Patru întrebări pe care fiecare COO ar trebui să le pună înainte de a implementa AI

Era AI este plină de promisiuni, fiecare corporație raportează cât de mult au crescut eficiența și cât de mult AI face asta. Ca cineva care a condus operațiuni în multiple startup-uri AI și acum conduce un fond de investiții AI cu peste 120 de companii din portofoliu, văd o imagine diferită. Multe și multe unelte AI utile și automatizări sunt cumpărate, integrate și introduse fără niciun efect sau cu foarte puțin efect. Conform unui raport recent McKinsey despre potențialul AI, aproape 70 la sută din transformările AI eșuează. Problema este că, dacă introduceți chiar și cel mai bun instrument AI într-un proces uman dezorganizat, tot ceea ce obțineți este un proces dezorganizat care este acum și halucinant și pierde context.

Unul dintre investitorii noștri a împărtășit recent că compania lor a introdus agenți AI într-una dintre operațiunile lor și apoi a efectuat un studiu pentru a vedea cât de multă eficiență au obținut. Rezultatele au fost șocante — angajații lor economiseau mult timp pe ceva pe care îl făceau manual înainte, dar cheltuiau exact aceeași cantitate de timp încercând să corecteze greșelile pe care le făcea AI. Nu este de mirare că automatizarea a fost adusă de departamentul IT, iar echipa de operațiuni a fost lăsată în afara procesului. Să vorbim despre modul în care COO poate valorifica AI pentru a îmbunătăți realmente operațiunile.

La DVC, nu numai că investim în startup-uri AI, dar suntem și adoptatori timpurii ai aproape fiecărei tehnologii noi pe care o vedem. Construim agenți proprii și folosim produsele companiilor noastre din portofoliu în fiecare aspect al muncii de VC — de la identificarea și evaluarea tranzacțiilor, asistarea fondatorilor portofoliului, sau construirea unor instrumente pe care investitorii noștri le pot folosi pentru a analiza oportunitățile de investiții angel. Succesul nostru în acest sens vine din aplicarea unui cadru foarte plictisitor, dar foarte util.

Înainte de orice implementare AI, ne punem aceste patru întrebări:

1. Există reguli clare?

Poate fi procesul definit de către anumite linii directoare? Dacă da, este un candidat excelent pentru automatizare. Fluxuri de lucru juridice, reguli de contabilitate, proceduri de integrare structurate? Perfect. Acestea sunt sisteme în care ieșirile urmează reguli. AI prosperă aici.

Dar dacă procesul dvs. este în mod inerent creativ — de exemplu, povestirea unei mărci sau design strategic — autonomia deplină nu va funcționa, iar procesul trebuie să fie proiectat astfel încât oamenii să poată utiliza copiloți. În marketingul de marcă, încălcarea regulilor adesea adăugă valoare. Nu externalizați acest lucru către un agent.

2. Are acest proces o sursă unică de adevăr?

Dacă CRM-ul dvs. spune una, următorul tracker spune altceva, iar actualizarea reală trăiește într-o foaie de calcul personală — opriți. Sistemele AI sunt la fel de bune pe cât este de bună datele pe care le hrăniți.

Crearea unei surse unice de adevăr și eliminarea silourilor de date sau a cunoștințelor este un standard de aur pentru proiectarea proceselor eficiente și, pentru AI agențial, este mai important decât oricând.

Când toate punctele de contact ale clienților și istoricul sunt înregistrate într-o bază de date unificată, AI poate automatiza urmăririle, recomanda următoarele acțiuni și genera rapoarte exacte. Și poate oferi chiar și suport clienți vocal sau programa întâlniri cu clienții. De multe ori vedem startup-uri care reușesc atunci când vând o soluție cu o sursă de adevăr integrată, mai ales atunci când vând către întreprinderi mici, cum ar fi Avoca AI, un asistent telefonic pentru electricieni, integrat cu un CRM încorporat, care asigură că toate datele clienților și interacțiunile sunt centralizate și actualizate.

3. Există o istorie bogată de date?

Fiecare acțiune este înregistrată cu exemple de modul în care au fost luate deciziile? AI învață din modelele din datele dvs. istorice. Fără jurnale, nu există învățăminte. Dacă sistemul dvs. nu înregistrează ce s-a întâmplat și de ce, nu poate genera modele. Nu poate îmbunătăți. Veți irosi bani.

