De ce piloții AI nu reușesc să se extindă la scară largă și cum pot companiile să remedieze această situație

Introducere

Un proiect de inteligență artificială poate părea un succes în timpul testării, dar poate întâmpina totuși probleme grave atunci când o companie începe să îl utilizeze în operațiunile de zi cu zi.

Un mic proiect pilot poate procesa facturile cu acuratețe, poate răspunde la întrebările clienților sau poate ajuta angajații să-și îndeplinească sarcinile mai repede. Rezultatele par promițătoare, iar conducerea decide să introducă sistemul la nivelul întregii companii.

Însă, odată ce tot mai multe persoane încep să îl utilizeze, apar problemele.

IA se confruntă cu dificultăți în gestionarea cererilor neașteptate. Unele sisteme ale companiei nu reușesc să facă schimb de informații în mod corect. Angajații constată că instrumentul necesită mai mult sprijin manual decât se așteptau. De asemenea, costurile de operare încep să crească.

Acest lucru nu înseamnă întotdeauna că proiectul inițial de IA a fost realizat defectuos.

Problema este că un proiect-pilot de succes și un sistem de producție fiabil sunt două lucruri diferite.

Trecerea IA în faza de producție necesită mai mult decât rezultate bune la testare. Companiile trebuie să se pregătească pentru date reale, volume de lucru mai mari, defecțiuni ale sistemului, probleme de securitate și asistență continuă.

Înțelegerea acestor provocări înainte de lansare poate împiedica transformarea unui proiect promițător de IA într-o problemă operațională costisitoare.

1. Un proiect-pilot de succes nu garantează pregătirea pentru producție

Proiectele pilot de IA sunt de obicei dezvoltate într-un mediu controlat.

Echipa de dezvoltare știe ce problemă trebuie să rezolve sistemul. Datele de testare sunt adesea pregătite în avans, iar aplicația este utilizată doar de un grup restrâns de angajați.

Aceste condiții facilitează demonstrarea a ceea ce poate realiza tehnologia.

Cu toate acestea, operațiunile zilnice ale unei companii sunt rareori atât de previzibile.

Să luăm ca exemplu o companie care testează IA pentru procesarea facturilor.

În timpul fazei pilot, echipa furnizează 100 de facturi în formate lizibile și cu informații complete despre furnizori. Sistemul extrage cu precizie detaliile necesare și produce rezultate utile.

După implementare, acesta primește facturi de la sute de furnizori.

Unele documente sunt scanate necorespunzător. Altele conțin monede diferite, numere de comandă lipsă sau formate necunoscute.

IA ar putea necesita acum mai multe corecții manuale decât se aștepta.

Testul inițial a arătat că tehnologia poate îndeplini o anumită sarcină. Nu a demonstrat însă că sistemul poate gestiona toate situațiile cu care se va confrunta compania.

Înainte de extindere, companiile ar trebui să identifice condițiile care au contribuit la succesul proiectului pilot și să analizeze dacă aceste condiții vor rămâne neschimbate în faza de producție.

2. Datele reale de afaceri creează probleme neașteptate

Calitatea datelor este unul dintre cele mai frecvente motive pentru care sistemele de IA întâmpină dificultăți după implementare.

În timpul testării, echipele lucrează adesea cu informații selectate, care sunt precise, organizate și ușor de procesat.

Sistemele de producție trebuie să funcționeze cu informații colectate prin activitățile zilnice ale companiei.

Aceste date pot conține înregistrări duplicate, detalii învechite, câmpuri lipsă și formate inconsistente.

De exemplu, un asistent de serviciu clienți bazat pe IA ar putea funcționa bine atunci când răspunde la întrebări dintr-o bază de cunoștințe aprobată.

Cu toate acestea, compania îl poate conecta ulterior la înregistrările produselor, conturile clienților și documentele de asistență.

Dacă aceste surse conțin informații contradictorii, asistentul ar putea oferi răspunsuri incorecte.

Un produs ar putea apărea ca fiind disponibil într-un sistem, în timp ce un alt sistem arată că acesta nu mai este în stoc.

IA nu poate rezolva în mod fiabil fiecare neconcordanță fără reguli de afaceri clare.

