Sadržaj teksta9 odeljaka
AI ne počinje modelom, već kvalitetom znanja koje mu dajete
Kada kompanija počne da razmišlja o AI-u, prirodno je da prvo pita koji model koristiti, koji alat izabrati i koliko će implementacija trajati. To su legitimna pitanja, ali često dolaze prerano. Pre modela, integracije i automatizacije postoji osnovnije pitanje: da li su podaci, dokumenti, procedure i znanje dovoljno uređeni da AI uopšte može da daje korisne odgovore.
Tema kako urediti podatke pre AI nije tehnička sitnica. To je jedan od ključnih preduslova za uspešan AI projekat. Ako su podaci rasuti, zastareli, duplirani, nejasni ili bez vlasnika, AI ne može stabilno da pomogne. On će možda delovati impresivno u demonstraciji, ali će u realnom radu vraćati neujednačene odgovore, pogrešne reference ili informacije u koje korisnici brzo izgube poverenje.
Zato ozbiljna AI implementacija počinje sređivanjem osnove. Ne mora sve biti savršeno. Ali mora biti dovoljno jasno šta je zvaničan izvor znanja, koje informacije su relevantne, ko ih održava, ko im sme pristupiti i kako se proverava da li su i dalje tačne.
Šta se dešava kada AI koristi neuređene podatke
Neuređeni podaci proizvode tri glavna problema. Prvi je netačnost. AI može pronaći dokument, ali ako je dokument zastareo ili kontradiktoran, odgovor neće biti pouzdan. Drugi problem je nekonzistentnost. Sistem može različitim korisnicima dati različite odgovore jer nema jasno definisanu hijerarhiju izvora. Treći problem je bezbednost. Ako nisu uređena prava pristupa, AI može otvoriti informacije ljudima koji ne treba da ih vide.
U praksi, ovo se najčešće vidi u internim AI asistentima, podršci, prodaji i servisnim timovima. Ljudi očekuju brz odgovor, ali sistem zavisi od kvaliteta baze iz koje odgovara. Ako se u bazi nalaze stare procedure, duplirani ugovori, neobeleženi dokumenti i nejasni folderi, AI će samo ubrzati postojeći haos. Brzina bez pouzdanosti nije produktivnost.
Zbog toga AI strategija mora obuhvatiti podatke, procese i pristupe, ne samo izbor alata. Kompanija koja preskoči ovu fazu često veruje da ima problem sa AI tehnologijom, a zapravo ima problem sa organizacijom znanja.
Pet pitanja koja treba postaviti pre automatizacije
Pre nego što se automatizuje bilo koji proces, treba proveriti da li je proces dovoljno jasan. Automatizacija ne voli maglu. Ako ljudi isti zadatak rade na različite načine, ako se statusi ne unose redovno, ako dokumenti nisu standardizovani i ako izuzeci nisu poznati, automatizacija će samo formalizovati neuređenost.
Prvih pet pitanja su jednostavna, ali često otkrivaju najvažnije slabosti. Koji je zvaničan izvor podataka? Ko unosi i održava informacije? Koliko često se podaci menjaju? Ko sme da ih koristi? Kako znamo da je podatak tačan? Ako kompanija nema odgovore na ova pitanja, nije spremna za ozbiljnu automatizaciju. Spremna je za pripremu.
To ne znači da projekat treba odlagati mesecima. Naprotiv, dobar pristup je postaviti minimalni standard podataka za prvi use-case. Umesto da se sređuje cela firma odjednom, bira se konkretan proces, uređuju se njegovi ključni podaci i tek onda se uvodi automatizacija poslovanja.
Kako izgleda praktično sređivanje podataka
Prvi korak je inventar. Potrebno je popisati gde se nalaze dokumenti, baze, tabele, procedure, ugovori, zapisnici i znanje koje je važno za izabrani proces. Drugi korak je čišćenje: ukloniti duplikate, označiti zastarele verzije, definisati validne dokumente i odvojiti ono što AI ili automatizacija smeju da koriste od onoga što ne smeju.
Treći korak je strukturiranje. Podaci treba da imaju logiku: naziv, kategoriju, datum, vlasnika, verziju, status i pravila pristupa. To ne mora biti komplikovan sistem, ali mora biti dovoljno dosledan da ga ljudi i softver mogu razumeti. Četvrti korak je definisanje odgovornosti. Ako niko nije vlasnik podatka, podatak će vremenom ponovo postati nepouzdan.
Peti korak je testiranje. Pre širokog rollout-a treba proveriti kako sistem odgovara na realna pitanja, kako koristi dokumente, šta ne zna i gde mu treba ograničenje. Ova faza je presudna jer pokazuje razliku između demonstracije i alata koji zaposleni zaista mogu koristiti.
