أربع أسئلة يجب على كل مدير عمليات أن يسألها قبل نشر الذكاء الاصطناعي

عصر الذكاء الاصطناعي مليء بالوعود، كل شركة تقرير كيف زادت كفاءتها وكيف يقوم الذكاء الاصطناعي بذلك. كما شخص قام بتشغيل العمليات في عدة شركات ناشئة تعتمد على الذكاء الاصطناعي وأنا الآن أدير صندوق استثمار في الذكاء الاصطناعي مع أكثر من 120 شركة في المحفظة، أرى صورة مختلفة. هناك الكثير من أدوات الذكاء الاصطناعي المفيدة والآلية التي تم شراؤها وتكاملها وإدخالها دون أي تأثير أو تأثير قليل. وفقًا لالتقرير الأخير لمكينزي حول إمكانات الذكاء الاصطناعي، يفشل ما يقرب من 70٪ من تحولات الذكاء الاصطناعي. المشكلة هي أنك إذا قمت بتقديم أداة الذكاء الاصطناعي حتى أفضلها إلى عملية يديرها الإنسان بشكل فوضوي، فإنك ستحصل على عملية فوضوية أيضًا وهي الآن تخيلات وخسارة السياق.

شارك أحد مستثمري مؤخرًا أن شركته قد أدخلت وكلاء الذكاء الاصطناعي إلى واحدة من عملياتها وأجرت دراسة لمعرفة مقدار الكفاءة التي حققوها. كانت النتائج مدهشة – كان موظفوهم يوفرون الكثير من الوقت على شيء كانوا يفعلونه يدوياً من قبل، ولكنهم يقضون نفس المدة الزمنية في محاولة لتصحيح الأخطاء التي يرتكبها الذكاء الاصطناعي. ومن الطبيعي أن يتم إدخال الآلية من قبل فريق تكنولوجيا المعلومات وترك فريق العمليات خارجها. دعونا نتحدث عن كيفية قيام مديري العمليات بتمكين الذكاء الاصطناعي لتحسين العمليات بشكل فعلي.

في DVC، نحن لا نستثمر فقط في شركات ناشئة تعتمد على الذكاء الاصطناعي، بل نحن أيضًا من أوائل من يعتمدون تقنيات جديدة تقريبًا. نبني وكلاءنا الخاصين ونستخدم منتجات شركات المحفظة في كل جانب من جوانب عمل رأس المال الاستثماري – من البحث عن الصفقات وتقييمها ومساعدة مؤسسي الشركات الناشئة أو بناء أدوات يستخدمها مستثمرونا للاطلاع على فرص الاستثمار في الشركات الناشئة. يأتي نجاحنا من تطبيق إطار عمل ممل و مفيد.

قبل أي نشر للذكاء الاصطناعي، نسأل هذه الأسئلة الأربع:

1. هل هناك قواعد واضحة؟

هل يمكن تعريف العملية بواسطة إرشادات محددة؟ إذا كان الأمر كذلك، فهي مرشحة رائعة للآلية. سيرورة عمل القانونية، قواعد المحاسبة، التوجيه المنظم؟ مثالي. هذه هي الأنظمة التي تتبع قواعد الإخراج. الذكاء الاصطناعي يزدهر هنا.

لكن إذا كانت عمليةك تتسم بالابداع بشكل جوهري – على سبيل المثال، سرد القصص التجارية أو التصميم الاستراتيجي – لن تعمل الاستقلالية الكاملة، ويجب تصميم العملية مع أشخاص يستخدمون مساعدات. في التسويق التجاري، يضيف كسر القواعد في كثير من الأحيان القيمة. لا تنتقل هذه المهمة إلى وكيل.

2. هل توجد مصدر وحيد للحقيقة؟

إذا قال نظام إدارة علاقات العملاء شيء واحد، وقال تتبع الطلبات شيء آخر، وعاشت التحديث الفعلي في جدول بيانات شخصي لشخص ما – أوقف. أنظمة الذكاء الاصطناعي ليست أفضل من البيانات التي تغذيها.

إنشاء مصدر وحيد للحقيقة وإlimination البيانات أو المعرفة الفوضوية هو معيار تصميم عملية كفء، وللذكاء الاصطناعي الوكيل أكثر من أي وقت مضى.

