Sztuczna inteligencja kojarzy się nam głównie z autonomicznymi pojazdami, asystentami osobistymi, którzy pilnują naszych spraw, i inteligentnymi robotami. Jednak technologia ta przeobraża nie tylko inteligentne produkty, ale w równym stopniu sposób funkcjonowania firm.
Kognitywne systemy przetwarzania danych (KSPD)Indeks górny 11 to jedno z zastosowań sztucznej inteligencji w służbie biznesu. Funkcjonują one dzięki wprowadzeniu do aplikacji algorytmów, które mają wspierać efektywność działania przedsiębiorstw.
Za pomocą aplikacji KSPD można zautomatyzować powtarzalne, sformalizowane zadania i w ten sposób spotęgować szybkość przetwarzania danych, a także bardzo poprawić wiarygodność i dokładność uzyskiwanych wyników. Na przykład aplikacje KSPD wykorzystywane w telefonicznych biurach obsługi klienta są w stanie w ciągu pięć sekund odpowiedzieć na zapytania klientów, pracują bez wytchnienia 24/7 przez 365 dni w roku i w 90% przypadków pomagają załatwić sprawę podczas pierwszego połączenia, a bardziej skomplikowane problemy przesyłają do pracowników – ludzi – i to wszystko zanim połowa dzwoniących osób zorientuje się, że ma do czynienia z maszynąIndeks górny 22. Zaletą aplikacji KSPD jest też skrócenie czasu wyszukiwania i przetwarzania większej ilości danych w celu zdobycia informacji potrzebnych do podjęcia decyzji. To także przekłada się na wzrost produktywności, gdyż pracownicy zostają uwolnieni od pracy mechanicznej i mogą skupić się na trudniejszych zadaniach – zwłaszcza takich, które wymagają umiejętności dostosowywania się i kreatywności. W rezultacie aplikacje KSPD są w stanie poprawić zarazem sprawność operacyjną, satysfakcję klienta i doświadczenie pracownikaIndeks górny 33.
Jest wiele rodzajów aplikacji KSPD. Oprócz wykorzystywanych w telefonicznych centrach obsługi klienta mamy aplikacje stosowane w bankowości do przeprowadzania wstępnej analizy wniosków pożyczkowych oraz wykrywania ewentualnych oszustw. Istnieją też aplikacje prawnicze służące do wyszukiwania precedensów orzeczniczych, aplikacje inwestycyjne, które pomagają w przewidywaniu i rekomendowaniu zleceń kupuj/sprzedaj, aplikacje produkcyjne powiadamiające o potrzebie konserwacji lub serwisowania urządzeń, a także aplikacje farmaceutyczne wykorzystywane przez działy badawczo‑rozwojowe do prognozowania szans powodzenia procesu opracowywania nowych medykamentów.
Nie dziwi więc fakt, że większość liderów biznesowych i technologicznych wypowiada się z optymizmem o KSPD i ich potencjale w zakresie tworzenia wartości. W ankiecie przeprowadzonej w 2017 roku – na próbie 3000 dyrektorów wyższego szczebla reprezentujących różne branże, firmy różnej wielkości i różne kraje – 63% uznało, że w ciągu kolejnych pięciu lat aplikacje KSPD będą miały duży wpływ na oferty firm. Rzeczywiste tempo wdrażania tych systemów jest jednak dość wolne, a korzyści w przypadku większości firmIndeks górny 44 okazały się wcale nie tak oczywiste. Kiedy w roku 2017 przeprowadziliśmy własne badanie wśród menedżerów wyższego szczebla zatrudnionych w 106 firmach, połowa respondentów przyznała, że ich organizacje nie korzystają z żadnych aplikacji KSPD. Ponadto jedynie połowa respondentów zatrudnionych w firmach, które wprowadziły takie rozwiązania, uważała, że są one źródłem wymiernych korzyści biznesowych. Inne badania przyniosły podobne rezultatyIndeks górny 55.
Wynika z tego, że korzyści nie pojawiają się ot tak, jako prosta konsekwencja wprowadzenia aplikacji KSPD – wiadomość ta zupełnie zaskoczyła wielu liderów biznesu. No cóż, entuzjazm związany z KSPD wynikał w pewnej mierze z dość nierealistycznych oczekiwań wobec potencjału „inteligentnych maszyn”. Ponadto wiele firm nie odniosło korzyści z wykorzystania KSPD, gdyż nie zadbano w nich o stworzenie odpowiedniego zaplecza możliwości. Aby pomóc w rozwiązaniu tego problemu, stworzyliśmy program badań nastawionych na wykrywanie podstaw kompetencji KSPD. Odkryliśmy pięć umiejętności i cztery praktyki, bez których firmom może być ciężko wzbogacić DNA organizacji o gen KSPD.
PODSTAWOWE PYTANIE
W jaki sposób firmy mogą rozwijać swoje zdolności do wykorzystania AI, by doskonalić operacje biznesowe?
Prezesi dostrzegają potencjał AI w zakresie doskonalenia procesów operacyjnych i przechwytywania wartości, ale nie do końca potrafią skorzystać z tych możliwości.
Biegłość w obszarze biznesowym, czyli gruntowna znajomość zadań, charakteru pracy i logiki dotychczasowych procesów, pozwala przełożyć kompetencje analityczne na wartość biznesową.
