Pemimpin pemikiran
AI Bertemu dengan Teknik Analisis: Kematangan AI untuk Proses
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Perusahaan di berbagai industri dan spesialisasi merasa perlu untuk terjun ke dunia AI, dan itu termasuk teknik analisis. Kesempatan-kesempatan tersebut nyata, dan mereka sangat menarik, tetapi organisasi yang ingin memanfaatkan kesempatan tersebut harus menerapkan struktur proses mereka dengan cara yang cerdas dan realistis, berdasarkan kematangan AI mereka. Mari kita jelajahi bagaimana.
Tingkat Kematangan AI
Ketika menjelaskan kompleksitas AI yang digunakan, tingkat kematangan AI membantu sebagai kerangka sederhana yang menjelaskan.
Tingkat 1: Intelijen yang Dibantu (Otomatisasi): Otomatisasi tugas dan alur kerja yang berulang. Contoh: chatbot dengan balasan tetap, alat pengambil data website, alat pencarian internal.
Tingkat 2: Intelijen yang Ditingkatkan (Analisis yang Dipandu): Anda memberitahu AI metode/model dan apa yang harus dianalisis, dan AI melakukan sisanya. Contoh: algoritma penawaran iklan, ringkasan konten.
Tingkat 3: Intelijen Otonom (AI yang Belajar Sendiri): AI memilih metode, menemukan pola, dan menawarkan rekomendasi. Contoh: mobil self-driving, robot perdagangan saham otonom.
Tekanan untuk “AI”
Tentu saja, saat ini ada banyak tekanan untuk “berada di tingkat 3”. Tetapi itu sangat bergantung pada sumber daya, aset, kemampuan inti, pengetahuan, dan orang-orang perusahaan. Pendekatan terbaik adalah memulai dari mana itu masuk akal, bahkan jika itu di Tingkat 1.
Saat ini, ada jutaan artikel online yang membombardir Anda dengan ide-ide untuk AI. Tetapi ide-ide tidak membawa hasil. Menurut Adobe, hanya 12% perusahaan saat ini memiliki solusi AI yang berfungsi dan menunjukkan ROI yang jelas. Sebagian besar dari mereka masih dalam tahap pilot, mengevaluasi efektivitas, atau menghadapi tantangan dalam menskalakan inisiatif AI. Banyak tim kesulitan mengidentifikasi di mana AI dapat diintegrasikan secara bermakna ke dalam alur kerja mereka dan bahkan ketika kasus penggunaan diidentifikasi, banyak organisasi kekurangan kemampuan internal untuk membangun alat AI khusus atau menemukan solusi eksternal yang dapat diandalkan.
Mari kita tetap pada aplikasi yang realistis. Ada cara-cara yang baik untuk mengembangkan penggunaan AI yang bertahap menjadi elemen kerja yang realistis bagi pemimpin yang siap untuk meningkatkan tanggung jawab.
Apa yang dapat diotomatisasi ketika Anda membangun analitik untuk produk ecommerce/SaaS
Menurut pendapat saya, ada dua proses umum dalam tim teknik analisis yang sukses yang merupakan kandidat yang baik untuk membangun kematangan AI:
- AI untuk Pengelolaan Pengetahuan & Onboarding
- AI untuk Otomatisasi QA & Audit
1. AI untuk Pengelolaan Pengetahuan & Onboarding
Dokumentasi adalah alat kunci untuk melacak sistem yang kompleks. Menurut Kerangka Proses, SDR (Referensi Desain Solusi) perlu mendokumentasikan setiap langkah dari lima langkah. Ini bisa terlihat seperti ini:
- Proses #1: Mendokumentasikan hasil yang diharapkan.
- Proses #2: Melacak cerita pengumpulan data yang secara teratur diperiksa.
- Proses #3: Mencatat sejarah persyaratan data pemangku kepentingan teknis pihak ketiga.
- Proses #4: Mendetailkan lapisan data di seluruh aplikasi dan permukaan.
- Proses #5: Menggambarkan dan mendetailkan arsitektur teknik dengan diagram, hierarki, dan persyaratan.
Sekarang, mari kita tambahkan sedikit AI ke dalamnya.
Tingkat 1
Di tingkat 1, Anda dapat mulai menggunakan chatbot internal untuk pengambilan dokumen.
Banyak perusahaan sekarang memiliki chatbot internal yang dapat dilatih pada dokumentasi milik sendiri. Jika Anda tidak memiliki chatbot internal, Anda dapat menggunakan mode penyamaran atau meredaksi dokumentasi sebelum memberikannya kepada bot.
Beri bot Anda SDR, manual QA, konvensi penamaan, dan standar implementasi.
Setelah rilis yang sukses, berikan bot Anda catatan proyek atau rencana implementasi untuk menambahkan dokumentasi. Kemudian, tanyakan bot Anda pertanyaan-pertanyaan berikut:
- “Apa metode terbaik untuk mengimplementasikan X jika saya ingin menggunakan logika yang sama seperti Y?”
- “Apa data yang diperlukan untuk dikumpulkan untuk melacak pembelian?”
- “Apa tag yang hilang dari halaman produk baru ini?”
