AI avtomatizacija: 25 procesov, razvrščenih po potencialu ROI

Najboljši AI proces ni najbolj spektakularen

Podjetja pogosto začnejo pri tehnologiji: želijo chatbota, agenta ali lastnega AI asistenta. Donos pa ne nastane zaradi oblike rešitve, temveč zaradi procesa, ki ga rešitev izboljša. Dober prvi primer uporabe je dovolj pogost, merljiv in standardiziran, da lahko učinek dokažemo, hkrati pa dovolj omejen, da napaka ne povzroči nesorazmerne škode.

Spodnji seznam zato ni lestvica univerzalno najboljših avtomatizacij. Procese razvršča po tipičnem potencialu za poslovni učinek in po pogojih, ki morajo biti izpolnjeni. Enak proces ima lahko v podjetju z desetimi mesečnimi primeri nizek potencial, v podjetju s tisoč primeri pa postane prva prioriteta.

ROI v tem vodiču pomeni kombinacijo dodatnega prihodka, sproščene kapacitete, nižjega stroška, krajšega cikla in manj napak. Prihranjenih ur ne štejemo samodejno kot denar. Vrednost nastane šele, ko podjetje ta čas uporabi za več opravljenega dela, boljšo storitev ali zmanjšanje dejanskega stroška.

Kako oceniti proces pred investicijo

Vsak proces ocenite po šestih merilih: mesečni obseg, čas na primer, stopnja ponavljanja, kakovost vhodnih podatkov, poslovna vrednost rezultata in posledica napake. Visok obseg in veliko ročnega časa povečujeta potencial. Nejasni podatki, številne izjeme in velika škoda ob napaki povečujejo zahtevnost nadzora.

Za začetno primerjavo zadostuje ocena od 1 do 5 pri vsakem merilu. Poslovni potencial sestavljajo obseg, porabljeni čas in vrednost rezultata. Izvedljivost sestavljajo standardiziranost, razpoložljivost podatkov in možnost hitrega preverjanja rezultata. Tveganje ocenite ločeno; visoko tveganje ni razlog za ignoriranje procesa, je pa razlog za strožji nadzor ali poznejšo fazo.

• Kolikokrat na mesec se proces izvede in koliko časa porabi ekipa?
• Kolikšen delež primerov sledi podobnim pravilom?
• Ali so vhodni podatki digitalni, dostopni in dovolj kakovostni?
• Kako hitro lahko človek preveri, ali je rezultat pravilen?
• Kaj se zgodi, če AI naredi napako ali ne ukrepa?
• Katera metrika bo po 30 dneh dokazala izboljšanje?

Skupina A: neposreden vpliv na prihodek

Procesi v tej skupini so pogosto najprivlačnejši, ker njihov učinek lahko povežemo s prodajno priložnostjo ali nakupom. Zahtevajo pa kakovostno povezavo med marketingom, prodajo in CRM-jem. Avtomatizacija slabega prodajnega procesa samo hitreje razmnoži njegove napake.

• 1. Zajem in združevanje povpraševanj iz obrazcev, e-pošte, oglasov in drugih kanalov.
• 2. Povzetek, obogatitev in usmerjanje novega leada pravemu prodajalcu.
• 3. Prioritizacija povpraševanj po namenu, ustreznosti in nujnosti.
• 4. Priprava prvega osnutka odgovora na podlagi konteksta in pravil podjetja.
• 5. Samodejni opomniki in nadzor prodajnega follow-upa.
• 6. Priprava osnutka ponudbe iz povpraševanja, cenika in odobrenih predlog.
• 7. Zaznavanje prodajnih priložnosti, ki so predolgo brez naslednjega koraka.
• 8. Povzetek prodajnega klica ter zapis dogovorov in nalog v CRM.

Skupina B: podpora strankam in ohranjanje prihodka

Podpora je primerna za AI, kadar ima podjetje veliko ponavljajočih vprašanj in urejeno bazo znanja. Najvarnejši začetek je pomoč zaposlenemu: AI poišče vir, pripravi osnutek, človek pa ga potrdi. Samostojen odgovor stranki uvedite šele za dobro omejene teme z jasnim načinom predaje človeku.

• 9. Razvrščanje zahtevkov po temi, nujnosti, jeziku in tipu stranke.
• 10. Iskanje odgovora v potrjeni bazi znanja z navedbo uporabljenega vira.
• 11. Priprava osnutkov odgovorov za podporno ekipo.
• 12. Povzemanje dolgih pogovorov ob predaji zahtevka drugemu sodelavcu.
• 13. Zaznavanje ponavljajočih težav v podpornih zahtevkih in ocenah kupcev.
• 14. Proaktivno obveščanje stranke o statusu naročila ali zahtevka po jasnih pravilih.

Skupina C: dokumenti, znanje in administracija

Ti procesi pogosto prinesejo hiter prihranek časa, vendar je kakovost odvisna od vhodnih dokumentov. Pri ekstrakciji podatkov merite natančnost po posameznem polju, ne le po celotnem dokumentu. Pri iskanju znanja mora uporabnik videti vir, datum in različico dokumenta.