عندما يتم تسجيل جميع نقاط الاتصال بالعملاء وتاريخهم في قاعدة بيانات موحدة، يمكن للذكاء الاصطناعي تلقائيًا متابعة العملاء، وتوصية الإجراءات التالية، وتوليد تقارير دقيقة. وأيضًا تقديم دعم العملاء الصوتي أو جدولة مواعيد العملاء. في كثير من الأحيان نرى شركات ناشئة تنجح عندما تبيع حلًا يحتوي على مصدر وحيد للحقيقة، خاصة عند بيعها لشركات صغيرة، مثل Avoca AI، مساعد هاتفي للكهربائيين، متكامل مع نظام إدارة علاقات العملاء المدمج، مما يضمن أن تكون جميع بيانات العملاء والتفاعلات مركزية ومتاحة.

3. هل هناك تاريخ غني بالبيانات؟

هل يتم تسجيل كل إجراء مع أمثلة لتحديد كيفية اتخاذ القرارات؟ يتعلم الذكاء الاصطناعي من الأنماط في بياناتك التاريخية. لا سجلات، لا تعلم. إذا لم تسجل نظامك ما حدث ولماذا، فإنه لا يمكن أن يولد أنماطًا. لا يمكن أن يتحسن. ستضيع المال.

لكن حتى لو كنت تسجل كل مكالمة عملاء، وترجمتها بذكاء اصطناعي وتخزينها في مجلد، فمن المحتمل أن لا يكون ذلك كافياً. يجب على الوكلاء العاملين مع ذلك أن يتم تكوينهم لتحويل هذه البيانات غير المهيكلة إلى بيانات منظمَة ومركبة، ربما حتى إلى رسوم بيانية لفهم العلاقات بشكل أفضل، أو سيتجاوز ذلك انتباههم بسرعة. تخيل أنك موظف يفقد ذاكرته كل مرة يأتي للعمل. يمكنك القراءة والكتابة بسرعة خارقة، لكن عليك النظر إلى مجلدات من سجلات المحادثات وتاريخ الدردشة محاولًا فهم ما تفعله الشركة وكيفية القيام بما طلب منه المدير. هذا هو كيف يشعر وكيل الذكاء الاصطناعي بدون قاعدة بيانات جيدة.

أفضل الفرق لا تجمع البيانات فقط – بل تهيكلها وتصدرها مع النظر إلى المستقبل. هذا هو عندما تتكون الحلقات التعلم. هذا هو عندما يصبح الذكاء الاصطناعي أكثر ذكاء، حتى بدون الحاجة إلى تدريب النماذج.

في مجال الرعاية الصحية، يطبق Collectly هذا المبدأ على نطاق واسع: باستخدام سنوات من بيانات الفواتير والمدفوعات والتفاعلات مع المرضى المُحسَّنة، يُحسِّن إدارة الفواتير الطبية ودورة إيراداتها. يتعلم الذكاء الاصطناعي من النتائج التاريخية لتقليل الأخطاء وتسريع الجمع.

4. هل تكن تقنيةك جاهزة للذكاء الاصطناعي؟

هل يمكن للذكاء الاصطناعي بالفعل ربط نفسه بنظمك وأدواتك، أو أنك عالق مع بوابة داخلية من عام 1988 التي تتحمل بصعوبة؟ لقد رأينا حالات حيث كانت أدوات العمليات الداخلية قديمة لدرجة أنها لم تكن قادرة على توليد مخرجات منظمَة – ناهيكم عن التفاعل مع واجهات برمجة التطبيقات. في تلك الحالات، كان من الأفضل في كثير من الأحيان إعادة بناء النظام من الصفر بدلاً من إجبار الذكاء الاصطناعي على البنية التحتية القديمة. إذا كان وكلاء الذكاء الاصطناعي يستطيعون استخدام بروتوكول الاتصال أو واجهة برمجة التطبيقات الموثقة والموضحة، فإنه دائمًا أفضل (وأرخص) من عندما يضطر إلى التقاط لقطات من الواجهة وتمريرها عبر برنامج التعرف على الصور لتحديد الزر الذي يجب الضغط عليه.

