Quattro domande che ogni COO dovrebbe porsi prima di implementare l'intelligenza artificiale

L'era dell'intelligenza artificiale è pieno di promesseOgni azienda sta segnalando quanto ha aumentato la propria efficienza e quanto l'intelligenza artificiale stia contribuendo a questo risultato. Avendo gestito diverse startup di intelligenza artificiale e ora gestendo un fondo di venture capital dedicato all'intelligenza artificiale con oltre 120 società in portafoglio, vedo un quadro diverso. Moltissimi strumenti di intelligenza artificiale e automazione utili vengono acquistati, integrati e introdotti con scarsi o nulli effetti. Secondo recente rapporto McKinsey sul potenziale dell'intelligenza artificiale, quasi il 70 percento delle trasformazioni dell'IA fallisce. Il problema è che se si introduce anche il miglior strumento di IA in un processo disordinato gestito dall'uomo, tutto ciò che si ottiene è un processo disordinato che ora è anche allucinando e perdendo contesto.

Uno dei nostri investitori ha recentemente condiviso che la sua azienda ha introdotto agenti di intelligenza artificiale in una delle sue attività e ha poi condotto uno studio per valutare l'efficienza ottenuta. I risultati sono stati sorprendenti: i dipendenti hanno risparmiato molto tempo su qualcosa che prima svolgevano manualmente, ma ne hanno impiegato esattamente la stessa quantità. cercando di correggere gli errori commessi dall'intelligenza artificialeInutile dire che l'automazione è stata introdotta dall'IT, lasciando fuori il team operativo. Vediamo come i COO possono sfruttare l'intelligenza artificiale per migliorare concretamente le operazioni.

In DVC non investiamo solo in startup di intelligenza artificiale, ma siamo anche tra i primi ad adottare praticamente ogni nuova tecnologia che vediamo. Creiamo i nostri agenti e utilizziamo i prodotti delle società in portafoglio in ogni aspetto del lavoro di venture capital: dalla ricerca e valutazione di accordi, all'assistenza ai fondatori di portafoglio, fino alla creazione di strumenti che i nostri investitori utilizzano per valutare opportunità di investimento da parte di investitori informali. Il nostro successo in questo campo deriva dall'applicazione di un framework molto noioso, ma molto utile.

Prima di qualsiasi implementazione dell'intelligenza artificiale, ci poniamo queste quattro domande:

1. Esistono regole chiare?

Il processo può essere definito da linee guida specifiche? In tal caso, è un ottimo candidato per l'automazione. Flussi di lavoro legali, regole contabili, onboarding strutturato? Perfetto. Questi sono sistemi in cui gli output seguono delle regole. L'intelligenza artificiale prospera in questo ambito.

Ma se il processo è intrinsecamente creativo, ad esempio la narrazione di un brand o la progettazione strategica, la piena autonomia non funzionerà e il processo dovrà essere progettato con persone che utilizzano copiloti. Nel marketing di un brand, infrangere le regole è spesso... aggiunge valore. Non affidarlo a un agente.

2. Questo processo ha un'unica fonte di verità?

Se il tuo CRM dice una cosa, il tuo sistema di tracciamento degli ordini un'altra e il vero aggiornamento si trova nel foglio di calcolo personale di qualcuno, fermati un attimo. I sistemi di intelligenza artificiale sono efficaci quanto i dati che fornisci loro.

Creazione un'unica fonte di verità e l'eliminazione dei silos di dati o di conoscenza è un gold standard per la progettazione efficiente dei processi, e per l'intelligenza artificiale agentiva è più importante che mai.

Quando tutti i punti di contatto e le cronologie dei clienti vengono registrati in un database unificato, l'intelligenza artificiale può automatizzare i follow-up, consigliare le azioni successive e generare report accurati. E persino fornire assistenza clienti vocale o pianificare appuntamenti con i clienti. Spesso vediamo startup avere successo quando vendono una soluzione con una fonte di verità integrata, soprattutto quando vendono a piccole imprese, come Avoca AI, un assistente telefonico per elettricisti, integrato con un CRM integrato, che garantisce che tutti i dati e le interazioni con i clienti siano centralizzati e aggiornati.

3. Esiste una cronologia dei dati completa?

Ogni azione viene registrata con esempi di come sono state prese le decisioni? L'intelligenza artificiale impara dai modelli nei dati storici. Niente registri, niente apprendimento. Se il sistema non registra ciò che è accaduto e perché, non può generare modelli. Non può migliorare. Sprecherai soldi.

Ma anche se registrassi ogni chiamata dei clienti, la trascrivessi con l'intelligenza artificiale e la archiviassi in una cartella, probabilmente non sarebbe sufficiente. Gli agenti che lavorano con questo sistema dovrebbero essere configurati per convertire questi dati non strutturati in dati riassuntivi e strutturati, magari anche in grafici per comprendere meglio le relazioni, altrimenti supererebbero rapidamente la loro capacità di attenzione. Immagina di essere un dipendente a cui viene cancellata la memoria ogni volta che viene al lavoro. Sai leggere e scrivere con una velocità sovrumana, ma devi fissare megabyte di registri delle conversazioni e cronologia delle chat cercando di capire cosa fa l'azienda e come fare ciò che il manager ti ha chiesto di fare. È così che "si sente" un agente AI senza un buon database.