Aplikacje KSPD muszą być pod kontrolą przez cały cykl ich życia, ponieważ nieustannie zmieniające się warunki sprawiają, że algorytmy AI z czasem coraz słabiej odwzorowują rzeczywistość.
Pięć istotnych umiejętności
Zauważyliśmy, że firmy, które odnoszą korzyści z wykorzystywania aplikacji KSPD (tzn. gruntownie doskonalą swoje procesy biznesowe, by redukować koszty i/lub generować nowe przychody), wyróżniają się: kompetencjami związanymi z wykorzystywaniem wiedzy o danych (data science), znajomością obszaru biznesowego, orientacją w architekturze organizacji, sprawnością w chronieniu kręgosłupa informatyczno‑operacyjnego oraz cyfrową dociekliwością.
Kompetencje związane z analizą danych. Dotyczą szerokiego spektrum umiejętności, które są niezbędne, by móc korzystać z KSPD. Chodzi o sprawdzanie dostępności i przydatności ogromnych ilości danych: zbieranie, czyszczenie, organizowanie, oznaczanie (tagging) oraz analizowanie danych wewnętrznych i zewnętrznych z licznych źródeł. Kompetencje te obejmują także wykrywanie i opisywanie relacji zachodzących między danymi oraz rozwijanie algorytmów AI, które uczą się, jak wyszukiwać prawidłowości i prawdopodobieństwa, korzystając z dostępnych danych.
Najlepsi specjaliści ds. danych posiadają doskonałą orientację w takich obszarach, jak: przetwarzanie języka naturalnego, wnioskowanie na podstawie danych statystycznych, reprezentacja danych i uczące się algorytmy. Obszary te stanowią filary Wipro, indyjskiej firmy świadczącej usługi informatyczne. Jej specjaliści ds. danych budują algorytmy sztucznej inteligencji, które można wbudować w aplikacje biznesowe.
Organizacje, które nie są w stanie rozwijać talentów u siebie, muszą słono płacić za pozyskanie analityków z rynku, na przykład z firm zajmujących się tworzeniem oprogramowania lub doradztwem technologicznym, a także ze start‑upów działających w obszarze sztucznej inteligencji. Mogą też postawić na tworzenie programów dla studentów z określonych specjalizacji. W pewnej firmie świadczącej usługi finansowe, którą poddaliśmy badaniu – nazwijmy ją na nasze potrzeby OneBankAssure – prezes zatrudnił pracownika, który był naukowcem i konsultantem specjalizującym się w analizie danych. Osoba ta z kolei zatrudniła 20 kolejnych specjalistów, którzy stali się trzonem zespołu ds. rozwoju KSPD. Firmy poważnie myślące o rozwoju KSPD inwestują, zatrudniając najlepszych specjalistów ds. danych. Aby zgromadzić środki na ten cel, jedna z badanych przez nas firm farmaceutycznych obniżyła koszty operacyjne (eliminując duplikację systemów i wprowadzając standardowe procesy we wszystkich jednostkach biznesowych), a także przesunęła część oszczędności przeznaczonych wstępnie na rozbudowywanie potencjału w zakresie analizy danych.
Znajomość obszaru biznesowego. Takie kompetencje pozwalają rozumieć logikę dotychczasowych procesów biznesowych, wykonywane zadania i charakter pracy w firmie, a także pomagają wyobrazić sobie, jak aplikacje KSPD mogłyby te procesy udoskonalić. Ponieważ wiele organizacji uczyło się na własnych błędach, można – i to nawet bez większych problemów – stworzyć elegancki algorytm AI, który będzie wykorzystywał ogromne ilości danych do uczenia się, jak przewidywać rozmaite zdarzenia lub jak kategoryzować różne dane, ale nie wpłynie to na poprawę wyników biznesowych firmy. Posiadanie odpowiednich umiejętności technicznych to jeszcze nie wszystko. Znajomość obszaru biznesowego pozwala przełożyć kompetencje analityczne na wartość biznesową.
Na przykład zdolność specjalistów ds. danych do odpowiedniego przygotowywania, oznaczenia i analizy danych zależy od dobrego zrozumienia relacji zachodzących między danymi z punktu widzenia procesowego i biznesowego. Znajomość obszaru biznesowego daje jasne spojrzenie na te relacje, znane też pod nazwą ontologii. Oparte na danych ontologie mogą być dość złożone, a nawet zaskakująco nieintuicyjne. Pewien ekspert biznesowy (domain expert) opisał niektóre problemy, jakie napotkał, pozyskując dane na temat technologii potrzebnych do prowadzonych przez firmę badań nad cukrzycą: „Duża część diabetyków to osoby otyłe. Czy powinniśmy wziąć to pod uwagę w naszej ontologii diabetyków? Czy też może bycie cukrzykiem prowadzi do otyłości? W dodatku ludzie z nadwagą często muszą poddawać się operacji wymiany stawów. A jeżeli mamy nadwagę i cierpimy na bóle stawów, istnieje z kolei podwyższone prawdopodobieństwo zachorowania na depresję. Nie ulega wątpliwości, że radzenie sobie z depresją ma wielki wpływ na dobre wyniki leczenia cukrzycy. Czy mam więc szkolić algorytm, by uwzględniał dane na temat depresji?”.
