COO가 AI를 배포하기 전에 물어야 할 4가지 질문

AI 시대는 많은 약속을 가지고 있습니다. 모든 기업은 효율성을 얼마나 높였는지, AI가 얼마나 많은 일을 하는지 보고하고 있습니다. 여러 개의 AI 스타트업에서 운영을 맡았으며, 현재 120개 이상의 포트폴리오 회사들이 있는 AI 벤처 캐피탈 펀드를 운영하고 있습니다. 하지만 실제로는 많은 유용한 AI 도구와 자동화가 구매되고 통합되고 도입되었지만, 거의 또는 전혀 효과가 없습니다. 최근 McKinsey 보고서에 따르면, 거의 70%의 AI 변革이 실패합니다. 문제는 가장好的 AI 도구를 사람이 운영하는 혼란스러운 프로세스에 도입하면, 혼란스러운 프로세스가 ahora도 환상을 보이고 맥락을 잃어버리는 것입니다.

최근에 우리의 투자자 중 한 명이 그들의 회사에서 AI 에이전트를 하나의 운영에 도입하고, 효율성을 얼마나 향상시켰는지에 대한 연구를 수행했습니다. 결과는 충격적이었습니다. 직원들은 이전에 수동으로 수행하던 작업에 많은 시간을 절약했지만, AI가犯한 오류를 수정하는 데 동일한 양의 시간을 소비했습니다. 당연히 자동화는 IT에 의해 도입되었으며, 운영 팀은 외면되었습니다. COO가 실제로 운영을 개선하기 위해 AI를 어떻게 활용할 수 있는지에 대해 이야기해 보겠습니다.

DVC에서 우리는 не仅 AI 스타트업에 투자하고 있뿐만 아니라, 거의 모든 새로운 기술을 초기 채택하고 있습니다. 우리는 우리自己的 에이전트를 구축하고, 우리의 포트폴리오 회사들의 제품을_VC 작업의 모든 측면에서 사용합니다. 즉, 거래 소싱 및 스코어링, 포트폴리오 설립자 지원, 우리의 LP가 천사 투자 기회를 살펴보기 위해 사용하는 도구 구축 등에 사용합니다. 이러한 성공은 매우 지루하지만 매우 유용한 프레임워크를 적용한 결과입니다.

AI 배포 전에 우리는 다음 네 가지 질문을 합니다.

1. 명확한 규칙이 있나요?

프로세스를 특정 지침으로 정의할 수 있나요? 그렇다면 자동화의 좋은 후보입니다. 법적 워크플로, 회계 규칙, 구조화된 온보딩? 완벽합니다. 이러한 시스템은 규칙에 따라 출력이 생성됩니다. AI는 여기서 번창합니다.

하지만 프로세스가 본질적으로 창의적이라면 — 예를 들어, 브랜드 스토리텔링 또는 전략적 디자인 — 완전한 자율성은 작동하지 않으며, 프로세스는 사람과 함께 사용하는 공조자로 설계되어야 합니다. 브랜드 마케팅에서 규칙을 깨는 것은 종종 가치를 추가합니다. 에이전트에게 이를 아웃소싱하지 마십시오.

2. 이 프로세스에 단일 진실의 원천이 있나요?

CRM이 한 가지를 말하고, 주문 추적기가 다른 것을 말하며, 실제 업데이트가 누군가의 개인 스프레드시트에 살면 — 일시 중지합니다. AI 시스템은 입력한 데이터만큼 좋은 것입니다.

단일의 진실 원천을 만들고 데이터 또는 지식의 격리를 제거하는 것은 효율적인 프로세스 설계의 금상입니다. 에이전트 AI의 경우에는 더 중요합니다.

모든 고객 터치 포인트와 기록이統一 데이터베이스에 로그인되어 있다면, AI는 자동으로 후속 조치를 자동화하고, 다음 조치를 추천하고, 정확한 보고서를 생성할 수 있습니다. 또한 음성 고객 지원이나 클라이언트 약속을 예약할 수 있습니다. 우리는 종종 시작업이 솔루션에 내장된 단일의 진실 원천과 함께 판매할 때 성공한다는 것을 보았습니다. 특히 작은 비즈니스에 판매하는 경우, Avoca AI와 같은 전기공의 전화 보조를 통합한 CRM을 보유하고 있습니다. 모든 고객 데이터와 상호작용이 중앙화되고 최신 상태를 유지합니다.

3. 풍부한 데이터 기록이 있나요?

모든 동작이 로그인되어 있고, 결정이 어떻게 이루어졌는지에 대한 예가 있나요? AI는 귀하의 역사적 데이터의 패턴에서 학습합니다. 로그가 없으면 학습할 수 없습니다. 시스템이 발생한 일과 왜 발생했는지 기록하지 않으면 패턴을 생성할 수 없습니다. 개선할 수 없습니다. 돈을浪費할 것입니다.

하지만 고객과의 모든 통화를 녹음하고, AI로 전사하고, 폴더에 저장한다고 해도, 아마 충분하지 않을 것입니다. 이러한 비정형 데이터를 요약하고 구조화하고, 그래프로 변환하여 관계를 더 잘 이해하도록 에이전트를 구성해야 합니다. 그렇지 않으면 에이전트의 주의력을 초과할 것입니다. 직원이 기억을 매일 지우고,超人적인 속도로 읽고 쓰지만, 회사에서 무엇을 하는지, 어떻게 해야 하는지 알기 위해 대화 기록과 채팅 기록을 보고 있는 자신을 상상해 보십시오. Đó가 에이전트가 좋은 데이터베이스 없이 느끼는 것입니다.