I team migliori non si limitano a raccogliere dati: li strutturano e li rielaborano pensando al futuro. È allora che si formano i cicli di apprendimento. È allora che l'intelligenza artificiale diventa più intelligente, anche senza dover eseguire alcun training sui modelli.

In sanità, Collettivamente Applica questo principio su larga scala: utilizzando anni di dati annotati su fatturazione, pagamenti e interazione con i pazienti, ottimizzano la fatturazione medica e la gestione del ciclo dei ricavi. La loro intelligenza artificiale apprende dai risultati storici per ridurre gli errori e accelerare le riscossioni.

4. Il tuo stack tecnologico è pronto per l'intelligenza artificiale?

L'intelligenza artificiale può effettivamente integrarsi nei vostri sistemi e strumenti, o siete bloccati con quel portale interno del 1988 che si carica a malapena? Abbiamo visto casi in cui gli strumenti operativi interni erano così obsoleti da non riuscire a generare output strutturati, figuriamoci a interfacciarsi con le API. In quelle situazioni, era spesso più rapido ed efficace ricostruire il sistema da zero piuttosto che forzare l'intelligenza artificiale in un'infrastruttura legacy. Se gli agenti di intelligenza artificiale possono utilizzare MCP, o un'API strutturata e documentata, è sempre meglio (ed economico) rispetto a quando devono creare screenshot dell'interfaccia ed eseguirli tramite riconoscimento delle immagini per capire quale pulsante premere.

L'intelligenza artificiale sta diventando un'infrastruttura. Ma, come l'elettricità all'inizio del XX secolo, il suo potenziale si libera solo quando si riprogetta la fabbrica, non solo quando si installano lampadine. Non riadattare. Reinventa. E, inutile dirlo, molti strumenti interni, il cui sviluppo costava un milione di dollari prima, ora possono essere codificati da zero da uno dei vostri ingegneri durante la pausa pranzo.

È il momento dei Primi Principi.

Ora la parte più interessante. Supponiamo di aver progettato un processo ideale: sarebbe definito da regole, avrebbe un'unica fonte di verità e raccoglierebbe dati in modo strutturato per auto-migliorarsi. Abbiamo persino convinto il nostro ingegnere a trascorrere la pausa pranzo a programmare un nuovo set di strumenti interni. Ma diamo un'occhiata a questo processo ancora una volta. È molto probabile che, grazie all'automazione, sia diventato molto, molto più economico da gestire. Ora prova a pensare a cosa succederebbe alla tua azienda con questa riduzione dei costi così drastica. Prova a vedere il quadro generale: come coesisterebbe questo processo con altri processi se venissero migliorati allo stesso modo? Forse è il momento di reimmaginare il tutto tenendo conto dell'intelligenza artificiale.

Spesso, pensare alle operazioni aziendali fin dai primi principi può portare a identificare opportunità inaspettate. Ad esempio, in DVC abbiamo automatizzato l'analisi delle transazioni, la due diligence e la preparazione del deal memo, passando da 6 ore/persona a 3 minuti di intelligenza artificiale. Tradizionalmente, i VC svolgevano tutto questo lavoro solo dopo aver parlato con i fondatori e aver verificato che l'operazione valesse la pena di investire queste 6 ore/persona, e l'azienda disponeva di un numero limitato di analisti. Ora, poiché è diventato così conveniente per noi, analizziamo il mercato, prepariamo un deal memo e persino eseguiamo una due diligence PRIMA di parlare con il fondatore. Questo ci permette di contattare telefonicamente solo le aziende in cui sappiamo di poter e vogliamo investire, risparmiando tempo sia ai nostri partner che ai fondatori.

Ma possiamo spingerci ancora oltre. Avendo di fatto un analista illimitato, possiamo trasferire questi strumenti a monte, ai nostri investitori e scout, che ci segnalano nuove opportunità di deal, in modo che possano risparmiare tempo, analizzare ogni deal attraverso gli occhi di un analista di VC professionista e ridurre il numero di volte in cui dovremmo rifiutare un deal dopo averlo esaminato. Continuiamo a raccogliere tutti i dati, perché possiamo usarli per imparare e migliorare i nostri strumenti.

Questo ci ha permesso di essere circa 8 volte più produttivi di una tipica società di venture capital delle nostre dimensioni. Ma non siamo arrivati fin qui per caso. Abbiamo mappato le nostre operazioni interne, applicato le quattro domande e ricostruito tutto partendo dai principi di base.

Questo framework aiuta i leader delle startup e i COO a cambiare mentalità: da "Possiamo usare l'intelligenza artificiale qui?" – una questione di possibilità tecnica – a "Dovremmo?", il che impone un'analisi più approfondita del valore strategico, della prontezza dei dati e della manutenibilità a lungo termine. È la differenza tra integrare gli strumenti perché sono disponibili e riprogettare i processi perché è la cosa giusta da fare.