Znajomość obszaru biznesowego jest ważna także z punktu widzenia tworzenia reguł, które decydują, jak wyniki pracy algorytmu są interpretowane przez aplikację KSPD. Na przykład aplikacja KSPD, która pomaga bankom przewidzieć, którzy klienci mogą spłacić pożyczki w terminie, musi uwzględniać reguły biznesowe dotyczące tego, jak będą stosowane prognozy algorytmu. Na przykład, czy niektóre pożyczki będą przyznawane automatycznie? A jeśli tak, to pod jakimi warunkami? Komu będą udostępniane te prognozy? W jakich okolicznościach można pominąć ich wyniki?
Do zaprojektowania dowolnej aplikacji KSPD niezbędna jest doskonała znajomość wszystkich obszarów funkcyjnych, które podtrzymują operacje głównego procesu – lub w nim uczestniczą. Na przykład w pewnym amerykańskim banku zespół, który stworzył aplikację KSPD do wykrywania oszustw finansowych, musiał wykazywać się biegłością nie tylko w wykrywaniu oszustw i zapobieganiu im, ale także w obszarach powiązanych, w tym wypadku była to znajomość obowiązujących przepisów oraz prawa bankowego.
Ludzie posiadający doskonałą znajomość obszaru biznesowego świetnie znają procesy. Mogą być za nie odpowiedzialni, choć często są bezpośrednio zaangażowani w realizację zadań. Niektóre firmy poszukują specjalistów ds. danych już ze znajomością danej dziedziny. Takie osoby mogą znakomicie współpracować ze znawcami dziedziny biznesowej, ale nie mogą ich zastąpić przy tworzeniu aplikacji KSPD. Wynika to z faktu, że zwykle brakuje im wiedzy na temat aktualnych procesów, zasad i praktyk obowiązujących w firmie.
Znajomość architektury organizacji. Historia wdrażania systemów firmowych jest pełna postaci liderów, którzy zawiedli, gdyż nie dostrzegali skali, w jakiej należało wprowadzić zmiany organizacyjne, by móc te systemy w pełni wykorzystać. Wielu liderów popełnia podobne błędy z aplikacjami KSPD. Aplikacje KSPD nie stają się źródłem wartości jedynie z racji możliwości przetwarzania danych czy obliczania wyników. Korzyści powstają, kiedy organizacja zmienia swój sposób działania, czyli kiedy zmienia swoje procesy, politykę i praktyki, by pozyskać i zastosować wiedzę, która jest wynikiem analizy. Eksperci od architektury organizacji projektują nową strukturę, która jest potrzebna, by aplikacje KSPD mogły tworzyć wartość biznesową; ponadto pomagają w zarządzaniu przemianą ze starej formy organizacji w nową.
Najbardziej ambitne aplikacje KSPD zwykle wpływają na kilka, często fundamentalnie różnych, procesów biznesowych. W takich przypadkach potrzebni są architekci organizacji, by przeprojektować systemy, procesy i role we wszystkich jednostkach organizacyjnych. Im ambitniejsza aplikacja KSPD, tym większe prawdopodobieństwo, że będzie wymagała daleko idących zmian organizacyjnych.
Problemy z dostosowaniem funkcjonowania organizacji do wprowadzanych zmian mogą pojawić się nawet w – wydawałoby się niewielkich – aplikacjach. Pewnemu dystrybutorowi leków nie udało się odzyskać nakładów poniesionych na aplikację KSPD, która miała dokładnie przewidywać, czy internetowe ubezpieczenie klientów będzie wypłacało odszkodowania w 90% przypadków, ponieważ dział ds. wypłat nie dokonał potrzebnych kosztownych zmian w procesach, by móc dostosować się do wymogów aplikacji. Gdyby w ten proces od początku był zaangażowany architekt organizacji, można by było uniknąć tego błędu.
Zmiany organizacyjne potrzebne do uwolnienia potencjału aplikacji KSPD mogą być złożone i wzajemnie się przenikać. Architekci organizacji znają przeszkody, które zwiększają koszty zmian lub ograniczają ich zasięg. W Wipro znajomość architektury organizacji ułatwiła tworzenie nowej aplikacji KSPD Help Desk – dokonano tego dzięki połączeniu jej z dotychczasowymi aplikacjami, obniżając liczbę typów nieudanych zgłoszeń (fault tickets) z 3000 na 2200 oraz eliminując nieefektywne rozwiązania w zadaniach wspierających. Upraszczając i standaryzując proces help desk, firma jeszcze przed stworzeniem aplikacji KSPD zredukowała i uprościła pracę, jaką trzeba było wykonać, by pozyskać dane do uczenia (dostrojenia) algorytmu AI, rozwinięcia go i ostatecznie do zautomatyzowania procesu, co stało się dla niej źródłem dodatkowej wartości.
Kiedy z pozoru prosta aplikacja KSPD do generowania leadów sprzedażowych wymagała od swoich agentów, by odbywali więcej niezapowiedzianych akwizycji telefonicznych (cold calling) oraz podejmowali więcej prób prezentacji oferty osobom docelowym, architekci organizacyjni w OneBankAssure stworzyli nowe stanowisko coachingowe, by pomóc agentom – bez niego aplikacja ta nie spełniałaby swojego zadania.
