Patru întrebări pe care fiecare director de operațiuni ar trebui să le pună înainte de a implementa inteligența artificială

Era IA este plin de promisiuni, fiecare corporație raportează cât de mult și-a sporit eficiența și cât de mult face IA acest lucru. Ca cineva care a condus operațiuni în mai multe startup-uri de IA și acum administrează un fond de capital de risc IA cu peste 120 de companii în portofoliu, văd o imagine diferită. O mulțime de instrumente și automatizări IA utile sunt achiziționate, integrate și introduse fără efect sau cu un efect redus. Conform Raport recent McKinsey despre potențialul inteligenței artificiale, aproape 70% din transformările IA eșuează. Problema este că, dacă introduci chiar și cel mai bun instrument IA într-un proces dezordonat condus de oameni, tot ce obții este un proces dezordonat care acum este și el halucinații și pierdere context.

Unul dintre investitorii noștri a împărtășit recent că firma lor a introdus agenți de inteligență artificială într-una dintre operațiunile lor și apoi a realizat un studiu pentru a vedea cât de multă eficiență au câștigat. Rezultatele au fost șocante - angajații lor economiseau mult timp la ceva ce făceau manual înainte, dar petreceau exact același timp. încercând să remedieze greșelile făcute de IAInutil să mai spun că automatizarea a fost introdusă de IT, iar echipa de operațiuni a fost omisă. Să vorbim despre cum pot directorii operaționali să utilizeze inteligența artificială pentru a îmbunătăți efectiv operațiunile.

La DVC nu investim doar în startup-uri de inteligență artificială, ci suntem și printre primii care adoptă aproape fiecare tehnologie nouă pe care o vedem. Ne construim proprii agenți și folosim produsele companiilor din portofoliul nostru în fiecare aspect al activității de capital de risc - de la identificarea și scorarea tranzacțiilor, la asistarea fondatorilor de portofoliu sau la construirea de instrumente pe care LP-ii noștri le folosesc pentru a analiza oportunități de investiții providențiale. Succesul nostru în acest sens vine din aplicarea unui cadru foarte plictisitor, dar foarte util.

Înainte de orice implementare a inteligenței artificiale, ne punem aceste patru întrebări:

1. Există reguli clare?

Poate fi procesul definit prin linii directoare specifice? Dacă da, este un candidat excelent pentru automatizare. Fluxuri de lucru juridice, reguli contabile, integrare structurată? Perfect. Acestea sunt sisteme în care rezultatele respectă regulile. IA prosperă aici.

Dar dacă procesul tău este în mod inerent creativ - să zicem, povestirea despre brand sau designul strategic - autonomia deplină nu va funcționa, iar procesul trebuie conceput cu oameni care utilizează copiloți. În marketingul de brand, încălcarea regulilor se întâmplă adesea... adaugă valoare. Nu externalizați acest lucru către un agent.

2. Are acest proces o singură sursă de adevăr?

Dacă sistemul tău CRM spune una, sistemul tău de urmărire a comenzilor alta, iar actualizarea reală se află în foaia de calcul personală a cuiva — pauză. Sistemele de inteligență artificială sunt la fel de bune ca datele pe care le furnizezi.

Crearea o singură sursă de adevăr iar eliminarea compartimentării datelor sau a cunoștințelor este un standard de aur pentru proiectarea eficientă a proceselor, iar pentru IA agentivă este mai importantă ca niciodată.

Când toate punctele de contact și istoricul clienților sunt înregistrate într-o bază de date unificată, inteligența artificială poate automatiza urmăririle, poate recomanda acțiunile următoare și poate genera rapoarte precise. Și chiar poate oferi asistență vocală pentru clienți sau poate programa întâlniri cu clienții. De multe ori vedem startup-uri care au succes atunci când vând o soluție cu o sursă de adevăr încorporată, în special atunci când vând către întreprinderi mici, cum ar fi... Avocado AI, un asistent telefonic pentru electricieni, integrat cu un CRM încorporat, asigurând că toate datele și interacțiunile clienților sunt centralizate și actualizate.

3. Există un istoric bogat al datelor?

Fiecare acțiune este înregistrată cu exemple despre cum au fost luate deciziile? IA învață din tiparele din datele istorice. Fără jurnale, nu se pot învăța lucruri. Dacă sistemul nu înregistrează ce s-a întâmplat și de ce, nu poate genera tipare. Nu se poate îmbunătăți. Vei irosi bani.

Dar chiar dacă înregistrezi fiecare apel al clientului, îl transcrii cu ajutorul inteligenței artificiale și îl stochezi într-un folder, probabil că nu va fi suficient. Agenții care lucrează cu acest sistem ar trebui să fie configurați să convertească aceste date nestructurate în date rezumate și structurate, poate chiar în grafice, pentru a înțelege mai bine relațiile, altfel le-ar depăși rapid capacitatea de atenție. Imaginează-ți că ești un angajat, căruia i se șterge memoria de fiecare dată când vii la serviciu. Poți citi și scrie cu o viteză supraomenească, dar trebuie să te holbezi la megaocteți de jurnale de conversații și istoric al chat-urilor încercând să-ți dai seama ce face compania și cum să faci ceea ce ți-a cerut managerul. Așa se „simte” un agent cu inteligență artificială fără o bază de date bună.

