Od czego zacząć z AI w małej firmie — wybór pierwszego procesu

Pierwsze wdrożenie sztucznej inteligencji w mniejszej firmie najczęściej nie udaje się z powodu złego wyboru zadania, a nie złej technologii. Dobry kandydat na start jest powtarzalny, oparty na tekście, ma niski koszt pomyłki i daje się zmierzyć. Zły kandydat to taki, przy którym nikt nie potrafi powiedzieć, po czym pozna, że system odpowiedział błędnie.

Autor: zespół Convert Studio — software house z Kielc i Krakowa, projektujemy aplikacje webowe, sklepy i wdrożenia AI dla firm.

Dlaczego wybór procesu decyduje o wszystkim

Rozmowy o sztucznej inteligencji w firmie zaczynają się zwykle od pytania „którego narzędzia użyć". To pytanie przedwczesne. Narzędzia zmieniają się co kilka miesięcy, a wybór między nimi jest odwracalny — wystarczy podmienić warstwę, która się z nimi komunikuje.

Nieodwracalny jest natomiast koszt wdrożenia w niewłaściwym miejscu: kilka tygodni pracy zespołu, rozczarowanie ludzi, którzy mieli z systemu korzystać, i przekonanie w firmie, że „próbowaliśmy AI i to nie działa". Po takim doświadczeniu drugie podejście jest znacznie trudniejsze niż pierwsze.

Dlatego pierwsze wdrożenie warto traktować nie jako projekt technologiczny, lecz jako eksperyment o jasno określonym pytaniu: czy w tym konkretnym zadaniu jakość wyników jest wystarczająca, żeby powierzyć mu część pracy.

Cztery kryteria dobrego kandydata

1. Powtarzalność

Zadanie musi być wykonywane na tyle często, żeby oszczędność przewyższyła nakład na wdrożenie i utrzymanie. Praktyczny próg to kilkanaście wykonań dziennie albo kilkadziesiąt tygodniowo. Czynność wykonywana raz w miesiącu nie zwróci kosztu, choćby była uciążliwa.

Policz to konkretnie: ile razy dziennie ktoś wykonuje tę czynność i ile minut zajmuje jedno wykonanie. Iloczyn tych dwóch liczb to Twój punkt odniesienia.

2. Oparcie na tekście

Modele językowe radzą sobie dobrze z czytaniem, streszczaniem, klasyfikowaniem i przekształcaniem tekstu. Radzą sobie źle z liczeniem, z zadaniami wymagającymi gwarantowanej precyzji i z wnioskowaniem na podstawie danych, których nie otrzymały.

Jeśli zadanie sprowadza się do „przeczytaj to i zdecyduj, do której kategorii należy" albo „wyciągnij z tego dokumentu te pięć informacji" — jesteś we właściwym obszarze. Jeśli sprowadza się do „policz, ile wyszło" — potrzebujesz arkusza albo kodu, nie modelu.

3. Niski koszt pomyłki

Przy pierwszym wdrożeniu nie wiesz jeszcze, jak często system się myli ani w jakich sytuacjach. Wybierz więc zadanie, w którym błąd jest zauważalny i odwracalny.

Źle sklasyfikowane zgłoszenie trafi do niewłaściwej osoby, która przekaże je dalej — to kosztuje minutę. Błędnie wystawiony dokument rozliczeniowy kosztuje znacznie więcej i wciąga w sprawę księgowość. Różnica między tymi dwoma scenariuszami przesądza o tym, który nadaje się na start.

4. Mierzalność

Zanim zaczniesz, musisz umieć dokończyć zdanie: „poznam, że to działa, po tym, że…". Jeśli nie potrafisz, projekt nie jest jeszcze gotowy do realizacji — nie z powodu technologii, tylko dlatego, że nie wiadomo, co miałby osiągnąć.

Typowi kandydaci — porównanie

Sygnały, że wybrałeś zły proces

• Nie potrafisz opisać, jak rozpoznasz błędną odpowiedź. Bez kryterium poprawności nie da się prowadzić ani oceniać systemu.
• Dane potrzebne do wykonania zadania siedzą w czyjejś głowie. Model korzysta z tego, co zapisane, nie z doświadczenia zespołu.
• Proces nie jest ustandaryzowany — każda osoba wykonuje go inaczej i wszyscy mają rację. Najpierw uporządkuj proces, potem go automatyzuj.
• Zadanie wymaga policzalnej dokładności. Do tego służy kod, nie model językowy.
• Nikt w firmie nie odpowiada za ten obszar. Wdrożenie bez właściciela po stronie biznesu nie zostanie utrzymane.
• Główny argument brzmi „konkurencja to ma". To nie jest kryterium wyboru procesu, tylko presja.

