W prezentacjach dostawców sztucznej inteligencji niemal każde rozwiązanie obiecuje większą efektywność, niższe koszty i szybsze podejmowanie decyzji. Zarząd powinien jednak zadać inne pytanie: jak sprawdzić, czy konkretne wdrożenie rzeczywiście ma sens ekonomiczny i operacyjny?
Zacznijmy od problemu, nie od technologii
Najczęstszym błędem przy planowaniu wdrożenia AI może być rozpoczęcie rozmowy od samego algorytmu.
Tymczasem dla przedsiębiorstwa istotniejsze jest określenie problemu, który ma zostać rozwiązany.
Czy brakuje danych o jakości procesu? Czy analiza obrazu pozwoli ograniczyć czas poświęcany na powtarzalną obserwację? Czy system ma wykrywać konkretne zdarzenia? A może dostarczać informacji o składzie strumienia materiałów?
Każdy z tych celów wymaga innego sposobu oceny rezultatów.
Bez jasno określonego zastosowania nawet bardzo skuteczny model AI może okazać się mało przydatny dla organizacji.
Co właściwie kupuje zakład?
Koszt wdrożenia nie ogranicza się do kamery i komputera.
Na całkowity koszt rozwiązania mogą składać się przygotowanie danych, dobór lub rozwój modeli, infrastruktura obliczeniowa, integracja, testy, utrzymanie, aktualizacje i obsługa techniczna.
Dlatego przy ocenie inwestycji warto rozpatrywać całkowity koszt posiadania systemu, czyli TCO.
Rozwiązanie, które dobrze działa podczas krótkiego pokazu, niekoniecznie będzie równie łatwe w wielomiesięcznej eksploatacji.
Trzeba sprawdzić, jak zachowuje się przy problemach z łącznością, zmianach warunków pracy czy konieczności dostosowania modelu do nowych obiektów.
Pilotaż powinien odpowiadać na konkretne pytania
Dobrze zaplanowany pilotaż nie polega wyłącznie na sprawdzeniu, czy model rozpoznaje obiekty.
Powinien obejmować ocenę jakości detekcji w rzeczywistych warunkach, poprawności pomiarów, stabilności działania oraz przydatności danych dla użytkownika.
W przypadku analizy odpadów można oceniać między innymi skuteczność wykrywania określonych zanieczyszczeń i częstotliwość błędnego zakwalifikowania wartościowego surowca.
W systemach monitoringu istotna będzie natomiast zdolność rozpoznawania zdarzeń wymagających uwagi oraz liczba nieuzasadnionych alarmów.
Wyniki powinny być odniesione do wcześniej ustalonych kryteriów, a nie jedynie do ogólnej deklaracji skuteczności AI.
Kiedy pojawia się zwrot z inwestycji?
Zwrot z inwestycji zależy od tego, w jaki sposób organizacja wykorzysta nowe możliwości.
Jeżeli system pomaga ograniczyć określony koszt, usprawnić pracę lub poprawić jakość produktu, efekt można próbować wyrazić finansowo.
W przypadku rozwiązań analitycznych część korzyści może mieć charakter pośredni. Dostęp do nowych danych pozwala lepiej oceniać proces, ale sam w sobie nie jest jeszcze oszczędnością.
Dlatego warto oddzielić trzy kwestie: techniczną skuteczność systemu, operacyjną użyteczność informacji i rzeczywisty efekt ekonomiczny.
Dopiero ich łączna ocena pozwala odpowiedzialnie ocenić zasadność inwestycji.
Pięć pytań, które zarząd powinien zadać przed wdrożeniem
1. Jaką decyzję będziemy podejmować inaczej dzięki temu systemowi?
Jeżeli nie potrafimy wskazać zastosowania uzyskanych danych, warto ponownie przeanalizować cel projektu.
2. Jak sprawdzimy, czy system działa poprawnie?
Potrzebne są konkretne kryteria oceny, dostosowane do rodzaju procesu i konsekwencji błędnych rozpoznań.
3. Co stanie się, gdy system przestanie działać?
Należy określić wymagania dotyczące dostępności, monitoringu, odzyskiwania pracy i przechowywania danych.
4. Ile będzie kosztować utrzymanie rozwiązania?
Trzeba uwzględnić aktualizacje, obsługę techniczną, rozwój modeli i ewentualne zmiany infrastruktury.
5. Jakie warunki muszą zostać spełnione, aby rozszerzyć wdrożenie?
Skalowanie powinno wynikać z rezultatów pilotażu, a nie z samego faktu, że technologia działa.
Przewaga nie wynika z posiadania AI
Dwie firmy mogą korzystać z podobnych modeli sztucznej inteligencji i osiągać zupełnie inne rezultaty.
Różnica będzie wynikać z jakości danych, sposobu integracji technologii z procesem oraz umiejętności wykorzystania uzyskiwanych informacji.
Dlatego inwestycja w AI nie powinna kończyć się na uruchomieniu systemu.
Wartość wdrożenia zaczyna się wtedy, gdy technologia staje się elementem codziennego zarządzania, a jej działanie można ocenić na podstawie konkretnych wyników.
Dla zarządu to najważniejsze kryterium: czy potrafi wykazać, po co ją wdrożyła.
No responses yet