Mga nadagdag:
- Kakayahang mangolekta ng mga lugar ng paggamit ng artificial intelligence mula sa isang malawak na pool at linawin ang mga ito gamit ang template na 'problema/sino/data/result/pagsukat'
- Kakayahang mag-iskor ng mga lugar ng paggamit sa mga axes ng value at applicability at ilagay ang mga ito sa isang four-zone matrix
- Kakayahang tumuon sa wave ng unang 90 araw sa pamamagitan ng paglikha ng momentum na may mabilis na mga nadagdag at pagpaplano ng malalaking taya
Ang tagumpay o kabiguan ng isang diskarte sa AI ay kadalasang nauuwi sa isang tanong: "Ano ang sinasabi nating oo at ano ang sinasabi nating hindi?" Dose-dosenang mga ideya ang kumakalat sa karamihan ng mga institusyon; ngunit ang mapagkukunan ay limitado. Sa unit na ito, matututunan mo kung paano sistematikong tukuyin at bigyang-priyoridad ang mga kaso ng paggamit ng AI (isang partikular na senaryo kung saan inilapat ang AI upang malutas ang isang kongkretong problema sa negosyo). Ang layunin ay piliin ang "ang isa na magbubunga ng pinakamaraming halaga" sa halip na ang "pinaka-pinag-uusapan".
Paano mangolekta ng mga lugar ng paggamit?
Gumawa muna ng pool. Ang mahusay na mga kaso ng paggamit ay nagmumula sa tatlong pinagmumulan: mga punto ng sakit (nagpapalipas ng oras ng empleyado, nakakapagod, madaling gawain sa error), mga pagkakataon (kung saan maaari itong humimok ng kita o karanasan ng customer), at pag-benchmark (kung ano ang gumagana sa isang katulad na industriya). Panatilihing malapad ang pool; darating ang elimination mamaya.
Ang isang mahusay na paglalarawan ng kaso ng paggamit ay kinabibilangan ng mga sumusunod na elemento: anong problema sa negosyo, para kanino, anong data, inaasahang resulta, at kung paano ito susukatin. Ang "AI sa serbisyo sa customer" ay hindi isang kaso ng paggamit; "Pagikli sa oras ng pagpapasa sa pamamagitan ng awtomatikong pag-uuri ng mga papasok na e-mail ayon sa kanilang paksa at pagdidirekta sa kanila sa tamang koponan" ay isang lugar ng paggamit.
Tip: Ang mga mahusay na kaso ng paggamit ay malamang na mga trabahong "mataas na volume + paulit-ulit + text/data + makatwirang pagpapahintulot sa pagkakamali." Kung mas marami sa apat na katangiang ito ang isang trabaho, mas mataas ang halaga ng AI nito.
Priyoridad: value/applicability matrix
Ang pinakakaraniwan at praktikal na tool ay isang two-axis matrix:
- Value axis: Magkano ang epekto nito sa negosyo? (Kita, gastos, pagbabawas ng panganib, karanasan ng customer)
- Feasibility axis: Gaano natin kadaling gawin ito? (Handa na ba ang data, kahirapan sa teknikal, panganib, pasanin ng pagbabago)
Rehiyon
Halaga
Applicability
Ano ang gagawin?
mabilis na pakinabang
mataas
mataas
Magsimula ngayon
malaking taya
mataas
mababa
Magplano, mag-set up ng mga kinakailangan
tagapuno
mababa
mataas
Gawin mo kung may oras ka.
bitag
mababa
mababa
Huwag/ipagpaliban
Diskarte: Bumuo ng momentum at kumpiyansa sa mga mabilisang panalo, alagaan sa pamamagitan ng pagpaplano ng malalaking taya, iwasan ang mga pitfalls.
Hakbang sa hakbang: mula sa ideya hanggang sa priyoridad
1. Linisin ang pool. Lumalabas ang malawak na listahan ng mga kaso ng paggamit mula sa mga departamento (normal ang 30-50 ideya).
2. Ilarawan gamit ang karaniwang template. Ilagay ang bawat ideya sa format na "problema / sino / data / kinalabasan / pagsukat". Ang malabo ay nagiging malinaw o inaalis.