Co musisz mieć przygotowane

Wdrożenie w zadaniu tekstowym wymaga danych w formie, do której system może sięgnąć. To zwykle etap, który zajmuje najwięcej czasu, i jednocześnie ten, który przynosi wartość niezależnie od tego, czy projekt ruszy dalej.

• Zbiór przykładów historycznych — kilkadziesiąt realnych przypadków z prawidłowym rozstrzygnięciem, do sprawdzenia jakości wyników.
• Aktualne procedury i dokumentacja, jeśli system ma odpowiadać na ich podstawie. Nieaktualny dokument da nieaktualną odpowiedź.
• Ustalone kategorie i słownik pojęć — jeśli w firmie ta sama rzecz nazywana jest na trzy sposoby, uporządkuj to najpierw.
• Dostęp do systemów, z których trzeba pobrać dane, wraz z informacją, czy udostępniają API.
• Decyzja, które dane mogą opuścić firmę — to warunek wyboru między modelem w chmurze a uruchamianym lokalnie.

Jak ustawić miarę sukcesu

Miara musi być ustalona przed startem i wyrażona liczbą, którą da się odczytać bez interpretacji. Dobre przykłady: skrócenie średniego czasu obsługi zgłoszenia, spadek liczby pytań kierowanych do jednej osoby, mniejsza liczba korekt w dokumentach, więcej spraw zamkniętych pierwszego dnia.

Kluczowe jest zmierzenie stanu wyjściowego zanim cokolwiek wdrożysz. Bez tego po trzech miesiącach zostanie Ci wrażenie, że „chyba jest szybciej" — a to za mało, żeby uzasadnić kolejny etap albo zdecydować o wycofaniu się.

Plan na pierwszy kwartał

Rozsądny harmonogram pierwszego wdrożenia rozkłada się na trzy miesiące i jest zbudowany tak, żeby po każdym etapie można było przerwać bez straty całości.

Etap drugi jest najważniejszy i to na nim najczęściej zapada decyzja o przerwaniu. To zdrowe: koszt zatrzymania po prototypie jest ułamkiem kosztu pełnego wdrożenia, a odpowiedź na pytanie o jakość wyników jest wtedy oparta na danych, nie na obietnicy.

Rola zespołu

Wdrożenie prowadzone ponad głowami pracowników kończy się systemem, z którego nikt nie korzysta. Osoby wykonujące dziś tę pracę wiedzą o niej rzeczy, które nie trafiły do żadnej procedury — i to one wychwycą, że system myli się w konkretnym, powtarzalnym przypadku.

Praktyczne minimum to udział takiej osoby w warsztacie, w weryfikacji prototypu i w okresie pracy równoległej. Warto też otwarcie powiedzieć, co się stanie z zaoszczędzonym czasem — niedopowiedzenie w tej sprawie jest częstszym źródłem oporu niż sama technologia.

Jeśli chcesz zobaczyć, jak taki projekt wygląda od strony wykonawczej, opisaliśmy to na stronie AI w firmie. Gdy zadanie wymaga nie tylko odpowiedzi, ale też wykonania czynności w Twoich systemach, właściwym rozwiązaniem bywa agent AI — a jego wdrożenie ma własny, ostrożniejszy przebieg.

Czego nie robić na starcie

• Nie wdrażaj trzech procesów naraz. Skończy się tym, że żaden nie działa dobrze, a przyczyny nie da się ustalić.
• Nie zaczynaj od najtrudniejszego zadania, żeby „od razu zobaczyć, ile to potrafi". Pierwsze wdrożenie ma zbudować doświadczenie, nie udowodnić granice technologii.
• Nie kupuj narzędzia przed wyborem procesu. Kolejność odwrotna prowadzi do szukania zastosowania dla licencji, którą już się ma.
• Nie pomijaj pomiaru stanu wyjściowego. To pięć minut pracy, które przesądza o możliwości oceny efektu.
• Nie obiecuj zespołowi, że system rozwiąże wszystkie problemy. Rozczarowanie kosztuje więcej niż ostrożna zapowiedź.

Podsumowanie

Pierwsze wdrożenie AI w mniejszej firmie udaje się wtedy, gdy zadanie jest powtarzalne, tekstowe, tanie w razie pomyłki i mierzalne. Te cztery cechy są ważniejsze niż wybór dostawcy modelu, który i tak można później zmienić. Największym ryzykiem nie jest to, że technologia nie zadziała, lecz to, że zadziała w miejscu, w którym nikomu to nie pomaga.

Zacznij od jednej rzeczy: wypisz trzy czynności, które ktoś w Twojej firmie wykonuje codziennie, a które sprowadzają się do czytania i przepisywania. Przy każdej zapisz, ile razy dziennie się zdarza i co się stanie, jeśli zostanie wykonana błędnie. Ta krótka lista zwykle sama wskazuje kandydata — i jest lepszym punktem wyjścia niż jakakolwiek prezentacja narzędzia.