Bốn Câu Hỏi Mỗi COO Nên Hỏi Trước Khi Triển Khai AI

Thời đại AI đầy hứa hẹn, mọi công ty đều báo cáo về việc họ đã tăng hiệu quả như thế nào và AI đã làm được điều đó. Là người đã điều hành hoạt động ở nhiều công ty khởi nghiệp AI và hiện đang điều hành một quỹ đầu tư mạo hiểm AI với hơn 120 công ty trong danh mục đầu tư, tôi thấy một bức tranh khác. Rất nhiều công cụ và tự động hóa AI hữu ích đang được mua, tích hợp và giới thiệu nhưng không mang lại hiệu quả hoặc rất ít. Theo một báo cáo gần đây của McKinsey về tiềm năng AI, gần 70% chuyển đổi AI thất bại. Vấn đề là nếu bạn giới thiệu thậm chí là công cụ AI tốt nhất vào một quy trình được quản lý bởi con người một cách lộn xộn, tất cả những gì bạn nhận được là một quy trình lộn xộn mà bây giờ cũng hoang tưởng và mất bối cảnh.

Một trong những nhà đầu tư của chúng tôi gần đây đã chia sẻ rằng công ty của họ đã giới thiệu các tác nhân AI vào một trong những hoạt động của họ và sau đó đã thực hiện một nghiên cứu để xem họ đã tiết kiệm được bao nhiêu thời gian. Kết quả thật đáng kinh ngạc – nhân viên của họ đã tiết kiệm được rất nhiều thời gian cho việc họ đã làm thủ công trước đây, nhưng lại dành cùng một lượng thời gian để sửa lỗi mà AI gây ra. Không cần phải nói, tự động hóa đã được đưa vào bởi bộ phận CNTT và nhóm vận hành đã bị bỏ lại phía sau. Hãy nói về cách COO có thể tận dụng AI để thực sự cải thiện hoạt động.

Ở DVC, chúng tôi không chỉ đầu tư vào các công ty khởi nghiệp AI, mà còn là người áp dụng sớm hầu như mọi công nghệ mới mà chúng tôi thấy. Chúng tôi xây dựng các tác nhân của riêng mình và sử dụng sản phẩm của các công ty trong danh mục đầu tư của chúng tôi trong mọi khía cạnh của công việc VC – từ tìm kiếm và đánh giá các giao dịch, hỗ trợ các nhà sáng lập danh mục đầu tư, hoặc xây dựng các công cụ mà các nhà đầu tư của chúng tôi sử dụng để xem xét các cơ hội đầu tư thiên thần. Sự thành công của chúng tôi trong lĩnh vực này đến từ việc áp dụng một khuôn khổ rất nhàm chán, nhưng rất hữu ích.

Trước khi triển khai AI, chúng tôi đặt bốn câu hỏi:

1. Có Những Quy Tắc Rõ Ràng?

Quy trình có thể được định nghĩa bởi các hướng dẫn cụ thể không? Nếu có, nó là một ứng viên tuyệt vời cho tự động hóa. Lưu đồ pháp lý, quy tắc kế toán, quy trình giới thiệu cấu trúc? Hoàn hảo. Đây là những hệ thống mà đầu ra theo quy tắc. AI phát triển mạnh ở đây.

Nhưng nếu quy trình của bạn vốn dĩ là sáng tạo – ví dụ, kể chuyện thương hiệu hoặc thiết kế chiến lược – tự động hóa đầy đủ sẽ không hoạt động, và quy trình phải được thiết kế với người dùng cùng với các phi công. Trong tiếp thị thương hiệu, việc phá vỡ quy tắc thường thêm giá trị. Đừng outsource điều đó cho một tác nhân.

2. Quy Trình Này Có Một Nguồn Sự Thật Đơn?

Nếu CRM của bạn nói một điều, trình theo dõi đơn hàng nói một điều khác, và bản cập nhật thực sự sống trong bảng tính cá nhân của ai đó – hãy dừng lại. Hệ thống AI chỉ tốt như dữ liệu bạn cung cấp cho chúng.

Tạo một nguồn sự thật đơn và loại bỏ các silo dữ liệu hoặc kiến thức là tiêu chuẩn vàng của thiết kế quy trình hiệu quả, và đối với AI tác nhân, nó quan trọng hơn bao giờ hết.

