AI Spotyka się z Inżynierią Analityczną: Dojrzałość AI w Procesie

Firmy z różnych branż i specjalności czują potrzebę zanurzenia się w świecie AI, w tym również inżynierii analitycznej. Możliwości są rzeczywiste i ekscytujące, ale organizacje, które chcą wykorzystać je w pełni, powinny wdrożyć strukturę procesową w sposób przemyślany i realistyczny, oparty na dojrzałości AI. Przeanalizujmy, jak to zrobić.

Poziomy Dojrzałości AI

Opisując złożoność AI, poziomy dojrzałości AI są przydatne jako prosta i wyjaśniająca struktura.

Poziom 1: Wspomagana Inteligencja (Automatyzacja): Podstawowa automatyzacja powtarzalnych zadań i przepływów pracy. Przykłady: czatboty z ustalonymi odpowiedziami, narzędzia do przeglądania stron internetowych, wewnętrzne narzędzia wyszukiwania.

Poziom 2: Wzmocniona Inteligencja (Analiza Kierowana): Określasz metodę/model i to, co AI ma analizować, a AI wykonuje resztę. Przykłady: algorytmy licytacji reklam, narzędzia do podsumowywania treści.

Poziom 3: Autonomiczna Inteligencja (Samoucząca się AI): AI wybiera metody, znajduje wzorce i proponuje rozwiązania. Przykłady: samochody autonomiczne, autonomiczne roboty handlowe.

Ciśnienie, by być „AI”

Oczywiście, dzisiaj jest duża presja, by „być na poziomie 3”. Ale to w dużej mierze zależy od zasobów, aktywów, podstawowych zdolności, wiedzy i ludzi Twojej firmy. Najlepsze podejście to rozpoczęcie od miejsca, gdzie ma to sens, nawet jeśli jest to poziom 1.

W tej chwili istnieje miliony artykułów online, które bombardują Cię pomysłami na AI. Ale pomysły nie przynoszą dochodów. Zgodnie z danymi Adobe, tylko 12% firm obecnie ma działające rozwiązania AI, które wykazują wyraźny zwrot z inwestycji. Większość z nich wciąż jest w fazie pilotażu, oceny skuteczności lub boryka się z wyzwaniami w skalowaniu inicjatyw AI. Wiele zespołów ma trudności z identyfikowaniem, gdzie AI może być znacząco zintegrowana z ich przepływami pracy, a nawet gdy zostanie zidentyfikowany przypadek użycia, wiele organizacji nie posiada wewnętrznych zdolności do budowy niestandardowych narzędzi AI lub znajdowania niezawodnych rozwiązań zewnętrznych.

Przejdźmy do realistycznych zastosowań. Istnieją świetne sposoby na stopniowe wprowadzanie AI do realistycznych elementów pracy dla liderów, którzy są gotowi zwiększyć odpowiedzialność.

Co można zautomatyzować, tworząc analitykę dla produktu ecommerce/SaaS

Moim zdaniem, istnieją dwa powszechne procesy w zespołach inżynierii analitycznej, które są idealnymi kandydatami do budowania dojrzałości AI:

1. AI dla Zarządzania Wiedzą i Onboardingu
2. AI dla Automatyzacji QA i Audytu

1. AI dla Zarządzania Wiedzą i Onboardingu

Dokumentacja jest kluczowym narzędziem do śledzenia złożonych systemów. Zgodnie z Ramą Procesu, SDR (Odwołanie do Projektu Rozwiązania) musi udokumentować każdy z pięciu kroków. Może to wyglądać następująco:

• Proces #1: Dokumentowanie oczekiwanych wyników.
• Proces #2: Śledzenie historii zbierania danych.
• Proces #3: Notowanie historii wymagań danych partnerów technologicznych.
• Proces #4: Szczegółowe opisywanie warstwy danych we wszystkich aplikacjach i powierzchniach.
• Proces #5: Opisywanie i szczegółowe opisywanie architektury inżynierskiej z diagramami, hierarchiami i wymaganiami.

Teraz dodajmy trochę AI do tego.

Poziom 1

Na poziomie 1 możesz zacząć używać wewnętrznych czatbotów AI do odzyskiwania dokumentów.

Wiele firm ma już wewnętrzne czatboty, które mogą być przeszkolone na dokumentacji własnościowej. Jeśli nie masz wewnętrznego czatbota, możesz użyć trybu incognito lub usunąć dokumentację przed podaniem jej do bota.

Pożywaj swojego bota SDR, ręcznie, nazwami konwencji i standardami wdrożeniowymi.

Po pomyślnym wydaniu, pożywaj swoje notatki z projektu AI lub plany wdrożeniowe, aby dodać do dokumentacji. Następnie, zapytaj AI o następujące pytania:

• „Jaki jest najlepszy sposób wdrożenia X, jeśli chcę użyć tej samej logiki co Y?”
• „Jakie dane są wymagane do zebrania dla śledzenia zakupów?”
• „Jakie tagi są brakujące na tej nowej stronie produktu?”

