Data science

AI Mindset: การนำกรอบการทำงานที่เหมาะสมสำหรับการนำ AI มาใช้

คลิกเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับผู้แต่ง Andriy Latysh ธุรกิจในปัจจุบันกำลังเผชิญกับจุดเปลี่ยนสำคัญในการนำ AI มาใช้ และด้วยเหตุนี้ จึงอยู่ในตำแหน่งที่สมบูรณ์แบบที่จะก้าวไปสู่จุดสูงสุดด้วย AI โดยการรวบรวมข้อมูลเชิงลึกที่นำไปใช้ได้จริง ปรับปรุงประสิทธิภาพการดำเนินงาน ถอดรหัสพฤติกรรมของลูกค้า และลดต้นทุน ที่กล่าวว่าเพียงเพราะองค์กรเต็มใจที่จะปรับใช้ AI ไม่ได้หมายความว่ากระบวนการปรับใช้จะปราศจากปัญหาเสมอไป ความจริงก็คือ ในหลายกรณี การจัดการที่ไม่ใช่ไอทีอาจไม่เข้าใจกระบวนการ AI ซึ่งอาจนำไปสู่ความขัดแย้ง การนำ AI มาใช้หมายถึงการโอบรับความคิดที่ถูกต้องด้วย ด้านล่างนี้คือ 5 วิธีที่การจัดการในองค์กรต่างๆ สามารถช่วยอำนวยความสะดวกในการใช้งาน AI 1. เริ่มต้นที่ด้านบน อุปสรรคแรกในการปรับใช้ AI คือผู้บริหารมักไม่เข้าใจการเปลี่ยนแปลงที่ลึกซึ้งที่ AI สามารถมีต่อบริษัทได้ สิ่งสำคัญคือต้องนำเสนอและปรับใช้ AI ตามที่เป็นอยู่จริง: วิธีการลดต้นทุน ปรับปรุงประสิทธิภาพ ผลิตภัณฑ์ที่ดีขึ้น และบริการที่ดีขึ้น ข้อผิดพลาดทั่วไปอีกประการหนึ่งคือการคิดว่า AI เป็นเครื่องมือชนิดหนึ่งที่ออกมาจากกล่อง แม้ว่าความต้องการ AI จะมาจากระดับผู้บริหาร สิ่งสำคัญคือต้องแน่ใจว่าโครงการ AI แรกแสดงผลลัพธ์เพื่อรักษาการสนับสนุนจากผู้บริหาร อย่างไรก็ตาม ผลลัพธ์จาก AI อาจใช้เวลาพอสมควร ดังนั้น การสร้างความคาดหวังตามความเป็นจริงว่าผลลัพธ์จะออกมาเป็นอย่างไร และช่วงเวลาที่ผู้บริหารคาดหวังจะได้เห็นผลลัพธ์เหล่านั้นจึงเป็นสิ่งสำคัญ ไม่ว่าทีมผู้บริหารจะเข้าร่วมหรือไม่ก็ตาม องค์ประกอบที่สำคัญที่สุดในกลยุทธ์ AI คือการเชื่อมโยงโดยตรงกับกลยุทธ์และเป้าหมายทางธุรกิจ การใช้กลยุทธ์ AI เปิดโอกาสให้ทีมได้ก้าวถอยหลังจากการดำเนินงานในแต่ละวันและจัดการกับความท้าทายที่ยิ่งใหญ่ที่สุดของบริษัท สภาพแวดล้อมทางธุรกิจเปลี่ยนไปหรือไม่? ฝ่ายปฏิบัติการซับซ้อนเกินไปหรือไม่? ลูกค้าได้รับบริการปานกลางหรือไม่? AI สามารถแก้ไขปัญหาเหล่านี้ได้มากมาย แต่สิ่งสำคัญคือต้องจัดลำดับความสำคัญของความท้าทายที่แท้จริง ดังนั้น โปรเจ็กต์ AI ควรเกี่ยวข้องกับการศึกษาอย่างละเอียดและ playbook ที่มีรายละเอียดวัตถุประสงค์ ไทม์ไลน์ แหล่งข้อมูล ค่าใช้จ่าย ตัวบ่งชี้ประสิทธิภาพหลัก และขั้นตอนถัดไปตามการค้นพบ 2. ความเชี่ยวชาญและการศึกษา ในขณะที่นักวิทยาศาสตร์ข้อมูลเป็นผู้เชี่ยวชาญในการใช้ AI พวกเขาควรเป็นผู้เชี่ยวชาญในกระบวนการของบริษัท