Najczęstszy powód, dla którego wdrożenie AI w firmie kończy się rozczarowaniem, nie ma nic wspólnego z samym modelem. Łukasz Brzyski, konsultant biznesowy występujący na kilku konferencjach GigaCon (AI, BPM, EOIF), zadawał uczestnikom proste, ale niewygodne pytanie: czy macie dane, które w ogóle nadają się do tego, żeby AI zrobiła z nimi coś sensownego?
W praktyce oznacza to sprawdzenie kilku rzeczy naraz — czy dane są w ogóle zebrane w jednym miejscu, czy są aktualne, czy różne systemy nie przechowują sprzecznych wersji tej samej informacji. Firma, która ma świetny pomysł na wdrożenie AI, ale dane rozproszone po pięciu niekomunikujących się ze sobą systemach, najpierw musi rozwiązać problem integracji — dopiero potem ma sens mówienie o modelach predykcyjnych.
Cyfrowa transformacja i opór przed zmianą
Brzyski poruszał też temat, który rzadko pojawia się w materiałach technicznych — opór organizacyjny wobec zmian związanych z Przemysłem 4.0 i cyfrową transformacją. Najlepsza technologia nie pomoże, jeśli pracownicy sabotują ją (nawet nieświadomie), bo nikt im nie wytłumaczył, po co to wszystko i co konkretnie się dla nich zmienia.
To połączenie wątków — technicznego i ludzkiego — pojawiało się konsekwentnie na kilku konferencjach: samo posiadanie dobrych danych i dobrego modelu nie wystarczy, jeśli ludzie w organizacji nie rozumieją, dlaczego mieliby zaufać rekomendacjom systemu bardziej niż własnemu doświadczeniu.
Od czego zacząć w praktyce
Najprostszy pierwszy krok to audyt danych — nie technologiczny, tylko organizacyjny. Kto w firmie wie, gdzie znajdują się kluczowe dane, kto je aktualizuje i jak często, i czy ktokolwiek sprawdzał ostatnio ich jakość. To ćwiczenie kosztuje głównie czas, a często ujawnia więcej problemów niż niejeden drogi projekt wdrożeniowy.
Więcej o tym, jak przygotować organizację do wdrożenia AI, usłyszycie na kolejnej edycji konferencji AI organizowanej przez GigaCon. Zarezerwuj sobie miejsce — udział jest bezpłatny.