AI coraz częściej pojawia się w rozmowach o rozwoju firm. Czasem jako sposób na obniżenie kosztów, czasem jako narzędzie do przyspieszenia pracy, a czasem po prostu dlatego, że „wszyscy już coś z AI robią”.
Moim zdaniem to ostatnie jest najgorszym powodem do wdrożenia.
Nie zaczynałbym od pytania: „Gdzie możemy wykorzystać AI?”
Znacznie lepsze jest inne:
„Które procesy w naszej firmie zabierają ludziom dużo czasu, są powtarzalne i nie zawsze wymagają człowieka?”
Dopiero później warto zastanowić się, czy rozwiązaniem będzie model językowy, OCR, agent AI, klasyczna automatyzacja czy po prostu dobrze napisany kawałek kodu.
Najpierw proces, potem technologia
W firmach jest mnóstwo czynności, które wykonuje się ręcznie właściwie tylko dlatego, że do niedawna trudno było je zautomatyzować.
- Pracownik czyta maila.
- Rozpoznaje, czego dotyczy.
- Otwiera system.
- Sprawdza kilka informacji.
- Kopiuje dane.
- Przygotowuje odpowiedź.
- Albo otwiera fakturę, przepisuje NIP, numer dokumentu, datę, kwoty i zapisuje wszystko w innym systemie.
Każda z tych czynności osobno zajmuje chwilę.
Jeżeli jednak wykonujemy ją kilkadziesiąt albo kilkaset razy miesięcznie, zaczyna się z tego robić bardzo dużo czasu.
I właśnie takich procesów szukałbym w pierwszej kolejności.
Dobrym kandydatem do automatyzacji jest proces, który:
- występuje często,
- ma w miarę powtarzalny przebieg,
- korzysta z danych, do których możemy uzyskać dostęp,
- wymaga dużo ręcznego przepisywania, czytania lub wyszukiwania informacji,
- daje się podzielić na konkretne kroki,
- ma wynik, który możemy później zweryfikować.
Nie oznacza to jeszcze, że cały proces powinien zostać przekazany AI.
Nie wszystko, co potrafi zrobić AI, powinno robić AI
To ważne rozróżnienie.
Model językowy może przeczytać dokument, znaleźć w nim kwoty i policzyć ich sumę – ale to najlepiej dzięki narzędziu, które liczy poza modelem. AI to nie kalkulator, tu nie zawsze 2+2 da wynik 4
Ale jeżeli sumę możemy sprawdzić zwykłym działaniem matematycznym, to właśnie tak powinniśmy to zrobić.
AI świetnie radzi sobie z tym, co wcześniej było trudne do opisania sztywnymi regułami:
- rozumieniem języka,
- interpretacją treści,
- klasyfikacją,
- analizą dokumentów,
- wyszukiwaniem informacji,
- tworzeniem tekstu,
- rozmową z człowiekiem.
Klasyczny kod jest natomiast dużo lepszy tam, gdzie wynik powinien być jednoznaczny.
Dlatego dobre rozwiązanie bardzo często wygląda tak:
AI interpretuje -> kod sprawdza -> system wykonuje działanie.
To moim zdaniem znacznie bezpieczniejsze niż przekazanie wszystkiego modelowi.
Obsługa poczty
Poczta jest bardzo dobrym przykładem procesu, w którym AI może zrobić znacznie więcej niż tylko napisać odpowiedź.
System może:
- przeczytać wiadomość,
- określić jej temat,
- sklasyfikować sprawę,
- przeanalizować załączniki,
- sprawdzić informacje w systemach firmy,
- przygotować odpowiedź,
- poprosić klienta o brakujące dane,
- utworzyć zadanie lub zgłoszenie,
- przekazać sprawę odpowiedniej osobie.
Tutaj zaczynamy mówić o agencie AI.
Nie jest to już tylko model odpowiadający na pytanie. Agent otrzymuje zadanie, korzysta z dostępnych narzędzi i wykonuje kolejne kroki prowadzące do jego realizacji.
Nie oznacza to jednak, że powinien mieć pełną swobodę.
Inaczej potraktowałbym mail z pytaniem o godziny pracy, a inaczej reklamację, rozwiązanie umowy czy wiadomość dotyczącą dużego zobowiązania finansowego.
Automatyzacja nie musi mieć tylko dwóch stanów:
automatycznie / ręcznie.
Możemy mieć kilka poziomów. Proste sprawy system obsługuje sam. Trudniejsze przygotowuje i przekazuje człowiekowi do akceptacji. Nietypowe od razu przekazuje pracownikowi.
