Κέρδη:
- Δυνατότητα συλλογής περιοχών χρήσης τεχνητής νοημοσύνης από μια μεγάλη δεξαμενή και διευκρίνιση τους με το πρότυπο «πρόβλημα/ποιος/δεδομένα/αποτέλεσμα/μέτρηση»
- Δυνατότητα βαθμολόγησης περιοχών χρήσης στους άξονες τιμής και εφαρμογής και τοποθέτησή τους σε πίνακα τεσσάρων ζωνών
- Δυνατότητα εστίασης στο κύμα των πρώτων 90 ημερών δημιουργώντας δυναμική με γρήγορα κέρδη και προγραμματίζοντας μεγάλα στοιχήματα
Η επιτυχία ή η αποτυχία μιας στρατηγικής τεχνητής νοημοσύνης συχνά συνοψίζεται σε μια ερώτηση: «Σε τι λέμε ναι και σε τι λέμε όχι;» Δεκάδες ιδέες κυκλοφορούν στα περισσότερα ιδρύματα. αλλά οι πόροι είναι περιορισμένοι. Σε αυτήν την ενότητα, θα μάθετε πώς να εντοπίζετε συστηματικά και να δίνετε προτεραιότητα σε περιπτώσεις χρήσης τεχνητής νοημοσύνης (ένα συγκεκριμένο σενάριο στο οποίο εφαρμόζεται η τεχνητή νοημοσύνη για την επίλυση ενός συγκεκριμένου επιχειρηματικού προβλήματος). Ο στόχος είναι να επιλέξετε «αυτό που θα παράγει τη μεγαλύτερη αξία» αντί για το «πιο πολυσυζητημένο».
Πώς να συλλέξετε περιοχές χρήσης;
Πρώτα δημιουργήστε μια πισίνα. Οι περιπτώσεις καλής χρήσης προέρχονται από τρεις πηγές: σημεία πόνου (εργασία χρονοβόρα, κουραστική, επιρρεπής σε σφάλματα), ευκαιρίες (όπου μπορεί να οδηγήσει σε έσοδα ή εμπειρία πελάτη) και συγκριτική αξιολόγηση (τι λειτουργεί σε παρόμοιο κλάδο). Διατηρήστε την πισίνα πλατιά. η εξάλειψη έρχεται αργότερα.
Μια καλή περιγραφή περίπτωσης χρήσης περιλαμβάνει τα ακόλουθα στοιχεία: ποιο επιχειρηματικό πρόβλημα, για ποιον, ποια δεδομένα, αναμενόμενο αποτέλεσμα και πώς να το μετρήσετε. Το "AI στην εξυπηρέτηση πελατών" δεν είναι περίπτωση χρήσης. «Η συντόμευση του χρόνου προώθησης ταξινομώντας αυτόματα τα εισερχόμενα e-mail ανάλογα με το θέμα τους και κατευθύνοντάς τα στη σωστή ομάδα» είναι ένας τομέας χρήσης.
Συμβουλή: Οι καλές περιπτώσεις χρήσης τείνουν να είναι εργασίες "υψηλού όγκου + επαναλαμβανόμενες + βαρύ κείμενο/δεδομένα + λογική ανοχή σφαλμάτων". Όσο περισσότερα από αυτά τα τέσσερα χαρακτηριστικά έχει μια εργασία, τόσο μεγαλύτερη είναι η τιμή AI της.
Προτεραιότητα: πίνακας τιμής/εφαρμογής
Το πιο κοινό και πρακτικό εργαλείο είναι ένας πίνακας δύο αξόνων:
- Άξονας αξίας: Πόσο επιχειρηματικό αντίκτυπο δημιουργεί αυτό; (Έσοδα, κόστος, μείωση κινδύνου, εμπειρία πελάτη)
- Άξονας σκοπιμότητας: Πόσο εύκολα μπορούμε να το κάνουμε αυτό; (Είναι έτοιμα τα δεδομένα, τεχνική δυσκολία, κίνδυνος, βάρος αλλαγής)
Περιφέρεια
Αξία
Εφαρμογή
Τι να κάνουμε;
γρήγορο κέρδος
ψηλά
ψηλά
Ξεκινήστε τώρα
μεγάλο στοίχημα
ψηλά
χαμηλά
Σχεδιάστε, δημιουργήστε προαπαιτούμενα
πληρωτικό
χαμηλά
ψηλά
Κάντε το αν έχετε χρόνο.