Khi tất cả các điểm chạm của khách hàng và lịch sử được ghi lại trong một cơ sở dữ liệu thống nhất, AI có thể tự động hóa việc theo dõi, đề xuất hành động tiếp theo, và tạo báo cáo chính xác. Và thậm chí cung cấp hỗ trợ khách hàng bằng giọng nói hoặc lên lịch cuộc hẹn với khách hàng. Nhiều lần chúng tôi thấy các công ty khởi nghiệp thành công khi họ bán một giải pháp với một nguồn sự thật tích hợp, đặc biệt là khi bán cho các doanh nghiệp nhỏ, như Avoca AI, một trợ lý điện thoại cho thợ điện, tích hợp với một CRM tích hợp, đảm bảo tất cả dữ liệu khách hàng và tương tác được tập trung và cập nhật.

3. Có Lịch Sử Dữ Liệu Phong Phú?

Mỗi hành động có được ghi lại với các ví dụ về cách quyết định được đưa ra không? AI học hỏi từ các mẫu trong dữ liệu lịch sử của bạn. Không có nhật ký, không có kiến thức. Nếu hệ thống của bạn không ghi lại những gì đã xảy ra và tại sao, nó không thể tạo ra các mẫu. Nó không thể cải thiện. Bạn sẽ lãng phí tiền.

Nhưng ngay cả khi bạn đang ghi lại mọi cuộc gọi của khách hàng, chuyển đổi nó với AI và lưu trữ nó trong một thư mục, nó có thể không đủ. Các tác nhân làm việc với điều này nên được cấu hình để chuyển đổi dữ liệu không cấu trúc này thành dữ liệu tóm tắt và cấu trúc, có thể thậm chí thành đồ thị để hiểu rõ hơn về mối quan hệ, hoặc nó sẽ nhanh chóng vượt quá khả năng chú ý của họ. Hãy tưởng tượng bạn là một nhân viên, người có bộ nhớ bị xóa mỗi khi bạn đến làm việc. Bạn có thể đọc và viết với tốc độ siêu phàm, nhưng bạn phải nhìn vào megabyte dữ liệu cuộc gọi và lịch sử trò chuyện để cố gắng tìm hiểu công ty làm gì và làm thế nào để làm những gì người quản lý yêu cầu bạn làm. Đó là cách một tác nhân AI “cảm thấy” khi không có một cơ sở dữ liệu tốt.

Các đội tốt nhất không chỉ thu thập dữ liệu – họ cấu trúc và phiên bản nó với tầm nhìn tương lai. Đó là khi các vòng lặp học hỏi hình thành. Đó là khi AI trở nên thông minh hơn, thậm chí không cần phải đào tạo mô hình.

Trong lĩnh vực chăm sóc sức khỏe, Collectly áp dụng nguyên tắc này ở quy mô lớn: sử dụng nhiều năm dữ liệu hóa đơn, thanh toán và tương tác của bệnh nhân đã được chú thích, họ tối ưu hóa hóa đơn y tế và quản lý chu kỳ doanh thu. AI của họ học hỏi từ kết quả lịch sử để giảm lỗi và tăng tốc thu thập.

4. Bộ Công Nghệ Của Bạn Có Sẵn Sàng Cho AI?

AI có thể thực sự cắm vào hệ thống và công cụ của bạn, hoặc bạn bị kẹt với một cổng thông tin nội bộ từ năm 1988 mà hầu như không tải được? Chúng tôi đã thấy các trường hợp mà các công cụ vận hành nội bộ quá lỗi thời đến mức không thể tạo ra đầu ra cấu trúc – để nói nothing về việc giao tiếp với API. Trong những tình huống như vậy, thường thì nhanh hơn và hiệu quả hơn để xây dựng lại hệ thống từ đầu so với ép AI vào cơ sở hạ tầng cũ. Nếu các tác nhân AI có thể sử dụng MCP, hoặc một API cấu trúc và tài liệu, nó luôn tốt hơn (và rẻ hơn) so với khi nó phải chụp ảnh màn hình của giao diện và chạy chúng qua nhận dạng hình ảnh để tìm hiểu nút nào để nhấn.

AI đang trở thành cơ sở hạ tầng. Nhưng giống như điện vào đầu thế kỷ 20, tiềm năng của nó chỉ được mở khóa khi bạn thiết kế lại nhà máy, không chỉ lắp đặt đèn. Đừng cải tạo. Tái tưởng tượng. Và, không cần phải nói, rất nhiều công cụ nội bộ mà trước đây có thể tốn một triệu đô la để phát triển bây giờ có thể được mã hóa từ đầu bởi một trong những kỹ sư của bạn trong giờ nghỉ trưa.