เป้าหมายของแต่ละแผนก และกลยุทธ์ของบริษัทด้วย ในองค์กรใดๆ ผู้เชี่ยวชาญในพื้นที่จะต้องระบุความท้าทายและโอกาสในแผนกเฉพาะของตนหรือขอบเขตความรับผิดชอบต่อนักวิทยาศาสตร์ข้อมูลโดยเร็วที่สุด การอภิปรายอย่างลึกซึ้งระหว่างผู้เชี่ยวชาญด้านโดเมนและนักวิทยาศาสตร์ด้านข้อมูลจะนำไปสู่ความชัดเจนเกี่ยวกับโอกาสที่ AI สามารถจัดการได้ในทุกขอบเขตของการดำเนินงานของบริษัท จากมุมมองดังกล่าว สิ่งสำคัญคือต้องเสริมกำลังให้กับพนักงานว่ายิ่งพวกเขาแบ่งปันกับผู้จัดการโครงการ AI มากเท่าไร ก็ยิ่งสามารถตอบสนองความต้องการของพวกเขาได้ดียิ่งขึ้นเท่านั้น ทีมหรือที่ปรึกษา AI ที่ได้รับการฝึกอบรมมาเป็นอย่างดีจะทราบวิธีการถามคำถามที่ถูกต้องและสร้างความไว้วางใจเพื่อค้นหาความท้าทายและพัฒนาโซลูชัน ตัวอย่างเช่น แอป GoCheck ปรึกษาบริษัท AI เกี่ยวกับปัญหาที่มาจากทีมประสบการณ์ผู้ใช้ แอพนี้ใช้ในการวินิจฉัยเด็กที่มีตาขี้เกียจและความบกพร่องทางการมองเห็นอื่น ๆ ที่รักษาได้ พยาบาลและผู้ปฏิบัติงานสามารถถ่ายรูปเด็กและแอพส่งภาพเพื่อการประมวลผล ซึ่งจะวินิจฉัยเงื่อนไขต่างๆ การประมวลผลไม่ได้เกิดขึ้นในแบบเรียลไทม์ และหากเด็กไม่มองที่กล้อง อัลกอริทึมจะส่งคืน “ไม่มีการวินิจฉัย” เมื่อใช้ AI ทีมงานสามารถรวมการแจ้งเตือนทันทีเมื่อเด็กไม่ได้มองกล้อง ดังนั้นผู้ปฏิบัติงานจึงสามารถถ่ายภาพใหม่ได้ทันที นี่เป็นกรณีที่ตรงไปตรงมา แต่เป็นกรณีที่นักวิทยาศาสตร์ข้อมูลไม่สามารถค้นพบได้ เว้นแต่พวกเขาจะทำงานร่วมกับทีมผลิตภัณฑ์ อีกแนวทางหนึ่งที่บริษัทใช้คือการให้ความรู้แก่พนักงานเกี่ยวกับวิธีคิดเกี่ยวกับ AI หลักสูตรออนไลน์เช่น “AI สำหรับทุกคน” ได้รับการออกแบบมาโดยเฉพาะเพื่อให้พนักงานขององค์กรใด ๆ สามารถระบุและสื่อสารการใช้งานที่เป็นไปได้ของ AI ในขอบเขตของธุรกิจ 3. หลีกเลี่ยง Data Scientist Silos ในขณะที่โครงการ AI ทุกโครงการต้องการผู้จัดการโครงการหรือแชมป์เปี้ยน สิ่งสำคัญคือต้องแน่ใจว่ามีการผสานรวมกับส่วนที่เหลือขององค์กร เมื่อนักวิทยาศาสตร์ด้านข้อมูลถูกแยกเข้าไปในทีมที่แยกจากกัน พวกเขาประสบปัญหาในการดำเนินโครงการ โดยปกติแล้วเนื่องจากพวกเขาไม่สอดคล้องกับกลยุทธ์ของบริษัท หรือไม่สามารถรับการสนับสนุนจากธุรกิจและทีมไอทีได้ นักวิทยาศาสตร์ข้อมูลควรถูกฝังลงในทีมที่พวกเขาให้บริการ ซึ่งช่วยให้นักวิทยาศาสตร์ข้อมูลเข้าใจบริบททั้งหมดของงาน ทำซ้ำร่วมกับทีม และสร้างซอฟต์แวร์ที่สอดคล้องกับผลลัพธ์ที่ทีมธุรกิจต้องการ AI ต้องใช้เวลาในการพัฒนาและต้องใช้ความคิดสร้างสรรค์และการลงทุนด้านวัสดุอย่างต่อเนื่อง