Edukator AI Kavita Ganesan o odkrywaniu możliwości AI w Twojej firmie
Opublikowany: 2023-07-14Przygotowanie do pracy ze sztuczną inteligencją może początkowo być zniechęcające. Dzisiejszy gość przedstawia powtarzalną strukturę, która pomaga wykorzystać odpowiednie możliwości, zmierzyć ich sukces i przygotować grunt pod bezproblemowe przejście.
W ciągu ostatniego roku szybki postęp w generatywnej sztucznej inteligencji, w tym przełomowe uruchomienie ChatGPT, sprawił, że sztuczna inteligencja znalazła się na pierwszym planie. Jednak poruszanie się po środowisku sztucznej inteligencji może być onieśmielające dla liderów biznesu, którzy nie są pewni, od czego zacząć. Przejście może wydawać się przytłaczające — od wyboru odpowiednich problemów do rozwiązania przez sztuczną inteligencję, po zbudowanie solidnej infrastruktury danych i przygotowanie zespołów do zmiany. I tu pojawia się Kavita Ganesan.
Kavita jest doradcą AI, edukatorem i założycielem firmy konsultingowej Opinosis Analytics. Z tytułem doktora w przetwarzaniu języka naturalnego (NLP), technologiach wyszukiwania i uczeniu maszynowym oraz ponad 15-letnim doświadczeniu, Kavita współpracuje z organizacjami, pomagając im zdemaskować sztuczną inteligencję i wdrożyć ją do ich strategii biznesowych. Wiosną zeszłego roku – co ciekawe, na kilka miesięcy przed tym całym szumem – opublikowała The Business Case for AI , praktyczny przewodnik dla liderów biznesu, jak uruchamiać inicjatywy AI, które przynoszą wyniki.
Kavita przedstawia w nim ramy identyfikowania możliwości AI o dużym wpływie, podkreślając znaczenie skutecznej oceny i określania problemów w celu nadania priorytetu wdrożeniu rozwiązań AI, które są zgodne z celami biznesowymi, a także mierzenia wpływu i sukcesu każdej inicjatywy AI .
W dzisiejszym odcinku spotkaliśmy się z Kavitą, aby porozmawiać o strategiach dla liderów biznesu, aby wykorzystać transformacyjny potencjał sztucznej inteligencji.
Oto niektóre z kluczowych wniosków:
- Zacznij wdrażać sztuczną inteligencję w swojej firmie, optymalizując powtarzalne procesy ręczne i usuwając nieefektywności zidentyfikowane na podstawie opinii klientów lub innych jednostek biznesowych.
- Aby zidentyfikować możliwości o dużym wpływie, oceń, gdzie sensowne jest wdrożenie sztucznej inteligencji i zobacz, czy przekładają się one na wymierne korzyści biznesowe.
- Przed wdrożeniem musisz określić te możliwości, aby lepiej określić korzyści, problemy, którymi się zajmujesz, oraz wskaźniki, które pozwolą ci to zmierzyć.
- Następnym krokiem jest wezwanie ekspertów, aby upewnić się, że jest to wykonalne. Dopiero wtedy możesz uszeregować wszystkie te inicjatywy i nadać priorytet najbardziej korzystnym.
- Sukces inicjatyw AI opiera się na trzech filarach: wydajności modelu, wpływie biznesowym i zadowoleniu użytkownika.
Jeśli podoba Ci się nasza dyskusja, sprawdź więcej odcinków naszego podcastu. Możesz śledzić w Apple Podcasts, Spotify, YouTube lub pobrać kanał RSS w wybranym odtwarzaczu. Poniżej znajduje się lekko zredagowana transkrypcja odcinka.
Błąd AI
Liam Geraghty: Witamy w Inside Intercom; Jestem Liam Geraghty. W dzisiejszym programie towarzyszy mi Kavita Ganesan, autorka The Business Case for AI: A Leader's Guide to AI Strategies, Best Practices & Real-World Applications . I właśnie o tym dzisiaj będziemy mówić. Kavita, nie ma za co.
Kavita Ganesan: Liam, dziękuję za przyjęcie mnie. Naprawdę cieszę się, że tu jestem.
Liam: Wiem, że zrealizowałeś ponad dwa tuziny udanych inicjatyw AI dla wielu różnych organizacji – od średniej wielkości po Fortune 500. Jak w ogóle zaangażowałeś się w przestrzeń sztucznej inteligencji?
