AI jest traktowane jak projekt IT
Dyskusja szybko przechodzi do modeli, architektury, chmury i integracji, zanim firma jasno określi problem biznesowy i sposób pomiaru efektu.
AI i automatyzacja dla firm technologicznych
AI powinno rozwiązywać problem biznesowy, a nie być kolejnym projektem IT
Pomagamy firmom technologicznym wybrać właściwy proces do wdrożenia AI, ocenić dane, koszty i ryzyka oraz ustalić kolejność działań, zanim projekt zamieni się w rozbudowany backlog bez jasnego efektu.
Umów bezpłatną rozmowę 20 minut. Bez zobowiązań i bez prezentacji o „transformacji AI”.Co najczęściej blokuje wdrożenie
Technologia jest dostępna. Trudniej ustalić, gdzie naprawdę ma sens
Dane są rozproszone albo niespójne
Informacje znajdują się w wielu systemach, mają różne formaty i nie zawsze nadają się do wykorzystania bez dodatkowego porządkowania.
Środowisko IT jest złożone
Nowe rozwiązanie musi współpracować z CRM-em, helpdeskiem, chmurą, narzędziami developerskimi, starszymi systemami i procesami bezpieczeństwa.
Zespoły są przeciążone
Osoby techniczne mają bieżące projekty, utrzymanie i klientów. Wdrożenie AI konkuruje o czas z pracą, która już jest zaplanowana.
Trudno ocenić opłacalność
Pomysł może być technicznie ciekawy, ale koszt wdrożenia, utrzymania i obsługi danych przewyższa realną wartość dla firmy.
Projekt rośnie szybciej niż efekt
Do pierwszego przypadku użycia dokładane są kolejne funkcje, integracje i wymagania. Po kilku miesiącach zakres jest duży, ale nadal trudno pokazać, co zmieniło się w pracy ludzi.
Największym błędem nie jest wybór złego modelu. Jest nim rozpoczęcie budowy przed ustaleniem, jaki proces ma się zmienić i po czym firma pozna efekt.
Punkt wyjścia
Najpierw proces i wynik. Dopiero potem architektura
W firmach technologicznych wdrożenie AI zadziwiająco łatwo trafia od razu do zespołu technicznego. Powstaje koncepcja rozwiązania, dobór modeli i lista integracji. Nadal jednak może brakować odpowiedzi na podstawowe pytania:
Co trzeba ustalić:
- Kto ma korzystać z rozwiązania?
- Jaki problem ma ono usunąć?
- Jak proces wygląda dziś?
- Co konkretnie ma się zmienić?
- Ile kosztuje obecny sposób pracy?
- Jak zmierzymy efekt?
- Co się stanie, jeśli rozwiązanie nie powstanie?
- Czy prostsza zmiana procesu da podobny wynik?
Dobra architektura nie uratuje projektu, który rozwiązuje źle zdefiniowany problem.
Gdzie można zacząć
Sześć obszarów, w których firmy technologiczne mogą odzyskać czas i kontrolę
Klasyfikacja zgłoszeń i ticketów
AI może rozpoznawać temat, priorytet i typ zgłoszenia oraz kierować je do właściwego zespołu.
Po co:Mniej ręcznego triage’u i szybsza reakcja na sprawy wymagające uwagi.
Asystent wiedzy technicznej
Asystent może korzystać z dokumentacji, procedur, opisów systemów, wcześniejszych incydentów i materiałów projektowych.
Po co:Zespół szybciej znajduje informacje i rzadziej przerywa pracę najbardziej doświadczonym osobom.
Dokumentacja i raporty projektowe
AI może przygotowywać podsumowania sprintów, statusy, notatki techniczne, pierwsze wersje dokumentacji i listy otwartych ryzyk.
Po co:Mniej ręcznej administracji wokół pracy technicznej.
Kontrola jakości danych
Automatyzacja może wykrywać braki, duplikaty, niespójności i anomalie przed wykorzystaniem danych w raportach albo rozwiązaniach AI.
Po co:Mniej błędów przenoszonych dalej do modeli, integracji i decyzji.
Wsparcie operacji IT
AI może pomagać klasyfikować alerty, podsumowywać incydenty, proponować kolejne kroki i wyszukiwać podobne problemy z przeszłości.
Po co:Szybsze przejście od alarmu do diagnozy, bez odbierania odpowiedzialności zespołowi.
