga uppgifter och betygsätt var och en. Du letar efter ett projekt som är värdefullt och genomförbart, inte bara det ena eller det andra.

Värde: Hur många timmar i veckan tar detta, eller hur mycket kostar ett misstag? Sätt en ungefärlig siffra på det.
Data: Har du redan de exempel, dokument eller uppgifter som systemet behöver? Om du först skulle behöva bygga en datapipeline är det ett separat projekt.
Tolerans för fel: Vad händer när systemet har fel? Ett felaktigt utkast till mejl är okej. En felaktig medicindos är det inte. Prioritera uppgifter där en människa granskar resultatet innan det får betydelse.
Tydligt framgångsmått: Kan du formulera vinsten i en mening som en icke-teknisk chef skulle acceptera?

Det bästa första projektet får höga poäng på alla fyra. Om ett användningsfall är enormt värdefullt men datan inte finns och fel är farliga, är det ett utmärkt projekt för år två och ett uselt för det första.

Föredra "assistera" framför "automatisera" i början

Full automatisering är där oron finns, och där tidsplanerna drar ut. En assisterande version av samma idé levereras långt tidigare och medför långt mindre risk. I stället för ett system som svarar kunder direkt, bygg ett som skriver utkast till svaret som en medarbetare godkänner. I stället för ett system som registrerar fakturor, bygg ett som fyller i fälten i förväg och flaggar dem det är osäkert på.

Du håller en människa i loopen, så misstag fångas upp. Du samlar in verklig användningsdata, så argumenten för djupare automatisering senare grundar sig på bevis i stället för förhoppningar. Och du når produktion på veckor eftersom du inte försöker ta bort människor ur processen redan första dagen.

Sätt ett tråkigt, mätbart mål

Innan någon skriver kod, kom överens om hur framgång ser ut och hur ni mäter den. "Minska den genomsnittliga handläggningstiden för den här ärendetypen från nio minuter till fem." "Halvera antalet fel vid fakturahantering." En siffra du kan stämma av om en månad håller projektet ärligt och ger dig ett tydligt tillfälle att avgöra om ni ska utöka, justera eller stoppa.

Vaga mål som "förbättra kundupplevelsen" kan varken vinnas eller förloras, vilket betyder att projektet aldrig tar slut och aldrig bevisar något.

Ge det en deadline som tvingar fram avgränsning

Sätt en horisont på sex veckor för den första fungerande versionen, inte sex månader. En kort deadline är ett designverktyg: den tvingar dig att skala ner användningsfallet till dess väsentliga kärna och stå emot de funktioner som förvandlar en ren pilot till en spretig plattform. Om det inte kan visa värde på sex veckor är avgränsningen fel, och det är billigare att lära sig det nu.

Så här ser det bra ut

Ett starkt första AI-projekt är smalt, används ofta, granskas av en människa och mäts mot en enkel siffra. Det förtjänar förtroende i det tysta, och det förtroendet är vad som köper dig tillåtelse att ta dig an det svårare, mer ambitiösa arbetet härnäst.

Att välja väl är hela spelet, och det är den del som de flesta företag forcerar. Om du hellre slipper lägga dina första sex månader på att lära dig detta på det dyra sättet, är det den sortens arbete vi gör på Hercules A — vi bär tyngden av det första beslutet så att resten blir lättare.

Välj den uppgift som går att vinna. Leverera den assisterande versionen. Mät den tråkiga siffran. Gör sedan om det.