Ostmine, ehitamine-ostmine ja tarnijate haldamine

Kasu:

• Õigete otsuste tegemine/ostmine, luues põhilised eristamisvõimalused ja ostes standardseid võimalusi
• Võimalus hinnata tarnijaid andmeturbe, vastavuse, väljumise lihtsuse ja hinnast kõrgemate kogumaksumuste kriteeriumidega
• Kaitske müüja lukustumise eest ja tõestage väärtust suurema lepingueelse piloodiga

Enamik organisatsioone tellib suure osa oma tehisintellektist väljast: valmismudelid, platvormid, tarkvarateenused, nõustamine. Need ostuotsused loovad suured eelarved, pikad lepingud ja püsivad sõltuvused; Kui tehakse valesti, on tagasitulek kallis. Selles üksuses saate teada, kuidas tippjuht saab nutikalt AI-lahendusi osta, otsustada, kas talenti luua või allhanke korras hankida, ja kuidas tarnijaid hallata. Eesmärk ei ole valida kõige odavamat või toretsemat tööriista, vaid seda, mis vastab kõige paremini organisatsiooni vajadustele, riskidele ja strateegiale.

Tee või osta?

Võtmeotsus: kas arendada tehisintellekti talenti sisemiselt või tellida see väljast? Reegel on lihtne, kuid seda rikutakse sageli: muutke põhilised võimalused organisatsioonile ainulaadseks, mis loovad konkurentsieelise; Ostke standardseid, tavalisi, mitteeristavaid oskusi. Tuum on ennustav mudel teie enda kliendiandmetega, mida teie konkurent teha ei saa; Teksti kokkuvõtte tööriist on standardne ja saadaval ostmiseks.

kriteerium

ehitada

osta

eristamist

kõrge, tuum

madal, standardne

kiirust

aeglane

kiire

Maksumus

Suur eelinvesteering

Prognoositav tellimus

kontrolli

täis

piiratud

sõltuvus

madal

kõrge

Vihje: "Kas ma suudan ilma selle oskuseta end vastasest eristada?" küsi. Kui vastus on "jah", osta; Kui see on "ei, see on minu erinevus", kaaluge selle tegemist tõsiselt. Peamiste talentide sisseostmine tähendab pikemas perspektiivis konkurentsijõu palkamist.

Tarnija valiku kriteeriumid

AI-müüja valimine ainult hinna ja funktsioonide põhjal on ohtlik. Juht peaks küsima ka nende kriteeriumide kohta:

1. Andmete turvalisus ja privaatsus: kus meie andmeid töödeldakse, säilitatakse, kasutatakse hariduses?
2. Vastavus: kas tarnija toetab KVKK/EU AI seaduse nõudeid?
3. Läbipaistvus: kuidas mudel töötab, millised on selle piirid, kas seda on sõltumatult auditeeritud?
4. Integratsioon: kui hõlpsalt see meie olemasolevate süsteemidega ühendub?
5. Väljumise lihtsus: kas saame lahkumisel oma andmeid ja töövoogu teisaldada?
6. Jätkusuutlikkus: kas tarnija on majanduslikult terve, kas see kaob homme?
7. Omamiskulud kokku: litsents + integratsioon + koolitus + juhendamine (üksus 5).

Tarnija lukustumise oht

Kriitiline kontseptsioon: müüja lukustus muutub pakkujast nii sõltuvaks, et lahkumine on praktiliselt võimatu (kõrge hinna, andmete teisaldatavuse, integreerimise keerukuse tõttu). See jätab teid avatuks hinnatõusule, kehvale teenindusele ja innovatsiooni kadumisele. Selle leevendamiseks pange lepingusse andmete teisaldatavus, valige avatud standardid, tehke võimalusel koostööd mitme tarnijaga ja koostage väljumisplaan.

