Dört Soru: AI’ı Dağıtmadan Önce Her COO’nun Sorması Gereken

AI çağı vaat edilen bir dönem, her şirket nasıl daha verimli hale geldiklerini ve AI’ın bunu nasıl başardığını rapor ediyor. Birden fazla AI şirketi işletmiş ve şimdi 120’den fazla portföy şirketimiz olan bir AI VC fonu işleten biri olarak farklı bir tablo görüyorum. Faydası olmayan birçok yararlı AI aracı ve otomasyon satın alınıyor, entegre ediliyor ve tanıtıldı. Son McKinsey raporuna göre, AI dönüşümlerinin yaklaşık %70’i başarısız oluyor. Sorun, en iyi AI aracını bile insan tarafından işletilen karmaşık bir sürece tanıtmanın, sadece karmaşık bir süreç oluşturması.

Bir yatırımcımız recently şirketinin bir operasyonuna AI ajanları tanıttığını ve ne kadar verimlilik kazandıklarını görmek için bir çalışma yaptıklarını paylaştı. Sonuçlar şok ediciydi – çalışanlar daha önce manuel olarak yaptıkları şeylerde çok zaman kazandılar, ancak AI tarafından yapılan hataları düzeltmeye aynı miktarda zaman harcadılar. Anlaşılacağı üzere, otomasyon IT tarafından getirildi ve operasyon ekibi dışarıda bırakıldı. COO’ların AI’ı gerçekten operasyonları iyileştirmek için nasıl kullanabileceklerini konuşalım.

DVC’de sadece AI şirketlerine 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 araçlar oluşturma. Bu başarımız, çok sıkıcı ancak çok faydalı bir çerçeve uygulamamızdan kaynaklanıyor.

Her AI dağıtımı önce bu dört soruyu soruyoruz:

1. Açık Kurallar Var mı?

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

Ancak süreciniz doğası gereği yaratıcıysa – marka hikayeciliği veya stratejik tasarım gibi – tam özerklik çalışmaz ve süreç, insanların kaptanlarla birlikte tasarlanması gerekir. Marka pazarlamasında, kuralları yıkamak genellikle değer katar. Bunu bir ajana dışlama.

2. Bu Süreçte Tek Bir Gerçek Kaynak Var mı?

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

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

Tüm müşteri temas noktaları ve tarihçeleri birleşik bir veritabanında kaydedildiğinde, AI takip işlemlerini otomatikleştirebilir, sonraki eylemleri önerebilir ve doğru raporlar üretebilir. Hatta sesli müşteri desteği sağlayabilir veya müşteri randevularını planlayabilir. Bazen küçük işletmelere, özellikle de Avoca AI gibi, entegre edilmiş bir CRM ile birlikte gelen bir çözüm sattıklarında başarılı olan startupları görüyoruz.

3. Zengin Veri Tarihi Var mı?

Her eylem, kararların nasıl alındığının örnekleriyle birlikte kaydediliyor mu? AI, tarihsel verilerinizdeki kalıplardan öğrenir. Kayıtlar yoksa, öğrenme olmaz. Sisteminiz ne olduğunu ve nedenini kaydedemezse, kalıplar üretemez. İyileştirme yapamaz. Para harcıyorsunuz.

Ancak müşteri aramalarını kaydediyor, AI ile transkribe ediyor ve bir klasöre kaydediyorsanız, muhtemelen yeterli olmayacak. Bu verilerin yapılandırılmış ve özetlenmiş halde olması, hatta grafiklere dönüştürülmesi gerekiyor. Bir çalışanın her gün işe geldiğinde hafızasının silindiğini hayal edin. Süper insan hızıyla okuyabilir ve yazabilir, ancak şirketin ne yaptığını ve yöneticinin ne istediğini anlamak için megabaytlarca konuşma günlüğü ve sohbet geçmişine bakmak zorunda kalacaksınız. İşte AI aracının iyi bir veritabanı olmadan nasıl hissettiği.

En iyi ekipler sadece veri toplamakla kalmaz, aynı zamanda bunları gelecekte kullanmak için yapılandırır ve sürümünü korur. İşte öğrenme döngüleri oluşur. İşte AI, model eğitimi yapmadan bile daha akıllı hale gelir.

