Η επιτυχημένη υιοθέτηση της ΤΝ οδηγεί σε μια δεύτερη φάση εφαρμογής, για την οποία οι εταιρείες σπάνια προετοιμάζονται

Πριν από περίπου τρία χρόνια, αγόρασα την πρώτη μου συνδρομή επί πληρωμή σε υπηρεσία ΤΝ και άρχισα να δοκιμάζω τι μπορούσε πραγματικά να κάνει για μένα. Σταδιακά, αυτό που ξεκίνησε ως προσωπικός πειραματισμός εξελίχθηκε σε ένα μικρό εσωτερικό έργο, έπειτα σε εταιρικές συνδρομές για όλη την επιχείρηση και, τελικά, σε μια εφαρμογή της ΤΝ που κάλυπτε σχεδόν όλα τα τμήματα — την ανάπτυξη, τα οικονομικά, τη νομική υποστήριξη, το μάρκετινγκ και την εξυπηρέτηση πελατών.

Η πρώτη φάση, σε γενικές γραμμές, πέτυχε. Η ταχύτητα της εσωτερικής μας ανάπτυξης αυξήθηκε περίπου πέντε φορές μέσα σε περίπου έξι μήνες. Ταυτόχρονα, αυξήθηκε κι ένας άλλος αριθμός: οι δαπάνες μας για την ΤΝ έγιναν περίπου 15 φορές μεγαλύτερες.

Τότε κατάλαβα ότι η επιτυχημένη υιοθέτηση της ΤΝ μπορούσε να δημιουργήσει τα δικά της προβλήματα. Όταν η τεχνολογία άρχισε να χρησιμοποιείται ευρέως, οι κανόνες με τους οποίους ξεκινήσαμε έπαψαν να λειτουργούν. Το κόστος μπορούσε να ξεφύγει από τον έλεγχο, καθώς η ΤΝ αποκτούσε πρόσβαση σε περισσότερα εταιρικά δεδομένα και αναλάμβανε περισσότερες εργασίες, ενώ πολλά από τα ίδια τα εργαλεία εξακολουθούσαν να ελέγχονται από εξωτερικούς παρόχους.

Τι πρέπει, λοιπόν, να κάνει ένας διευθύνων σύμβουλος όταν η υιοθέτηση της ΤΝ αποδίδει, αλλά η εταιρεία δεν έχει πλέον πλήρη έλεγχο του τρόπου χρήσης της; Ας προσπαθήσουμε να απαντήσουμε.

Μην ταυτίζετε την ενεργή χρήση της ΤΝ με τα επιχειρηματικά αποτελέσματα

Αυτό που παρατήρησα αμέσως ήταν ότι, κατά την πρώτη φάση εφαρμογής, οι δείκτες υιοθέτησης — όπως ο αριθμός των ενεργών χρηστών ή η συχνότητα χρήσης — είχαν νόημα. Ως επικεφαλής, θέλεις να γνωρίζεις αν οι εργαζόμενοι χρησιμοποιούν τα εργαλεία, ποια συγκεκριμένα χρησιμοποιούν και αν η ΤΝ πράγματι τους εξοικονομεί χρόνο. Όταν, όμως, η χρήση επεκταθεί σε ολόκληρη την εταιρεία, αυτοί οι αριθμοί γίνονται πολύ λιγότερο χρήσιμοι.

Το διαπιστώσαμε και οι ίδιοι. Μόλις οι άνθρωποι απέκτησαν πρόσβαση σε ισχυρά μοντέλα, άρχισαν να τα χρησιμοποιούν σχεδόν για τα πάντα. Κάποια στιγμή, εργαζόμενοι άρχισαν να ρωτούν την ΤΝ τι ώρα ήταν στη Νέα Υόρκη. Το παράδειγμα είναι, βέβαια, παράλογο, αλλά δείχνει πόσο γρήγορα μπορεί να αυξηθεί η χρήση χωρίς να δημιουργεί ουσιαστική αξία για την εταιρεία.