การทำงานภายในทีมธุรกิจทำให้เกิดการทำงานร่วมกันและมุมมองที่หลากหลายตลอดการทำซ้ำของเทคโนโลยี การผสมผสานทรัพยากรทางเทคโนโลยีกับคนที่มีความคิดสร้างสรรค์ในธุรกิจทำให้เกิดผลลัพธ์ที่ดีที่สุด 4. กลยุทธ์หลายระดับ การตัดสินใจว่าจะจ้างที่ปรึกษา AI ในบ้านหรือจ้างภายนอกนั้นขึ้นอยู่กับขนาดของบริษัทและวิธีจัดการกับปัญหาที่แตกต่างกัน โดยทั่วไป กลยุทธ์หลายระดับจะได้ผลดีที่สุดสำหรับองค์กร แชมป์โครงการจะต้องเป็นพนักงานภายในองค์กร แต่การรวมกันของที่ปรึกษาภายนอกและผู้เชี่ยวชาญด้าน AI ภายในมักจะให้คำแนะนำจากผู้เชี่ยวชาญร่วมกับพนักงานที่ทุ่มเทได้ดีที่สุด การเป็นพันธมิตรกับบริษัท AI จะเปิดทางเลือกที่หลากหลายกว่าที่ทีมภายในส่วนใหญ่สามารถให้ได้ในแง่ของโซลูชัน การเปรียบเทียบอุตสาหกรรม และเทคโนโลยี AI ที่หลากหลาย 5. ขั้นตอนต่อไปและการเปลี่ยนแปลงทางวัฒนธรรม การนำโซลูชัน AI ไปใช้มักจะต้องคิดใหม่เกี่ยวกับกระบวนการภายใน ตัวอย่างเช่น บริษัทอาจใช้ AI เพื่อระบุลูกค้าที่มีความเสี่ยงที่จะเปลี่ยนไปใช้ผู้ขายรายอื่น นี่เป็นการแนะนำขั้นตอนใหม่ในบริษัท – การจัดการลูกค้าเหล่านี้ บริษัทจะต้องค้นหาว่าใครได้รับข้อมูลดังกล่าว รวมทั้งวิธีการสื่อสารกับลูกค้ากลุ่มเสี่ยงเหล่านี้ ในทำนองเดียวกัน หากปรากฎว่าลูกค้าที่มีความเสี่ยงจำนวนมากอยู่ในผู้จัดการบัญชีรายใดรายหนึ่ง อาจมีปัญหากับพนักงานคนนั้น และบริษัทจะต้องดำเนินการฝึกอบรมพนักงานใหม่หรือเปลี่ยนลูกค้าเป็น เพื่อนร่วมงานใหม่ ในทำนองเดียวกัน ในการทำงานกับแอปพลิเคชันการบริการลูกค้า AI สามารถกำหนดได้ว่าคำถามของลูกค้าใดที่สามารถตอบด้วยข้อความอัตโนมัติ และคำถามใดที่ต้องส่งถึงตัวแทนฝ่ายบริการมนุษย์ แต่นั่นหมายความว่าองค์กรจำเป็นต้องเตรียมโครงสร้างพื้นฐานสำหรับการตอบกลับอัตโนมัติ เช่น รวมทั้งมีเจ้าหน้าที่ที่ผ่านการฝึกอบรมมาอย่างดีเพื่อตอบคำถามที่ซับซ้อน กล่าวอีกนัยหนึ่ง AI สามารถระบุพื้นที่ที่จำเป็นต้องมีการดำเนินการ แต่ผลลัพธ์จะเกิดขึ้นก็ต่อเมื่อบริษัทใช้ขั้นตอนใหม่สำหรับการดำเนินการดังกล่าว AI สามารถมีผลกระทบเชิงบวกอย่างลึกซึ้งต่อองค์กร แต่สิ่งสำคัญคือต้องคำนึงถึงการเปลี่ยนแปลงทางวัฒนธรรมและกระบวนการพร้อมกับการใช้งานด้านเทคนิค กุญแจสำคัญในการนำไปใช้คือการนำแนวทางแบบแบ่งระยะ ดำเนินโครงการภายในแผนกต่างๆ และทำความเข้าใจทั้งขอบเขตของผลประโยชน์และขอบเขตของการเปลี่ยนแปลงที่บริษัทสามารถจัดการได้ หลังจากประสบความสำเร็จในการใช้งานขนาดเล็ก องค์กรต่างๆ สามารถขยายความพยายามของ AI ไปสู่การใช้งานทั่วทั้งองค์กรได้

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button