Biorąc pod uwagę, jak szeroki zakres umiejętności jest potrzebny architektom organizacji, kwalifikacje te trudno rozwinąć u siebie. Często posiadają je osoby mające spore doświadczenie w projektowaniu organizacji i zarządzaniu zmianą, na przykład liderzy biznesu, którzy już mieli do czynienia z zarządzaniem transformacjami opartymi na technologiach lub innymi rodzajami reorganizacji. Dobrym źródłem wiedzy na temat architektury organizacyjnej, a w szczególności na temat projektowania i przeprojektowywania stanowisk pracy, a także uczenia umiejętności, mogą być pracownicy działu HR, którzy mają styczność z wieloma stanowiskami w organizacji. Kandydatów do tych ról należałoby szukać także wśród informatyków, którzy posiadają wiedzę o wielu procesach biznesowych i mogą pomóc w ich uproszczeniu oraz w stworzeniu właściwego podziału zadań między aplikacje KSPD a pracowników.
Kręgosłup informatyczno‑operacyjny. Dotychczasowe technologie i dane firmy – jej kręgosłup informatyczno‑operacyjny – oraz ludzie za to odpowiedzialni wspierają rozwój i działanie aplikacji KSPD. Zapewniają wsparcie informatyczne potrzebne do magazynowania istotnych danych i dostępu do nich, do integracji KSPD z innymi aplikacjami, do zapewnienia operacjom niezawodności, a także prywatności i bezpieczeństwa.
Jak zauważyliśmy wcześniej, aby algorytm AI mógł się uczyć, firma musi udostępnić ogromne ilości wysokiej jakości danych, które są oczyszczone i odpowiednio oznaczone. Niedostateczna jakość danych jest najbardziej szkodliwą i najmniej oczekiwaną przeszkodą w trakcie rozwijania algorytmów AI. OneBankAssure pokonał tę przeszkodę i przyspieszył wdrożenie KSPD, oddzielając odpowiedzialność za rozwój algorytmów AI od odpowiedzialności za dostarczanie danych. Ponieważ dział informatyczny już zajmował się utrzymaniem podstawowej infrastruktury operacyjnej oraz dbał o jakość danych, był w stanie pomóc twórcom algorytmów, dając im dostęp do jeziora danych zawierającego dane operacyjne i zewnętrzne. Z kolei odpowiedzialność za ustrukturyzowanie danych do budowy algorytmów spoczywała już w rękach specjalistów do spraw danych.
Prawie żadna nowa aplikacja firmowa nie może funkcjonować w oderwaniu od innych aplikacji firmowych. KSPD nie stanowi tu wyjątku.
Jeżeli aplikacja nie jest właściwie zintegrowana, będzie ją trudno wykorzystać i najprawdopodobniej zostanie pominięta. Dlatego też jednostka IT w OneBankAssure włączyła firmowy system wyławiania nowych leadów sprzedażowych do systemu zarządzania relacjami z klientami (CRM), będącego częścią jej kręgosłupa informatyczno‑operacyjnego. System CRM uzupełnił aktualne informacje o potencjalnych klientach o ich dane kontaktowe i historię. Zapewnił też cały ciąg procesów, dzięki którym leady sprzedażowe KSPD mogły być od razu wyświetlane użytkownikom. Przyłączenie do kręgosłupa informatycznego oznaczało także, że system wyławiania potencjalnych klientów będzie skalowalny, niezawodny i bezpieczny.
Dotychczasowy personel informatyczny jest domyślnym źródłem wiedzy na temat kręgosłupa informatyczno‑operacyjnego. W OneBankAssure dział informatyczny ustalił standardy dla wtyczek KSPD i przystosował aplikacje do środowiska produkcyjnego firmy, zmieniając i ponownie testując jego kod. Zarządzał też odzyskiwaniem systemu oraz bezpieczeństwem w zainstalowanych aplikacjach KSPD.
Cyfrowa dociekliwość. Algorytmy AI i aplikacje KSPD nie formułują ostatecznych odpowiedzi. Tworzą raczej prognozy oparte na prawdopodobieństwach, przewidują na przykład, że klient kupi produkt, że pacjent cierpi na jakąś chorobę, że pożyczka zostanie spłacona. Widząc te prognozy, użytkownicy aplikacji muszą często odwoływać się do własnej oceny sytuacji, zanim podejmą decyzję, jak i gdzie promować ofertę, jaką przepisać terapię lub jakie pożyczki zatwierdzić. Aby móc to dobrze zrobić, powinni charakteryzować się cyfrową dociekliwością – przyzwyczajeniem do krytycznego patrzenia na dane. Muszą posługiwać się tą umiejętnością, by lepiej rozumieć opcje proponowane przez aplikacje KSPD i nieustannie poprawiać wyniki.
Rozwój tej umiejętności wymaga niemałego wysiłku. Wiele badanych przez nas firm wdrożyło mechanizmy służące kultywowaniu cyfrowej dociekliwości. Uniwersytet korporacyjny OneBankAssure stworzył program szkoleniowy, który przybliżał menedżerom ideę efektywnego wykorzystania danych w podejmowaniu decyzji. Jedno z ćwiczeń było grą strategiczną, w której uczestnicy konkurowali o stworzenie rozwiązania KSPD, które będzie generowało największą wartość w kontekście określonego problemu biznesowego. Na różnych etapach tej gry uczestnicy musieli posługiwać się danymi niskiej jakości (które były faktycznymi danymi firmy), budować drzewa decyzji, uczyć algorytm wykrywania prawidłowości i stworzyć model, który rozwiąże problem. Firma Wipro stworzyła platformę e‑learningową, na której pracownicy mogli wybierać kursy, żeby dowiedzieć się, czym jest sztuczna inteligencja, jak można ją wykorzystać w procesach biznesowych oraz jak efektywnie pracować w obrębie technologii KSPD. Firma wyszkoliła także setki ekspertów z wielu obszarów biznesowych, by działali jako popularyzatorzy sztucznej inteligencji.