Prin urmare, companiile ar trebui să testeze IA folosind informații realiste înainte de implementare.

De asemenea, au nevoie de persoane responsabile cu menținerea calității datelor și cu remedierea problemelor pe măsură ce acestea apar.

Rezultatele bune obținute din date pregătite cu atenție sunt utile, dar nu sunt suficiente pentru a demonstra că un sistem este pregătit pentru utilizarea zilnică.

3. Este posibil ca sistemele de afaceri existente să nu funcționeze împreună fără probleme

Multe proiecte pilot de IA funcționează independent de software-ul pe care o companie îl utilizează zilnic.

Dezvoltatorii pot încărca manual fișiere de probă sau pot conecta IA la o bază de date temporară.

Acest lucru este acceptabil în timpul testării inițiale, deoarece obiectivul principal este de a înțelege dacă ideea funcționează.

Producția necesită ceva mai fiabil.

Este posibil ca IA să trebuiască să facă schimb de informații cu software-ul CRM, platformele ERP, aplicațiile financiare, instrumentele de asistență pentru clienți și bazele de date interne.

Aceste conexiuni introduc noi provocări.

Un asistent de vânzări bazat pe IA ar putea identifica un potențial client promițător, dar ar putea eșua atunci când încearcă să actualizeze sistemul CRM.

Un instrument de procesare a facturilor ar putea extrage suma corectă, dar ar putea trimite informațiile într-un format pe care sistemul contabil nu îl poate accepta.

În ambele cazuri, IA își îndeplinește sarcina atribuită, dar procesul de afaceri mai amplu rămâne incomplet.

Înainte de implementare, echipele ar trebui să testeze fluxul de lucru complet, inclusiv ce se întâmplă atunci când un alt sistem devine indisponibil.

O resursă utilă este acest ghid privind modul de trecere a proiectelor-pilot de IA în faza de producție, care explică modul în care companiile pot evalua gradul de pregătire a datelor, fiabilitatea sistemului, securitatea și cerințele operaționale înainte de a extinde utilizarea IA.

Obiectivul ar trebui să fie ca IA să funcționeze în mod fiabil în cadrul proceselor de afaceri existente, nu doar să conecteze o altă aplicație.

4. Testarea în producție trebuie să acopere mai mult decât acuratețea

Un proiect pilot se concentrează adesea pe faptul dacă IA produce răspunsul corect sau îndeplinește sarcina așteptată.

Precizia contează, dar reprezintă doar o parte a testării în producție.

Companiile trebuie să înțeleagă, de asemenea, cum funcționează sistemul atunci când mai mulți utilizatori îl accesează în același timp, când lipsesc informații sau când apare o solicitare neașteptată.

Să presupunem că un asistent bazat pe IA gestionează 20 de conversații cu clienții în timpul testării.

Este posibil să răspundă rapid și cu precizie.

Dar ce se întâmplă când 500 de clienți încearcă să îl utilizeze într-o perioadă aglomerată?

Timpii de răspuns ar putea crește. Unele solicitări ar putea eșua, iar costul procesării fiecărei conversații ar putea crește.

Un plan de testare în condiții reale ar trebui să examineze mai multe aspecte:

• Precizie în condiții reale: Poate sistemul să gestioneze informații incomplete, neobișnuite sau formatate incorect?
• Performanță: Răspunde în mod fiabil atunci când utilizarea crește?
• Integrare: Poate face schimb de informații în mod corect cu aplicațiile de afaceri conectate?
• Securitate: Protejează informațiile sensibile și respectă restricțiile de acces?
• Gestionarea erorilor: Ce se întâmplă când modelul de IA sau un alt serviciu devine indisponibil?
• Verificarea umană: Pot angajații să corecteze greșelile și să preia cazurile complicate?

Aceste teste ar trebui să reflecte modul în care compania va utiliza efectiv sistemul.

De asemenea, compania ar trebui să stabilească un nivel acceptabil de performanță înainte de lansare.

De exemplu, conducerea ar putea stabili obiective privind finalizarea cu succes a sarcinilor, timpul de procesare și numărul de cazuri care necesită revizuire manuală.