Automatyzacja back-office’u
Powtarzalne raporty, aktualizacje systemów, przepisywanie danych i przekazywanie informacji mogą być wykonywane według ustalonego workflow.
Po co:Osoby techniczne poświęcają mniej czasu na administrację, która nie wymaga ich kompetencji.
Nie zaczynamy od najbardziej efektownego use case’u. Zaczynamy od procesu, który często się powtarza, ma dostępne dane i pozwala wiarygodnie zmierzyć zmianę.
Jak to może wyglądać
Od zgłoszenia do właściwego zespołu
Dziś
- Ticket trafia do wspólnej kolejki.
- Ktoś ręcznie czyta opis i ustala kategorię.
- Zgłoszenie trafia do niewłaściwego zespołu.
- Brakuje kontekstu technicznego.
- Pracownik szuka podobnych przypadków w kilku miejscach.
- Po rozwiązaniu trzeba ręcznie przygotować podsumowanie.
Po uporządkowaniu procesu
- Zgłoszenie jest automatycznie klasyfikowane.
- System rozpoznaje typ, priorytet i potrzebne kompetencje.
- Ticket trafia do właściwego zespołu.
- Asystent dołącza informacje z dokumentacji i podobnych incydentów.
- Pracownik weryfikuje rekomendację i podejmuje decyzję.
- Po zamknięciu powstaje podsumowanie oraz wpis do bazy wiedzy.
AI nie zastępuje decyzji technicznej. Skraca czas potrzebny na zebranie kontekstu, klasyfikację i dokumentację.
Gotowość do wdrożenia
Technologia jest zwykle najprostszą częścią projektu
Najwięcej problemów pojawia się wokół danych, integracji, odpowiedzialności i utrzymania rozwiązania.
Cztery obszary:
- DaneCzy są dostępne, aktualne, spójne i możliwe do wykorzystania zgodnie z zasadami firmy?
- IntegracjeCzy systemy udostępniają API, jakie są ograniczenia i kto odpowiada za ich utrzymanie?
- BezpieczeństwoJakie dane mogą być przetwarzane, gdzie będą przechowywane i kto będzie miał do nich dostęp?
- UtrzymanieKto poprawia rozwiązanie, aktualizuje wiedzę, monitoruje jakość i reaguje na błędy?
Wdrożenie nie kończy się w dniu uruchomienia. Trzeba jeszcze określić właściciela, zasady monitorowania i koszt dalszego działania.
Co trzeba sprawdzić
Najpierw proces. Potem dane, ludzie i technologia.
Procesy
Trzeba jasno opisać, jak praca wygląda dziś, gdzie powstaje problem i jaki wynik ma się zmienić. Projekt technologiczny bez właściciela procesu szybko zaczyna żyć własnym życiem.
Dane
Dane muszą być dostępne, aktualne i wystarczająco uporządkowane. Model nie odróżni samodzielnie wiarygodnego źródła od starej albo sprzecznej informacji.
Ludzie
Zespół musi wiedzieć, kto korzysta z rozwiązania, kto odpowiada za wynik i gdzie nadal potrzebna jest decyzja człowieka.
Obecne systemy
Najpierw sprawdzamy, co da się zrobić w obecnym środowisku
Firmy technologiczne zwykle mają już rozbudowany stack. Nowe rozwiązanie nie powinno powstawać obok niego bez powodu.
- systemy ticketowe
- CRM
- narzędzia projektowe
- repozytoria kodu
- systemy CI/CD
- chmura
- monitoring
- hurtownie danych
- narzędzia BI
- dokumentacja i baza wiedzy
- komunikatory
- narzędzia bezpieczeństwa
Opłacalność
Techniczna wykonalność nie oznacza jeszcze sensu biznesowego
Rozwiązanie może być możliwe do zbudowania, ale nadal nie opłacać się firmie.
Przed decyzją warto porównać:
- koszt obecnego procesu
- liczbę osób i godzin
- częstotliwość zadania
- koszt wdrożenia
- koszt utrzymania
- koszt modeli i infrastruktury
- czas zespołu potrzebny do rozwoju
- ryzyko błędów
- wymagany poziom adopcji
Celem nie jest udowodnienie, że AI da się wdrożyć. Celem jest sprawdzenie, czy warto.
Pierwszy krok
Dobieramy zakres do etapu projektu
01
Strategia wdrożenia AI
Dla firmy, która ma kilka pomysłów i potrzebuje wybrać proces o największym sensie biznesowym.