„Zostałem inżynierem oprogramowania, ale czułem, że czegoś mi brakuje – całego procesu tworzenia algorytmu i rozwiązywania problemów”
Kavita: Moja historia z AI sięga 2005 roku, kiedy sztuczna inteligencja nie była zbyt popularna, nie była nawet seksowna ani potrzebna w branży. Zaintrygowały mnie aspekty sztucznej inteligencji związane z rozwiązywaniem problemów – mimo że techniki mogą być takie same, zastosowanie ich do innego problemu wiąże się z różnymi wyzwaniami. To było dla mnie atrakcyjne, ponieważ myślę, że z natury jestem osobą rozwiązującą problemy. Więc coraz głębiej zagłębiałem się w sztuczną inteligencję w moim programie magisterskim. Tam zetknąłem się z całą przestrzenią sztucznej inteligencji.
Zostałem inżynierem oprogramowania, ale czułem, że czegoś mi brakuje – całego procesu tworzenia algorytmu i rozwiązywania problemów. Wtedy zdecydowałem, że muszę zrobić doktorat. w AI, ponieważ chciałem się w tym specjalizować. A kiedy miałem ukończyć studia, w 2013 r. nauka o danych zaczęła się rozwijać jako dziedzina. Wtedy zdecydowałem, że zamiast chodzić do instytucji akademickich czy laboratoriów badawczych, po prostu pójdę i rozwiążę problemy przemysłu. Myślę, że jestem bardzo praktyczną, stosowaną osobą, więc chciałem zobaczyć, jak te algorytmy są dobrze wykorzystywane. Od tego wszystko się naprawdę zaczęło. Realizowałem wszystkie te projekty i pracowałem nad różnymi problemami, od opieki zdrowotnej po inne obszary, takie jak kodowanie.
„Generative AI w pewnym sensie umieściło AI na mapie dla nich”
Liam: Musi się wydawać, że reszta świata właśnie dogoniła całą tę sztuczną inteligencję w ciągu ostatnich kilku miesięcy.
Kavita: Tak, dla wielu firm sztuczna inteligencja to bardzo nowa rzecz, zwłaszcza dla małych firm, które nie myślały o sztucznej inteligencji, ponieważ uważały, że nie jest to dla nich istotne. Firmy średniej wielkości myślały o AI od jakiegoś czasu, ale nie wiedziały, jak zacząć, a generatywna sztuczna inteligencja w pewnym sensie umieściła sztuczną inteligencję na mapie dla nich.
Gdzie zacząć?
Liam: Zagłębmy się w twoją książkę The Business Case for AI . Od samego początku przyznajesz się do zmartwień i obaw, jakie liderzy mają w związku ze sztuczną inteligencją. Właśnie opublikowaliśmy nasz raport na temat stanu sztucznej inteligencji w obsłudze klienta 2023, w którym przeprowadziliśmy ankietę wśród 1000 specjalistów wsparcia i stwierdziliśmy, że 69% liderów planuje więcej inwestować w sztuczną inteligencję w nadchodzącym roku. Jednak jak dotąd tylko 38% liderów już to zrobiło. To musi być ogromna szansa dla wczesnych użytkowników, aby uzyskać prawdziwą przewagę konkurencyjną ze wszystkimi korzyściami, jakie przynosi sztuczna inteligencja, prawda?
Kavita: Tak, to absolutna prawda. Kiedy zastosujesz ją do właściwych problemów, bardzo wcześnie zobaczysz znaczące korzyści. Myślę, że wyzwaniem, przed którym stoją teraz firmy, jest znalezienie odpowiednich problemów w firmie i zastosowanie sztucznej inteligencji w sposób, który zapewni im wartość – nie za sześć czy siedem miesięcy później, ale za trzy miesiące.
„Chodzi o zrozumienie przestrzeni tego, co składa się na sztuczną inteligencję, gdzie można zastosować sztuczną inteligencję, do jakiego rodzaju problemów można ją zastosować i gdzie generatywna sztuczna inteligencja dodaje wartość”
Liam: Co byś powiedział ludziom, jak ukształtować myślenie sztucznej inteligencji, aby nie wyobrażali sobie robotów przejmujących władzę nad światem, ale myśleli o sztucznej inteligencji, jak mówisz, jako o praktycznym narzędziu biznesowym?
Kavita: Myślę, że pierwszym krokiem jest zrozumienie, czym jest ta bestia. Teraz ludzie myślą, że sztuczna inteligencja to generatywna sztuczna inteligencja, ale generatywna sztuczna inteligencja to tylko jeden element tej układanki. Sztuczna inteligencja to znacznie więcej. Istnieje tradycyjne uczenie maszynowe, NLP, wizja komputerowa. Chodzi o zrozumienie przestrzeni tego, co składa się na sztuczną inteligencję, gdzie można zastosować sztuczną inteligencję, do jakiego rodzaju problemów można ją zastosować i gdzie generatywna sztuczna inteligencja dodaje wartość. Zwrócenie się do tego słonia w pokoju pomoże ustalić kontekst lub zainspirować pomysły, gdzie możesz zastosować sztuczną inteligencję w swojej firmie. Powiedziałbym, że edukacja to pierwszy krok, tak.