Sağlık sektöründe, Collectly bu ilkeyi büyük ölçekte uyguluyor: yıllarca süren faturalama, ödeme ve hasta etkileşim verilerini kullanarak tıbbi faturalama ve gelir döngüsü yönetimini optimize ediyor. AI, tarihsel sonuçlardan öğrenerek hataları azaltıyor ve toplama hızını artırıyor.

4. Teknoloji Altyapınız AI Hazır mı?

AI gerçekten sistemlerinize ve araçlarınıza entegre edilebilir mi, yoksa 1988’den kalma bir iç portal ile sıkışıp kalmış mı? İç operasyon araçlarının AI ile arayüz oluşturamayacak kadar eski olduğu durumlar gördük. Bu durumlarda, sistemi sıfırdan yeniden oluşturmak, AI’ı eski altyapıya zorlamak yerine daha nhanh ve etkiliydi. AI ajanları MCP veya yapılandırılmış ve belgelenmiş bir API kullanabiliyorsa, her zaman daha iyi (ve daha ucuz).

AI, altyapı haline geliyor. Ancak 20. yüzyılın başlarındaki elektrik gibi, potansiyeli ancak fabrikayı yeniden tasarlayarak, sadece ampul takarak değil, açığa çıkıyor. Yeniden tasarlayın. Ve elbette, daha önce bir mühendisin öğle arası molalarında vibe kodlayabileceği bir iç aracı geliştirmek için bir milyon dolar harcamak zorunda kalabilirsiniz.

İlk İlkeler Zamanı.

Şimdi en ilginç kısım. İdeal bir süreç tasarladığımızı varsayalım – kural tanımlı, tek bir gerçek kaynağı olacak ve yapılandırılmış bir şekilde veri toplayarak kendini iyileştirecek. Mühendisimizin öğle arası molalarında yeni iç araçlar geliştirmesini sağladık. Ancak şimdi bu süreci bir daha düşünelim. Otomasyon nedeniyle, çok daha ucuz hale geldi. Şimdi, bu maliyetin bu kadar azalmasının işimize nasıl bir etkisi olacağını düşünün. Büyük resmi görün – diğer süreçler de aynı şekilde iyileştirilirse, bu süreç nasıl bir arada çalışacak?

Bazen ilkelerden düşünmek, beklenmedik fırsatları tanımlamaya yol açabilir. Örneğin, DVC’de anlaşma analizini, due dilligence’i ve anlaşma memo hazırlığını otomatikleştirdik ve efektif olarak 6 kişi/saatlik iş yükünü 3 dakikaya indirdik. Geleneksel olarak, VC’ler sadece konuşmadan sonra ve anlaşmanın bu 6 kişi/saatlik iş yükünü hak ettiğine karar verdikten sonra bu işi yapardı ve sınırlı sayıda analistleri olurdu. Şimdi, bu işin çok ucuz olduğu için, piyasayı analiz ediyor, anlaşma memo hazırlıyor ve hatta due dilligence yapıyoruz, sonra kurucuyla konuşuyoruz. Bu, ortaklarımızın ve kurucuların zamanını tasarruf etmesini sağlıyor.

Bunu daha da ileri götürebiliriz. Aslında sınırsız bir analiste sahip olduğumuz için, bu araçları yatırımcılarımıza ve keşifçilerimize, bize yeni anlaşma fırsatları gönderenlere taşınabiliriz, böylece onlar da zamanlarını tasarruf edebilir, her anlaşmayı profesyonel bir VC analisti gözüyle inceleyebilir ve bizim için anlaşmayı incelememiz gereken durumların sayısını azaltabilirler. Verileri hala topluyoruz, çünkü araçlarımızı daha da iyileştirmek için kullanıyoruz.

Bu, bizim bir VC firması olarak normalden yaklaşık 8 kat daha üretken olmamızı sağladı. Ancak buraya şansa değil, iç operasyonlarımızı haritalandırmamız, dört soruyu uygulamamız ve ilkelerden yeniden inşa etmemiz sayesinde geldik.

Bu çerçeve, startup liderlerine ve COO’lara zihinlerini değiştirmelerine yardımcı oluyor: “Burada AI’ı kullanabilir miyiz?” sorusundan, “Şunun için mi kullanmalıyız?” sorusuna – bu, stratejik değeri, veri hazırlığını ve uzun vadeli sürdürülebilirliği daha derinlemesine incelemeye zorlar. Aracın kullanılabilir olduğu için araçları takmak ile süreçleri yeniden tasarlamak arasındaki fark budur.