Hasil dari proses ini adalah Anda menghabiskan waktu yang lebih sedikit untuk memeriksa dokumen atau menghubungi rekan kerja, anggota tim baru dapat melayani sendiri jawaban dan pengetahuan suku menjadi dapat diskalakan.
Ada beberapa catatan di sini. Metode ini benar-benar berfungsi jika Anda melakukan pekerjaan yang baik dalam memelihara dokumentasi, dan itu hanya menjadi dapat diskalakan jika Anda melatih dan memerlukan orang-orang Anda untuk menggunakan alat tersebut.
Tingkat 2
Jika ini berfungsi untuk departemen Anda, pikirkan tentang meningkatkan ke tingkat yang lebih tinggi dengan menghubungkan chatbot Anda langsung ke teknologi Anda. Anda dapat mengotomatisasi otomatisasi.
Tingkat 3
Saya yakin langit adalah batasnya di sini. Arah yang saya akan kejar adalah membangun AI proaktif yang menandai inkonsistensi dan menawarkan perbaikan. Kenyataannya adalah bahwa sedikit perusahaan yang mencapai tingkat ini, dan saya menulis artikel ini untuk sebagian besar dari kita, yang masih belajar dasar-dasarnya.
2. AI untuk Otomatisasi QA & Audit
Mengaudit secara teratur metode pengumpulan data adalah salah satu praktik terbaik untuk Kerangka Proses. Sangat sering, auditor akan menjadi tim QA, atau alternatifnya, alat audit dapat digunakan. Misalnya, ObservePoint adalah alat yang sangat disesuaikan yang memungkinkan Anda membangun alur audit yang sangat kompleks. Bahkan dengan robot, Anda selalu dapat menggunakan sedikit AI lagi, bukan?
Tingkat 1
Mari kita mulai dengan mengotomatisasi teknis. Membangun perjalanan di alat audit robot seperti ObservePoint sering teknis. Dan memerlukan banyak dukungan. Untuk mengotomatisasi beberapa tugas teknis yang berulang, sambil membangun perjalanan audit, Anda dapat sekali lagi meminta bantuan chatbot AI. Tanyakan AI pertanyaan-pertanyaan berikut:
“Berikan saya selektor CSS untuk tombol ‘Langkah Berikutnya’.”
“Tulis kode khusus yang secara otomatis memilih semua cookie.”
Hasil dari ini harus lebih mudah digunakan ketika bekerja dengan alat teknis yang sangat kompleks, lebih cepat dalam memecahkan masalah dan lebih sedikit ketergantungan pada dukungan dan pengembang frontend.
Beberapa catatan di sini adalah bahwa jika Anda tidak menggunakan robot crawler untuk audit data, Anda mungkin menggunakan tim QA. Tim QA dapat melihat untuk mengadopsi otomatisasi untuk langkah-langkah umum. Mulai kecil, tingkatkan sekali siap; langkah-langkah berikutnya hanya menjadi lebih jelas sekali Anda mengambil langkah pertama.
Tingkat 2
Untuk penggunaan AI Tingkat 2, lihatlah untuk mengintegrasikan chatbot Anda dengan alat secara langsung, sambil menghindari prompt manual chatbot.
Tingkat 3
Terakhir, untuk penggunaan Tingkat 3, langit lagi adalah batasnya. Temukan bagaimana Anda dapat membuat otomatisasi Anda lebih proaktif dalam menemukan perbaikan dan merekomendasikan solusi. Hanya lakukan ini jika Anda merasa nyaman dengan navigasi Tingkat 2.
Apa yang Tidak Boleh Dioutomatisasi (Belum)
Mari kita pertimbangkan Praktik Terbaik #3: Berkolaborasi dengan pemangku kepentingan teknis pihak ketiga. Ini adalah sesuatu yang masih dilakukan oleh manusia. Anda dapat menggunakan AI untuk mempersiapkan panggilan vendor, merangkum kontrak atau menggambar garis besar integrasi. Tetapi untuk sekarang, pembangunan hubungan tetap manusia.
Pemikiran Akhir
Bahkan jika Anda tidak memiliki anggaran untuk pengembangan AI khusus, Anda dapat memulai dengan alat yang sudah Anda miliki. Proses yang baik dan chatbot yang baik dapat membawa Anda jauh.
Mulai sederhana, dengan Tingkat 1 atau 2, dan biarkan tim Anda menjadi nyaman. Sekali Anda melihat di mana AI menghemat waktu dan meningkatkan konsistensi, Anda akan tahu di mana untuk berinvestasi dalam alat yang lebih maju. Bagian tersulit dari adopsi AI seringkali menentukan di mana Anda membutuhkannya di tempat pertama. Sekali Anda telah menetapkan dasar tersebut, coba tingkatkan dengan tim Anda, dan lihat betapa mulusnya teknik analisis yang ditenagai AI dapat menjadi.
Apakah Anda ingin mempelajari lebih lanjut tentang AI dalam teknik analisis, dan lebih khusus, proses terbaik untuk pengumpulan data yang bersih? Lihat artikel saya tentang membuat Kerangka Data Ecommerce yang Bersih.
