Γιατί Η Επιτυχία Του AI Εξαρτάται Από Καλύτερες Ροές Εργασίας, Όχι Περισσότερα Εργαλεία AI

Έχω παρατηρήσει ένα επαναλαμβανόμενο μοτίβο σε χρηματοπιστωτικά ιδρύματα που έχουν δοκιμάσει εργαλεία AI γενικής χρήσης, αλλά δυσκολεύονται να προσδιορίσουν και να μετρήσουν τον αντίκτυπό τους. Η διοίκηση αποφασίζει να επενδύσει, τα διαθέτει στις ομάδες και περιμένει αποτελέσματα. Έπειτα από λίγους μήνες αρχίζει η σύγχυση. Τα αποτελέσματα δεν είναι σαφή, οι διαδικασίες δεν βελτιώνονται, η υιοθέτηση υστερεί και οι αριθμοί παραμένουν ίδιοι. Η απόδοση της επένδυσης δεν είναι εμφανής και θεωρούν ότι φταίει το εργαλείο. Η πραγματικότητα όμως είναι ότι όταν εφαρμόζεις ένα εργαλείο γενικής χρήσης για αόριστα οφέλη παραγωγικότητας, δεν υπάρχει ουσιαστικός τρόπος να προσδιορίσεις την απόδοση της επένδυσης.

Όταν μιλάω με τράπεζες και πιστωτικές ενώσεις για την AI, προσπαθώ να εμβαθύνω και να εντοπίσω το πρόβλημα που επιδιώκουν να λύσουν με αυτήν. Η απάντηση συχνά αντανακλά μια προσέγγιση που ξεκινά από τα εργαλεία, αντί για μια προσέγγιση που ξεκινά από το πρόβλημα. Τους δίνεται τεχνολογία και τους ζητείται να είναι παραγωγικοί, αλλά κανείς δεν αφιερώνει χρόνο για να αξιολογήσει ποιες ροές εργασίας δυσλειτουργούν, πού βρίσκονται τα σημεία συμφόρησης και ποιοι δείκτες θα αποτυπώνουν την επιτυχία για το ίδρυμα. Αυτή η διάγνωση και αξιολόγηση βοηθά να αποσαφηνιστεί αν η AI είναι καν το κατάλληλο εργαλείο για την εργασία και να μειωθεί η απόσταση ανάμεσα στην τεχνολογία και τις διαδικασίες που επιχειρεί να βελτιώσει.

Γιατί η AI γενικής χρήσης δημιουργεί πρόβλημα

Όταν προσθέτεις ένα εργαλείο AI γενικής χρήσης χωρίς να το ενσωματώνεις σε συγκεκριμένη ροή εργασίας, απλώς αυξάνεις το βάρος. Ο εργαζόμενος πρέπει να μάθει κάτι νέο, να αποφασίσει πού και πώς θα το χρησιμοποιήσει, να περιηγηθεί σε πολλά συστήματα για να συγκεντρώσει το απαραίτητο πλαίσιο και κατόπιν να συνθέσει τα ευρήματα ώστε να λάβει αποφάσεις. Αυτό ενισχύει και το λεγόμενο «φαινόμενο της περιστρεφόμενης καρέκλας»: τη συνεχή μετακίνηση μεταξύ πλατφορμών και συστημάτων για να σχηματιστεί ολοκληρωμένη εικόνα. 

Αντίθετα, τα εργαλεία AI που έχουν σχεδιαστεί για συγκεκριμένες ροές εργασίας υποστηρίζουν τους εργαζομένους εκεί όπου ήδη εργάζονται, αντί να τους ζητούν να υιοθετήσουν νέα συνήθεια ή σύστημα. Επειδή είναι φτιαγμένα για συγκεκριμένο σκοπό, κατανοούν τις ιδιαιτερότητες της ροής εργασίας, έχουν πρόσβαση στις πηγές δεδομένων και γνωρίζουν τι μπορεί και τι δεν μπορεί να γίνει.

Αν στόχοι είναι η απόδοση της επένδυσης και η υιοθέτηση, αλλά δεν υπάρχει σχέδιο ή προϋπολογισμός διαχείρισης της αλλαγής, η διαφορά μεταξύ «ενός ακόμη εργαλείου που πρέπει να μάθω» και «μιας προσθήκης σχεδιασμένης ειδικά για τη ροή εργασίας μου» μπορεί να καθορίσει αν θα υπάρξουν αποτελέσματα.

Πώς λειτουργεί αυτό στην πράξη

Οι περιπτώσεις χρήσης είναι οικείες. Μια κλήση προωθείται σε εκπρόσωπο εξυπηρέτησης πελατών: ένας κάτοχος λογαριασμού θέλει να κάνει μεγαλύτερη πληρωμή από ό,τι συνήθως και αναρωτιέται αν τα όρια συναλλαγών θα την εμποδίσουν. Χωρίς ενσωματωμένο εργαλείο AI, ο εκπρόσωπος πρέπει να μεταβαίνει μεταξύ πολλών συστημάτων: ενός για να ελέγξει τις πρόσφατες συναλλαγές, ενός για να εξετάσει τα όρια και, ενδεχομένως, ενός τρίτου για να ζητήσει αλλαγές. Πρέπει επίσης να συμβουλευτεί την πολιτική του ιδρύματος για να επιβεβαιώσει τι επιτρέπεται. Όλα αυτά γίνονται ενώ ο κάτοχος του λογαριασμού περιμένει στη γραμμή και μερικές φορές απαιτούν έως και τριάντα λεπτά.