3. Puntos sa dalawang palakol. Markahan ang bawat ideya para sa halaga (1-5) at pagiging posible (1-5). Maging batay sa ebidensya.
4. Ipasok sa matrix. Ipamahagi sa apat na rehiyon; nagha-highlight ng mabilis na mga nadagdag.
5. Piliin ang unang wave. Magsimula sa 2-4 mabilis na panalo + 1 malaking pagtuklas ng taya. Hindi na marami pa.
tatlong mini case
Kaso 1 — Nakatutukso ngunit hindi praktikal. Ang isang e-commerce na kumpanya ay umibig sa ideya ng isang "ganap na personalized na storefront na may AI" (mataas na halaga). Ngunit ang data ay pira-piraso, ang pagsasama ay tatagal ng 9 na buwan (mababa ang pagiging posible). Ipinakita ito ng matrix bilang "malaking taya". Ang kumpanya ay unang nagsimula ang mabilis na pagkuha ng "pagbuo ng mga teksto ng paglalarawan ng produkto na may artipisyal na katalinuhan"; Bumaba ng 70% ang tagal ng paggawa ng content sa loob ng 6 na linggo, ang pagtitipid ang tumustos sa malaking taya.
Kaso 2 — Pag-aalis ng template. Isang kompanya ng seguro ang nangolekta ng 41 ideya. Kapag inilagay sa karaniwang template, nakita na 14 sa kanila ang aktwal na inilarawan ang parehong problema, habang 9 sa kanila ay walang nasusukat na resulta. Ang pool ay lumiit mula 41 hanggang 12 aktwal na lugar ng paggamit; Ang priyoridad ay naging mas malinaw.
Kaso 3 — Tumakas mula sa bitag. Isang tagagawa ang masigasig na iminungkahi ang ideya ng "pagbubuod ng mga tala ng executive meeting sa AI." Mababang halaga sa matrix (kaunting tao, kaunting oras ang natipid) at katamtamang pagiging posible na output: limitasyon sa backfill/trap. Ang mapagkukunan ay sa halip ay nakadirekta sa mataas na halaga ng pagkuha ng "pagsusuri sa mga talaan ng pagkakamali sa linya ng produksyon at paghahanap ng mga umuulit na dahilan"; Bumaba ng 11% ang taunang downtime.
Apat na maaaring kopyahin na mga template
1) Pagtukoy sa lugar ng paggamit:
Ang iyong tungkulin: AI business analyst. Ilarawan ang sumusunod na problema sa negosyo bilang isang use case: [problema]. Template: (1) problema sa negosyo na lulutasin, (2) para kanino, (3) kinakailangan ng data, (4) inaasahang masusukat na resulta, (5) pangunahing panganib. Tanungin ako pabalik para sa anumang hindi malinaw na mga punto bilang mga tanong.
2) Produksyon ng pool:
Magmungkahi ng 10 kaso ng paggamit ng AI para sa [kagawaran] sa [industriya]. Magbigay ng isang pangungusap na paglalarawan ng problema at tinantyang uri ng halaga (kita, gastos, panganib, karanasan) para sa bawat isa. Tumutok sa mataas na volume, paulit-ulit na gawain.
3) Pagmamarka ng halaga/pagiging angkop:
I-iskor ang mga sumusunod na kaso ng paggamit sa score na 1-5 sa dalawang axes: halaga (epekto sa negosyo) at pagiging posible (paghahanda ng data, kahirapan sa teknikal, panganib). Sumulat ng isang pangungusap na katwiran para sa bawat punto at ilagay ito sa apat na lugar (mabilis na panalo, malaking taya, tagapuno, bitag). Mga Patlang: [listahan]
4) Pagpili ng unang alon:
Piliin ang wave na magsisimula sa unang 90 araw mula sa priyoridad na listahang ito: hanggang 3 mabilis na panalo at 1 malaking pagtuklas ng taya. Para sa bawat pagpipilian, isulat kung bakit ngayon, sa anong sukatan ito susukatin, at ang unang milestone. Listahan: [teksto]
Mahinang prompt / Malakas na prompt
Mahina: "Magbigay ng mga ideya sa AI para sa aking kumpanya."
