Először az adat
Nieto-Rodriguez és Vargas elemzésének legkevésbé látványos és legfontosabb tanácsa úgy szól, hogy aki hasznot akar az AI-ból, az ma kezdje el összegyűjteni és megtisztítani a projektadatait. Minden, amit az előző leckékben láttál, a referenciaosztályos becslés, a korai jelzés, az automatikus riport, a lezárt projektek adatain áll vagy bukik. A gyakorlatban ez azt jelenti, hogy a projektarchívumot egy helyre kell hozni, egységes minimumot kell megkövetelni, terv, tény, változások, tanulságok, és a futó projekteknél most kell elkezdeni fegyelmezetten rögzíteni azt, amiből két év múlva a gép tanulni fog. Ez a munka nem látványos, de ez a belépőjegy.
Az eszközök három típusa
Thomas Davenport és Rajeev Ronanki 152 vállalati AI projekt vizsgálata alapján három típusba sorolta az üzleti AI alkalmazásokat, és ez a térkép a projektirodára is pontosan illik. Az első a folyamatautomatizálás, a szabályokra épülő adatmunka gépesítése, ide tartozik az adatgyűjtés és a riportkészítés. A második az elemzési belátás, a mintázatfelismerés és előrejelzés, ide tartozik a becslés, a kockázati jelzés és a portfólióelemzés. A harmadik a kapcsolattartás, a kérdésekre válaszoló asszisztensek, ide tartozik a projektvezetőket segítő belső tudástár. A kutatás fő tanulsága az, hogy a fokozatos, meglévő folyamatokat erősítő bevezetések sikeresebbek, mint a mindent egyszerre átalakító nagy programok.
A bevezetés józan sorrendje. Először automatizáld, ami szabályokra épül, mert az adja a gyors, mérhető győzelmet. Utána építsd rá az elemzést, mert ahhoz már rendezett adat kell. A kapcsolattartó asszisztens a harmadik lépés, mert az a másik kettő eredményeiből él. Aki a végén kezdi, annak az asszisztense magabiztosan fog rossz adatból válaszolni.
A napi munka eszközei
A nagy rendszerek mellett a projektiroda napi munkájában már ma ott az érték a nyelvi modellek közvetlen használatában. Jegyzőkönyvből teendőlista és döntésnapló. Hosszú email szálból egyoldalas összefoglaló az új belépőnek. Szerződéstervezetből a projektet érintő kötelezettségek kigyűjtése. Egy nehéz érintetti beszélgetés előtt érvelési vázlat. Ezek egyenként tíz percet spórolnak, naponta többször, képzettség szinte bármelyik munkatársnál elérhető hozzájuk, és közben a csapat pontosan azt a gyakorlatot szerzi meg, amire a nagyobb rendszerek bevezetésénél szükség lesz.
Források és további olvasnivaló
Antonio Nieto-Rodriguez és Ricardo Vargas, Harvard Business Review, 2023, az adat-előkészítésről. Thomas Davenport és Rajeev Ronanki, Artificial Intelligence for the Real World, Harvard Business Review, 2018, 250 vezető felmérése és 152 projekt vizsgálata alapján. A napi eszközhasználatról a Prompt engineering a gyakorlatban kurzusban írtam.
Workshop
AI Transformation Day
Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, priorizált cselekvési lista.
Érdekel a program →