παγίδα
χαμηλά
χαμηλά
Μην/αναβάλλετε
Στρατηγική: Δημιουργήστε δυναμική και αυτοπεποίθηση με γρήγορες νίκες, καλλιεργήστε σχεδιάζοντας μεγάλα στοιχήματα, αποφύγετε παγίδες.
Βήμα προς βήμα: από την ιδέα στην προτεραιότητα
1. Τακτοποιήστε την πισίνα. Ένας ευρύς κατάλογος περιπτώσεων χρήσης προκύπτει από τα τμήματα (30-50 ιδέες είναι φυσιολογικές).
2. Περιγράψτε χρησιμοποιώντας τυπικό πρότυπο. Βάλτε κάθε ιδέα στη μορφή «πρόβλημα / ποιος / δεδομένα / αποτέλεσμα / μέτρηση». Τα θολά γίνονται ξεκάθαρα ή εξαλείφονται.
3. Βαθμολογήστε σε δύο άξονες. Βαθμολογήστε κάθε ιδέα για αξία (1-5) και σκοπιμότητα (1-5). Να βασίζονται σε στοιχεία.
4. Εισαγάγετε στη μήτρα. Διανομή σε τέσσερις περιοχές. αναδεικνύει τα γρήγορα κέρδη.
5. Επιλέξτε το πρώτο κύμα. Ξεκινήστε με 2-4 γρήγορες νίκες + 1 μεγάλο στοίχημα ανακάλυψη. Όχι πολύ περισσότερο.
τρεις μίνι θήκες
Περίπτωση 1 — Δελεαστικό αλλά μη πρακτικό. Μια εταιρεία ηλεκτρονικού εμπορίου ερωτεύτηκε την ιδέα μιας «πλήρως εξατομικευμένης βιτρίνας με AI» (υψηλής αξίας). Όμως τα δεδομένα ήταν κατακερματισμένα, η ενσωμάτωση θα διαρκούσε 9 μήνες (χαμηλή σκοπιμότητα). Η μήτρα το έδειξε ως "μεγάλο στοίχημα". Η εταιρεία ξεκίνησε για πρώτη φορά την ταχεία εξαγορά της "δημιουργίας κειμένων περιγραφής προϊόντων με τεχνητή νοημοσύνη". Ο χρόνος παραγωγής περιεχομένου μειώθηκε κατά 70% σε 6 εβδομάδες, η εξοικονόμηση χρημάτων χρηματοδότησε το μεγάλο στοίχημα.
Περίπτωση 2 — Κατάργηση του προτύπου. Μια ασφαλιστική εταιρεία συγκέντρωσε 41 ιδέες. Όταν τοποθετήθηκαν στο τυπικό πρότυπο, διαπιστώθηκε ότι 14 από αυτά περιέγραψαν πραγματικά το ίδιο πρόβλημα, ενώ 9 από αυτά δεν είχαν μετρήσιμο αποτέλεσμα. Η πισίνα έχει συρρικνωθεί από 41 σε 12 περιοχές πραγματικής χρήσης. Η ιεράρχηση των προτεραιοτήτων έγινε πολύ πιο ξεκάθαρη.
