Pět důvodů, proč mohou být algoritmy AI obtížně implementovatelné v provozním managementu

Od: Evgeniya Malina, Head of Business strategy and operations at Food Rocket.

Podle nedávného výzkumu McKinsey Global Institute je AI připravena zvýšit globální ekonomický výstup o $13 bilionů do roku 2030.

Nicméně, toto je spojeno s vlastními výzvami a neočekávanými důsledky. Některé z nejčastěji identifikovaných rizik a výzev implementace AI zahrnují obavy o soukromí, neschopnost zobecnit a celkovou nedostatek důvěry.

Níže jsou tři výzvy spojené s AI, které specificky ovlivňují provozní management firem.

1. Špatná kvalita dat

První věc, kterou robustní algoritmus AI potřebuje, jsou data. Pro správné trénování algoritmu je nutné mu poskytnout velké množství přesných a kvalitních dat. Bohužel, není vždy snadné tato data získat, a zpráva Gartner z roku 2020 uvádí, že špatná kvalita dat může stát vaši společnost kolem $13 milionů každý rok.

Například některé procesy nemusí mít žádný digitální stopu, když jste poprvé začínali. Není zde žádné data, které byste mohli poskytnout algoritmu, a vše, co můžete dát, jsou pouze hypotézy a vzdělané odhady, což představuje dva problémy.

První problém spočívá v tom, že se do procesu zavádí signifikantní lidská chyba přímo na začátku. Druhý problém spočívá v tom, že výsledky algoritmu jsou pouze rozšířením vašich nejlepších odhadů, a nakonec vám to zanechá nejistou a nestabilní rozhodovací proces.

2. Navigace “Studenými starty” a zapojení zaměstnanců

Automatizace je vynikající pro zefektivnění stávajících procesů, ale za tuto výhodu je nutné zaplatit “studeným startem”. To je situace, kdy musíte začít proces bez historických dat, na kterých by se AI mohlo zakládat. V každém případě AI bude mít problém překonat tuto překážku.

Podle Harvard Business Review 80 procent nebo více času týmu IT je často věnováno zlepšování a zpřesňování nekonzistentních dat pro algoritmy AI.

Často je nutné investovat značné lidské úsilí, aby se AI mohlo dostat přes tuto “studenou” překážku a obnovit plynulé operace.

Z mé zkušenosti vyplývá, že to může způsobit vážné narušení řízení dodavatelského řetězce a může firmám způsobit značné finanční ztráty. Všichni víme, že AI ještě není dostatečně vyvinutá, aby zvládla všechny aspekty provozního managementu. To znamená, že každá AI řešení, která vaše společnost využívá, bude překrývat se s lidským rozhodováním.

Zatímco to může být dobré, může to také vést k odpojení zaměstnanců od jejich osobního rozhodnutí. V některých případech zaměstnanci mohou cítit, že se mohou odpojit od rozhodnutí, protože “to udělal AI”.

Kromě toho je běžné, že zavedení nového algoritmu je doprovázeno významným poklesem kvalitativních ukazatelů. Z mé zkušenosti vyplývá, že tato paradox je důsledkem osoby, která byla dříve zodpovědná za ukazatel, a která se nyní cítí jako nedůležitá součást řetězce automatizovaného rozhodování.

Je důležité řídit tento aspekt automatizace, protože může snadno vést váš tým k cestě nezájmu a sníženému závazku. Také to může způsobit újmu vaší značce. Pokud je AI ponechána sama, aby činila rozhodnutí, může nevědomky začít diskriminovat zákazníky v určitých věkových, pohlavních nebo geografických skupinách.

3. Výzvy s transparentností a efektivní implementací

Jak každý podnikatel ví, věci se mohou změnit v okamžiku. Společnosti nemají vždy čas na vybudování komplexního AI řešení pro novou operaci.

Ve skutečnosti je mnohem častější, že společnosti jsou pod časovým tlakem a musí řešit problém bez pomoci automatizace, protože nastavení nového procesu prostě trvá příliš dlouho. Protože obvykle není čas na psaní komplexních modelů, dochází k jedné ze dvou věcí.

První možností je, že společnost může implementovat téměř kompletní proces, ale vložit manuální mezistupeň, dokud nebude proces upraven. V tomto případě společnosti ztrácí až 80 procent vypočtené efektivity procesu.

Alternativně může společnost nasadit SaaS, aby urychlila implementační proces. Zatímco náklady na čas a peníze budou nižší, problém s efektivitou zůstává. V tomto případě implementace SaaS algoritmů, které nejsou specificky přizpůsobeny potřebám společnosti, může učinit proces méně efektivním, než kdyby byl proveden manuálně.

Kromě těchto problémů je důležité pochopit, že transparentnost v AI procesu je extrémně obtížná na komunikaci s vedením, i odborníkům. To je způsobeno komplexitou algoritmů, ale může způsobit, že váš tým bude mít rezervy vůči přechodu na automatizované provozní řízení.

Kam dál?

Někteří výzkumníci navrhují, že současné výzvy povedou k novým lidským rolím ve společnosti: Trenéři, vysvětlovači a udržovatelé.

Trenéři budou pomáhat optimalizovat výkon AI; vysvětlovači budou úkolem rozkládat rozhodnutí AI pro laiky, a udržovatelé budou pracovat na tom, aby procesy AI byly udržitelné dlouhodobě.

Nicméně, dokud nebude možné plně využívat AI, musí společnosti a zakladatelé zvažovat více než jen významnou konkurenční výhodu, kterou může AI poskytnout. Výhoda musí být vyvážena s nejistotou, časovými náklady a růstovými překážkami, které jsou spojeny s provozní AI.

Umělá inteligence ještě má dlouhou cestu ve vývoji, implementaci a růstu. Bezpochyby může udělat velký rozdíl v provozním managementu, ale zatím nemůžeme plně spoléhat na to, že to vždy bude nejlepší volba.