Her COO’nun AI’yi Dağıtmadan Önce Sorması Gereken Dört Soru

AI çağı vaat edilen bir dönem, her şirket verimliliklerini nasıl artırdıklarını ve AI’nın bunu nasıl yaptığını rapor ediyor. Birden fazla AI startup’ında operasyonları yönetmiş ve şimdi 120’den fazla portföy şirketimiz olan bir AI VC fonunu yöneten biri olarak farklı bir tablo görüyorum. Çok sayıda faydalı AI aracı ve otomasyon satın alınıyor, entegre ediliyor ve hiçbir etki yaratmadan tanıtılıyor. Son McKinsey raporuna göre, AI dönüşümlerinin neredeyse %70’i başarısız oluyor. Sorun, en iyi AI aracını bile insan tarafından yönetilen karmaşık bir sürece tanıttığınızda, sadece karmaşık bir süreç elde edersiniz ve bu artık halüsinasyonlara ve bağlam kaybına neden olur.

Yatırımcılarımızdan biri recently şirketinin operasyonlarının bir bölümüne AI ajanları tanıttığını ve ne kadar verimlilik kazandıklarını görmek için bir çalışma yaptıklarını paylaştı. Sonuçlar şok ediciydi – çalışanları daha önce manuel olarak yaptıkları şeylerde çok zaman kazanıyorlardı, ancak AI’nın yaptığı hataları düzeltmeye aynı miktarda zaman harcıyorlardı. IT tarafından getirilen otomasyon ve operasyon ekibinin dışarıda bırakılması gerektiği açıktır. Şimdi COO’ların operasyonları gerçekten iyileştirmek için AI’yi nasıl kullanabileceklerine konuşalım.

DVC’de sadece AI startup’larına yatırım yapmıyoruz, aynı zamanda gördüğümüz her yeni teknolojinin erken benimseyicisiyiz. Kendi ajanlarımızı oluşturuyoruz ve portföy şirketlerimizin ürünlerini VC işinin her alanında kullanıyoruz – anlaşma kaynakları, anlaşma puanlaması, portföy kurucularına yardım veya LP’lerimizin melek yatırım fırsatlarına bakmak için kullandıkları araçlar. Bu başarımız, çok sıkıcı ama çok faydalı bir çerçeve uygulamamızdan kaynaklanıyor.

Herhangi bir AI dağıtımı öncesi, aşağıdaki dört soruyu soruyoruz:

1. Açık Kurallar Var mı?

Süreç, belirli rehberliklerle tanımlanabilir mi? Evetse, bu, otomasyon için mükemmel bir adaydır. Yasal iş akışları, muhasebe kuralları, yapılandırılmış işe alma? Mükemmel. Bu, çıkışların kurallara uyduğu sistemlerdir. AI burada mükemmel çalışır.

Ancak süreciniz temel olarak yaratıcıysa – Örneğin, marka hikayeciliği veya stratejik tasarım – tam özerklik çalışmaz ve süreç, insanların kaptanlarla birlikte çalışmasını gerektirir. Marka pazarlamasında, kuralları kırmak genellikle değer katar. Bunu bir ajana dışlama.

2. Bu Süreçte Tek Bir Gerçeklik Kaynağı Var mı?

Eğer CRM bir şey söylüyor, sipariş takipçiniz başka bir şey söylüyor ve gerçek güncelleme birinin kişisel elektronik tablosunda yaşıyorsa – duraklatın. AI sistemleri, onlara verdiğiniz verilerin sadece kadar iyidir.

Tek bir gerçeklik kaynağı oluşturmak ve veri veya bilgi silolarını ortadan kaldırmak, verimli bir süreç tasarımı standardıdır ve ajans AI için daha da önemlidir.

Tüm müşteri temas noktaları ve geçmişleri birleşik bir veritabanında kaydedildiğinde, AI takip işlemlerini otomatikleştirebilir, sonraki eylemleri önerebilir ve doğru raporlar üretebilir. Ayrıca sesli müşteri desteği sağlayabilir veya müşteri randevularını düzenleyebilir. Bazen küçük işletmelere, özellikle de Avoca AI gibi bir telefon asistanı sunan startup’ların başarıya ulaştıklarını görüyoruz – elektrikçiler için entegre bir CRM ile, tüm müşteri verisi ve etkileşimlerinin merkezi ve güncel olmasını sağlar.

3. Zengin Veri Geçmişi Var mı?

Her eylem, kararların nasıl alındığının örnekleriyle birlikte kaydediliyor mu? AI, historical verilerinizdeki kalıplardan öğrenir. Kayıtlar yoksa, öğrenmeler de yoktur. Sisteminiz ne olduğu ve neden olduğunu kaydedemezse, kalıplar oluşturamaz. İyileştirilemez. Para boşa gidecek.

Ancak müşteri görüşmelerini kaydediyor, AI ile transkribe ediyor ve bir klasöre kaydediyorsanız, muhtemelen yeterli olmayacak. Bu verilerin yapılandırılmış ve özetlenerek, belki grafiklere dönüştürülerek daha iyi anlaşılabilecek şekilde yapılandırılması gerekir, aksi takdirde ajansların dikkatini çok hızlı bir şekilde aşacaktır. Bir çalışanın her gün işe geldiğinde hafızasının silindiğini hayal edin. Süper insan hızıyla okuyup yazabilirsiniz, ancak şirketin ne yaptığını ve yöneticinin size neler yapmanız gerektiğini anlamak için megabaytlarca konuşma günlüğü ve sohbet geçmişine bakmaya çalışıyorsunuz. İşte bir AI ajanının iyi bir veritabanı olmadan nasıl “hissettiğini” hayal edin.