Liam: Jeśli powiemy, że przeszliśmy przez ten garb i że tak powiem, jesteśmy na pokładzie pociągu AI, jak dowiesz się, do czego sztuczna inteligencja może zostać wykorzystana w Twojej firmie, aby ulepszyć istniejące procesy biznesowe? Czy możesz podzielić się kilkoma przykładami?
„Dobrym punktem wyjścia jest szukanie istniejących procesów, które są nieefektywne”
Kavita: Jasne. Wiele firm znajduje wartość zaczynając od powtarzających się problemów, które rozwiązuje się ręcznie. W obsłudze klienta kierowanie zgłoszenia do pomocy technicznej jest powtarzalnym zadaniem, a agentowi zajmuje dużo czasu przeczytanie zgłoszenia, określenie zespołu, do którego należy przekazać zgłoszenie, oraz przesłanie tych wstępnych danych do zespołu, aby mógł on sklasyfikować problem . Znalezienie tych ręcznych procesów, które są powtarzalne i wymagają myślenia na poziomie człowieka – to kluczowy punkt – to miejsce, w którym rozwiązania AI mogą naprawdę wywrzeć wpływ w krótkim okresie, ponieważ te problemy są dobrze zrozumiane i prawdopodobnie mają wskaźniki, które można wykorzystać jako sposób na zmierzyć, jak działa w porównaniu z podejściem ręcznym. Dobrym punktem wyjścia jest poszukiwanie istniejących procesów, które są nieefektywne.
Liam: Zawsze możesz wymyślić tę listę, ale możesz też porozmawiać ze swoim zespołem i zobaczyć, jakie mają blokady, które mogą poprawić ich codzienność.
Kavita: Tak, po prostu rozmawiam z różnymi jednostkami biznesowymi, rozumiem ich wyzwania i jakie opinie od klientów otrzymują. Wykryjesz nieefektywność i wyzwania, nawet analizując opinie klientów. Są to obszary, w których sztuczna inteligencja może pomóc. Załóżmy, że klienci mają problem z uzyskaniem pomocy, której potrzebują, ponieważ Twoje rozwiązanie wsparcia nie jest skuteczne. To da ci poczucie: „Hej, może powinniśmy mieć lepszą funkcję wyszukiwania, która rozwiązuje problemy klientów, aby nie musieli przechodzić przez nasz system zgłoszeń”.
Dostrzeganie odpowiednich możliwości biznesowych
Liam: Jaką radę dałbyś ludziom, którzy chcą przygotować się na sztuczną inteligencję, stać się firmą gotową na sztuczną inteligencję i wykorzystać tę wiedzę w działaniu?
„Opracowanie każdej okazji ujawni, które z nich są najbardziej korzystne, a które oferują marginalną korzyść, którą możesz odłożyć na półkę”
Kavita: Przygotowanie do sztucznej inteligencji składa się z dwóch części. Jednym z nich jest zrozumienie, gdzie są Twoje możliwości w Twojej firmie. Jeśli prowadzisz firmę średniej wielkości, musisz rozmawiać z różnymi działami biznesowymi, rozumieć ich wyzwania oraz identyfikować i kształtować te możliwości. jest w sprzedaży? Czy to jest w HR? Dzięki temu dowiesz się, który obszar może być Twoją przewagą konkurencyjną. Druga część to podstawowy element wymagany dla sztucznej inteligencji, czyli kształtowanie infrastruktury danych. Być może nie gromadzisz danych agresywnie, więc to musi się rozpocząć, albo zbierasz dane, ale Twoje magazyny danych znajdują się w silosach i pracownicy nie mają możliwości uzyskania do nich dostępu w całościowy sposób. Zidentyfikowanie tych luk i połączenie ich z możliwościami zapewni długoterminowy sposób na wprowadzenie sztucznej inteligencji do firmy.
Liam: Wygląda na to, że odkąd ChatGPT pojawił się na scenie, każdy produkt lub firma umieściła sztuczną inteligencję na końcu swojej nazwy. Jak w morzu tego wszystkiego liderzy znajdują możliwości AI? Jak wyeliminować te, które nie są przydatne?