Podaci, bezbednost i poverenje korisnika
Sređivanje podataka nije samo pitanje tačnosti. To je i pitanje bezbednosti. Ako AI sistem ima pristup internoj dokumentaciji, mora postojati jasna logika ko vidi šta. Prodaja ne mora videti sve HR dokumente. Serviser ne mora imati pristup finansijskim izveštajima. Menadžment mora znati koje informacije su otvorene, a koje ograničene.
Bez kontrole pristupa, AI može postati rizik. Sa dobrom kontrolom, postaje korisno proširenje sistema znanja. Zato se u Positive pristupu povezuju sajber bezbednost, infrastruktura, procesi i AI. Podaci ne mogu biti korisni ako nisu sigurni. Ne mogu biti sigurni ako nisu klasifikovani. Ne mogu biti klasifikovani ako niko ne zna gde su i kome pripadaju.
Poverenje zaposlenih u AI zavisi od toga koliko su odgovori tačni, korisni i bezbedni. Ako sistem jednom ili dva puta da pogrešan odgovor, ljudi će prestati da ga koriste. Zato priprema podataka nije dosadan uvod u projekat. To je osnova poverenja.
Kako proceniti da li je proces spreman za AI
Proces je spreman za AI onda kada ljudi mogu jasno da objasne šta se u njemu dešava i kada postoje izvori koji to potvrđuju. Ako zaposleni ne mogu da se dogovore oko toga šta je standardan tok rada, AI neće imati stabilnu osnovu. Zato pre implementacije treba uzeti realne primere iz prakse i proveriti kako bi sistem trebalo da odgovori na njih.
Dobar test je lista od dvadeset do trideset pitanja koja zaposleni stvarno postavljaju. Ako za ta pitanja postoje jasni dokumenti, statusi, procedure i pravila pristupa, proces je dobar kandidat. Ako se odgovori nalaze u glavama pojedinaca ili u starim porukama, prvi zadatak nije AI, već sređivanje znanja.
Ovakva procena štedi vreme i novac. Umesto da se AI uvede široko pa se naknadno otkrivaju rupe, kompanija unapred vidi gde je osnova stabilna, a gde treba intervencija. To povećava šansu da prvi projekat bude koristan, a ne samo zanimljiv.
Šta ne treba raditi u pripremi podataka
Najlošiji pristup je čekati da se sve uredi savršeno pre prvog AI projekta. Savršenstvo se retko desi, a kompanija izgubi energiju. Druga greška je suprotna: krenuti u AI bez ikakve pripreme i nadati se da će tehnologija sama prepoznati šta je važno. Oba pristupa vode u frustraciju.
Treba izbeći i masovno prebacivanje svega u jednu bazu bez selekcije. AI ne treba svaki dokument, svaku verziju i svaki trag komunikacije. Potrebni su mu relevantni, validni i kontekstualno jasni izvori. Manje dobro pripremljenih podataka često je korisnije od velike količine neproverenog materijala.
Treća greška je ignorisanje ljudi koji proces zaista rade. Menadžment može definisati cilj, ali zaposleni znaju gde informacije realno zapinju. Ako njihovo iskustvo ne uđe u pripremu, AI će biti napravljen po formalnoj slici procesa, a ne po stvarnom radu.
Zašto je mali use-case bolji od velikog obećanja
Prvi AI projekat treba da bude dovoljno mali da se može kontrolisati i dovoljno važan da pokaže vrednost. Ako se krene preširoko, tim brzo ulazi u previše dokumenata, previše izuzetaka i previše očekivanja. Ako se izabere konkretan proces, lakše je urediti podatke, proveriti odgovore i izmeriti rezultat.
Takav pristup gradi poverenje. Zaposleni vide da AI ne dolazi kao velika apstraktna promena, već kao pomoć u konkretnom radu. Menadžment vidi šta funkcioniše, šta ne funkcioniše i gde treba ulagati dalje. To je zdraviji put od velikog projekta koji obećava sve, a teško isporučuje prvi praktičan rezultat.
Pravi sledeći korak
Ako kompanija želi AI ili automatizaciju, prvo treba da izabere konkretan proces u kome se vidi poslovna vrednost. Zatim treba proveriti podatke koji taj proces hrane: dokumente, statuse, vlasnike, pravila i izuzetke. Tek tada ima smisla uvoditi AI asistenta, automatizovan tok rada ili naprednu analitiku.
Ako želite da procenite da li su vaši podaci spremni za AI projekat, Positive može pomoći da se uradi početna procena, definiše prioritetni use-case i pripremi realan redosled koraka. Cilj nije da se sve sredi odjednom, već da prvi projekat bude dovoljno uređen da zaista uspe.
Povezana usluga: digitalna transformacija.