I często właśnie takie podejście daje najlepsze efekty.
Faktury i inne dokumenty
Dokumenty są kolejnym oczywistym kandydatem.
Dzisiejsze narzędzia OCR połączone z modelami AI potrafią bardzo dobrze odczytywać faktury, umowy, formularze, zamówienia czy protokoły.
Możemy z dokumentu wyciągnąć określone dane, zamienić je na strukturę i przekazać dalej do systemu.
Ale nie traktowałbym wyniku modelu jako prawdy.
Jeżeli odczytujemy fakturę, możemy dodatkowo zweryfikować:
- NIP,
- numer dokumentu,
- daty,
- stawki VAT,
- kwoty netto, VAT i brutto,
- zgodność sum,
- istnienie kontrahenta,
- występowanie podobnego dokumentu w systemie.
Jeżeli wszystko się zgadza, proces może przebiec automatycznie.
Jeżeli coś budzi wątpliwość, dokument trafia do człowieka.
I właśnie takie rozwiązanie uważam za dobre zastosowanie AI (wdrożyłem mój WiseReader).
Nie próbujemy udowodnić, że model nigdy się nie myli.
Projektujemy system w taki sposób, aby jego pomyłka została wykryta zanim stanie się problemem.
A co, jeżeli AI nie wie?
Powinno móc powiedzieć:
nie wiem.
To jedna z najważniejszych zasad, jakie warto przyjąć przy projektowaniu rozwiązania.
- Jeżeli brakuje danych ma zapytaj o nie.
- Jeżeli dwie informacje są ze sobą sprzeczne powinno zatrzymać proces.
- Jeżeli odpowiedzi nie ma w bazie wiedzy to nie może jej wymyślać.
- Jeżeli odczyt dokumentu jest niepewny system powinien pokazać go człowiekowi.
Problem halucynacji modeli jest realny, ale nie oznacza, że nie da się ich używać w procesach biznesowych. Trzeba po prostu założyć, że mogą się mylić. Tak samo jak przy projektowaniu tradycyjnej aplikacji zakładamy, że użytkownik może podać niepoprawne dane.
Human in the loop
Na początku wdrożenia bardzo często proponowałbym pozostawienie człowieka w procesie.
- AI wykonuje analizę.
- AI przygotowuje propozycję.
- Człowiek ją zatwierdza.
Nie brzmi to może tak efektownie jak „w pełni autonomiczny agent”, ale pozwala sprawdzić system na prawdziwych danych. Po pewnym czasie zaczynamy widzieć, że przykładowo 80% określonego typu spraw jest obsługiwanych poprawnie. Wtedy można zdecydować jakie przypadki od dziś obsługujemy automatycznie a które nadal wymagają akceptacji.
W ten sposób poziom automatyzacji można zwiększać stopniowo zamiast próbować od pierwszego dnia przekazać AI cały proces.
Chat i telefon
Nie każdy system AI musi być agentem.
Chatbot czy voicebot może być po prostu asystentem, którego zadaniem jest rozmowa z klientem. Może odpowiadać na pytania. Może korzystać z firmowej bazy wiedzy. Może sprawdzić określone informacje w systemie. Może zebrać dane od klienta. Może umówić kontakt.
Niektóre z jego narzędzi mogą być agentami.
Może również rozpoznać moment, w którym powinien przestać próbować rozwiązywać problem i przekazać rozmowę człowiekowi.
I to ostatnie jest równie ważne jak umiejętność odpowiadania.
Dobry asystent nie powinien za wszelką cenę udowadniać, że zna odpowiedź.
Wstępne oferty, wyceny i kosztorysy
To obszar, który moim zdaniem jest szczególnie ciekawy. W bardzo wielu firmach przygotowanie oferty wygląda mniej więcej tak samo. Ktoś czyta zapytanie klienta. Analizuje zakres. Sprawdza cennik. Przegląda wcześniejsze realizacje. itd.
Na końcu powstaje kosztorys lub oferta.
Dużą część tego procesu można przygotować automatycznie. System może przeczytać zapytanie klienta i określić, jakie informacje już posiada, a jakich brakuje. Może przygotować pytania uzupełniające. Może pobrać aktualne ceny produktów lub usług, może wykorzystać dane historyczne dotyczące podobnych realizacji a następnie oszacować liczbę godzin by finalnie na tej podstawie przygotować wstępną wycenę.
Nie musi jej automatycznie wysyłać.
Handlowiec może ją sprawdzić, zmienić marżę, zakres lub założenia i dopiero wtedy przesłać klientowi.