Resulta: Isang generic na listahan na walang konteksto; ang halaga at pagiging angkop nito ay hindi tiyak, walang mapagpipilian.
Güçlü: "Ako ay isang accounting services firm na may 150 tao. Ang aming pinaka-nakakaubos ng oras na trabaho ay ang pagpasok ng invoice, pagkakasundo, at pagtugon sa mga email ng customer. Magmungkahi ng mga kaso ng paggamit ng AI para sa tatlong lugar na ito, ilarawan ang bawat isa gamit ang 'problem/sino/data/result/risk' na template at ilagay ito sa value-applicability matrix na may simula ng 90 araw.
Ang resulta: isang nakakonteksto, naka-template, naka-prioritize at naaaksyunan na pagpipilian.
Mga karaniwang pagkakamali
- Pagpili ng pinaka-pinag-uusapan. Ang pinakasikat na ideya ay hindi ang pinakamahalagang ideya; Inaayos ng matrix ang emosyon.
- Malabong lugar ng paggamit. Ang mga paglalarawan tulad ng "X na may AI" ay hindi masusukat; kinakailangan ang karaniwang template.
- Hindi pinapansin ang pagiging praktikal. Ang bulag na pagsisid sa mataas na halaga ngunit ang data/integrasyon-impossible na mga ideya ay nangangahulugan ng mga buwan ng walang kwentang trabaho.
- Masyadong marami ang nagsisimula nang sabay-sabay. Ang paglilimita sa unang wave sa 3-4 ay nagbibigay ng focus at pag-aaral.
- Pag-bypass sa fault tolerance. Mapanganib na magkamali sa mga lugar na may mababang error tolerance (hal. direktang medikal/legal na paggawa ng desisyon) para sa mabilis na panalo.
Mag-ingat: Maaaring magmungkahi ang AI ng listahan ng use case at pagmamarka; Ngunit ang tagapamahala ang magpapasya kung ang halaga at mga marka ng pagkakalapat ay sumusunod sa katotohanan ng institusyon at kung aling wave ang pipiliin. Bukod pa rito, kahit na ang isang kaso ng paggamit ay maaaring teknikal na "magagawa", maaari itong "hindi nagawa" mula sa isang etikal o pagsunod na pananaw; Tatalakayin natin ito sa Units 8 at 9.
Sa buod
Ang pag-prioritize sa paggamit ay ang sining ng pagdidirekta ng mga limitadong mapagkukunan sa pinakamataas na halaga. Mangolekta muna ng malaking pool, linawin ang bawat ideya gamit ang template na "problema/sino/data/resulta/sukat", pagkatapos ay i-score ito sa value at feasibility axes at ilagay ito sa matrix. Bumuo ng momentum na may mabilis na panalo, pagyamanin ito sa pamamagitan ng pagpaplano ng malalaking taya, iwasan ang mababang halaga ng mga bitag. Limitahan ang unang alon sa 3-4 na lugar. Sa susunod na unit, makikita natin kung paano patunayan gamit ang ROI at mga sukatan kung ang mga kaso ng paggamit na iyong pinili ay talagang nagbibigay ng halaga.
Gawain ng aplikasyon
Mangolekta ng 10-15 AI use case idea mula sa iyong organisasyon. Pagkasyahin ang bawat isa sa karaniwang template; linawin o alisin ang mga malabo. Markahan ang natitirang 1-5 sa value at feasibility axes at ilagay ang mga ito sa isang matrix. Piliin ang wave ng unang 90 araw (hanggang sa 3 mabilis na panalo + 1 malaking taya) at magsulat ng isang pangungusap na katwiran para sa bawat pagpipilian.
checklist
- [ ] Nakakolekta ako ng malaking pool ng mga lugar na ginagamitan.
- [ ] Inilagay ko ang bawat ideya sa karaniwang template.
- [ ] Inalis ko ang malabo at paulit-ulit na mga ideya.
- [ ] Nag-iskor ako ng halaga at pagiging posible batay sa ebidensya.
- [ ] Inilagay ko ang mga ideya sa four-zone matrix.
- [ ] Nilimitahan ko ang unang alon sa 3-4 na lugar.
- [ ] Partikular kong minarkahan ang mga lugar na may mababang error tolerance.