Η Shopify αντιμετώπισε παρόμοιο πρόβλημα αφού ενσωμάτωσε την ΤΝ τόσο βαθιά στις λειτουργίες της, ώστε ο εσωτερικός της πράκτορας, ο River, συντάσσει πλέον έως και τα μισά αιτήματα ενσωμάτωσης κώδικα παραγωγής. Ωστόσο, ο διευθύνων σύμβουλος Tobi Lütke προειδοποίησε πρόσφατα για αυτό που αποκαλεί «χειροβομβίδες σαβούρας»: έργο που παράγεται από ΤΝ και το οποίο οι εργαζόμενοι προωθούν χωρίς να το ελέγξουν σωστά, με αποτέλεσμα κάποιος άλλος να πρέπει να εξετάσει, να διορθώσει ή ακόμη και να συνοψίσει το αποτέλεσμα.

Με άλλα λόγια, η μεγαλύτερη δραστηριότητα γύρω από την ΤΝ μπορεί εύκολα να οδηγήσει σε περισσότερη δουλειά αντί για μεγαλύτερη αξία. Μια εταιρεία μπορεί να καταγράφει εντυπωσιακούς δείκτες χρήσης και τεράστιο όγκο παραγόμενου έργου, ενώ ένα μέρος αυτού του έργου απλώς δημιουργεί άλλη μία εργασία για κάποιον άλλον.

Αυτό πρέπει να αλλάξουν οι διευθύνοντες σύμβουλοι. Οι προτροπές, οι συνδέσεις και η κατανάλωση διακριτικών δείχνουν ότι υπάρχει μεγάλη δραστηριότητα στο πλαίσιο της ροής εργασιών. Δεν δείχνουν, όμως, αν η ΤΝ αποσβένει πράγματι το κόστος της.

Η ταχύτητα δημιουργεί ένα νέο σημείο συμφόρησης

Υπάρχει μια παροιμία: όποιος βιάζεται σκοντάφτει. Νομίζω ότι ισχύει και για την ΤΝ, καθώς μάθαμε πως το να γίνονται οι άνθρωποι «ταχύτεροι» με τη βοήθειά της δεν σημαίνει απαραίτητα ότι ξαφνικά έχουν λιγότερη δουλειά.

Στην ανάπτυξη, η ΤΝ επιτρέπει πλέον στην ομάδα μας να παράγει πολύ περισσότερο κώδικα στον ίδιο χρόνο, αλλά το βασικό είναι ότι όλος αυτός ο κώδικας εξακολουθεί να χρειάζεται έλεγχο πριν τεθεί σε λειτουργία. Αναμφίβολα, ο αυτοματοποιημένος έλεγχος βοηθά.

Ωστόσο, απέχει ακόμη πολύ από το να είναι κάτι στο οποίο θα εμπιστευόμουν τυφλά. Έτσι, ενώ οι προγραμματιστές αφιερώνουν λιγότερο χρόνο γράφοντας τα πάντα μόνοι τους, έχουν πλέον πολύ περισσότερα αποτελέσματα να ελέγξουν και να δοκιμάσουν, καθώς και περισσότερες αποφάσεις να πάρουν.

Με άλλα λόγια, η δουλειά δεν εξαφανίζεται. Απλώς εμφανίζεται με άλλη μορφή.

Έτσι, η πενταπλάσια αύξηση της ταχύτητας ανάπτυξης ακούγεται κάπως λιγότερο εντυπωσιακή, δεδομένου ότι αυξάνεται παράλληλα και ο όγκος του κώδικα που χρειάζεται ανθρώπινη επίβλεψη. Το πραγματικό κόστος μιας ροής εργασιών με υποστήριξη ΤΝ περιλαμβάνει επίσης τον χρόνο που απαιτείται για τον έλεγχο όσων παράγει η ΤΝ και, πάνω απ’ όλα, για να αποφασίσουμε αν μπορούμε εξαρχής να εμπιστευτούμε αυτά τα αποτελέσματα.

Η δεύτερη φάση εφαρμογής είναι επιτακτική

Από τη δική μου οπτική, οι εταιρείες χρειάζονται αυτό που θα αποκαλούσα «δεύτερη» φάση εφαρμογής της ΤΝ.

Η πρώτη φάση αφορά κυρίως την υιοθέτηση: να δώσουμε στους ανθρώπους πρόσβαση, να εντοπίσουμε περιπτώσεις χρήσης και να δούμε πού βοηθά πράγματι η τεχνολογία και πού όχι. Μετά, όμως, από αρκετούς μήνες πραγματικής χρήσης, διαθέτετε ήδη κάτι πολύ πιο πολύτιμο από υποθέσεις — τα δικά σας στοιχεία για το πού αυξάνονται οι δαπάνες, ποιες ομάδες παράγουν καλύτερα αποτελέσματα και πού οι άνθρωποι αφιερώνουν υπερβολικά πολύ χρόνο ελέγχοντας τα αποτελέσματα της ΤΝ.