Cztery najważniejsze praktyki
Rozwinięcie tych pięciu umiejętności umożliwia organizacji uzyskanie wartości z aplikacji KSPD, ale pod warunkiem że firmy będą z tych zdobyczy korzystać. Zauważyliśmy, że ułatwiają to w szczególności cztery praktyki. Tworzą one warunki dla danej aplikacji – i jej algorytmów AI – by mogła zrealizować to, do czego została stworzona.
Opracowywanie jasno określonych i realistycznych zastosowań. Opis zastosowania stanowi jasną definicję tego, do czego będą użyte aplikacje KSPD, ilustruje też, jak algorytmy AI wzmocnią realizację i wyniki procesu lub całego zestawu procesów biznesowych. Pokazuje, jak będzie wyglądał podział pracy pomiędzy aplikację i użytkownika. Opis zastosowania sygnalizuje więc potrzeby zmian w procesach oraz daje pierwszy wgląd w to, jakich nowych umiejętności mogą potrzebować użytkownicy (a także wskazuje umiejętności, które już nie będą im potrzebne). Dobrze przygotowany opis zastosowania pomaga też określić koszty zastosowania oprogramowania KSPD i korzyści, jakie ono przyniesie.
Przyjrzyjmy się na przykład aplikacji KSPD dla telefonicznego centrum obsługi klienta: może ona zakładać wykorzystanie prostej wersji algorytmu AI, który dopasowuje zgłoszenia klientów do rozwiązań. Opis zastosowania pokazywałby, do czego będzie służył algorytm i jakie zautomatyzowane rozwiązania aplikacja mogłaby zaoferować klientom. Zawierałby również informację, że niektóre zgłoszenia będą przekierowane do doradcy klienta. Ponadto można by się z niego dowiedzieć, jaką aplikacja będzie wykonywać pracę oraz jakie to pociągnie za sobą zmiany w bilansie umiejętności pracowników. Te wszystkie informacje pozwoliłyby ekspertowi z danego obszaru biznesowego z grubsza ocenić wyzwania związane z wdrożeniem rozwiązania oraz oszacować spodziewane korzyści wynikające ze skróconego czasu odpowiedzi, mniejszej ilości pracy, ograniczenia liczby ponownych połączeń w tej samej sprawie, większej satysfakcji klienta lub kombinacji tych profitów.
Stworzenie opisu zastosowań KSPD, który będzie realistyczny, jest zadaniem zespołowym. Na początku odpowiadają za nie eksperci ds. danego obszaru biznesowego i specjaliści ds. danych, którzy określają, w jaki sposób algorytm AI ma zwiększyć wydajność organizacji i jakie dane są potrzebne, by go stworzyć. Swoją cegiełkę dokładają też architekci organizacji, ustalając nowe struktury, role oraz systemy, wymagane przez aplikację KSPD, zwłaszcza te, których nowa aplikacja będzie dotyczyć pośrednio. Informatycy oceniają potrzebę integracji z innymi aplikacjami i określają, jakiego dodatkowego wsparcia informatycznego może jeszcze wymagać aplikacja.
Właściwie przygotowane opisy zastosowań mogą pomóc firmom uniknąć słabych lub niedostatecznie przemyślanych wdrożeń KSPD, które jedynie marnują zasoby, a w dodatku mogą ograniczyć zainteresowanie tego typu aplikacjami i możliwość ich efektywnego wdrażania. Jeżeli opisy zastosowań dla pierwszych aplikacji KSPD podkreślają szybkie korzyści przy ważnych zastosowaniach, mogą być potężnym bodźcem do szerokiego wdrożenia KSPD w organizacji. Laboranci w pewnej firmie farmaceutycznej zaproponowali stworzenie aplikacji KSPD, która mogłaby wydobywać dane patentowe dla określonej jednostki chorobowej. Wiedzieli, że jeśli to się uda, aplikacja będzie mogła posłużyć jako wzór dla podobnych programów tworzonych dla innych jednostek chorobowych – i tak też się stało. Czasami same algorytmy można wykorzystywać ponownie. Na przykład firma Wipro stworzyła rozwiązanie do weryfikacji nowych klientów w sektorze usług finansowych, gdzie algorytm AI automatyzował wydobycie informacji z dokumentów finansowych należących do klientów i ich interpretację. Opis tego zastosowania pomógł w rozwinięciu aplikacji KSPD w sektorze inżynieryjnym do wyławiania i interpretacji danych z projektów poddanych cyfryzacji.
UCZENIE SIĘ W PRAKTYCE
Kiedy firmy wdrażają technologie kognitywne za pomocą opisanych czterech praktyk, zwiększają swoje możliwości. Praktyki są w końcu okazją do praktykowania.
