У вашей организации есть список AI инициатив, с помощью которых вы хотите трансформировать существующие бизнес-процессы, чтобы достичь стратегических целей. Но как подступиться к их имплементации? С чего следует начать? Что делать, а что нет?
You can do anything but you can’t do everything - можно реализовать что-угодно, но нельзя получить все везде и сразу.
В сегодняшней статье мы рассмотрим подход к оценке потенциала и приоритезации списка инициатив с помощью AI Tech Gartner’s Sandwich, после чего построим реалистичную дорожную карту AI трансформации организации, исходя из достижимости и ожидаемых эффектов выбранных инициатив.
Полное описание фреймворка можно найти здесь.
Оцениваем потенциал
На М-этапе AI КОМПАС фреймворка( этап Gap-анализа) на выходе мы получили список AI инициатив, для каждой из которых верхнеуровнево проанализировали достижимость - к решению каких-то задач наша организация готова уже сегодня, для каких-то еще требуется «вырасти». Но для того, чтобы определить, какие из наших инициатив должны войти в наш план трансформации, а какие не стоят вложенных усилий, помимо оценки достижимости нам необходимо понимать, какую ценность они несут, и какой эффект мы получим от их реализации.
Для тех системообразующих инициатив, реализация которых сама по себе критично влияет на бизнес-процессы и сама по себе достаточна для достижения целевых показателей связанных с ними стратегических бизнес-метрик, оценку потенциального эффекта мы можем рассчитать как дельту между текущим и будущим состоянием метрики, конвертированным в деньги. Но таких «глобальных» инициатив обычно не так уж и много, и большая часть влияет на целевые метрики лишь отчасти, работая в комплексе с другими преобразованиями и инициативами, поэтому чтобы выделить потенциальный эффект в этом случае нам нужен подход, позволяющий независимо оценить предполагаемый эффект.
Здесь нам на помощь приходит фреймворк для оценки потенциала AI автоматизации решения выделенной проблемы:
Потенциальная ценность = Масштаб × Частота × Сложность ручного решения
где каждый из параметров мы оцениваем по 10-балльной шкале, получая итоговый показатель в пределах от 1 до 1000.
Масштаб проблемы отражает количество людей или процессов, на которых проблема оказывает влияние. 1 - проблема носит индивидуальный характер или аффектит работу небольшого отдела организации в 2-3 человека, 10 - проблема глобального масштаба с 1000+ «страдающих» сотрудников.
Частота проблемы показывает, как часто возникает проблема. 10 - проблема регулярно возникает с частотой до нескольких раз в день, 1 - проблема редкая, «стреляет» раз в несколько месяцев.
Сложность ручного решения проблемы отражает, насколько дорого, долго или ресурсозатратно ее решение без применения инициативы по AI автоматизацию. 10 - решение требует продолжительного включения целой команды дорогостоящих специалистов, 1 - для решения достаточно 15-20 минут усилий стажера.
Если оценка Потенциальной ценности не дотягивает даже до 200 пунктов, то велик шанс, что усилия, потраченные на разработку собственного решения по AI-автоматизации, окупятся не скоро - в этой ситуации лучше рассмотреть альтернативы в виде "коробочных" решений, которые предлагает рынок, и оценить возможности принятия ограничений таких решений.
Ниже рассмотрим комплексный подход, который позволит нам сопоставить ценность со сложностью решения проблемы и понять, стоит ли приниматься за «выделку овчинки».
Приоритезируем инициативы
Итак для выделенного нами списка инициатив теперь мы понимание, какой приз мы получим на финише, сколько усилий нам будет стоить преодоление этой дистанции, - следующим этапом мы построим Матрицу «Ценность - Достижимость», которая поможет нам в приоритезации и отделении зерен от плевел.
Распределяем все инициативы по квадратам матрицы в зависимости от величины потенциальной ценности и сложности реализуемости:
Для дальнейшей работы над инициативам отбираем только те, что попали в верхний левый квадрат 2 × 2: Максимум отдачи здесь и сейчас, Быстрые победы, Крупные ставки и Инкрементальные инновации.
Готовим AI бутерброд Гартнера
Надеюсь, что ваша матрица приоритезированных инициатив получилась не пустой и мы можем двигаться дальше :)
Цель нашего следующего шага - проанализировать приоритезированный список инициатив и на его основании построить «бутерброд Гартнера» для вашей организации.
В подробностях работу с данным фреймворком мы обсуждали в данной статье, поэтому я не буду на нем детально останавливаться, подчеркну лишь ключевые для нашей цели моменты формирования вашего AI-сэндвича:
Для каждой из инициатив определить приоритетный подход к ее реализации( Buy vs Build vs Partner):внедрение «коробочного», готового или полу-готового вендорского решения разработка собственного AI-решения заказная разработка
Исходя из выбранной конфигурации реализации Buy vs Build vs Partner списка инициатив и политик безопасности организации оценить сопряженные риски и определить состав слоя безопасности вашего AI-«пирога» ( TRiSM слоя).
По результатам этого упражнения у вас должен получиться AI бутерброд Гартнера, для каждого слоя которого описана детализация, составленная из AI решений и инструментов, которые вы предполагаете внедрять в рамках реализации приоритезированных инициатив.