În absența unor obiective convenite, echipele ar putea întâmpina dificultăți în a decide dacă sistemul este pregătit.

5. Riscurile de securitate cresc pe măsură ce tot mai multe persoane utilizează IA

Un proiect-pilot de IA de mici dimensiuni poate fi accesibil doar câtorva angajați care utilizează informații limitate.

Odată implementat la nivelul întregii companii, același sistem ar putea gestiona înregistrările clienților, documentele financiare, datele angajaților și informațiile confidențiale ale companiei.

Acest lucru generează responsabilități suplimentare în materie de securitate.

Companiile trebuie să înțeleagă care angajați pot accesa aplicația de IA și ce informații poate aceasta să recupereze.

Un angajat din departamentul de asistență pentru clienți, de exemplu, nu ar trebui să primească automat acces la înregistrări financiare confidențiale doar pentru că ambele departamente utilizează aceeași platformă de IA.

Companiile ar trebui, de asemenea, să analizeze modul în care informațiile circulă între sisteme și dacă furnizorii externi prelucrează sau păstrează date comerciale.

Înainte de o implementare la scară mai largă, ar trebui stabilite controale ale permisiunilor, înregistrări ale activităților, conexiuni securizate și reguli clare privind gestionarea datelor.

Evaluările de securitate ar trebui să continue și după lansare, în special atunci când sunt conectate noi departamente sau surse de date.

Extinderea IA fără revizuirea acestor controale poate expune informații care nu au fost niciodată destinate partajării.

6. Proprietatea neclară face ca problemele de producție să fie mai greu de rezolvat

În timpul unei faze pilot, dezvoltatorii monitorizează adesea sistemul îndeaproape.

Dacă apare o defecțiune, echipa de proiect poate investiga și remedia problema.

Această situație devine dificilă atunci când IA începe să susțină operațiunile zilnice ale companiei.

Cine va interveni dacă sistemul nu mai funcționează în afara programului de lucru?

Cine decide dacă o recomandare incorectă este suficient de gravă pentru a întrerupe automatizarea?

Cine actualizează informațiile de afaceri atunci când se modifică politicile companiei?

Aceste întrebări necesită răspunsuri înainte de implementare.

Un sistem de IA de producție ar trebui să aibă responsabilități clare repartizate între echipele tehnice și cele de afaceri.

Dezvoltatorii se pot ocupa de problemele legate de software, în timp ce managerii de departament evaluează dacă IA generează rezultate utile pentru afaceri.

Echipele operaționale pot monitoriza disponibilitatea sistemului, iar angajații se pot ocupa de cazurile care necesită judecată umană.

Fără această structură, problemele pot rămâne nerezolvate, în timp ce echipele nu ajung la un acord cu privire la cine ar trebui să-și asume responsabilitatea.

O atribuire clară a responsabilităților facilitează menținerea performanței și reacția rapidă atunci când ceva nu merge bine.

7. Costurile pot crește rapid după implementare

Proiectele-pilot de IA implică de obicei o utilizare limitată, ceea ce face ca costurile să fie mai ușor de controlat.

Sistemele de producție pot fi diferite.

Un număr mai mare de utilizatori poate însemna cereri suplimentare de modele, cheltuieli mai mari pentru serviciile cloud, o capacitate sporită de stocare a datelor și cerințe de monitorizare mai stricte.

Unele fluxuri de lucru bazate pe IA pot necesita, de asemenea, ca angajații să revizuiască sau să corecteze periodic rezultatele.

De exemplu, un sistem automatizat de procesare a documentelor ar putea reduce timpul de introducere a datelor, dar ar necesita totuși ca personalul financiar să verifice numeroase excepții.

Dacă compania măsoară doar viteza de procesare, ar putea trece cu vederea costul acestei munci suplimentare.

Companiile ar trebui să estimeze costul total de operare înainte de a-și extinde operațiunile.

Acesta include infrastructura, utilizarea software-ului, întreținerea integrării, asistența tehnică și implicarea angajaților.

De asemenea, acestea ar trebui să compare aceste costuri cu valoarea pe care o oferă sistemul.