En iyi ekipler sadece veri toplamakla kalmaz, aynı zamanda geleceği düşünerek yapılandırır ve sürümünü oluşturur. İşte öğrenme döngüleri oluşur. İşte AI, model eğitimi yapmadan daha da akıllı hale gelir.

Sağlık sektöründe, Collectly bu ilkeyi büyük ölçekte uygulamaktadır: yıllarca süren faturalama, ödeme ve hasta etkileşim verilerini kullanarak, tıbbi faturalama ve gelir döngüsü yönetimini optimize etmektedir. AI, historical sonuçlardan öğrenerek hataları azaltır ve toplama hızını artırır.

4. Teknoloji Altyapınız AI Hazır mı?

AI, sistemlerinize ve araçlarınıza gerçekten entegre olabilir mi, yoksa 1988’den kalma o iç portalı kullanıyor musunuz ve bu portal neredeyse yüklenmiyor mu? İç operasyon araçlarının o kadar eski olduğu durumlar gördük ki, yapılandırılmış çıktılar üretemiyorlardı – API ile arayüze bile entegre edilemiyorlardı. Bu durumlarda, AI’yi eski altyapıya zorlamak yerine sistemi sıfırdan yeniden inşa etmek daha hızlı ve daha etkili oluyordu. AI ajanları MCP veya yapılandırılmış ve belgelenmiş bir API kullanabiliyorsa, bu her zaman daha iyidir (ve daha ucuzdur) – aksi takdirde, arabirimi ekran görüntülerine dönüştürmek ve hangi düğmeyi tıklayacağını belirlemek için görüntü tanıma kullanmak zorunda kalırlar.

AI, altyapı haline geliyor. Ancak 20. yüzyılın başındaki elektrik gibi, potansiyeli ancak fabrikayı yeniden tasarladığınızda, sadece ampuller takarak değil, açığa çıkıyor. Yeniden düzenleme. Ve elbette, daha önce geliştirilmesi milyonlarca dolar maliyeti olan birçok iç araç, şimdi mühendislerimizin öğle arası molalarında sıfırdan kodlanabilir.

Temel İlkeler Zamanı.

Şimdi en ilginç kısım. İdeal bir süreç tasarladığımızı varsayalım – kural tanımlı, tek bir gerçeklik kaynağı olacak ve kendini iyileştirmek için yapılandırılmış veri toplamak zorunda kalacak. Mühendislerimizin öğle arası molalarında yeni bir dizi iç aracı vibe kodlamasını sağladık. Ancak şimdi bu süreci bir daha inceleyelim. Otomasyon nedeniyle çok, çok daha ucuz hale geldiği için işimize ne olur? Büyüyen resme bakmaya çalışın – diğer süreçler de aynı şekilde iyileştirilirse, bu süreç nasıl bir arada var olacak? Belki de her şeyi AI ile yeniden tasarlamak zamanı gelmiştir.

İşletme operasyonunuzu temel ilkelerden düşünmek, beklenmedik fırsatları tanımlamaya yol açabilir. Örneğin, DVC’de anlaşma analizini, due diligence’i ve anlaşma memo hazırlığını otomatikleştirdik ve böylece 6 kişi/saatlik işi 3 dakikaya indirdik. Geleneksel olarak, VC’ler bu tür işleri yalnızca kurucularla konuştuktan ve anlaşmanın bu 6 kişi/saatlik işi hak ettiğine karar verdikten sonra yaparlardı ve şirketin limited sayıda analisti olurdu. Şimdi bizim için çok ucuz hale geldiği için, piyasayı analiz ediyoruz, anlaşma memo hazırlıyoruz ve hatta kurucularla konuşmadan önce bazı due diligence işlemleri yapıyoruz. Bu, yalnızca yatırım yapabileceğimiz ve yapmak istediğimiz şirketlerle görüşmemizi sağlar ve böylece hem ortaklarımızın hem de kurucuların zamanını tasarruf ederiz.

Ama bunu daha da ileri götürebiliriz. Sınırsız analiste sahip olduğumuz için, bu araçları yatırımcılarımıza ve avukatlarımıza, bize yeni anlaşma fırsatları gönderenlere aktarabiliriz, böylece onlar da zaman kazanabilir, her anlaşmayı profesyonel bir VC analisti gözüyle inceleyebilir ve bizim anlaşmayı incelememiz gereken durumların sayısını azaltabilirler. Yine de tüm verileri topluyoruz, çünkü bunları öğrenmek ve araçlarımızı daha da iyileştirmek için kullanıyoruz.

Bu, bizim yaklaşık 8 kat daha üretken olmamızı sağladı – bizim büyüklüğümüzdeki tipik bir VC firmasından. Ancak buraya şans eseri değil, iç operasyonlarımızı haritaladık, dört soruyu uyguladık ve temel ilkelerden yeniden inşa ettik.

Bu çerçeve, startup liderlerine ve COO’lara zihinlerini değiştirmelerine yardımcı olur: “Burada AI’yi kullanabilir miyiz?” – teknik bir olanak sorusundan, “Kullanmalı mıyız?” – daha derin bir stratejik değer, veri hazırlığı ve uzun vadeli bakım incelemesine zorlar. Aracılık yapan araçları kullanma ve süreçleri yeniden tasarlayarak doğru şeyi yapma arasındaki farktır.