Kavita: Tak, dzieje się tak, gdy znajdziesz te możliwości i umieścisz je w ramce – w zasadzie wyrażasz korzyści płynące z możliwości i jakie metryki użyjesz do zmierzenia, w jaki sposób obecnie rozwiązujesz problem. Kadrowanie każdej okazji pokaże, które z nich są najbardziej korzystne, a które oferują marginalną korzyść, którą możesz odłożyć na półkę. Ten fragment artykulacji jest bardzo ważny i jest drugim krokiem mojej „High-Impact AI Discovery Framework” (omówionej w książce). Po pierwsze, masz pomysł lub istnieje potencjalna możliwość sztucznej inteligencji. A krok drugi to kadrowanie.
„Czy wprowadzenie sztucznej inteligencji lub jakiejkolwiek automatyzacji oprogramowania przyniesie wymierne korzyści w tej konkretnej sytuacji? Czy ma to również sens biznesowy?”
Liam: Czy możesz powiedzieć coś więcej o frameworku?
Kavita: Ta struktura to powtarzalny proces identyfikowania możliwości AI o dużym wpływie i składa się z czterech kluczowych kroków. Pierwszym z nich jest zastanowienie się, czy jest to obiecująca szansa na sztuczną inteligencję. Możliwości sztucznej inteligencji często rozwiązują złożone problemy decyzyjne, co sprawia, że sztuczna inteligencja ma sens. Ale musi to mieć również sens biznesowy, abyś mógł pójść dalej. Wtedy patrzysz na obciążenie pracą. Czy wprowadzenie sztucznej inteligencji lub jakiejkolwiek automatyzacji oprogramowania przyniesie wymierne korzyści w tej konkretnej sytuacji? Czy ma to również sens biznesowy? A potem, czy ma podstawowe elementy budulcowe? Powiedzmy, że wykonywałeś ten proces ręcznie. Jeśli spełnia te trzy warunki, jest to potencjalna szansa na sztuczną inteligencję, ale to samo w sobie nie oznacza, że powinieneś przejść do implementacji.
W tym miejscu pojawia się krok drugi, w którym tworzysz ramy dla tych możliwości. Zasadniczo dodajesz o wiele więcej szczegółów do możliwości. Określenie korzyści, problemu, którym się zajmujesz, oraz wskaźników, których użyjesz do jego pomiaru. W ten sposób dowiesz się, że osiągasz sukces biznesowy i dostępność danych. Ale znowu, nie oznacza to, że od razu przechodzisz do implementacji. Nadal musisz upewnić się, że jest to wykonalne. Tutaj wkraczają Twoi eksperci – krok trzeci. Zaniesiesz to do swoich ekspertów i powiesz: „Hej, mam taką możliwość. Co myślisz? Czy da się to wdrożyć?” To tam zauważą wszystkie czerwone flagi, takie jak: „Masz dane, ale ich ilość jest niewystarczająca” lub „To jest zbyt futurystyczne, by je teraz wdrożyć”. Tam zahamują i przekażą więcej informacji. Po uzyskaniu wszystkich tych informacji możesz uszeregować te inicjatywy i wybrać najlepsze inicjatywy, co jest krokiem czwartym – rankingiem i ustalaniem priorytetów. Jest to bardzo powtarzalny proces i chciałem, aby stanowił dużą część książki, ponieważ myślę, że obecnie ludzie nie mają sposobu, aby robić to systematycznie.
„Sam model to nie koniec. Model jest środkiem do rozwiązania problemu biznesowego. W tym miejscu pojawia się sukces w biznesie”
Liam: Wspomniałeś o tym, ale chciałbym porozmawiać o tym, co się dzieje, gdy lider poradzi sobie z tymi problemami i wdroży swoje strategie AI. Jakie podejście poleciłbyś do oceny sukcesu ich inicjatyw AI?
Kavita: W tej chwili sukces większości firm jest niejasny, ponieważ liderzy oczekują finansowego zwrotu z inwestycji, a eksperci AI chcą po prostu zobaczyć modele o wysokiej dokładności. W mojej książce mówię o trzech filarach sukcesu. Jednym z nich jest sukces modelki. Model musi mieć minimalną akceptowalną wydajność. W przeciwnym razie tak naprawdę nie rozwiązuje problemu. Jeśli ma 50% dokładności, jest po prostu losowy. Chcesz mieć pewność, że wykonuje zadanie i działa w miarę dobrze. Ale sam model to nie koniec. Model jest środkiem do rozwiązania problemu biznesowego. Tu właśnie pojawia się sukces w biznesie. A to wiąże się bezpośrednio z twoim problemem. Co chcesz poprawić? Czy próbuje przeanalizować zgłoszenie do pomocy technicznej? Czy próbuje poprawić równowagę między życiem zawodowym a prywatnym pracowników? Istnieją pośrednie sposoby mierzenia tego wszystkiego. Właśnie to musisz śledzić, aby odnieść sukces w biznesie.