Dobrym przykładem jest tu badana przez nas firma farmaceutyczna. Uznając, że analiza danych oraz aplikacje KPSD będą coraz ważniejsze w leczeniu i powstrzymywaniu chorób, firma zatrudniła specjalistów ds. danych, by przeprowadzili warsztaty, które pomogłyby menedżerom wyższego szczebla (głównie ekspertom biznesowym z różnych dziedzin oraz architektom organizacji) wyobrazić sobie te możliwości. Pracowali z przywódcami firm, by wykryć wąskie gardła w przetwarzaniu danych, które opóźniały pracę nad rozwojem nowych leków, badania kliniczne, produkcję oraz komercjalizację. Wąskie gardła otwierają możliwości do wykorzystania aplikacji AI, które odpowiednio użyte mogłyby pomóc niewielkim grupom złożonym z analityków i osób decyzyjnych rozwiązywać problemy.
Te pierwsze wysiłki przynosiły coraz większe korzyści, ale kierownictwo (business leaders) było o wiele bardziej skoncentrowane na budowaniu umiejętności aniżeli na tworzeniu przełomowych aplikacji. Starannie dobrano opisy zastosowań, by sprostać potrzebom pracowników, którzy
w sposób naturalny myśleli „kognitywnie”, a następnie wykorzystano całą potrzebną wiedzę – specjalistów ds. danych, ekspertów biznesowych z różnych dziedzin i informatyków – do współtworzenia aplikacji, a później do zarządzania jej pracą. W tych częściach firmy pracownicy pogłębiali swoje rozumienie wpływu aplikacji AI na organizację i rozwijali umiejętności pozwalające wymyślać i tworzyć jeszcze ambitniejsze wersje aplikacji KSPD. Co więcej, korzyści, jakie odnieśli w obszarze wydajności i produktywności, zainspirowały innych w firmie do poszukiwania własnych opisów zastosowań i rozwijania własnych umiejętności. Tworzenie tego samonapędzającego się koła ustawicznego uczenia się organizacji ograniczyło ryzyko inwestowania przez firmę w AI, a także pozwoliło jej uczynić z aplikacji KSPD źródło przewagi konkurencyjnej.
Zarządzanie procesem uczenia aplikacji KSPD. Algorytmy AI w takich produktach jak smartfony wykorzystują dane, które przetwarzają, by doskonalić się bez udziału człowieka. Z kolei aplikacje KSPD mają o wiele bardziej złożoną pętlę informacyjną (feedback loop). Warunki biznesowe i wymagania podlegają nieustannym zmianom. W rezultacie dane używane do stworzenia algorytmu AI stają się z czasem coraz mniej dokładnym odzwierciedleniem rzeczywistości – algorytm dryfuje. Stąd konieczność zarządzania uczeniem się aplikacji KSPD przez cały cykl ich życia.
Dryfowanie algorytmu może zachodzić szybko, jak w przypadku prognoz sprzedaży odzieży, lub wolno, jak przy przewidywaniu pojawiania się chorób. Aby zapanować nad dryfem aplikacji KSPD i aktualizować je, firmy zwykle korzystają z kombinacji kilku cech: kręgosłupa informatycznego, kompetencji specjalistów ds. danych oraz doskonałej znajomości dziedziny. Wbudowują w aplikacje KSPD mechanizmy sprawozdawcze, które wysyłają powiadomienia, jeżeli wyniki biznesowe uzyskane na podstawie pracy aplikacji nie odpowiadają celom firmy, jeżeli rekomendacje algorytmu wykraczają poza dopuszczalny margines błędu lub jeżeli aplikacja nie działa poprawnie.
Kiedy pojawiają się odchylenia, algorytmy AI należy przeszkolić i ponownie uruchomić aplikację KSPD. Eksperci doskonale znający obszar biznesowy i specjaliści ds. danych muszą wspólnie znaleźć nowe źródła danych, zdobyć do nich dostęp, oczyścić je, oznaczyć i wbudować w architekturę programu, by poprawić dokładność algorytmu AI oraz użyteczność całej aplikacji KSPD. Dodatkowo, kiedy już lepiej wiadomo, jak działa algorytm, lub kiedy użytkownicy nabiorą wprawy w posługiwaniu się aplikacją, może się okazać, że potrzebne są nowe reguły lub nowe procesy biznesowe, które będą podnosiły wartość aplikacji.
W OneBankAssure eksperci biznesowi oraz specjaliści ds. danych odkryli nowe zewnętrzne źródła danych, które mogły pomóc w typowaniu obiecujących leadów sprzedażowych, więc przeszkolili pod tym kątem algorytm AI. Zauważyli także, że na sukces sprzedaży ma wpływ doświadczenie handlowca, więc stworzono dokładniejsze reguły, które decydowały o tym, jak aplikacja KSPD prezentowała leady. Nowe zasady dotyczące danych i biznesu prowadzą do bardziej złożonych aplikacji KSPD, które OneBankAssure wciąż doskonali.
Nieustanna współpraca w trakcie całego cyklu użytkowania aplikacji. Specjalista ds. danych ani ekspert znający obszar biznesowy nie mogą rozwijać i utrzymywać aplikacji KSPD w pojedynkę. Pracownicy przedsiębiorstw, które skutecznie wdrożyły rozwiązania AI, powtarzali nam, że na początku nie doceniali tego, jak bardzo wielostronnej współpracy wymaga projekt KSPD, jeśli ma zakończyć się powodzeniem. Zaczęli odnosić sukcesy dopiero wówczas, kiedy zdali sobie sprawę, że tworzenie aplikacji KSPD wymaga ludzi z różnych obszarów specjalizacji i różnych dyscyplin, którzy pracują jak jeden zespół nie tylko w początkowej fazie rozwoju, ale także później, ponieważ aplikację należy nieustannie doskonalić przez cały okres jej funkcjonowania.