Poznaj usługę ↗ 02Konsulting
Dla pojedynczego pomysłu, architektury, dokumentacji albo decyzji do sprawdzenia.
Poznaj usługę ↗ 03Nadzór inwestorski
Dla firmy, która pracuje z zewnętrznym wykonawcą i chce mieć technicznego reprezentanta po swojej stronie.
Poznaj usługę ↗ 04Audyt IT
Dla organizacji, która chce sprawdzić koszty narzędzi, licencji, serwerów i dublujących się systemów.
Poznaj usługę ↗ 05Szkolenie
Dla zespołu, który chce lepiej wykorzystywać czaty AI i narzędzia wspierające pracę.
Poznaj usługę ↗ 06Wdrożenie Appto
Dla firmy, która chce zbudować wspólne środowisko AI oparte na wiedzy, asystentach i procesach.
Poznaj usługę ↗Pytania i odpowiedzi
Najczęstsze pytania firm technologicznych
Czy firma technologiczna naprawdę potrzebuje zewnętrznego doradcy do AI? +
Nie zawsze.
Zespół może mieć wystarczające kompetencje techniczne, ale nadal potrzebować niezależnego spojrzenia na proces, priorytety, opłacalność i kolejność wdrożenia.
Wartość doradcy nie polega wtedy na tłumaczeniu, czym jest model językowy. Polega na zatrzymaniu projektu przed zbyt szybkim przejściem do budowy.
Czy pomagacie wybrać architekturę i technologię? +
Tak, jeśli jest to częścią analizowanego problemu.
Najpierw jednak ustalamy proces, użytkownika, dane, wymagania i miernik efektu. Dopiero później porównujemy architekturę, modele, integracje i sposób utrzymania.
Czy AI może analizować zgłoszenia i incydenty? +
Może wspierać klasyfikację, priorytetyzację, wyszukiwanie podobnych przypadków i przygotowanie podsumowania.
Decyzje dotyczące naprawy, bezpieczeństwa i wpływu na środowisko powinny pozostać po stronie odpowiedzialnych osób.
Czy da się wykorzystać AI przy słabej jakości danych? +
W ograniczonym zakresie.
Najpierw trzeba ustalić, które źródła są wiarygodne, jakie błędy występują i czy dane nadają się do konkretnego zastosowania. Czasem pierwszym projektem powinno być uporządkowanie danych, a nie budowa modelu.
Czy trzeba budować własne rozwiązanie? +
Nie zawsze.
Własne rozwiązanie ma sens, jeśli firma ma specyficzny proces, przewagę wynikającą z danych albo wymagania, których gotowe narzędzia nie spełniają. W innych przypadkach prostsze może być wykorzystanie istniejącego systemu, API albo produktu SaaS.
Jak policzyć ROI projektu AI? +
Trzeba porównać koszt obecnego procesu z pełnym kosztem rozwiązania.
Po stronie wdrożenia trzeba uwzględnić nie tylko development, ale także dane, integracje, infrastrukturę, utrzymanie, testy, monitoring i czas zespołu.
Który proces wybrać jako pierwszy? +
Najlepszy proces pilotażowy często się powtarza, ma jasny problem, posiada dostępne dane, ma właściciela, pozwala zmierzyć efekt i nie wymaga od razu przebudowy całego środowiska.
Czy AI zastąpi zespół techniczny? +
W większości zastosowań AI wspiera analizę, dokumentację, wyszukiwanie informacji i powtarzalne działania.
Odpowiedzialność za architekturę, bezpieczeństwo, decyzje i jakość nadal pozostaje po stronie ludzi.
Co z własnością intelektualną i poufnymi danymi? +
Przed wdrożeniem trzeba sprawdzić warunki dostawcy, sposób przechowywania danych, wykorzystanie informacji do trenowania modeli, lokalizację przetwarzania i zasady dostępu.
Nie należy zakładać, że każde narzędzie AI nadaje się do pracy z kodem, dokumentacją klientów albo wewnętrzną wiedzą.
Pierwszy krok
Porozmawiajmy o procesie biznesowym, zanim powstanie backlog technologiczny
Podczas bezpłatnej, 20-minutowej rozmowy omówimy pomysł, proces, dane i sposób mierzenia efektu. Powiem też wprost, jeśli projekt jest dziś zbyt szeroki, dane nie są gotowe albo prostsze rozwiązanie da podobną wartość.
Bez zobowiązań. Bez technologii szukającej problemu.