Un model de IA mai ieftin nu este neapărat cea mai bună opțiune dacă angajații petrec mult mai mult timp corectând greșelile acestuia.

Adevăratul indicator al succesului nu este cât de ieftin produce IA un rezultat, ci cât de eficient ajută compania să îndeplinească o sarcină utilă.

8. Implementarea treptată reduce riscul de producție

Una dintre cele mai mari greșeli pe care le pot face companiile este introducerea IA în fiecare departament imediat după un proiect-pilot de succes.

O implementare completă poate face ca problemele să fie mai greu de identificat, deoarece mulți utilizatori și sisteme încep să depindă de această tehnologie în același timp.

O abordare treptată oferă un control mai mare.

Companiile pot începe prin a rula IA în paralel cu procesul existent, fără a-i permite să efectueze modificări în timp real.

Astfel, angajații pot compara rezultatele IA cu deciziile operaționale obișnuite și pot identifica erorile.

Următorul pas ar putea implica introducerea sistemului într-un singur departament sau într-un grup restrâns de utilizatori.

În această etapă, compania ar trebui să monitorizeze timpii de răspuns, precizia, defecțiunile sistemului, feedback-ul angajaților și costurile de operare.

Odată ce performanța este stabilă, compania poate extinde utilizarea.

De exemplu, o companie care introduce procesarea facturilor bazată pe IA ar putea începe cu un singur grup de furnizori.

După ce se confirmă că extragerea documentelor, regulile de aprobare și conexiunile ERP funcționează corect, se pot introduce furnizori suplimentari.

Dacă apar probleme, compania le poate remedia înainte ca sistemul să afecteze un volum mult mai mare de tranzacții.

Fiecare plan de implementare ar trebui să explice, de asemenea, cum se poate reveni la procesul anterior în cazul în care ceva nu funcționează corect.

Angajații au nevoie de o alternativă fiabilă atunci când un sistem automatizat devine indisponibil.

Astfel se evită ca o defecțiune tehnică să blocheze complet o operațiune importantă a companiei.

9. IA necesită monitorizare după lansare

Lansarea unui sistem de IA nu înseamnă că dezvoltarea și testarea s-au încheiat.

Informațiile de afaceri se schimbă. Clienții pun întrebări noi, angajații urmează proceduri actualizate, iar software-ul conectat primește actualizări.

Aceste schimbări pot afecta performanța IA.

Un sistem care funcționează bine astăzi poate produce rezultate mai puțin fiabile după câteva luni.

Companiile ar trebui să verifice periodic acuratețea, timpii de răspuns, solicitările eșuate, corecțiile angajaților și costurile de operare.

De asemenea, ar trebui să colecteze feedback de la persoanele care utilizează sistemul.

Dacă angajații corectează în mod repetat același tip de eroare, compania trebuie să înțeleagă de ce.

Problema ar putea implica informații învechite, o regulă de afaceri incorectă sau o integrare care nu mai funcționează corespunzător.

Monitorizarea periodică ajută echipele să identifice aceste probleme din timp.

De asemenea, oferă dovezi pentru a decide când sistemul are nevoie de îmbunătățiri sau dacă este pregătit să sprijine departamente suplimentare.

Concluzii

Proiectele-pilot de succes în domeniul IA reprezintă un prim pas important, dar nu garantează succesul în operațiunile zilnice ale companiei.

Provocările apar adesea atunci când IA trebuie să gestioneze informații reale, să se conecteze la sistemele existente, să susțină un număr mai mare de utilizatori și să funcționeze fără asistența constantă a dezvoltatorilor.

Companiile pot reduce aceste probleme testând situații realiste, verificând securitatea, atribuind responsabilități clare și planificând costurile de producție înainte de implementare.

O implementare treptată oferă, de asemenea, echipelor timp pentru a identifica problemele și a îmbunătăți performanța înainte de a se extinde mai departe.

Proiectele de IA nu ar trebui evaluate doar pe baza performanțelor obținute în timpul unei demonstrații.

Adevăratul test începe atunci când tehnologia devine parte integrantă a operațiunilor zilnice ale companiei și trebuie să ofere rezultate fiabile fără a crea probleme suplimentare.