Περίπτωση 3 — Απόδραση από την παγίδα. Ένας κατασκευαστής πρότεινε με ενθουσιασμό την ιδέα της «σύνοψης των σημειώσεων των εκτελεστικών συναντήσεων με AI». Χαμηλή τιμή στη μήτρα (λίγα άτομα, λίγος χρόνος εξοικονόμησης) και μέτρια απόδοση σκοπιμότητας: όριο συμπλήρωσης/παγίδας. Αντίθετα, ο πόρος κατευθύνθηκε στην απόκτηση υψηλής αξίας «ανάλυσης αρχείων σφαλμάτων γραμμής παραγωγής και εύρεσης επαναλαμβανόμενων αιτιών». Ο ετήσιος χρόνος διακοπής μειώθηκε κατά 11%.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Καθορισμός της περιοχής χρήσης:
Ο ρόλος σας: επιχειρηματικός αναλυτής AI. Περιγράψτε το ακόλουθο επιχειρηματικό πρόβλημα ως περίπτωση χρήσης: [πρόβλημα]. Πρότυπο: (1) επιχειρηματικό πρόβλημα προς επίλυση, (2) για ποιον, (3) απαιτούνται δεδομένα, (4) αναμενόμενο μετρήσιμο αποτέλεσμα, (5) βασικός κίνδυνος. Ρωτήστε μου πίσω για τυχόν ασαφή σημεία ως ερωτήσεις.
2) Παραγωγή πισίνας:
Προτείνετε 10 περιπτώσεις χρήσης τεχνητής νοημοσύνης για [τμήμα] στη [βιομηχανία]. Παρέχετε μια περιγραφή του προβλήματος με μία πρόταση και τον εκτιμώμενο τύπο αξίας (έσοδο, κόστος, κίνδυνος, εμπειρία) για το καθένα. Επικεντρωθείτε σε εργασίες μεγάλου όγκου, επαναλαμβανόμενες.
3) Βαθμολογία αξίας/εφαρμογής:
Βαθμολογήστε τις ακόλουθες περιπτώσεις χρήσης με βαθμολογία 1-5 σε δύο άξονες: αξία (επίπτωση στην επιχείρηση) και σκοπιμότητα (προετοιμασία δεδομένων, τεχνική δυσκολία, κίνδυνος). Γράψτε μια αιτιολόγηση μιας πρότασης για κάθε σημείο και τοποθετήστε την σε τέσσερις περιοχές (γρήγορη νίκη, μεγάλο στοίχημα, πλήρωση, παγίδα). Πεδία: [λίστα]
4) Επιλογή πρώτου κύματος:
Επιλέξτε το κύμα που θα ξεκινήσει τις πρώτες 90 ημέρες από αυτήν τη λίστα προτεραιότητας: έως 3 γρήγορες νίκες και 1 μεγάλο στοίχημα. Για κάθε επιλογή, γράψτε γιατί τώρα, με ποια μέτρηση θα μετρηθεί και το πρώτο ορόσημο. Λίστα: [κείμενο]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο: "Δώστε ιδέες AI για την εταιρεία μου."
Αποτέλεσμα: Μια γενική λίστα χωρίς πλαίσιο. Η αξία και η δυνατότητα εφαρμογής του είναι αβέβαιες, δεν μπορεί να γίνει επιλογή.
Güçlü: "Είμαι μια εταιρεία λογιστικών υπηρεσιών με 150 άτομα. Οι πιο χρονοβόρες εργασίες μας είναι η καταχώριση τιμολογίων, η συμφωνία και η απάντηση σε μηνύματα ηλεκτρονικού ταχυδρομείου πελατών. Προτείνετε περιπτώσεις χρήσης τεχνητής νοημοσύνης για αυτούς τους τρεις τομείς, περιγράψτε το καθένα με το πρότυπο "problem/who/data/result.risk" και τοποθετήστε το στην τιμή-αξιολόγηση με την αρχική εφαρμογή με τι προτείνω 90 μέρες».
Το αποτέλεσμα: μια επιλογή με βάση τα συμφραζόμενα, με πρότυπα, με προτεραιότητα και με δυνατότητα δράσης.
Συνήθη λάθη
- Επιλέγοντας το πιο πολυσυζητημένο. Η πιο δημοφιλής ιδέα δεν είναι η πιο πολύτιμη ιδέα. Η μήτρα διορθώνει το συναίσθημα.
- Θολή περιοχή χρήσης. Περιγραφές όπως "X με AI" δεν μπορούν να μετρηθούν. απαιτείται τυπικό πρότυπο.