Строим дорожную карту
Наконец-то у нас на руках есть все необходимые карты и мы готовы проложить путь предстоящей AI трансформации нашей организации.
Для формирования дорожной карты трансформации мы рекомендуем использовать подход разделения по фазам:
Первая фаза - Построение фундамента трансформации
Вторая фаза - Масштабирование
Третья фаза - Оптимизация.
Фундамент трансформации
Для данного раздела вашей дорожной карты мы рекомендуем фокусироваться на 1-2 инициативах высокой ценности и низкой сложности, включив в данный этап пилотные проекты, позволяющие продемонстрировать быстрые, но значимые результаты, «quick wins». Советуем выбрать инициативы, которые гармонично сочетались бы со стратегическими целями организации, влияя на ключевые бизнес-метрики и хорошо согласовывались бы с операционными дедлайнами и реперными точками сратегического плана. С точки зрения инфраструктуры предпочтение на данном этапе имеет смысл отдавать облачным решениям, позволяющим сократить стоимость проверки гипотез, снизить time-to-market и избежать больших единомоментных расходов.
В параллели запустите проекты, в точке фокусирующиеся не столько на демонстрации немедленных экономических эффектов, сколько на преодолении тех ресурсных и «технических гэпов», что препятствуют реализации инициатив высокой ценности и средней сложности: это могут быть работы по формированию качественного слоя необходимых данных, построение требуемых интеграций, формирование технологической инфраструктуры для масштабирования внедряемых решений, найм недостающих ролей, обучение сотрудников и т.д..
Этот комбинированный подход позволит показать трекшен в части получения экономических и бизнес-эффектов и заложить базу для дальнейших инноваций, способствую технологическому адопшену среди сотрудников, открывая возможности перехода к реализации новых инициатив и позволяя выделять инвестиции поэтапно, сохраняя их в контролируемых пределах.
Продолжительность данного этапа может варьироваться в зависимости от текущей ситуации и планов организации, рекомендуем при этом не выходить по срокам в рамках этой фазы за пределы 6-12 месяцев.
Масштабирование
На этом этапе рекомендуем сфокусироваться на закреплении ценности от запущенных инициатив: выходите за пределы пилота, масштабируйте при возможности внедренное решение на новые команды и подразделения организации, внедряйте в новые бизнес- и технологические процессы, максимизируя эффект.
Планируйте активную фазу работ по внедрению инициатив с высокой ценностью и средней сложностью, для которых удалось устранить критичные «гэпы» и приблизиться к порогу входа.
Также рекомендуем использовать эту фазу для активизации работ по формированию слоя по мониторингу угроз и обеспечению безопасности AI систем( заполнение брешей в TRiSM слое «бутерброда»).
Оптимизация
На этапе оптимизации фокусируемся на повышении качества работы и снижении стоимости эксплуатации наших решений.
На данном этапе многие из внедренных AI инструментов становятся уже неотъемлемой и жизненоважной частью операционной деятельности организации, дрифт данных и деградация моделей могут начать негативно сказывать на достигаемых эффектах - все то требует более строгого выполнения SLA, мониторинга метрик системы, поддержания качества работы решений, формирования бесшовного подхода к поддержанию MLOps пайплайна.
Также на данном этапе организация может уже демонстрировать готовность( а порой даже требовать) к переходу на более экономически оправданную инфраструктуру, отказываясь от услуг облачных провайдеров в пользу он-прем решений для соблюдения требований безопасности, для снижения TCO( Total Cost of Ownership).
Заключение
В погоне за хайпом многие организации попадают в ловушку «гипнотических инноваций», где строятся многочисленные «прототипы», что так и не доходят до промышленной эксплуатации, не принося соответственно и реальных бизнес-эффектов.
Оценка потенциала, приоритезация инициатив и построение дорожной карты AI трансформации — ключевой этап AI КОМП-АС фреймворка. Приоритезация превращает хаос «хотелок» в структурированный план, где у каждой инициативы есть своя ценность и своя стоимость. Вы четко видите, что принесет быстрый результат, что требует фундаментальной подготовки, а что вообще пока остается за рамками экономической целесообразности.
Это позволяет культивировать осознанное внедрение AI в организации, когда:
ставим ценность выше технологии — выбираем не самое модное решение, а то, которое решает конкретную бизнес-задачу с измеримым эффектом;
понимаем ограничения — не пытаемся масштабировать то, под что еще не созданы данные, компетенции и контуры безопасности;
инвестируем поэтапно — разбиваем путь на фазы: фундамент, масштабирование, оптимизация. Это позволяет контролировать затраты и корректировать курс без потери накопленного прогресса.
Следуя этой логике, организация перестает тратить ресурсы на «быстрые прототипы», которые неожиданно выливаются в «долгострои» с туманными перспективами. Бизнес начинает управлять AI-трансформацией как зрелым портфелем проектов.
----------------
Алексей Бобок,
AI трансформация, Рафт
Делюсь опытом внедрения ИИ в бизнес через поиск максимальной ценности: