AI ve firmě: proč přínosy nezávisí na velikosti projektu

Největší přínos umělé inteligence ve firmě nepřichází z komplexních projektů. Přichází z momentu, kdy si na ni někdo vzpomene ve správnou chvíli a má odvahu experimentovat.

Před pár dny jsem si tohle ověřil přímo doma. Příběh, který vám teď popíšu, mi připomněl něco zásadního o tom, jak by firmy měly přemýšlet o adopci AI. A proč většina diskusí o přínosech AI míří úplně špatným směrem.

Když si tepelné čerpadlo myslí, že máte doma 160 °C

Doma máme tepelné čerpadlo. Funguje to tak, že čerpadlo dostává data z teplotních čidel v jednotlivých pokojích a podle nich reguluje topení. Jednoduchý systém, který už roky spolehlivě funguje. Až do momentu, kdy odešlo jedno z čidel. Místo reálné teploty začalo do systému posílat hodnotu 160 °C. Software čerpadla logicky vyhodnotil situaci: „V pokoji je 160 stupňů, topit už opravdu nemusíme.“ A přestal topit.

Doma byla zima. Stížnosti rodiny rostly rychleji než dopravce doručoval náhradní čidlo. Klasická situace, kdy technologie udělá přesně to, co má a přesto je výsledek špatný.

První řešení mě nenapadlo. Napadlo to AI.

AI už delší dobu používám pro analýzu dat z čerpadla a optimalizaci nastavení s ohledem na spotřebu energie. Není to nic složitého prostě využívám datové záznamy z čerpadla a experimentuju. Tak jsem se zeptal i tentokrát: „Jak bys řešila situaci, kdy čidlo posílá špatná data a dorazí mi nové až za pár dní?“

První návrh, který přišel, byl tak jednoduchý, až mě zamrzelo, že jsem na něj nepřišel sám:

„Když si čerpadlo myslí, že je v pokoji 160 °C, řekni mu, že chceš mít vedle 165 °C. Bude topit.“

Funguje to. (Pojistka na maximální teplotu vody zůstala nastavená na 45 °C, takže nehrozilo, že by se někdo doma uvařil. Rodina přestala mrznout, čidlo dorazilo o pár dní později a všechno se vrátilo do normálu. Chvíli se ozývalo moje ego, proč jsem na to nepřišel já? Ale přínos byl jasný a okamžitý. A hlavně mi to potvrdilo něco, co dlouho cítím o adopci AI ve firmách.

Většina firem řeší AI ze špatného konce

Když se s firmami bavíme o AI, často slyšíme stejné otázky:

Jakou platformu nasadit?
Které procesy automatizovat jako první?
Kolik to bude stát a jaká bude návratnost?

Všechno legitimní otázky. Ale obvykle vedou k jednomu výsledku: firma nasadí nějaký nový chatovací nástroj nebo upraví existující aplikaci o „AI funkce“. Lidé dostanou nové tlačítko, kliknou na něj párkrát a vrátí se k práci, jak ji dělali předtím. A pak přichází rozčarování, že přínosy AI nepřišly.

Problém není v nástroji. Problém je v kultuře.

AI nepřináší hodnotu sama o sobě. Hodnotu přináší tehdy, když si na ni lidé vzpomenou ve správnou chvíli. Když se nebojí experimentovat. Když mají odvahu zeptat se i v situacích, které s AI na první pohled nesouvisí. To, že jsem se AI zeptal na poruchu topení, nebylo logické. Tepelné čerpadlo není „AI use case“. Ale fungovalo to, protože jsem byl v módu „zkusím se zeptat“.

A přesně tenhle mód je to, co odlišuje firmy, které z AI vyždímají skutečnou hodnotu, od firem, které jen utratily peníze za licence.

Co tedy ovlivňuje úspěch AI ve firmě?

Z naší zkušenosti s firmami, které pracují s AI dobře, vidíme tři opakující se vzorce:

1. Bezpečné prostředí pro experimentování

Lidé se musí cítit bezpečně, aby AI mohli zkoušet. To znamená jasná pravidla, co do AI nesmí jít (citlivá data, osobní údaje), ale zároveň svobodu zkoušet všechno ostatní. Bez strachu, že udělají chybu.

2. Kultura sdílení nálezů

Když někdo objeví, že AI dokáže výborně řešit konkrétní úkol, musí existovat způsob, jak to sdílet. Slack kanál, pravidelné meetingy, interní wiki, formát je jedno. Důležité je, aby objevy jednotlivců rostly do kolektivního know-how.

3. Vedení, které samo experimentuje

Pokud CEO, CIO nebo CTO nepoužívá AI sám, lidé to cítí. Adopce AI je jeden z mála případů, kdy walk the talk funguje doslova. Když lídři sdílejí svoje vlastní pokusy a omyly, ostatní následují.

5 otázek, které byste si jako leader měli položit

Než budete plánovat další velkou AI iniciativu, projděte si tenhle krátký checklist:

Mají u nás lidé jasno, do jakých nástrojů AI mohou vkládat firemní data a do jakých ne? Pokud ne, nikdo nebude experimentovat z obavy, že udělá něco špatně.
Existuje ve firmě prostor, kde lidé sdílejí svoje AI nálezy? Bez sdílení zůstanou objevy izolované u jednotlivců.
Používám AI pravidelně sám? Vidí to moji lidé? Pokud ne, vysíláte signál, že je to „jen pro někoho jiného“.
Odměňujeme experimentování, nebo jen výsledky? Pokud lidé dostanou negativní zpětnou vazbu za neúspěšný pokus, přestanou pokusy dělat.
Měříme přínosy AI správně? Pokud sledujete jen úsporu času na konkrétních procesech, přijdete o neviditelnou hodnotu ten moment, kdy někdo vyřeší něco, co by jinak vyřešil hůř, déle nebo vůbec.

Pointa: AI je o lidech, ne o technologii

Můžete mít nejlepší AI nástroje na trhu. Pokud ve firmě nemáte kulturu, která lidem dovolí si na ně vzpomenout a zkusit je použít, hodnota nepřijde.

Můj příběh s topením je triviální. Ale přesně takhle vypadá většina situací, kde AI dokáže pomoci drobné, nečekané, na první pohled bez souvislosti s technologií. Hodnota přichází z toho, že lidé jsou zvyklí se ptát a experimentovat. Až tedy budete příště plánovat AI strategii, nezačínejte výběrem nástrojů. Začněte otázkou:

Mají u nás lidé prostředí dost bezpečné na to, aby s AI mohli experimentovat a sami objevovat, v čem jim může pomoct?

Tam totiž ty skutečné přínosy AI vznikají.