Organizacija je spremna za AI kada može jasno opisati odluku ili zadatak, osigurati dovoljno pouzdanih podataka, imenovati odgovornu osobu i odrediti ljudski nadzor te uvjete za zaustavljanje rada. Bez tih elemenata AI implementacija u tvrtki ostaje tehnološki eksperiment s nejasnim poslovnim učinkom.
Spremnost za AI nije pitanje posjeduje li tvrtka veliku količinu podataka niti koristi li već neki AI alat. Riječ je o sposobnosti upravljanja konkretnim slučajem uporabe: od ulaznih podataka i poslovne odluke do provjere rezultata, evidentiranja odstupanja i reakcije kada sustav pogriješi.
Prvo pitanje nije koji AI model odabrati. Korisnije je pitati: koji proces želimo poboljšati i koja odluka unutar njega danas troši vrijeme, stvara rizik ili često ovisi o ručnom radu?
Dobar početni slučaj uporabe ima nekoliko obilježja:
Primjer iz proizvodnje može biti priprema prijedloga prioriteta naloga za planera. Proces treba opisati izravno: koji se nalozi razmatraju, koji podaci utječu na prioritet, tko potvrđuje raspored, kada se raspored mijenja i kakve posljedice nastaju zbog pogrešnog prijedloga. Općenita želja za pametnijim planiranjem nije dovoljna specifikacija za odgovornu primjenu.
Isto vrijedi za računovodstvo, nabavu, korisničku podršku i prodaju. Ako tim ne može opisati sadašnji tijek rada, iznimke i osobu koja donosi konačnu odluku, AI neće ukloniti nejasnoću. Može je samo brže prenijeti u novi sustav.
Prije razvoja ili nabave rješenja korisno je provesti ERP i procesni screening . Takav pregled može povezati stvarni rad korisnika, ERP podatke, dokumente, integracije i kontrolne točke procesa.
Dostupnost podataka nije isto što i njihova uporabljivost. Za spremnost za AI potrebno je provjeriti najmanje podrijetlo, potpunost, točnost, aktualnost, pristup i značenje svakog važnog polja.
Kod prijedloga prioriteta proizvodnih naloga, primjerice, relevantni mogu biti rokovi, dostupnost materijala, kapaciteti, status naloga i pravila prioriteta. Ako se dio statusa vodi izvan ERP-a, rokovi se ručno mijenjaju bez zapisa ili šifre artikala nisu usklađene među sustavima, izlaz AI sustava može izgledati uvjerljivo, a počivati na nepouzdanom ulazu.
Korisna pitanja za provjeru uključuju:
Nije nužno čekati savršene podatke. Potrebno je razumjeti granice njihove kvalitete i prilagoditi slučaj uporabe tim granicama. Za prijedlog koji stručna osoba pregleda prije izvršenja može biti prihvatljiva manja potpunost nego za automatsku promjenu narudžbe, knjiženje ili odluku s većom poslovnom posljedicom.
AI sustav može pripremiti sažetak, razvrstati dokumente, predložiti odgovor ili preporučiti prioritet. Ne može preuzeti poslovnu odgovornost organizacije. Zato svaki slučaj uporabe treba imati vlasnika poslovne odluke, vlasnika procesa i odgovornost za tehnički rad rješenja.
U manjim projektima iste osobe ponekad pokrivaju više uloga, ali odgovornosti ipak trebaju biti izričite. Vlasnik poslovne odluke određuje svrhu, prihvatljiv rezultat i granice uporabe. Vlasnik procesa potvrđuje pravila rada, iznimke i promjene u operativnom tijeku. Tehnička odgovornost pokriva pristup podacima, integracije, praćenje rada i rješavanje incidenta.
Važno je odrediti i korisnika koji dobiva izlaz sustava. Treba znati očekuje li se od korisnika potvrda, izmjena ili odbijanje preporuke te gdje se ta radnja evidentira. Bez tog koraka nadzor ostaje neformalna pretpostavka.
Pitanje nije hoće li AI pogriješiti. Svaki operativni sustav može dati netočan, nepotpun ili nepravodoban rezultat. Pravo pitanje glasi: koja je pogreška prihvatljiva, koja traži ljudsku provjeru, a koja zahtijeva trenutačno zaustavljanje?
Tolerancija pogreške ovisi o odluci. Sustav koji predlaže nacrt internog sažetka može imati širi prostor za doradu. Sustav koji utječe na računovodstveno knjiženje, cijenu, redoslijed proizvodnje, ugovornu komunikaciju ili pristup osjetljivim podacima zahtijeva strože kontrole.
Prije pokretanja zapišite:
Ovaj zapis ne mora biti složen dokument. Njegova je svrha uskladiti poslovni tim, IT i korisnike prije nego preporuke počnu utjecati na svakodnevni rad.
Ljudski nadzor nije samo mogućnost da netko povremeno pogleda izlaz. To je unaprijed uređen način pregleda, potvrde, odbijanja i eskalacije.
Za početni rad često je razumno ograničiti AI na pripremu prijedloga. Korisnik pregledava rezultat prije slanja, knjiženja, promjene prioriteta ili izvršenja druge radnje. Tijekom tog razdoblja tim može pratiti gdje se preporuke odbijaju, koje podatke korisnici nadopunjuju i pojavljuju li se nove vrste iznimaka.
Korisno je zadržati trag odluke: korištene ulaze, verziju pravila ili rješenja, preporuku, odluku korisnika i razlog odstupanja kada je važan. Takav zapis pomaže pri ispravku procesa, provjeri incidenta i objašnjenju korisnicima zašto je određeni izlaz nastao.
NIST AI Risk Management Framework 1.0 pruža okvir za razmatranje upravljanja AI rizicima kroz upravljanje, mapiranje, mjerenje i upravljanje rizikom. Za organizacije koje posluju u Europskoj uniji relevantan je i opis AI Acta Europske komisije . Primjena obveza ovisi o konkretnom sustavu, ulozi organizacije i kontekstu uporabe, pa pravnu procjenu treba temeljiti na vlastitim okolnostima.
Svaki AI slučaj uporabe treba imati jasan kriterij za zaustavljanje ili povratak na ručni postupak. Time se ne negira korist rješenja. Time se štiti proces kada ulazni podaci, ponašanje sustava ili poslovni uvjeti izađu iz dogovorenih granica.
Kriterij može uključiti:
Uz kriterij treba odrediti tko smije zaustaviti rad, kako se obavještavaju korisnici, kojim se ručnim postupkom nastavlja rad i tko odobrava ponovno pokretanje. Operativni tim tada ne mora improvizirati usred problema.
Umjesto umjetnog modela bodovanja, uprava može proći kroz šest izravnih pitanja.
Negativan odgovor ne znači automatski odustajanje od AI. Pokazuje što prvo treba urediti. Ponekad je pravi sljedeći korak čišćenje šifrarnika, standardizacija procesa, dopuna ERP integracije ili jasnije određivanje odgovornosti. To su korisni ishodi procjene spremnosti jer smanjuju neizvjesnost prije većeg ulaganja.
Kada su proces, podaci i odgovornosti dovoljno jasni, AI nadogradnja poslovnih procesa može se razmatrati kroz ograničen opseg, mjerljiv radni tok i kontrolirano uvođenje. Za početnu procjenu konkretnog procesa, uprava može razgovarati s ORKA timom uz postojeću dokumentaciju procesa, primjer ulaznih podataka i opis odluke koju želi poboljšati.