Samm-sammult: ostuprotsess

1. Määratlege vajadus selgelt. Milline äriprobleem, milline mõõdik? (Üksus 4-5)

2. Tehke oma otsus/ost. Põhi või standard?

3. Hinda tarnijaid kriteeriumide loeteluga. Peale hinna, turvalisuse, vastavuse, väljumise, TCO.

4. Proovige seda koos piloodiga. Tõestage seda väikese, mõõdetava prooviga enne suurt lepingut.

5. Sõlmige valvuritega leping. Andmete omandiõiguse, privaatsuse, väljumise, teenusetaseme (SLA) klauslid.

kolm minikarpi

Juhtum 1 – südamiku väljutamise viga. Logistikaettevõte usaldas marsruudi optimeerimise, oma suurima konkurentsieelise, täielikult välisele tarnijale. Kaks aastat hiljem kahekordistas tarnija hinna; Ettevõte oli lukus, tal polnud oma andmeid ja mudeleid. Lõpuks pidi ta selle kalli lülitiga siseruumidesse paigaldama. Põhitalenti poleks tohtinud osta.

Juhtum 2 – privaatsusküsimus muutis ostmist. Enne kui tervishoiuettevõte AI tööriista ostab, küsib ta "kas meie andmeid kasutatakse koolitusel?" küsis ta. Vastus oli "jah, vaikimisi"; see oli patsientide andmete jaoks vastuvõetamatu. Ettevõte pöördus alternatiivi poole, mis hariduses andmeid ei kasuta ja töötleb neid siseriiklikult. Üks õige küsimus hoidis ära tõsise nõuetele vastavuse rikkumise.

Juhtum 3 – piloodi säästud. Jaemüüja kavatses allkirjastada 3-aastase 4 miljoni TL lepingu uhke tehisintellekti platvormi jaoks. Kõigepealt tegi ta 8-nädalase tasulise piloodi; Platvorm ei sobinud müügimeeskondade tegelikku töövoogu, kasutuselevõtt jäi väheseks. Suur leping tühistati, miljoneid naela ja aastatepikkune ummikseisu välditud. Pilot oli odavaim kindlustus.

Neli kopeeritavat malli

1) Tee/osta analüüs:

Sinu roll: tehnoloogia ostukonsultant. Analüüsige järgmiste tehisintellekti talentide tegemise või ostmise otsust: [talent]. Hinda diferentseerumise, kiiruse, kulude, kontrolli ja sõltuvuse seisukohalt; Küsige, kas see on meie jaoks põhiline või standardne, ja andke soovitus.

2) Tarnija hindamiskriteeriumide loend:

Koostage kontrollnimekiri, et hinnata tarnijat järgmise AI-lahenduse ostmisel: andmeturve/privaatsus, vastavus (KVKK/EL AI seadus), läbipaistvus, integreeritus, väljumise lihtsus, jätkusuutlikkus, kogumaksumus. Kirjutage iga kriteeriumi jaoks selge küsimus, mida tarnijalt küsida. Lahendus: [tekst]

3) Lepingukaitse klauslid:

Loetlege kaitseklauslid, mida sooviksin tehisintellekti müüja lepingus: andmete omandiõigus, andmete mittekasutamine hariduses, konfidentsiaalsus, teenusetase (SLA), loobumine ja andmete teisaldatavus, vastutus. Iga punkti puhul selgitage ühe lausega, miks see on oluline.

4) Pilootprojekt:

Kavandage 6-8-nädalane piloot, et testida seda tehisintellekti tööriista enne suure lepingu sõlmimist: millised kriteeriumid, milline kasutajarühm, milline on edulävi, millise otsuse (allkirjastan/tühistan) ma millise tulemuse põhjal teen? Tööriist: [tekst]

Nõrk viip / Tugev viip

Nõrk: "Millise AI tööriista peaksin ostma?"

Tulemus: pealiskaudne vastus ilma kontekstita, eirab turvalisust ja sõltuvust, võib-olla vihjab "mis on populaarne".

Güçlü: "Oleme tervishoiuettevõte, mis töötab patsiendiandmetega, allume KVKK-le. Hindame tehisintellekti lahendust, mis võtab kokku kliinilised märkmed. Analüüsime, kas see on meie jaoks põhiline või standardne; kui kavatseme osta, siis määrake kriitilised küsimused, mida ma esitan tarnijatele andmeturbe, andmete kasutamise kohta hariduses, kodumaise töötlemise, enne suure lepingu ja pilootkulude lihtsuse kohta."

Tulemus: tundlik konteksti, regulatiivse ja riski suhtes; tee/osta, ostulähenemine, mis arvestab kriteeriume ja katsetab koos.

Levinud vead

• Põhitalendi ostmine. Oma konkurentsieelise välja rentimine tekitab pikas perspektiivis kallist sõltuvust.
• Lihtsalt vaatan hinda ja omadusi. Odav sõiduk muutub kalliks, kui tähelepanuta jäetakse ohutus, nõuetele vastavus, väljasõit ja kogukulu.
• Ei küsi, kuidas andmeid kasutatakse. "Kas meie andmeid kasutatakse hariduses?" küsimus hõlmab enamikku vastavuse riske algusest peale.
• Suur leping ilma pilootideta. Aastateks lukus olemine ilma seda väikese kohtuprotsessiga tõestamata on suur risk.
• Allkirjastamine ilma väljumisplaanita. Tarnija, kellega te ei saa lahku minna, jätab teid hinna ja teenuse osas haavatavaks.

Ettevaatust: AI võib koostada ostuanalüüsi või tarnija kriteeriumide loendi; Kuid õigus- ja turvameeskonnad peavad lepingutingimused, andmeturbekohustused ja juriidilised klauslid üle vaatama. Samuti on juhi kohustus sõltumatult kontrollida (piloot, referents, audit) tarnija väiteid tema toote kohta; Turunduslubadus ei ole tõend.

Kokkuvõttes

Enamik AI talente ostetakse väljastpoolt ning need otsused on suured, püsivad ja kulukad. Põhiprintsiip: tehke tuum, eristavad võimalused; osta standardseid. Tarnijaid ei köida mitte ainult hind ja omadused; Hinnake andmete turvalisust, vastavust, läbipaistvust, integratsiooni, väljumise lihtsust, jätkusuutlikkust ja kogukulusid. Andmete teisaldatavuse, avatud standardite ja väljumisplaaniga kaitske müüja lukustumise eest. Tõesta see kindlasti enne suurt lepingut piloodiga. Järgmises ja viimases üksuses käsitleme muudatuste juhtimist, mis muudab kogu selle strateegia tõeliseks omaksvõtuks.

Rakenduse ülesanne

Valige tehisintellekti võimalus ja tehke 1. malliga toote/ostmise analüüs, et otsustada, kas see on põhi- või standardne. Looge kriitilised küsimused, mida esitate tarnijale teise malliga lahenduse jaoks, mille otsustate osta (kaasake kindlasti andmete turvalisus ja väljumise lihtsus). Lõpuks kirjeldage ühes lõigus suure lepingueelse piloodi kriteeriume, kestust ja otsustusläve.

kontrollnimekiri

• [ ] Otsustasin, kas oskus on põhi- või standardne.
• [ ] Põhjendasin tegemise/ostmise otsust.
• [ ] Hindasin tarnijaid hindadest kaugemale ulatuvate kriteeriumidega.
• [ ] "Kas meie andmeid kasutatakse hariduses?" esitasin küsimuse.
• [ ] Hindasin väljumise lihtsust ja tarnijasõltuvust.
• [ ] Kujundasin enne suurt lepingut piloodi.
• [ ] Tegin plaani lasta leping ja andmeklauslid õigus-/turvalisuse üle vaadata.