Wiele przyczyn decyduje o tym, że współtworzenie jest tak ważne dla KSPD. Jedną z nich jest fakt, że eksperci biznesowi nie rozumieją jeszcze możliwości – i ograniczeń – sztucznej inteligencji. W trakcie dopracowywania KSPD bliska współpraca w różnych obszarach wiedzy może zminimalizować ten problem. W OneBankAssure wyciągnięto wnioski z popełnionych błędów i stworzono politykę nakazującą, by każda aplikacja KSPD powstawała przy współpracy osób odpowiedzialnych za proces i jego użytkowników, a także ekspertów biznesowych, architektów organizacji oraz specjalistów ds. danych wspieranych przez dział informatyki. Żaden członek zespołu nie pracuje w zupełnej izolacji, a na końcu tej drogi nikt też w pojedynkę nie jest odpowiedzialny za sukces ani za niepowodzenie. Jednym z owoców współpracy członków zespołu jest wspólny język opisu potrzeb biznesowych oraz potencjalnych rozwiązań. Dzięki niemu mogą lepiej wyobrazić sobie i lepiej zrozumieć, jak ludzie będą w rzeczywistości korzystali z tej aplikacji.
W trakcie wdrożenia osoby odpowiedzialne za kręgosłup informatyczno‑operacyjny angażują się nie na zasadzie jednorazowych interwencji – współpracują one z zespołem KSPD, by stworzyć rozwiązanie zintegrowane z najważniejszymi systemami organizacji w środowisku produkcyjnym. Po wdrożeniu odpowiedzialność za utrzymanie aplikacji KSPD będzie wciąż miała charakter interdyscyplinarny, tak jak to opisaliśmy powyżej.
Myślenie „kognitywne”. Firmy, które potrafią tworzyć i wykorzystywać aplikacje KSPD, popularyzują zastosowania AI i tworzą pozytywną atmosferę wokół tego tematu. Zachęcają pracowników, by przychodzili z pomysłami na nowe aplikacje KSPD, które mogłyby usprawnić ich pracę.
Pracownicy reagują na KSPD bardzo różnie. Niektórzy na początku w ogóle nie dostrzegają w nich potencjału. Inni przeceniają ich możliwości, sądząc, że mogą automatycznie rozwiązać trudne problemy biznesowe. Jeszcze inni nie ufają AI i w procesach biznesowych opartych na KSPD dopatrują się zagrożeń. Obawiają się na przykład, że aplikacje staną się narzędziem dla nieuczciwej działalności lub przyczynią się do redukcji zatrudnienia.
Eksperci biznesowi, którzy poznali możliwości AI, są najlepszymi strażnikami realistycznych i wiarygodnych rozmów o KSPD w swoich organizacjach. Ze względu na znajomość istoty biznesu łatwiej jest właśnie im tworzyć pozytywną atmosferę wokół KSPD niż specjalistom ds. danych czy informatykom, którzy mogą być postrzegani jako osoby nadmiernie zafascynowane sztuczną inteligencją.
W firmie Wipro na przykład eksperci biznesowi z różnych dziedzin zostali wyznaczeni do odgrywania roli ambasadorów AI – odbywali „przechadzki” po różnych działach przedsiębiorstwa, przekonując innych do KSPD i uważnie wysłuchując wszystkich pomysłów i sugestii kolegów.
Osobami, które stanowią najpewniejsze źródło pomysłów na nowe aplikacje KSPD, są eksperci z biegłą znajomością określonej dziedziny lub/i znający się na analizie danych. W OneBankAssure menedżerowie ds. operacyjnych spędzają kilka miesięcy na dyskusjach ze specjalistami ds. danych, żeby wyobrazić sobie, jak ich obszary działalności mogą skorzystać w przyszłości z AI, by rozwijać pomysły na nowe aplikacje KSPD oraz nakreślać plany, jak ich pomysły mogłyby zostać zrealizowane i skomercjalizowane.
Czołowi specjaliści ds. danych potrafią być płodnymi pomysłodawcami. W badanej przez nas firmie farmaceutycznej pewien projekt KSPD wystartował w trakcie debiutu produktu. Jedna z osób odpowiedzialnych za ów produkt powiedziała specjaliście ds. danych o pewnym problemie biznesowym. Ten zaproponował proste rozwiązanie, podpowiadając wykorzystanie istniejącego już algorytmu AI. W innej firmie kierownik jednostki ds. danych zorganizował seminarium dla liderów działów i poszczególnych pionów, by wykryć obszary, w których aplikacje KSPD mogły im najbardziej się przydać.
Należy też wykorzystać dociekliwość cyfrową pracowników. Na przykład indyjskie przedsiębiorstwo Wipro zbiera pomysły pracowników na zasadzie crowdsourcingu. Zachęca ich do stworzenia wizji rozwiązania i zasugerowania nowych aplikacji KSPD, oceniając pomysły pod kątem ich potencjalnego wpływu na wzrost przychodów, zysków, satysfakcji klienta lub satysfakcji pracownika.