Jeżeli przygotowanie takiej wyceny zajmowało wcześniej godzinę, a teraz zajmuje dziesięć minut, automatyzacja już spełniła swoje zadanie.
Gdzie jeszcze szukać?
Nie ograniczałbym AI do chatbotów.
Często ciekawsze możliwości znajdują się wewnątrz firmy.
Na przykład w:
kwalifikacji zapytań i leadów: zebranie informacji, wzbogacenie danych, wstępna ocena i przygotowanie informacji dla handlowca,
analizie umów i dokumentów: wyszukiwanie braków, różnic pomiędzy wersjami, nietypowych zapisów czy wymaganych załączników,
helpdesku: zebranie informacji od użytkownika i wykonanie wstępnej diagnostyki przed przekazaniem zgłoszenia technikowi,
raportowaniu: zebranie danych z kilku systemów i przygotowanie podsumowania tego, co rzeczywiście wymaga uwagi,
kontroli jakości danych: wykrywanie braków, duplikatów i nietypowych wartości,
pracy z dokumentacją: możliwość zadawania pytań dotyczących procedur, instrukcji, dokumentacji technicznej czy wewnętrznych regulacji,
tworzeniu dokumentów: przygotowanie pierwszych wersji ofert, raportów, odpowiedzi, opisów czy dokumentacji na podstawie istniejących danych.
Właśnie tutaj często znajduje się największa oszczędność czasu.
Od czego zacząć?
Najlepiej nie od wielkiego projektu.
Wybrałbym jeden konkretny proces.
Następnie zebrał przykładowe dane.
Na przykład: 100 wiadomości, 50 faktur, kilkadziesiąt zapytań ofertowych, fragment dokumentacji, historie zgłoszeń z helpdesku.
I na tym materiale sprawdził, co da się osiągnąć.
- Ile przypadków system obsługuje poprawnie?
- Gdzie potrzebuje pomocy?
- Jakich danych mu brakuje?
- Których działań nie powinniśmy automatyzować?
- Ile kosztuje wykonanie jednej operacji?
Dopiero potem budowałbym pełne rozwiązanie.
- Backend.
- Integracje.
- Uprawnienia.
- Kolejki zadań.
- Monitoring.
- Logowanie operacji.
- Panele administracyjne.
Czasami już pierwszy prototyp pokaże, że pomysł jest bardzo dobry, czasami okaże się, że proces przed automatyzacją trzeba najpierw uporządkować a czasami wyjdzie, że AI w ogóle nie jest potrzebne i ten sam problem można rozwiązać prostszym narzędziem.
Każdy z tych wyników jest wartościowy.
Jak wybrać pierwszy proces?
Ja zwróciłbym uwagę przede wszystkim na trzy rzeczy:
Częstotliwość. Automatyzacja czynności wykonywanej raz na dwa miesiące może nie mieć ekonomicznego sensu.
Czas. Jeżeli kilka osób codziennie traci godzinę na podobne działania, potencjał jest już bardzo duży.
Ryzyko błędu. Na pierwsze wdrożenie lepiej wybrać proces, w którym pomyłkę można łatwo wykryć lub odwrócić. Nie zaczynałbym od najbardziej krytycznego procesu finansowego w firmie. Zacząłbym od czegoś, co pozwoli zdobyć doświadczenie i jednocześnie szybko pokaże wynik.
I jeszcze jedna rzecz: policzmy efekt
Wdrożenie AI powinno mieć cel biznesowy.
Jeżeli automatyzujemy pocztę, policzmy ile czasu zajmuje jej obsługa obecnie. Jeżeli automatyzujemy faktury, sprawdźmy ile dokumentów miesięcznie ktoś przepisuje i ile trwa obsługa jednego. Jeżeli budujemy voicebota, zobaczmy ile telefonów rzeczywiście dotyczy prostych, powtarzalnych pytań.
Bez tego łatwo stworzyć bardzo efektowny system, który niewiele zmienia.
AI nie musi zastąpić pracownika, aby inwestycja była opłacalna.
Jeżeli zamiast wykonywać sto prostych czynności pracownik musi zająć się tylko dziesięcioma nietypowymi przypadkami, mamy bardzo konkretny efekt i moim zdaniem właśnie tak warto dziś myśleć o AI w firmie.
Nie: „co możemy zastąpić sztuczną inteligencją?”
Tylko: „gdzie człowiek robi dziś pracę, której naprawdę nie musi wykonywać człowiek?”
Od odpowiedzi na to pytanie zacząłbym przygotowania do każdego wdrożenia AI.