zisky:
- Schopnost shromažďovat oblasti použití umělé inteligence z širokého fondu a objasňovat je pomocí šablony „problém/kdo/data/výsledek/měření“
- Schopnost hodnotit oblasti použití na osách hodnoty a použitelnosti a umístit je do čtyřzónové matice
- Schopnost soustředit se na vlnu prvních 90 dnů vytvořením dynamiky s rychlými zisky a plánováním velkých sázek
Úspěch nebo neúspěch strategie umělé inteligence se často scvrkává na jedinou otázku: „Čemu říkáme ano a čemu říkáme ne?“ Ve většině institucí kolují desítky nápadů; ale zdroje jsou omezené. V této lekci se naučíte, jak systematicky identifikovat a upřednostňovat případy použití umělé inteligence (specifický scénář, ve kterém se umělá inteligence používá k řešení konkrétního obchodního problému). Cílem je vybrat „ten, který přinese největší hodnotu“, spíše než ten, o kterém se „nejvíce mluví“.
Jak sbírat oblasti použití?
Nejprve vytvořte bazén. Dobré případy použití pocházejí ze tří zdrojů: bolestivých bodů (časově náročná, zdlouhavá práce pro zaměstnance, náchylná k chybám), příležitostí (kde to může zvýšit tržby nebo zákaznickou zkušenost) a benchmarking (co funguje v podobném odvětví). Udržujte bazén široký; eliminace přichází později.
Dobrý popis případu použití zahrnuje následující prvky: jaký obchodní problém, pro koho, jaká data, očekávaný výsledek a jak jej měřit. „AI v zákaznických službách“ není případ použití; „Zkrácení doby přeposílání automatickým tříděním příchozích e-mailů podle předmětu a jejich přesměrováním na správný tým“ je oblast použití.
Tip: Dobrým případem použití bývají úlohy typu „velký objem + opakující se + objemný text/data + přiměřená odolnost proti chybám“. Čím více z těchto čtyř atributů má úloha, tím vyšší je její hodnota AI.
Prioritizace: matice hodnoty/použitelnosti
Nejběžnějším a nejpraktičtějším nástrojem je dvouosá matice:
- Hodnotová osa: Jak velký dopad to má na podnikání? (tržby, náklady, snížení rizika, zákaznická zkušenost)
- Osa proveditelnosti: Jak snadno to můžeme udělat? (Jsou data připravena, technická náročnost, riziko, zátěž změn)
Region
Hodnota
Použitelnost
co dělat?
rychlý zisk
vysoká
vysoká
Začněte hned
velká sázka
vysoká
nízká
Plánujte, stanovte si předpoklady
výplň
nízká
vysoká
Udělejte to, pokud máte čas.
past
nízká
nízká
Ne/odkládat
Strategie: Rozvíjejte dynamiku a sebevědomí pomocí rychlých výher, živte se plánováním velkých sázek, vyhýbejte se nástrahám.
Krok za krokem: od nápadu k prioritě
1. Ukliďte bazén. Z oddělení vychází široký seznam případů užití (normální je 30–50 nápadů).
2. Popište pomocí standardní šablony. Každý nápad vložte do formátu „problém / kdo / data / výsledek / měření“. Rozmazané se vyjasní nebo se odstraní.
3. Bodujte na dvou osách. Ohodnoťte každý nápad podle hodnoty (1-5) a proveditelnosti (1-5). Být založen na důkazech.
4. Vložte do matrice. Distribuovat do čtyř oblastí; zdůrazňuje rychlé zisky.
5. Vyberte první vlnu. Začněte s 2-4 rychlými výhrami + 1 objevem velké sázky. Nic moc víc.
tři mini pouzdra
Případ 1 – Lákavé, ale nepraktické. Společnost elektronického obchodu se zamilovala do myšlenky „plně personalizovaného obchodu s umělou inteligencí“ (vysoká hodnota). Ale data byla roztříštěná, integrace by trvala 9 měsíců (nízká proveditelnost). Matice to ukázala jako „velkou sázku“. Společnost nejprve zahájila rychlou akvizici „generování textů popisu produktu pomocí umělé inteligence“; Doba výroby obsahu klesla o 70 % za 6 týdnů, velkou sázku financovaly úspory.
Případ 2 – Odstranění šablony. Pojišťovna shromáždila 41 nápadů. Po zasazení do standardní šablony bylo vidět, že 14 z nich skutečně popsalo stejný problém, zatímco 9 z nich nemělo měřitelný výsledek. Bazén se zmenšil ze 41 na 12 skutečných oblastí využití; Stanovení priorit se stalo mnohem jasnější.
Případ 3 – Útěk z pasti. Jeden výrobce nadšeně navrhl myšlenku „shrnout poznámky ze schůzek vedoucích s AI“. Nízká hodnota v matici (málo lidí, malá úspora času) a střední výstup proveditelnosti: limit zásypu/pasti. Zdroj byl místo toho nasměrován na vysoce hodnotnou akvizici „analýzy záznamů poruch výrobní linky a hledání opakujících se příčin“; Roční prostoje se snížily o 11 %.
