Stručná odpoveď
AI projekty len zriedka zlyhávajú na technológii. Výskum RAND uvádza mieru zlyhania nad 80 percent — približne dvojnásobok oproti IT projektom bez AI — a pripisuje ju najmä zle pochopenému zadaniu, dátam, ktoré neprežijú ostrú prevádzku, a zmene, ktorú nikto nevlastnil. Všetkých deväť zlyhaní nižšie je organizačných.
Hlavné body
- Vyše 80 percent AI projektov zlyhá, zhruba dvojnásobok oproti IT projektom bez AI.
- Začať technológiou namiesto práce je najdrahšia chyba z celého zoznamu.
- Piloty bežiace na vybraných dátach sa v ostrej prevádzke zosypú — testujte najhoršie súbory ako prvé.
- Opravy od vašich ľudí sú najcennejšie dáta, ktoré vytvoríte. Väčšina firiem ich zahodí.
- Vyriešte v prvom týždni, kam smú ísť dáta; je to najčastejší neskorý zabijak v regulovaných dodávateľských reťazcoch.
Videli sme dosť AI projektov v strojárstve aj v službách na to, aby sme si všimli, že zlyhania sa opakujú podľa vzorca. Takmer žiadne z nich nie je technické. Tu je deväť, s ktorými sa stretávame najčastejšie, zhruba v poradí, v akom sa v projekte objavia.
1. Začať technológiou namiesto práce
Niekto uvidí ukážku, nadchne sa a začne hľadať, kam by sa to dalo nasadiť. Takto vznikajú riešenia, ktoré hľadajú problém. Je to najdrahšia chyba z celého zoznamu, lebo spáli dôveru firmy na niečom, čo si nikto nepýtal. Začnite od úlohy, ktorá vašich ľudí zdržiava, a k nástroju sa prepracujte spätne.
2. Rozbehnúť päť pilotov namiesto dotiahnutia jedného
Portfólio pilotov vyzerá ako pokrok. Býva presným opakom. Pilot sa ľahko začne a ťažko dokončí, takže firma, ktorá začne päť, zvyčajne nedokončí ani jeden. Každý sa dostane na tých nepríjemných osemdesiat percent, kde zostáva nezáživná integrácia, a pozornosť sa presunie k ďalšej novinke.
3. Testovať na čistých dátach
Každá ukážka dodávateľa beží na upratanom dokumente. Vaša realita je sken so škvrnou od kávy, revízia, ktorú nikto nevie vysvetliť, a popis produktu, ktorý niekto písal v piatok o štvrtej. Ak nevyskúšate svoje najhoršie vstupy pred podpisom, kupujete systém, ktorý funguje všade okrem vašej firmy.
4. Nechať AI konať bez schválenia človekom
Pokušenie zrušiť kontrolný krok je silné, len čo presnosť vyzerá dobre. Práve v tom kroku totiž zostávajú náklady. Odolajte mu všade, kde výstup opúšťa firmu alebo vstupuje do riadeného dokumentu. Pri AS9100 alebo IATF 16949 nie je „rozhodol to systém“ záznam a audítor ho neuzná.
5. Zahodiť opravy
Keď človek výstup prepíše, je tá oprava najcennejší dátový záznam, aký vaša firma tento rok vytvorí. Väčšina firiem ju zahodí. Človek výstup opraví, práca ide ďalej a nikde nezostane nič. Zapíšte, čo bolo zle, aká bola správna odpoveď a kto rozhodol. O pár mesiacov je práve tento záznam to, čo vám umožní doladiť systém na vašu prácu, nie na svetový priemer.
6. Kupovať licencie na používateľa pre prácu meranú v dokumentoch
Veľká časť AI nástrojov sa účtuje na používateľa, lebo tak sa softvér vždy predával. Ak sa však vaša práca meria v dokumentoch, je to zlý model. Skontrolované výkresy, vystavené ponuky, prečítané faktúry. Buď platíte za nevyužité licencie, alebo ich kúpite príliš málo a obmedzíte tým proces, ktorý chcete rozšíriť. Prepočítajte si skutočný ročný objem oproti obom modelom skôr, než niečo podpíšete.
