Dlaczego Sukces AI Zależy od Lepszych Przepływów Pracy, a Nie od Większej Ilości Narzędzi AI

Zauważyłem stały wzorzec w instytucjach finansowych, które testowały ogólnego przeznaczenia narzędzia AI, ale mają trudności z identyfikowaniem i mierzeniem wpływu. Kierownictwo podejmuje decyzję o inwestowaniu, a następnie wdraża je w zespołach i czeka na wpływ. Po kilku miesiącach pojawia się zamieszanie. Wyniki nie są jasne, procesy nie są udoskonalane, przyjęcie jest opóźnione, a liczby pozostają niezmienione. ROI nie jest widoczny, a oni wskazują na narzędzie jako problem, ale rzeczywistość jest taka, że gdy wdraża się ogólne narzędzie dla ogólnych zysków produkcyjnych, nie ma znaczącego sposobu określenia ROI.

Gdy rozmawiam z bankami i związkami kredytowymi o AI, staram się szczegółowo zidentyfikować problem, który próbują rozwiązać za pomocą AI. Odpowiedź często odzwierciedla podejście oparte na narzędziach, a nie podejście oparte na problemie. Otrzymują technologię i są proszeni o bycie produktywnymi, ale nikt nie poświęca czasu na ocenę, które przepływy pracy są naruszone, gdzie żyją wąskie gardła i jak wyglądają wskaźniki sukcesu dla instytucji. Ta identyfikacja i rozróżnienie pomagają wyjaśnić, czy AI jest nawet odpowiednim narzędziem do pracy i złagodzić rozłączenie między technologią a przepływami pracy, które próbuje zoptymalizować.

Dlaczego Ogólne AI Jest Problemem

Gdy dodajesz ogólne AI bez wbudowania go w konkretny przepływ pracy, tylko dodajesz do ciężaru. Członek zespołu musi nauczyć się czegoś nowego, wyciągnąć wnioski na temat tego, gdzie i jak go używać, nawigować w wielu systemach, aby poinformować kontekst, a następnie zsyntetyzować wyniki, aby poinformować decyzje. Przyczynia się również do tego, co wielu z nas nazywa efektem krzesła obrotowego: ciągłym przechodzeniem między platformami i systemami, aby zbudować pełny obraz.

W porównaniu z tym, AI narzędzia zaprojektowane dla konkretnych przepływów pracy spotykają pracowników tam, gdzie pracują, zamiast prosić ich o wprowadzenie nowego nawyku lub systemu. Ponieważ te narzędzia są zaprojektowane zgodnie z przeznaczeniem, rozumieją nuansy przepływu pracy, mają dostęp do źródeł danych i rozumieją, co można i nie można zrobić.

Jeśli cele to ROI i przyjęcie, ale nie ma planu zarządzania zmianą ani budżetu, różnica między „jeszcze jednym narzędziem do nauki” a „zamierzoną częścią przepływu pracy” jest różnicą między widzeniem wyników a ich brakiem.

Jak To Wygląda W Praktyce

Przypadki użycia są znane. Połączenie jest przekierowane do przedstawiciela obsługi klienta, który prosi o wsparcie dla posiadacza konta, który chce dokonać większej płatności niż zwykle i zastanawia się, czy limity przejścia uniemożliwią to. Bez wbudowanego narzędzia AI, przedstawiciel musi przechodzić między wieloma systemami: jednym, aby przejrzeć ostatnie transakcje, jednym, aby ocenić limity, a potencjalnie trzecim, aby zażądać jakichkolwiek dostosowań, a także przeglądu polityki, aby potwierdzić, co jest autoryzowane. Wszystko to dzieje się, gdy posiadacz konta jest w trakcie oczekiwania i czasem zajmuje to nawet do trzydziestu minut.

Gdy AI jest zaprojektowane w przepływ pracy, ta sama zadanie może zająć około dziesięć sekund. Istotne szczegóły transakcji są prezentowane natychmiast, limity są porównywane, dostosowania są dokonywane zgodnie z polityką instytucji, a wszystko można wyświetlić w jednym miejscu. Budowany jest kontakt między przedstawicielem a posiadaczem konta, a instytucja może poświęcić to, co mogłoby być trzydziestoma minutami, na bardziej znaczącą pracę. Różnica jest ilościową poprawą w ramach codziennych przepływów pracy, które bezpośrednio wpływają na doświadczenie klienta i członka.

Podstawa Dla Miernych Wyników

Zaprojektowane AI upraszcza możliwość ilościowego i miernego sukcesu, ponieważ jest zbudowane dla samych przepływów pracy, które zostały zidentyfikowane, zmierzone i wybrane jako okazja do optymalizacji z AI. Oznacza to, że podstawa już istnieje, a można ją następnie zmierzyć przeciwko tym podstawom po fakcie. To ma znaczenie, ponieważ AI jest drogie. Koszty użytkowania są ciągłe i muszą być uzasadnione. Możliwość jasnego komunikowania miernych popraw jest kluczowa, aby zapewnić, że budżety są zatwierdzone i rozliczone.

Konkurencyjna Zaleta Instytucji Wspólnotowych

Pracuję ściśle z wieloma instytucjami wspólnotowymi, a one mają przewagę, która często jest pomijana. Te banki i związki kredytowe znają swoich klientów i członków osobiście. Rozumieją operacyjne niuanse, które sprawiają, że są unikalne, i mogą szybko zidentyfikować, gdzie przepływy pracy są naruszone, oraz gdzie występują wąskie gardła i niekonsekwencje. Ta bliskość ma znaczenie. Gdy zaprojektowane AI jest wdrożone w sposób przemyślany, często jest natychmiastowy wpływ. Zespoły pojawiają się bardziej konsekwentnie i lepiej poinformowane, a wiedza instytucjonalna staje się czymś, co cała organizacja może uzyskać i zbudować.

Gdy AI rozwiązuje prawdziwe problemy klientów i zaczyna automatyzować to, co jest powtarzalne, zespół składający się z 20 osób może dostarczyć wynik i spójność 35-osobowego zespołu. Doświadczenie staje się lepsze dla klientów i członków, a pracownicy odzyskują swój czas, aby skupić się na tym, co ludzie robią najlepiej, takim jak sądy, życzliwość i empatia, która sprawia, że ludzie wracają i wyróżnia instytucje wspólnotowe.

Gdzie Zacząć

Jeśli inwestycje w AI wydają się przytłaczające, zacznij od problemu, a nie od narzędzia AI. Poświęć czas, aby usiąść z zespołem i dowiedzieć się, jakie są ich wyzwania i gdzie leży okazja do poprawy ich doświadczenia pracy. Zrozum, gdzie istnieje tarcie, co wymaga więcej wyjścia niż powinno, i jakie informacje są ciągle wyzwaniem do odkrycia. Odpowiedzi pomogą poinformować, gdzie AI może stworzyć prawdziwą wartość.

Instytucje finansowe, które robią największy postęp z AI, nie są tymi, które poruszały się najszybciej, ale tymi, które zbudowały z celem.