Čtyři kopírovatelné šablony
1) Definování oblasti použití:
Vaše role: obchodní analytik AI. Popište následující obchodní problém jako případ použití: [problém]. Šablona: (1) obchodní problém k řešení, (2) pro koho, (3) požadovaná data, (4) očekávaný měřitelný výsledek, (5) klíčové riziko. Zeptejte se mě zpět na jakékoli nejasné body jako otázky.
2) Výroba bazénu:
Navrhněte 10 případů použití umělé inteligence pro [oddělení] v [průmyslu]. U každého uveďte popis problému jednou větou a typ odhadované hodnoty (výnosy, náklady, riziko, zkušenosti). Zaměřte se na objemnou, opakující se práci.
3) Skóre hodnoty/použitelnosti:
Ohodnoťte následující případy užití skóre 1–5 na dvou osách: hodnota (obchodní dopad) a proveditelnost (příprava dat, technická obtížnost, riziko). Ke každému bodu napište zdůvodnění jednou větou a umístěte jej do čtyř oblastí (rychlá výhra, velká sázka, výplň, past). Pole: [seznam]
4) Výběr první vlny:
Vyberte vlnu, která má začít v prvních 90 dnech z tohoto seznamu priorit: až 3 rychlé výhry a 1 objev velké sázky. U každé volby zapište proč právě teď, jakou metrikou bude měřena a první milník. Seznam: [text]
Slabá výzva / Silná výzva
Slabé: „Poskytujte nápady AI pro mou společnost.“
Výsledek: Obecný seznam bez kontextu; jeho hodnota a použitelnost jsou nejisté, nelze si vybrat.
Güçlü: "Jsem firma poskytující účetní služby se 150 lidmi. Naše časově nejnáročnější práce jsou zadávání faktur, odsouhlasení a odpovídání na e-maily zákazníků. Navrhněte případy použití umělé inteligence pro tyto tři oblasti, popište každý pomocí šablony 'problém/kdo/data/výsledek/riziko' a umístěte to do matice hodnot-použitelnosti, kterou doporučujete."
Výsledek: kontextová, šablonovaná, prioritní a akceschopná volba.
Časté chyby
- Výběr toho, o kterém se nejvíce mluví. Nejoblíbenější nápad není ten nejcennější nápad; Matrix fixuje emoce.
- Rozmazaná oblast použití. Popisy jako „X s AI“ nelze měřit; je vyžadována standardní šablona.
- Ignorování praktičnosti. Slepé ponoření se do vysoce hodnotných, ale data/integrace nemožných nápadů znamená měsíce bezcenné práce.
- Příliš mnoho startů najednou. Omezení první vlny na 3-4 poskytuje soustředění a učení.
- Obcházení tolerance chyb. Je nebezpečné zaměňovat oblasti s nízkou chybovou tolerancí (např. přímé lékařské/právní rozhodování) za rychlé výhry.
Upozornění: AI může navrhnout seznam případů použití a bodování; Je to však manažer, kdo rozhoduje, zda hodnota a skóre použitelnosti odpovídají realitě instituce a jakou vlnu zvolit. Navíc, ačkoli případ použití může být technicky „proveditelný“, může být „neudělán“ z etického hlediska nebo z hlediska dodržování předpisů; Tomu se budeme věnovat v lekcích 8 a 9.
V souhrnu
Stanovení priority použití je umění nasměrovat omezené zdroje na nejvyšší hodnotu. Nejprve shromážděte velký soubor, objasněte každý nápad pomocí šablony „problém/kdo/data/výsledek/měření“, poté jej ohodnoťte podle osy hodnoty a proveditelnosti a umístěte jej do matice. Rozvíjejte dynamiku pomocí rychlých výher, živte ji plánováním velkých sázek, vyhýbejte se pastím s nízkou hodnotou. Omezte první vlnu na 3-4 oblasti. V další části uvidíme, jak pomocí ROI a metrik dokázat, zda případy použití, které jste si vybrali, skutečně přinášejí hodnotu.
Aplikační úkol
Shromážděte 10–15 nápadů na případy použití AI z vaší organizace. Vložte každý do standardní šablony; vyjasnit nebo odstranit rozmazané. Ohodnoťte zbytek 1-5 na ose hodnoty a proveditelnosti a umístěte je do matice. Vyberte si vlnu prvních 90 dnů (až 3 rychlé výhry + 1 velká sázka) a ke každé volbě napište zdůvodnění jednou větou.
kontrolní seznam
- [ ] Shromáždil jsem velký fond oblastí použití.
- [ ] Každý nápad jsem vložil do standardní šablony.
- [ ] Vyloučil jsem nejasné a opakující se nápady.
- [ ] Hodnotu a proveditelnost jsem zaznamenal na základě důkazů.
- [ ] Nápady jsem umístil do čtyřzónové matice.
- [ ] První vlnu jsem omezil na 3-4 oblasti.
- [ ] Konkrétně jsem označil oblasti s nízkou chybovou tolerancí.