Όταν η AI έχει ενσωματωθεί ειδικά για τη συγκεκριμένη ροή εργασίας, η ίδια εργασία μπορεί να πλησιάζει τα δέκα δευτερόλεπτα. Οι σχετικές λεπτομέρειες συναλλαγών εμφανίζονται άμεσα, τα όρια συγκρίνονται, γίνονται προσαρμογές σύμφωνα με τις πολιτικές του ιδρύματος και όλα είναι ορατά σε ένα σημείο. Ενισχύεται η σχέση μεταξύ εκπροσώπου και κατόχου λογαριασμού, ενώ το ίδρυμα μπορεί να αφιερώσει σε πιο ουσιαστική εργασία τον χρόνο που διαφορετικά θα έφτανε τα τριάντα λεπτά. Πρόκειται για μετρήσιμη βελτίωση στις καθημερινές ροές εργασίας, με άμεσο αντίκτυπο στην εμπειρία πελατών και μελών.

Βάση για μετρήσιμα αποτελέσματα

Η AI που σχεδιάζεται για συγκεκριμένο σκοπό διευκολύνει την ποσοτικοποίηση και τη μέτρηση της επιτυχίας, επειδή κατασκευάζεται για τις ίδιες ροές εργασίας που εντοπίστηκαν, μετρήθηκαν και επιλέχθηκαν ως ευκαιρίες βελτίωσης με AI. Υπάρχουν, επομένως, ήδη αρχικές μετρήσεις με τις οποίες μπορούν να συγκριθούν τα μεταγενέστερα αποτελέσματα. Αυτό έχει σημασία επειδή η AI είναι ακριβή. Το κόστος χρήσης συνεχίζεται και πρέπει να δικαιολογείται. Η σαφής παρουσίαση μετρήσιμων βελτιώσεων είναι κρίσιμη για την έγκριση των προϋπολογισμών και τη λογοδοσία για τη χρήση τους.

Το ανταγωνιστικό πλεονέκτημα των τοπικών χρηματοπιστωτικών ιδρυμάτων

Συνεργάζομαι στενά με πολλά ιδρύματα που εξυπηρετούν τοπικές κοινότητες και διαθέτουν ένα πλεονέκτημα που συχνά παραβλέπεται. Αυτές οι τράπεζες και πιστωτικές ενώσεις γνωρίζουν προσωπικά τους πελάτες και τα μέλη τους. Κατανοούν τις λειτουργικές ιδιαιτερότητες που τις ξεχωρίζουν και μπορούν να εντοπίσουν γρήγορα πού δυσλειτουργούν οι ροές εργασίας και πού υπάρχουν σημεία συμφόρησης και ασυνέπειες. Αυτή η εγγύτητα μετράει. Όταν η AI για συγκεκριμένο σκοπό εφαρμόζεται με προσοχή, ο αντίκτυπος είναι συχνά άμεσος. Οι ομάδες λειτουργούν με μεγαλύτερη συνέπεια και καλύτερη πληροφόρηση, ενώ η συσσωρευμένη γνώση του ιδρύματος γίνεται προσβάσιμη σε ολόκληρο τον οργανισμό, ώστε να μπορεί να αξιοποιηθεί και να εξελιχθεί.

Όταν η AI λύνει πραγματικά προβλήματα πελατών και αρχίζει να αυτοματοποιεί επαναλαμβανόμενες εργασίες, μια ομάδα 20 ατόμων μπορεί να επιτύχει το έργο και τη συνέπεια μιας ομάδας 35 ατόμων. Η εμπειρία βελτιώνεται για τους πελάτες και τα μέλη, ενώ οι εργαζόμενοι ανακτούν χρόνο για όσα κάνουν καλύτερα οι άνθρωποι: αποφάσεις που απαιτούν κρίση, ευγένεια και ενσυναίσθηση. Αυτά είναι που κάνουν τους ανθρώπους να επιστρέφουν και διαφοροποιούν τα τοπικά ιδρύματα.

Από πού να ξεκινήσετε

Αν οι επενδύσεις στην AI φαίνονται αποθαρρυντικές, ξεκινήστε από το πρόβλημα και όχι από το εργαλείο. Αφιερώστε χρόνο στις ομάδες σας για να μάθετε ποιες δυσκολίες αντιμετωπίζουν και πού υπάρχουν ευκαιρίες να βελτιωθεί η εργασιακή τους εμπειρία. Κατανοήστε πού εμφανίζονται εμπόδια, τι απαιτεί περισσότερη προσπάθεια από όση θα έπρεπε και ποιες πληροφορίες είναι διαρκώς δύσκολο να βρεθούν. Οι απαντήσεις θα δείξουν πού μπορεί η AI να δημιουργήσει πραγματική αξία. 

Τα χρηματοπιστωτικά ιδρύματα που προοδεύουν περισσότερο με την AI δεν είναι όσα κινήθηκαν ταχύτερα, αλλά όσα ανέπτυξαν λύσεις με σαφή σκοπό.