ZASTOSOWANIA BIZNESOWE AI mogą nie wzbudzać aż takiego zainteresowania jak samochody autonomiczne, ale mogą stać się źródłem dużych korzyści – skokowego wzrostu wydajności, zyskowności, przychodów i satysfakcji klienta. Dbając o rozwój pięciu umiejętności oraz wdrażając cztery praktyki opisane w niniejszym artykule, liderzy biznesowi mogą włączyć do DNA organizacji gen KSPD i cieszyć się osiągniętymi korzyściami.
Dzięki temu można uzyskać efekt samonapędzających się korzyści: umiejętności pozwalają pracownikom stosować praktyki, a te z kolei poszerzają i wzmacniają umiejętności. Cykl ten pomaga firmom zyskiwać biegłość w rozwijaniu i wykorzystywaniu aplikacji KSPD, które udoskonalają działania operacyjne i tworzą wartość biznesową.
O BADANIU
Artykuł został napisany na podstawie badań nad firmami z Ameryki Północnej, Europy, Azji i Australii, przeprowadzonych od stycznia 2016 do grudnia 2017 roku. Rozmawialiśmy z dyrektorami działów ds. informatyki i innowacji w 33 firmach, a także z ekspertami branżowymi i specjalistami ds. technologii w ośmiu organizacjach tworzących/sprzedających rozwiązania KSPD. Rozmowy dotyczyły stopnia wykorzystania rozwiązań KSPD w różnych organizacjach i branżach, a także związanych z tym szans i zagrożeń. Zbadaliśmy 51 przypadków wykorzystania aplikacji KSPD (37% wdrożonych, 48% na etapie planowania i 15% poniechanych jeszcze przed fazą rozwoju). Przeprowadziliśmy ankiety wśród menedżerów wyższego szczebla odpowiedzialnych za kwestie informatyczne i technologiczne w 106 firmach, pytając o wdrożone rozwiązanie KSPD, tworzone aplikacje, problemy z zarządzaniem takim przedsięwzięciem, a także o wyniki. Wreszcie przeprowadziliśmy badania, na podstawie których stworzyliśmy trzy szczegółowe studia przypadków dla trzech organizacji. W tym celu przeprowadziliśmy wywiady z 35 osobami: dyrektorami zarządu, liderami pionów informatycznych, pionów marketingu, sprzedaży i strategii, specjalistami ds. danych, a także z ekspertami ds. procesów/dziedzin biznesowych.
O AUTORACH
Monideepa Tarafdar jest profesorką systemów informatycznych, współkieruje Centre for Technological Futures na Lancaster University Management School w Wielkiej Brytanii. W pracy badawczej interesuje się tym, jak technologie cyfrowe zmieniają organizacje i społeczeństwa.
Cynthia M. Beath jest emerytowaną profesorką na University of Texas McCombs School of Business w Austin. Jej badania koncentrują się na tym, jak organizacje uzyskują korzyści z inwestycji w technologie informatyczne.
Jeanne W. Ross jest głównym pracownikiem badawczym w MIT Sloan’s Center for Information Systems Research w Cambridge, w stanie Massachusetts. Jest autorką felietonów w kwartalniku „MIT SMR” poświęconych zagadnieniom zarządzania biznesem w obszarze cyfrowym.
PRZYPISY:
1. Aplikacje KSPD różnią się od innych rodzajów oprogramowania wykorzystywanego w biznesie tym, że to one – a nie człowiek – starają się znaleźć najlepszy sposób optymalizacji wyników biznesowych. Narzędzia AI wykorzystują techniki obliczeniowe i analityczne, takie jak analiza za pomocą sieci neuronowych, uczenie maszynowe czy wnioskowanie bayesowskie, a także duże zestawy strukturyzowanych i niestrukturyzowanych danych do tworzenia algorytmów AI, które będą w stanie klasyfikować, grupować, przewidywać i dopasowywać wykryte prawidłowości. Algorytmy te odpowiadają za logikę, jaką posługują się aplikacje KSPD.
2. J. Bughin, E. Hazan, Five Management Strategies for Getting the Most From AI, „MIT Sloan Management Review”, wrzesień 19, 2017, www.sloanreview.mit.edu.
3. M. Tarafdar, C.M. Beath, J.W. Ross, Enterprise Cognitive Computing Applications: Opportunities and Challenges, IEEE „IT Professional” 19, nr 4 (sierpień 2017): 21‑27.
4. S. Ransbotham, D. Kiron, P. Gerbert i in., Reshaping Business With Artificial Intelligence, raport z badania „MIT Sloan Management Review”, wrzesień 6, 2017.
5. S. Norton, Machine Learning at Scale Remains Elusive for Many Firms, „The Wall Street Journal”, kwiecień 27, 2018; J. Bughin, E. Hazan, Five Management Strategies; Ransbotham i in., Reshaping Business.
Ponadto korzystałyśmy z następujących źródeł:
C.M. Beath, M. Tarafdar, J.W. Ross, OneBankAssure: Customer Intimacy Through Machine Learning, dokument roboczy, MIT Center for Information Systems Research, Cambridge, MA, marzec 12, 2018;
M. Tarafdar, C.M. Beath, Wipro Limited: Developing a Cognitive DNA, dokument roboczy, MIT Center for Information Systems Research, Cambridge, MA, kwiecień 27, 2018;
J.W. Ross, K. Moloney, C.M. Beath, Pharmco: Becoming a Data‑Science Driven Company, dokument roboczy, MIT Center for Information Systems Research, Cambridge, MA, luty 21, 2019.