الذكاء الاصطناعي يصبح بنية تحتية. ولكن مثل الكهرباء في أوائل القرن العشرين، فإن إمكاناته لا تتحقق إلا عندما تعيد تصميم المصنع، لا عندما تثبت فقط لمبات كهربائية. لا تقم بتركيبها بشكل متقادم. اعيد تصورها. ومن الواضح أن الكثير من الأدوات الداخلية التي كانت تكلف ملايين الدولارات لتطويرها من قبل يمكن أن تُكتب من الصفر بواسطة أحد مهندسي الشركة خلال فترة الاستراحة.

وقت المبادئ الأساسية.

الجزء الأكثر إثارة للاهتمام الآن. دعونا نقول إننا قد صممنا عملية مثالية – ستكون محددة بالقواعد، وستحتوي على مصدر وحيد للحقيقة، وستجمع البيانات بطريقة منظمَة لتحسينها ذاتيًا. لقد أقنعت حتى مهندسنا بإنفاق فترة الاستراحة في كتابة أدوات داخلية جديدة. لكن دعونا ننظر إلى هذه العملية مرة أخرى الآن. من المحتمل أن تكون هذه العملية أصبحت أرخص بكثير لتشغيلها بسبب الآلية. حاول أن ترى الصورة الأكبر – كيف سوف تتعايش هذه العملية مع العمليات الأخرى إذا تم تحسينها بنفس الطريقة؟ ربما حان الوقت لإعادة تصور كل شيء مع الذكاء الاصطناعي في الاعتبار.

في كثير من الأحيان، يمكن أن يؤدي التفكير في عمليات عملك من المبادئ الأساسية إلى تحديد فرص غير متوقعة. على سبيل المثال، في DVC، قمنا بآلية تحليل الصفقات والتحقق من صحتها وإعداد مذكرة الصفقات، وأصبحت ناجحة في الانتقال من 6 ساعات عمل إلى 3 دقائق من عمل الذكاء الاصطناعي. تقليديًا، كان المستثمرون يفعلون كل هذا العمل بعد التحدث مع المؤسسين وتأكيد أن الصفقة تستحق إنفاق هذه 6 ساعات من العمل، وكان للشركة عدد محدود من المحللين. الآن، منذ أن أصبحت هذه العملية رخيصة بالنسبة لنا، نقوم بتحليل السوق، وإعداد مذكرة الصفقات، وحتى القيام ببعض التحقق من صحتها قبل التحدث مع المؤسس. هذا يسمح لنا بالحديث فقط مع الشركات التي نعرف أننا نستطيع الاستثمار فيها، ووضع الوقت لشركائنا والمؤسسين على حد سواء.

لكننا يمكن أن نذهب إلى أبعد من ذلك. منذ أن لدينا في الأساس محلل غير محدود، يمكننا نقل هذه الأدوات إلى مستثمرينا وطواقم الكشافة، الذين يُحالون إلينا فرص استثمار جديدة، بحيث يمكنهم توفير وقتهم، وتحليل كل صفقة من خلال عيون محلل استثماري محترف، وتقليل عدد المرات التي سنرفض فيها صفقة بعد استعراضها. لا يزال لدينا كل البيانات، لأننا يمكن أن نستخدمها للتعلم وجعل أدواتنا أفضل.

سمح لنا هذا أن نكون حوالي 8 مرات أكثر إنتاجية من شركة استثمارية نموذجية بحجمنا. لكننا لم نصل إلى هنا بالصدفة. قمنا بتحديد عملياتنا الداخلية، وتطبيق الأسئلة الأربع، وإعادة البناء من المبادئ الأساسية.

يساعد هذا الإطار قادة الشركات الناشئة ومديري العمليات على تغيير تفكيرهم: من “هل يمكننا استخدام الذكاء الاصطناعي هنا؟” – سؤال عن الإمكانية الفنية – إلى “هل يجب علينا ذلك؟”، مما يفرض نظرة أعمق على القيمة الاستراتيجية، و جاهزية البيانات، و صيانة طويلة الأمد. هذا هو الفرق بين وضع الأدوات لأنها متاحة وتصميم العمليات لأنها الشيء الصحيح الذي يجب القيام به.