최선의 팀은 단순히 데이터를 수집하지 않습니다. 미래를 염두에 두고 구조화하고 버전을 관리합니다. 그렇게 하면 학습 루프가 형성됩니다. 그렇게 하면 AI가 더智能해집니다. 모델 훈련을 수행할 필요도 없습니다.

의료 분야에서 Collectly는 이 원칙을 대규모로 적용합니다. 수년간의 주석이 달린 청구, 지불 및 환자 상호작용 데이터를 사용하여 의료 청구 및 수익 주기 관리를 최적화합니다. 그들의 AI는 역사적 결과에서 학습하여 오류를 줄이고 수집을 가속화합니다.

4. 기술 스택이 AI 준비가 되었나요?

AI가 실제로 시스템과 도구에 연결할 수 있나요? 아니면 1988년의 내부 포털에 갇혀서 거의 로드되지 않나요? 우리는 내부 운영 도구가 너무 구식이라 구조화된 출력을 생성할 수 없고, API와 인터페이스를 할 수 없다는 경우를 보았습니다. 그런 상황에서는 시스템을 처음부터 재구축하는 것이 AI를 레거시 인프라에 강제로 연결하는 것보다 더 빠르고 효과적이었습니다. AI 에이전트가 MCP 또는 구조화된 문서화된 API를 사용할 수 있다면, 인터페이스를 통해 이미지 인식으로 인터페이스를 분석하여 어떤 버튼을 눌러야 하는지 결정해야 하는 경우보다 항상 더 좋습니다(그리고 더 저렴합니다).

AI는 인프라가되고 있습니다. 하지만 20세기 초의 전기와 마찬가지로, 그 잠재력은 공장을 재설계할 때만 해방됩니다. 설치된 불빛만 설치하는 것이 아닙니다. 재설계하십시오. 그리고 당연히 이전에 개발하기 위해 100만 달러를 소비해야 했던 많은 내부 도구는 이제 엔지니어가 점심 시간에 vibe coding으로부터 새로 만들 수 있습니다.

첫 번째 원칙의 시간입니다.

이제 가장 흥미로운 부분입니다. 이상적인 프로세스를 설계했다고 가정해 보겠습니다. 규칙으로 정의되고, 단일의 진실 원천을 가지며, 구조화된 방식으로 데이터를 수집하여 자체적으로 개선할 수 있습니다. 우리는 또한 엔지니어가 점심 시간에 새로운 내부 도구를 vibe coding하도록 설득했습니다. 하지만 이제 이 프로세스를 다시 한 번 살펴보겠습니다. 자동화로 인해 실행하기 위해 매우 저렴해졌을 가능성이 큽니다. 비즈니스에 대한 더 큰 그림을 볼 때, 이 프로세스가 다른 프로세스와 어떻게 공존하는지 생각해 보십시오. 아마도 AI를 고려하여 모든 것을 재설계할 때입니다.

많은 경우에 비즈니스 운영을 첫 번째 원칙에서 생각하면, 예상치 못한 기회를 식별하는 데 도움이 될 수 있습니다. 예를 들어, DVC에서 우리는 거래 분석, Due Diligence, 거래 메모 준비를 자동화하여, 6명/시간에서 3분의 AI 작업으로 효과적으로 전환했습니다. 전통적으로, VC는 거래를 확인하기 전에 이러한 작업을 수행했으며, 회사에는 분석가가 제한적이었습니다. 이제 우리에게는 매우 저렴하기 때문에, 우리는 시장 분석, 거래 메모 준비, Due Diligence를 수행하기 전에 설립자와 통화하기 전에 수행합니다. 이렇게 하면 우리의 파트너와 설립자 모두 시간을 절약할 수 있습니다.

하지만 우리는 더 나아갈 수 있습니다. 사실상 무제한 분석가를 가지기 때문에, 우리는 이러한 도구를 우리의 투자자와 스카우트에게 이전하여, 새로운 거래 기회를 참조할 때 시간을 절약하고, 전문적인 VC 분석가의 눈으로 모든 거래를 분석하여, 우리가 검토한 후에 통과해야 하는 거래의 수를 줄일 수 있습니다. 우리는 여전히 모든 데이터를 수집합니다. 왜냐하면 우리는 도구를 더 좋게 만들기 위해 사용할 수 있기 때문입니다.

이렇게 하면 우리는 일반적인 VC 회사보다 약 8배 더 생산적일 수 있습니다. 하지만 우리는 우연히 여기까지 오지 않았습니다. 우리는 내부 운영을 매핑하고, 4가지 질문을 적용하고, 처음부터 다시 구축했습니다.

이 프레임워크는 스타트업 리더와 COO가 마음가짐을 바꾸는데 도움이 됩니다. 기술적인 가능성에 대한 질문인 “여기서 AI를 사용할 수 있나요?”에서, 전략적 가치, 데이터 준비, 장기적인 유지 가능성에 대한 더 깊은 조사로 바뀝니다. 이는 도구를 사용할 수 있기 때문에 플러그인하는 것과 프로세스를 재설계하는 것의 차이입니다. 그것은 옳은 일을 하는 것입니다.