- Αγνοώντας την πρακτικότητα. Η τυφλή κατάδυση σε ιδέες υψηλής αξίας αλλά αδύνατες για δεδομένα/ενσωμάτωση σημαίνει μήνες άχρηστης εργασίας.
- Πάρα πολλά ξεκινούν ταυτόχρονα. Ο περιορισμός του πρώτου κύματος σε 3-4 παρέχει εστίαση και μάθηση.
- Παράκαμψη ανοχής σφαλμάτων. Είναι επικίνδυνο να μπερδεύουμε περιοχές με χαμηλή ανοχή σφαλμάτων (π.χ. άμεση λήψη ιατρικών/νομικών αποφάσεων) για γρήγορες νίκες.
Προσοχή: Η τεχνητή νοημοσύνη μπορεί να προτείνει λίστα περιπτώσεων χρήσης και βαθμολόγηση. Αλλά είναι ο διαχειριστής που αποφασίζει εάν οι βαθμολογίες αξίας και εφαρμοσιμότητας συμμορφώνονται με την πραγματικότητα του ιδρύματος και ποιο κύμα θα επιλέξει. Επιπλέον, παρόλο που μια περίπτωση χρήσης μπορεί να είναι τεχνικά «εκτελής», μπορεί να «μη γίνει» από ηθική άποψη ή από άποψη συμμόρφωσης. Θα το καλύψουμε αυτό στις Ενότητες 8 και 9.
Συνοπτικά
Η ιεράρχηση της χρήσης είναι η τέχνη του να κατευθύνεις περιορισμένους πόρους στην υψηλότερη αξία. Πρώτα συλλέξτε μια μεγάλη δεξαμενή, αποσαφηνίστε κάθε ιδέα με το πρότυπο «πρόβλημα/ποιος/δεδομένα/αποτέλεσμα/μέτρηση», μετά βαθμολογήστε την στους άξονες τιμής και σκοπιμότητας και τοποθετήστε τη στη μήτρα. Δημιουργήστε δυναμική με γρήγορες νίκες, καλλιεργήστε την σχεδιάζοντας μεγάλα στοιχήματα, αποφύγετε παγίδες χαμηλής αξίας. Περιορίστε το πρώτο κύμα σε 3-4 περιοχές. Στην επόμενη ενότητα, θα δούμε πώς να αποδείξουμε με την απόδοση επένδυσης και τις μετρήσεις εάν οι περιπτώσεις χρήσης που επιλέξατε παράγουν πραγματικά αξία.
Εργασία εφαρμογής
Συλλέξτε 10-15 ιδέες για περιπτώσεις χρήσης τεχνητής νοημοσύνης από τον οργανισμό σας. Τοποθετήστε το καθένα στο τυπικό πρότυπο. διευκρινίστε ή εξαλείψτε τις θολές. Βαθμολογήστε το υπόλοιπο 1-5 στους άξονες τιμής και σκοπιμότητας και τοποθετήστε τα σε μια μήτρα. Επιλέξτε το κύμα των πρώτων 90 ημερών (έως 3 γρήγορες νίκες + 1 μεγάλο στοίχημα) και γράψτε μια αιτιολόγηση μιας πρότασης για κάθε επιλογή.
λίστα ελέγχου
- [ ] Έχω συγκεντρώσει μια μεγάλη δεξαμενή περιοχών χρήσης.
- [ ] Τοποθέτησα κάθε ιδέα στο τυπικό πρότυπο.
- [ ] Εξάλειψα ασαφείς και επαναλαμβανόμενες ιδέες.
- [ ] Βαθμολόγησα την αξία και τη σκοπιμότητα βάσει στοιχείων.
- [ ] Τοποθέτησα τις ιδέες στον πίνακα τεσσάρων ζωνών.
- [ ] Περιόρισα το πρώτο κύμα σε 3-4 περιοχές.
- [ ] Έχω επισημάνει συγκεκριμένα περιοχές με χαμηλή ανοχή σφαλμάτων.