7. Odložiť otázku, kam sa dostanú dáta
Mnohé subdodávateľské zmluvy v letectve a automobilovom priemysle zakazujú dať zákazníkove výkresy či špecifikácie tretej strane bez písomného súhlasu. A nahratie súboru do cloudu poskytovateľa SaaS je presne to. Toto je najčastejší dôvod, prečo sľubný pilot zastaví právne oddelenie. A prichádza takmer vždy neskoro, keď je práca odvedená. Vyriešte to v prvom týždni, písomne, skôr než posúdite jedinú funkciu.
8. Merať nesprávnu vec
Spracované dokumenty, pripojení používatelia, bežiace piloty. To sú ukazovatele aktivity a rastú bez ohľadu na to, či sa niečo zlepšilo. Záleží len na dvoch číslach: hodiny, ktoré konkrétny tím ušetrí, a chyby zachytené skôr, než stáli peniaze. Ak prínos neviete vyjadriť v jednom z nich, zatiaľ neviete, či to fungovalo.
9. Oznámiť to ako program úspor
Ak ľudia o AI prvýkrát počujú v súvislosti s nákladmi, celkom logicky si domyslia, že ide o stavy. A prídete práve o spoluprácu tých skúsených ľudí, ktorých znalosti systém potrebuje. Postavte to ako odstránenie práce, ktorá ich už aj tak otravuje. Buďte konkrétni v tom, ktoré úlohy to sú. A priznajte, čo zatiaľ neviete.
Každé z tých deviatich zlyhaní je organizačné zlyhanie v technickom prestrojení. Model býva problém len zriedka.
Zhrnutie
Žiadne z týchto deviatich zlyhaní nie je dôvodom vyhýbať sa AI. Sú to dôvody viesť ju ako každú inú prevádzkovú zmenu: vyberte problém, ktorý ľudia poznajú, overte to na dátach, ktoré naozaj máte, nechajte za výstup zodpovedať človeka a merajte to v hodinách alebo chybách, nie v aktivite. Miera zlyhania je vysoká preto, že väčšina firiem tieto štyri veci preskočí, nie preto, že by technológia nefungovala.
Časté otázky
Aké percento AI projektov zlyhá?
RAND uvádza vyše 80 percent, približne dvojnásobok oproti IT projektom bez AI. Iné odhady sa pohybujú od 46 do 95 percent podľa toho, čo sa považuje za zlyhanie — či sa do toho ráta pilot, ktorý sa nikdy nerozšíril. Na rozptyle záleží menej než na vzore: väčšina sa zastaví medzi pilotom a prevádzkou.
Zlyháva naozaj technológia?
Takmer nikdy. Opakujúce sa príčiny sú zle pochopené zadanie, dáta nezodpovedajúce realite, pilot, ktorý podcenil rozsah potrebnej integrácie, a chýbajúci vlastník zmeny. Každá z nich je organizačné zlyhanie v technickom prestrojení.
Prečo sa AI piloty nedostanú do prevádzky?
Pretože pilot išiel rýchlo práve tým, že vynechal všetko, čo prevádzka obsahuje: vybrané dáta, úzky rozsah, ručné riešenie výnimiek a minimum pravidiel. Rozšírenie to vráti naraz. Pilot dokáže, že schopnosť funguje; prevádzka vyžaduje organizáciu okolo nej.
Ako sa vyhnúť pasci čistých dát?
Zaraďte svoje najhoršie vstupy do výberu dodávateľa. Pošlite päť najhorších súborov z minulého mesiaca — ten z faxu, sken so škvrnou, ten s rukopisom — a vyžiadajte si nespracovaný výstup nástroja namiesto ukážky. Dodávatelia, ktorí tú skúšku prijmú, sú tí, s ktorými sa oplatí hovoriť ďalej.
Kto má AI projekt vlastniť?
Niekto v tej časti firmy, ktorej výstup patrí, nielen IT. Zlyhania sa zhlukujú okolo nejasných cieľov a slabého prijatia — a ani jedno nevyrieši tím, ktorý softvér nainštaloval.