Επομένως, πιστεύω ότι σε αυτό το σημείο έχει νόημα να αναθεωρήσουμε τους κανόνες για την ΤΝ, αντί απλώς να πιέζουμε για ευρύτερη χρήση. Στην πράξη, θα εστίαζα σε τρία πράγματα:

• Αντιστοιχίστε το μοντέλο στην εργασία. Τα συνήθη αιτήματα μπορούν να δρομολογούνται σε μικρότερα και οικονομικότερα μοντέλα, ενώ οι πιο σύνθετες εργασίες να ανατίθενται σε μοντέλα που δικαιολογούν το επιπλέον κόστος. Ο απώτερος στόχος είναι να αποφεύγεται η πληρωμή τιμών μοντέλων αιχμής για εργασίες χαμηλής αξίας.
• Προσδιορίστε πού είναι υποχρεωτικός ο ανθρώπινος έλεγχος. Για κώδικα παραγωγής, νομικά έγγραφα ή άλλα αποτελέσματα υψηλού αντίκτυπου, καθορίστε σε ποιο σημείο πρέπει να εγκρίνει το αποτέλεσμα ένας άνθρωπος προτού αυτό προχωρήσει περαιτέρω στη ροή εργασιών. Ξεχωριστά, θεσπίστε κανόνες πρόσβασης για τα ευαίσθητα δεδομένα, ώστε οι εργαζόμενοι να γνωρίζουν ποια μοντέλα μπορούν να τα λαμβάνουν και ποια όχι.
• Καταρτίστε ένα εναλλακτικό σχέδιο, ακόμη κι αν πιστεύετε ότι δεν το χρειάζεστε. Αν μια κρίσιμη ροή εργασιών εξαρτάται από έναν εξωτερικό πάροχο, καταγράψτε τις προτροπές, τις διασυνδέσεις, τις ροές δεδομένων και τις εξαρτήσεις από συγκεκριμένα μοντέλα με αρκετή λεπτομέρεια, ώστε να είναι δυνατή η μεταφορά του φόρτου εργασίας σε άλλον πάροχο σε περίπτωση έκτακτης ανάγκης.

Αυτή είναι η διαφορά ανάμεσα στην πρώτη και τη δεύτερη ανάπτυξη της τεχνητής νοημοσύνης. Το πρώτο ερώτημα είναι: πού μπορούμε να χρησιμοποιήσουμε την τεχνητή νοημοσύνη; Το δεύτερο είναι: πού πρέπει να τη χρησιμοποιήσουμε, με ποιους κανόνες και με ποιο κόστος;

Ελέγξτε την ανάπτυξη πριν την επεκτείνετε ξανά

Όταν η υιοθέτηση της τεχνητής νοημοσύνης αποδίδει και η πρώτη ανάπτυξη φαίνεται επιτυχημένη, δεν θα συνέχιζα να την επεκτείνω με τον ίδιο τρόπο για ακόμη έναν χρόνο. Μετά από περίπου 90 έως 180 ημέρες πραγματικής χρήσης, θα σταματούσα για να ελέγξω τι έχει πράγματι δημιουργήσει η εταιρεία.

Αυτό σημαίνει ότι μετράμε τα αποδεκτά επιχειρηματικά αποτελέσματα, αντιστοιχίζουμε το μοντέλο και το κόστος του στην πραγματική αξία της εργασίας, εντοπίζουμε πού εξακολουθεί να είναι υποχρεωτικός ο ανθρώπινος έλεγχος και πού μια ροή εργασιών μπορεί να πλησιάσει κάπως περισσότερο στην πλήρη αυτοματοποίηση.

Η πρώτη ανάπτυξη αποδεικνύει ότι η τεχνητή νοημοσύνη μπορεί να κάνει την εταιρεία πιο γρήγορη. Η δεύτερη είναι αυτή που εμποδίζει αυτή την ταχύτητα να οδηγήσει σε περιττές δαπάνες, ανεξέλεγκτη πρόσβαση ή εξαρτήσεις από προμηθευτές στις οποίες η επιχείρηση δεν είχε συναινέσει συνειδητά.