Cele mai bune echipe nu doar colectează date - le structurează și le versionează având în minte viitorul. Atunci se formează buclele de învățare. Atunci IA devine mai inteligentă, chiar și fără a fi nevoie de antrenamentul modelului.

În domeniul sănătății, Adună aplică acest principiu la scară largă: folosind ani de date adnotate privind facturarea, plățile și interacțiunea cu pacienții, optimizează facturarea medicală și gestionarea ciclului de venituri. Inteligența artificială învață din rezultatele istorice pentru a reduce erorile și a accelera încasările.

4. Este stiva ta tehnologică pregătită pentru inteligență artificială?

Poate inteligența artificială să se conecteze cu adevărat la sistemele și instrumentele tale sau ești blocat cu acel portal intern din 1988 care abia se încarcă? Am văzut cazuri în care instrumentele operaționale interne erau atât de învechite încât nu puteau genera rezultate structurate - darămite să interacționeze cu API-urile. În aceste situații, era adesea mai rapid și mai eficient să reconstruiești sistemul de la zero decât să forțezi inteligența artificială să intre în infrastructura moștenită. Dacă agenții inteligenți artificiali pot utiliza MCP sau un API structurat și documentat, este întotdeauna mai bine (și mai ieftin) decât atunci când trebuie să facă capturi de ecran ale interfeței și să le ruleze prin recunoașterea imaginilor pentru a afla ce buton să apese.

IA devine o infrastructură. Dar, la fel ca electricitatea la începutul secolului al XX-lea, potențialul său se deblochează doar atunci când reproiecți fabrica, nu doar instalezi becuri. Nu o modernizezi. Reimaginezi. Și, evident, o mulțime de instrumente interne a căror dezvoltare costa un milion de dolari înainte pot fi acum programate prin vibrații de la zero de către unul dintre inginerii tăi în pauza de masă.

Timpul Primelor Principii.

Acum, partea cea mai interesantă. Să presupunem că am conceput un proces ideal – ar fi definit prin reguli, ar avea o singură sursă de adevăr și ar colecta date într-un mod structurat pentru a ne auto-îmbunătăți. Chiar l-am convins pe inginerul nostru să-și petreacă pauza de prânz programând un nou set de instrumente interne. Dar haideți să analizăm încă o dată acest proces. Este foarte probabil ca, din cauza automatizării, să fi devenit mult, mult mai ieftin de gestionat. Acum încercați să vă gândiți ce se întâmplă cu afacerea dvs. odată cu reducerea atât de mare a costurilor. Încercați să vedeți o imagine de ansamblu – cum ar coexista acest proces cu alte procese dacă acestea ar fi îmbunătățite în același mod? Poate că este timpul să reimaginați totul având în minte inteligența artificială.

De multe ori, gândirea la operațiunile afacerii tale de la primele principii poate duce la identificarea unor oportunități neașteptate. De exemplu, în cadrul DVC (Distribution Value Volum - DVC), am automatizat analiza tranzacțiilor, due diligence și pregătirea memorandumurilor de tranzacție, trecând efectiv de la 6 ore/persoană la 3 minute de inteligență artificială care făcea treaba. În mod tradițional, investitorii de capital de risc făceau toată această muncă doar după ce vorbeau cu fondatorii și confirmau că merită să cheltuiesc aceste 6 ore/persoană pentru tranzacție, iar firma avea un număr limitat de analiști. Acum, din moment ce a devenit atât de ieftin pentru noi, analizăm piața, pregătim un memorandum de tranzacție și chiar facem o oarecare due diligence ÎNAINTE de a vorbi cu fondatorul. Acest lucru ne permite să avem apeluri doar cu companii în care știm că putem și dorim să investim, economisind timp atât pentru partenerii, cât și pentru fondatorii noștri.

Dar putem merge și mai departe. Întrucât avem practic un analist nelimitat, putem transfera aceste instrumente în amonte către investitorii și cercetatorii noștri, care ne recomandă oportunități de noi tranzacții, astfel încât să își poată economisi timp, să analizeze fiecare tranzacție prin ochii unui analist VC profesionist și să reducă numărul de renunțări la o tranzacție după ce o analizăm. Încă colectăm toate datele, deoarece le putem folosi pentru a învăța și a ne îmbunătăți instrumentele.

Acest lucru ne-a permis să fim de aproximativ 8 ori mai productivi decât o firmă de capital de risc tipică de dimensiunea noastră. Dar nu am ajuns aici din întâmplare. Ne-am cartografiat operațiunile interne, am aplicat cele patru întrebări și am reconstruit de la principiile inițiale.

Acest cadru îi ajută pe liderii și directorii operaționali ai startup-urilor să își schimbe mentalitatea: de la „Putem folosi inteligența artificială aici?” - o chestiune de posibilitate tehnică - la „Ar trebui?”, ceea ce obligă la o analiză mai profundă a valorii strategice, a disponibilității datelor și a mentenanței pe termen lung. Este diferența dintre a conecta instrumente pentru că sunt disponibile și a reproiecta procesele pentru că este lucrul corect de făcut.