Решения на основе искусственного интеллекта (ИИ) помогают добиться нужной кастомизации, персонализации и операционной эффективности. Опыт работы McKinsey с сотнями организаций говорит о том, что успешнее всего внедрить и масштабировать ИИ удаётся тогда, когда это начинается с кардинальной перестройки одного процесса, одного клиентского пути или одной функции. Это позволяет сэкономить время и ресурсы и запустить органический цикл изменений. В статье Getting AI to Scale, опубликованной в Harvard Business Review, сотрудники McKinsey рассказывают об этом подходе. В данной статье поговорим об основных выводах этой статьи.
Правильный масштаб на первом этапе
Если встраивать ИИ в существующие процессы для решения узкоспециализированных задач, то потом такие проекты очень трудно масштабировать. Но сразу браться за перестройку всей бизнес-модели и организации на основе ИИ рискованно — слишком много составных частей, участников и нюансов. Поэтому приоритет правильнее отдать тем направлениям бизнеса, где ИИ может принести значительный эффект, но при этом результат можно получить в течение полутора лет.
Специализированные команды
Внедрение ИИ требует участия не только инженеров и аналитиков, но и других специалистов. В большинстве случаев они уже работают в компании, но из них нужно сформировать самодостаточные команды со значительными полномочиями и ресурсами. Оставлять таких специалистов в соответствующих департаментах неэффективно: это приведёт к задержкам в работе.
Изменение привычных моделей работы
Правильнее всего пойти в обратном направлении от конечной цели. Например, если нужно улучшить клиентский опыт, можно представить себе, как он должен выглядеть, и затем проанализировать все процессы с точки зрения того, какие практики и модели работы мешают добиться результата. Разработку и тестирование новых процессов можно организовать в виде agile-спринтов.
Инвестиции в преобразования
Компании, получающие выгоду от ИИ, вкладывают средства в развитие межфункционального взаимодействия, принятия решений на основе данных и более гибкого мышления. Также стоит инвестировать в технологии, ускоряющие внедрение ИИ, — облачные платформы данных, микросервисы, современные DevOps-практики.
Дальнейшее масштабирование
Когда ИИ будет внедрён в одной или двух приоритетных областях, у организации появится набор методик, протоколов и моделей мышления, которые можно будет использовать для дальнейшего внедрения ИИ, причем параллельно в нескольких направлениях. Лучше всего начинать со смежных областей, чтобы можно было опереться на схожие наборы данных и навыков.
Подписывайтесь на канал AlfaProExpert, чтобы узнать больше о карьере, заработных платах, лучших работодателях, прохождении интервью, поступлению в ВУЗ, образовании известных людей, лучших университетах и многом другом.