Dar chiar și dacă înregistrați fiecare apel al clientului, îl transcrieți cu AI și îl stocați într-un dosar, probabil că nu va fi suficient. Agenții care lucrează cu acestea ar trebui să fie configurați pentru a converti aceste date nestructurate în date rezumate și structurate, poate chiar și în grafice pentru a înțelege mai bine relațiile, sau ar putea depăși rapid atenția lor. Imaginați-vă că sunteți un angajat care își șterge memoria de fiecare dată când vine la muncă. Puteți citi și scrie cu viteză supraomenească, dar trebuie să vă uitați la megabiți de jurnale de conversații și istoric de chat, încercând să înțelegeți ce face compania și cum să faceți ceea ce v-a cerut managerul. Așa se simte un agent AI fără o bază de date bună.

Cele mai bune echipe nu colectează doar date — le structurează și le versionează cu viitorul în minte. Acesta este momentul în care se formează bucle de învățare. Acesta este momentul în care AI devine mai inteligent, chiar și fără a fi nevoie de antrenarea modelului.

În domeniul sănătății, Collectly aplică acest principiu la scară: folosind ani de date de facturare, plată și interacțiune a pacienților, optimizează facturarea medicală și gestionarea ciclului de venituri. AI lor învață din rezultatele istorice pentru a reduce erorile și a accelera colectarea.

4. Este tehnologia dvs. gata pentru AI?

Poate AI să se conecteze realmente la sistemele și uneltele dvs., sau sunteți blocați cu un portal intern din 1988 care abia se încarcă? Am văzut cazuri în care uneltele interne de operațiuni erau atât de învechite încât nu puteau genera ieșiri structurate — și cu atât mai puțin puteau interfața cu API-uri. În aceste situații, adesea a fost mai rapid și mai eficient să reconstruiți sistemul de la zero decât să forțați AI în infrastructura moștenită. Dacă agenții AI 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 determina care buton să apese.

AI devine infrastructură. Dar, la fel ca electricitatea la începutul secolului al XX-lea, potențialul său se deblochează doar atunci când reconstruiți fabrica, nu doar instalați becuri. Nu faceți retrofit. Reimaginați. Și, desigur, multe unelte interne care costau milioane de dolari pentru a fi dezvoltate înainte pot fi acum codate de la zero de către unul dintre inginerii dvs. în pauza de prânz.

Timpul principiilor de bază.

Acum partea cea mai interesantă. Să spunem că am proiectat un proces ideal – ar fi definit de reguli, ar avea o sursă unică de adevăr și ar colecta date într-un mod structurat pentru a se îmbunătăți singur. Am convins chiar și inginerul nostru să-și petreacă pauza de prânz codând o nouă serie de unelte interne. Dar să mai aruncăm o privire asupra acestui proces o dată. Este foarte probabil că, din cauza automatizării, a devenit mult, mult mai ieftin de rulat. Încercați să vă gândiți la ce se întâmplă cu afacerea dvs. cu acest cost redus atât de mult. Încercați să vedeți o imagine mai mare – cum ar coexista acest proces cu alte procese, dacă ar fi îmbunătățite în același mod? Poate că este timpul să reimaginați totul, având în vedere AI.

De multe ori, gândirea despre operațiunile dvs. de afaceri din principiile de bază poate duce la identificarea unor oportunități neașteptate. De exemplu, la DVC, am automatizat analiza tranzacțiilor, dilligence-ul și pregătirea notei de tranzacție, trecând de la 6 ore de muncă a unei persoane la 3 minute de lucru al AI. În mod tradițional, VC-urile ar fi făcut toată această muncă doar după ce au vorbit cu fondatorii și au confirmat că tranzacția este valoroasă pentru a cheltui aceste 6 ore de muncă a unei persoane, iar firma ar fi avut un număr limitat de analiști. Acum, deoarece a devenit atât de ieftin pentru noi, analizăm piața, pregătim o notă de tranzacție și chiar efectuăm dilligence-ul înainte de a vorbi cu fondatorul. Acest lucru ne permite să avem apeluri doar cu companiile în care știm că putem și vrem să investim, economisind timp atât pentru partenerii noștri, cât și pentru fondatori.

Dar putem merge și mai departe. Deoarece avem, în esență, un analist nelimitat, putem muta aceste unelte în amonte, către investitorii și cercetașii noștri, care ne referă noi oportunități de tranzacționare, astfel încât ei să-și poată economisi timpul, să analizeze fiecare tranzacție prin ochii unui analist VC profesionist și să reducă numărul de ori când am refuza o tranzacție după ce am examinat-o. Încă colectăm toate datele, deoarece le putem folosi pentru a învăța și a face uneltele noastre mai bune.

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

Acest cadru ajută liderii de startup-uri și COO să-și schimbe mentalitatea: de la „Putem folosi AI aici?” — o întrebare de posibilitate tehnică — la „Ar trebui să o facem?”, care impune o examinare mai profundă a valorii strategice, a pregătirii datelor și a menținerii pe termen lung. Este diferența dintre a conecta unelte doar pentru că sunt disponibile și a redesena procesele pentru că este corect să o facem.