Thời Gian Của Các Nguyên Tắc Đầu Tiên.

Bây giờ là phần thú vị nhất. Hãy nói chúng ta đã thiết kế một quy trình lý tưởng – nó sẽ được định nghĩa bởi quy tắc, sẽ có một nguồn sự thật đơn, và sẽ thu thập dữ liệu theo cách cấu trúc để tự cải thiện. Chúng tôi thậm chí đã thuyết phục kỹ sư của mình dành thời gian nghỉ trưa để mã hóa một bộ công cụ nội bộ mới. Nhưng hãy nhìn lại quy trình này một lần nữa. Rất có khả năng rằng do tự động hóa, nó đã trở nên rất, rất rẻ để chạy. Hãy thử nghĩ về những gì sẽ xảy ra với doanh nghiệp của bạn khi chi phí này giảm đi rất nhiều. Hãy thử nhìn vào bức tranh lớn hơn – quy trình này sẽ tồn tại như thế nào với các quy trình khác nếu chúng được cải thiện theo cùng một cách? Có thể đã đến lúc tái tưởng tượng toàn bộ quy trình với AI trong tâm trí.

Rất nhiều lần, việc suy nghĩ về hoạt động kinh doanh của bạn từ các nguyên tắc đầu tiên có thể dẫn đến việc xác định các cơ hội không ngờ. Ví dụ, tại DVC, chúng tôi đã tự động hóa phân tích giao dịch, thẩm định và chuẩn bị bản ghi nhớ giao dịch, hiệu quả chuyển từ 6 người/giờ sang 3 phút AI thực hiện công việc. Truyền thống, các công ty VC chỉ thực hiện tất cả công việc này sau khi họ đã nói chuyện với các nhà sáng lập và xác nhận rằng giao dịch đáng để chi 6 người/giờ, và công ty sẽ có một số lượng nhà phân tích hạn chế. Bây giờ, vì nó đã trở nên rất rẻ cho chúng tôi, chúng tôi phân tích thị trường, chuẩn bị bản ghi nhớ giao dịch, và thậm chí thực hiện một số thẩm định trước khi nói chuyện với nhà sáng lập. Điều này cho phép chúng tôi chỉ có cuộc gọi với các công ty mà chúng tôi biết chúng tôi có thể và muốn đầu tư, tiết kiệm thời gian cho cả đối tác và nhà sáng lập.

Chúng tôi có thể đi xa hơn với điều đó. Vì chúng tôi hiệu quả có một nhà phân tích không giới hạn, chúng tôi có thể di chuyển các công cụ này lên dòng trên đến các nhà đầu tư và trinh sát của chúng tôi, những người giới thiệu các cơ hội giao dịch mới cho chúng tôi, để họ có thể tiết kiệm thời gian, phân tích mọi giao dịch qua mắt của một nhà phân tích VC chuyên nghiệp và giảm số lần chúng tôi phải từ chối một giao dịch sau khi xem xét nó. Chúng tôi vẫn thu thập tất cả dữ liệu, vì chúng tôi có thể sử dụng nó để học hỏi và làm cho các công cụ của mình tốt hơn.

Điều này cho phép chúng tôi trở nên hiệu quả hơn khoảng 8 lần so với một công ty VC典型 có kích cỡ của chúng tôi. Nhưng chúng tôi không đến được đây bằng may mắn. Chúng tôi đã lập bản đồ hoạt động nội bộ của mình, áp dụng bốn câu hỏi, và xây dựng lại từ các nguyên tắc đầu tiên.

Khuôn khổ này giúp các nhà lãnh đạo khởi nghiệp và COO thay đổi tâm trí của họ: từ “Chúng ta có thể sử dụng AI ở đây?” – một câu hỏi về khả năng kỹ thuật – sang “Chúng ta có nên?” – điều này buộc phải nhìn sâu hơn vào giá trị chiến lược, sự sẵn sàng của dữ liệu, và khả năng duy trì lâu dài. Đó là sự khác biệt giữa việc cắm các công cụ vì chúng có sẵn và thiết kế lại quy trình vì đó là điều đúng đắn để làm.