• 15. Razvrščanje prejetih dokumentov in določanje odgovorne osebe.
• 16. Izločanje dogovorjenih podatkov iz računov, obrazcev, pogodb ali naročil.
• 17. Preverjanje, ali dokument vsebuje vsa zahtevana polja in priloge.
• 18. Interno iskanje po pravilnikih, navodilih, cenikih in tehnični dokumentaciji.
• 19. Povzetek sestanka z nalogami, odgovornimi osebami in roki.
• 20. Priprava prvega osnutka standardnega dopisa ali internega dokumenta.
• 21. Primerjava različic dokumenta in označevanje vsebinskih sprememb.

Skupina D: marketing, e-commerce in poročanje

Generiranje več vsebine samo po sebi redko prinese visok ROI. Večji potencial imajo procesi, ki izboljšajo podatke, hitrost testiranja ali odločanje. V e-commerce je na primer urejanje produktnih atributov pogosto bolj temeljno kot množično pisanje novih opisov, ker iste podatke uporabljajo filtri, oglasi, iskalniki in AI priporočila.

• 22. Čiščenje, razvrščanje in bogatenje produktnih atributov v katalogu.
• 23. Priprava različic oglasnih in e-poštnih sporočil iz odobrenih trditev znamke.
• 24. Združevanje podatkov iz analitike, oglasnih platform in CRM-ja v tedenski povzetek.
• 25. Zaznavanje odstopanj v ključnih metrikah in priprava vprašanj za analitika.

Procesi z visokim potencialom, ki niso dober prvi pilot

Nekateri primeri imajo velik potencial, vendar zahtevajo zrelejše podatke, strožjo presojo ali težjo integracijo. Mednje sodijo samostojno odločanje o kreditih ali zaposlovanju, zdravstvena priporočila, dinamično določanje cen brez varovalk, avtomatsko potrjevanje pogodb in agenti z obsežnimi pravicami v finančnih ali produkcijskih sistemih.

Takšni procesi niso prepovedani že zato, ker so zahtevni, vendar jih ne izberite samo zaradi velikega teoretičnega učinka. Najprej preverite pravni in varnostni okvir, kakovost podatkov, možnost razlage rezultata, ločevanje pristojnosti, revizijsko sled ter postopek človeškega pregleda in ustavitve.

Kako izbrati prve tri kandidate

Najprej zberite procese iz različnih oddelkov, nato jih ocenite po isti metodologiji. Izberite tri kandidate: enega z neposrednim vplivom na prihodek, enega z jasnim prihrankom časa in enega, ki izboljša kakovost podatkov ali znanja. S tem se izognete portfelju, kjer vse pobude zasledujejo samo en tip koristi.

Za prvi pilot izberite kandidata z najboljšim razmerjem med učinkom, izvedljivostjo in tveganjem, ne nujno kandidata z najvišjim možnim prihodkom. Določite izhodiščno meritev, ciljni prag, največji sprejemljiv strošek, obvezne kontrolne točke in datum odločitve. Pilot brez merila za ustavitev se hitro spremeni v trajen eksperiment.

• Proces ima imenovanega poslovnega lastnika.
• Izhodiščno stanje je izmerjeno pred uvedbo.
• Pilot uporablja omejen obseg podatkov in uporabnikov.
• Pomembni rezultati zahtevajo človeško potrditev.
• Vnaprej je določeno, kdaj pilot skaliramo, izboljšamo ali ustavimo.

Preprost izračun poslovnega primera

Pri časovnem prihranku izračunajte mesečni obseg, trenutni čas na primer, pričakovano zmanjšanje časa in dejanski strošek ure. Dodajte strošek implementacije, licenc, uporabe modela, nadzora in vzdrževanja. Če prihranjen čas ne zmanjša stroška, navedite, katero dodatno delo bo ekipa opravila z novo kapaciteto.

Pri prihodkovnem procesu izračunajte število prizadetih priložnosti, trenutno konverzijo, povprečno vrednost posla in konservativno pričakovano izboljšanje. Ne pripišite celotne vrednosti prodaje AI sistemu, če na rezultat vplivajo tudi ponudba, prodajalec, sezona in kanal. Pošten model je nekoliko bolj zadržan, vendar veliko uporabnejši za odločitev.

NUMEDIA kalkulator izgubljenih povpraševanj uporablja prav ta pristop: predpostavke so vidne in jih uporabnik lahko spremeni. Rezultat je okvir za pogovor, ne obljuba prihodka.

Od seznama do 90-dnevnega pilota

Prvih 30 dni namenite meritvi procesa, podatkom, pravilom in zasnovi najmanjšega uporabnega toka. V naslednjih 30 dneh zgradite omejen pilot, ga preizkusite na običajnih in robnih primerih ter beležite popravke. Zadnjih 30 dni vključite manjšo skupino uporabnikov, primerjajte rezultat z izhodiščem in sprejmite odločitev o nadaljevanju.

Dober pilot ne dokazuje, da AI deluje na splošno. Dokazuje, da točno določen sistem v vašem okolju izboljša izbrano metriko z znanim stroškom in sprejemljivim tveganjem. To je temelj za skaliranje, ki ga lahko zagovarjata tako vodstvo kot ekipa, ki bo sistem dejansko uporabljala.

Pogosta vprašanja