Ale sam sukces modelu i sukces biznesowy nie wystarczą, ponieważ ostatecznie wpłynie to na użytkownika. Chcesz także rozmawiać z użytkownikami rozwiązania AI. Mogą to być Twoi dostawcy lub pracownicy – każdy, kto korzysta z danych wyjściowych AI. Chcesz zapytać ich, co sądzą o dokładności rozwiązania, łatwości użycia i wszystkim, co może ujawnić problemy, zarówno w modelu, jak i w przepływie pracy, ponieważ może to uwypuklić problemy z adopcją. Jeśli nie podoba im się rozwiązanie, mogą wrócić do starego sposobu robienia rzeczy. Mogą nie chcieć korzystać z Twojego rozwiązania AI, mimo że jest ono dokładne i osiąga sukces biznesowy.
Człowiek w pętli
Liam: Co powiedziałbyś liderom obsługi klienta, którzy myślą o wdrożeniu sztucznej inteligencji, którzy są nieco zdenerwowani, zmartwieni lub zaniepokojeni? Co byś powiedział, aby pomóc im to przezwyciężyć?
Kavita: Jednym z tematów, który zauważyłem wśród liderów, jest to, że systemy sztucznej inteligencji przejmą wiele zadań, nawet ich własne. Niestety, to prawda, ale myślę, że systemy sztucznej inteligencji są bardziej skłonne do usprawnienia przepływów pracy niż tylko zastąpienia miejsc pracy, ponieważ nadal potrzebujemy warstwy zapewniania jakości, w której wchodzą ludzie. System sztucznej inteligencji może pomóc w zgłoszeniach do obsługi klienta, ale co, jeśli nie może rozwiązać problem? Ludzie muszą tam być. A jak uczą się systemy AI? Uczą się z danych. A kto te dane generuje? ludzie. Jesteśmy dużą częścią tego systemu sztucznej inteligencji, więc jesteśmy bardzo zaangażowani w kontrolę jakości, generowanie danych i rozwiązywanie trudniejszych problemów.
To jeden aspekt. Drugim jest prawidłowe ustawienie oczekiwań dla każdego problemu i przemyślenie ryzyka. Jeśli uczynię sztuczną inteligencję jedynym decydentem w tym scenariuszu, jakie jest ryzyko? Zrozumienie ryzyka pomoże zaradzić niektórym oporom wobec przyjęcia sztucznej inteligencji w tym scenariuszu. Być może w tym scenariuszu jest to zbyt ryzykowne, więc chcesz mieć ludzi w pętli, aby mogli sprawdzić, co zrobiła sztuczna inteligencja.
Liam: Myślę, że już to widzimy, ale w przypadku miejsc pracy, których ludzie mogą się obawiać, że zostaną utracone, sztuczna inteligencja faktycznie tworzy nowe miejsca pracy i role – ludzie monitorujący sztuczną inteligencję lub, w naszym przypadku, projektanci chatbotów. To nie wszystko jest zgubą i mrokiem.
Kavita: Tak. Myślę, że role mogą przechodzić od wykonywania zadań naprawdę niskiego poziomu do wykonywania zadań wysokiego szczebla. Będziesz bardziej menedżerem kontroli jakości. Więc tak, role w końcu się zmienią.
Liam: I Kavita, jaka jest jedna rzecz, którą chciałbyś, aby ludzie wiedzieli o współpracy AI i biznesu?
Kavita: AI i biznes, dobre pytanie. W świecie badań często widzisz, że jedno rozwiązanie AI rozwiązuje problem. Ale w biznesie jedno rozwiązanie AI może nie wystarczyć. Będziesz potrzebował rozwiązania hybrydowego. Może to być połączenie systemu AI, systemu opartego na regułach dla przypadków skrajnych, a może także ludzi. Rozwiązania biznesowe są więc często mniej eleganckie i bardziej złożone niż systemy badawcze.
Liam: Na koniec, gdzie ludzie mogą iść, aby nadążyć za tobą i twoją pracą?
Kavita: Pierwszym miejscem do odwiedzenia będzie moja strona internetowa, kavita-ganesan.com. Tam możesz dowiedzieć się o mojej książce. Zabierze Cię również na moją stronę konsultacyjną i kilka innych podcastów, które zrobiłem.
Liam: Idealnie. Kavita, bardzo dziękuję, że byłeś dzisiaj ze mną.
Kavita: Liam, dzięki za przyjęcie mnie.