Wynikiem tego procesu jest to, że spędzasz mniej czasu na przeglądaniu dokumentacji lub wysyłaniu wiadomości do współpracowników, nowi członkowie zespołu mogą samodzielnie znaleźć odpowiedzi, a wiedza plemienna staje się skalowalna.

Istnieją pewne zastrzeżenia tutaj. Ta metoda naprawdę działa, jeśli dobrze wykonujesz dokumentację, i staje się skalowalna tylko wtedy, gdy przeszkolisz i wymaganiasz od swoich ludzi używania tego narzędzia.

Poziom 2

Jeśli to działa dla Twojego departamentu, pomyśl o zwiększeniu poziomu połączenia Twojego czatbota bezpośrednio z Twoją technologią. Możesz zautomatyzować automatyzację.

Poziom 3

Jestem pewien, że niebo jest granicą. Kierunek, który bym podążał, to budowanie proaktywnej AI, która flaguje nieścisłości i proponuje ulepszenia. Rzeczywistość jest taka, że niewiele firm osiąga ten poziom, a ja piszę ten artykuł dla większości z nas, którzy wciąż uczą się podstaw.

2. AI dla Automatyzacji QA i Audytu

Regularne audytowanie metod zbierania danych jest jedną z najlepszych praktyk dla Ramy Procesu. Bardzo często, audytor będzie albo zespołem QA, albo alternatywnie może być użyty narzędzie audytowe. Na przykład, ObservePoint to dobrze wyposażone i wysoko dostosowywane narzędzie, które pozwala na budowanie skomplikowanych przepływów audytu. Nawet z robotem, zawsze możesz użyć trochę więcej AI, prawda?

Poziom 1

Zacznijmy od zautomatyzowania technicznych aspektów. Budowanie podróży w narzędziach audytowych, takich jak ObservePoint, często jest techniczne i wymaga dużej pomocy. Aby zautomatyzować niektóre z tych powtarzalnych zadań technicznych podczas budowania podróży audytowych, możesz ponownie poprosić o pomoc czatbota AI. Zapytaj AI o następujące pytania:

„Daj mi selektor CSS dla przycisku „Następny krok”.”

„Napisz kod niestandardowy, który automatycznie wybiera wszystkie ciasteczka.”

Wynikiem tego powinno być większa łatwość użytkowania podczas pracy z wysoko technicznymi narzędziami, szybsze rozwiązywanie problemów i mniej zależności od pomocy i deweloperów frontendowych.

Istnieją pewne zastrzeżenia tutaj. Jeśli nie używasz robota do audytu danych, możesz użyć zespołu QA. Zespół QA może przyjąć automatykę dla wspólnych kroków. Zacznij od małych kroków, zwiększaj tempo, gdy będziesz gotowy; Twoje następne kroki staną się bardziej klarowne, gdy wykonasz pierwszy krok.

Poziom 2

Dla poziomu 2 użycia AI, spójrz na integrację Twojego czatbota z narzędziem bezpośrednio, unikając ręcznego uruchamiania czatbota.

Poziom 3

Na koniec, dla poziomu 3, niebo jest granicą. Odkryj, jak możesz uczynić swoje automatykę bardziej proaktywną w wykrywaniu ulepszeń i proponowaniu rozwiązań. Idź tą drogą tylko wtedy, gdy czujesz się komfortowo poruszając się na poziomie 2.

Co Nie Zautomatyzować (Jeszcze)

Zastanówmy się nad Najlepszą Praktyką #3: Współpracuj z partnerami technologicznymi. To jest coś, co ludzie wciąż robią najlepiej. Możesz użyć AI do przygotowania się do rozmów z dostawcami, podsumowania umów lub wytycznych integracji. Ale na razie, budowanie relacji pozostaje ludzkie.

Podsumowanie

Nawet jeśli nie masz budżetu na rozwój AI, możesz zacząć od narzędzi, które już masz. Dobra struktura procesu i dobry czatbot idą daleko.

Zacznij prosto, od poziomu 1 lub 2, i pozwól swojemu zespołowi przyzwyczaić się. Gdy zobaczysz, gdzie AI oszczędza czas i zwiększa spójność, wiesz, gdzie inwestować w bardziej zaawansowane narzędzia. Najtrudniejszą częścią adopcji AI jest często określenie, gdzie jej potrzebujesz. Gdy już ustalisz tę bazę, spróbuj przesunąć rzeczy na wyższy poziom z Twoim zespołem i zobacz, jak wiele łatwiej może być inżynieria analityczna zasilana przez AI.

Chcesz dowiedzieć się więcej o AI w inżynierii analitycznej i konkretnie o najlepszych procesach dla czystego zbierania danych? Spójrz na mój artykuł o tworzeniu Czystej Ramy Danych Ecommerce.