Kada AI rješenje ima smisla, a kada je samo trošak

AI se danas spominje u gotovo svakoj prezentaciji, ponudi i opisu proizvoda. Sam pojam pritom ne govori mnogo. Jedna tvrtka pod AI-jem podrazumijeva pretraživanje dokumenata, druga automatsko sažimanje e-pošte, treća chatbot koji odgovara korisnicima, a četvrta želi „nešto pametno” jer to tržište očekuje.

Upravo je tu rizik. AI rješenje bez jasnog poslovnog cilja brzo postaje trošak. Tada osim budžeta trpe i očekivanja, povjerenje u projekt i vrijeme uloženo u nešto što nije riješilo stvarni problem.

Prvo pitanje nije „možemo li?”, nego „zašto?”

Dobri AI projekti počinju od problema, a model se bira tek poslije.

Ako želite procijeniti ima li AI smisla, najprije trebate znati:

• koji posao trenutačno oduzima previše vremena
• gdje ljudi ponavljaju iste korake
• gdje nastaju pogreške
• gdje korisnici čekaju odgovor ili odluku
• što se mora poboljšati da bi se projekt isplatio

Ako na ta pitanja ne možete odgovoriti konkretnim primjerom, AI vjerojatno još nije pravi prvi korak.

Kada AI rješenje ima stvarnog smisla

AI rješenje ima smisla kad postoji jasan problem koji se ponavlja. Najčešće je riječ o jednoj od ovih situacija:

• velika količina dokumenata koje treba pretraživati
• mnogo sličnih upita ili zahtjeva
• ručno razvrstavanje i označavanje sadržaja
• izrada nacrta tekstova ili odgovora
• klasifikacija podataka
• traženje informacija u internim bazama znanja

U takvim slučajevima AI skraćuje vrijeme rada, ujednačuje rezultate i ubrzava proces. Ne mora zamijeniti čovjeka da bi bio koristan. Dovoljno je da čovjek više ne kreće od nule.

Kada AI postaje samo trošak

AI postaje trošak kad ga uvodite zato što zvuči moderno, bez stvarnog problema koji bi rješavao.

AI obično ne donosi dovoljno vrijednosti kada:

• je proces rijedak i jednostavan
• podataka nema dovoljno ili su loše kvalitete
• korisnik očekuje točnost od 100 %
• pogreška ima visoku poslovnu ili pravnu cijenu
• je ručna obrada jeftinija i sigurnija
• tim nema kapaciteta za održavanje i nadzor modela

U tim slučajevima AI često uvodi dodatnu složenost bez stvarne koristi. Ta se složenost kasnije plaća podrškom, testiranjem, nadzorom i nepovjerenjem korisnika.

Najvažnije pitanje: kolika je ušteda?

AI projekt ima smisla kada barem okvirno možete procijeniti što dobivate zauzvrat. Za to trebate znati:

• koliko se minuta ili sati troši na ručni rad
• koliko se često zadatak ponavlja
• koliko pogrešaka nastaje
• koliko vas taj proces danas stoji
• koliko bi se taj trošak smanjio uz AI

Ako se korist ne može izmjeriti, projekt je vjerojatno prerizičan za početak.

Najkorisnije primjene AI-ja u praksi

Najčešće i najrealnije primjene su sljedeće.

1. Interna baza znanja

Umjesto da zaposlenici pretražuju desetke dokumenata, AI pronalazi relevantne informacije i vraća sažet odgovor.

2. Klasifikacija zahtjeva i dokumenata

AI iz e-poruke ili obrasca prepoznaje vrstu zahtjeva, temu, prioritet ili lokaciju i automatski priprema početni zapis.

3. Nacrti odgovora i tekstova

AI priprema prvi nacrt ponude, odgovora na upit, izvještaja ili interne poruke. Čovjek ga zatim dorađuje i odobrava.

4. Pretraživanje prirodnim jezikom

Korisnik ne mora znati točan naziv dokumenta ili polja. Dovoljno je opisati što traži, a sustav prepoznaje namjeru.

5. Sažimanje i pregled velikih količina teksta

Kad se nakupi mnogo zahtjeva, e-poruka ili dokumenata, AI pomaže izdvojiti bitno i ubrzava pregled.

Kada AI nije dovoljan sam po sebi

U nekim područjima AI može pomoći, ali ne smije biti jedini sloj odlučivanja:

• financijski izračuni
• pravno osjetljive odluke
• kritični procesi bez prostora za pogrešku
• javni odgovori klijentima bez provjere
• operacije u kojima su točnost i predvidljivost važnije od brzine

Tri pitanja prije nego što krenete u AI projekt

1. Postoji li ponavljajući posao koji troši vrijeme?

Ako se posao ne ponavlja, AI se često ne isplati. Jednokratni i rijetki zadaci obično nisu dobri kandidati.

2. Imate li dovoljno kvalitetnih podataka?

AI ne može raditi bez dobrog ulaza. Potrebni su podaci, primjeri, dokumenti ili uređena baza znanja. Što su podaci uredniji, rezultat je bolji.

3. Koliko je pogreška skupa?

Ako AI pogriješi, može li čovjek to brzo ispraviti ili je pogreška toliko skupa da je neprihvatljiva? Ako vrijedi ovo drugo, vrlo pažljivo birajte mjesto na kojem AI ulazi u proces.

Pristup koji preporučujemo

Projekti koji u praksi uspijevaju prolaze kroz tri faze: odabir jedne konkretne primjene, mali pilot i mjerenje stvarne koristi. Rješenje ima smisla širiti tek nakon toga.

AI koji se svakodnevno koristi na jednom dobro odabranom problemu vrijedi više od velikog AI projekta koji nitko ne koristi.

Po čemu znate da projekt ide u dobrom smjeru

Dobri su znakovi:

• korisnici se rješenjem služe bez prisile
• skraćuje se vrijeme obrade
• smanjuje se broj pogrešaka
• tim se rjeđe vraća ručnom radu
• rezultati su dovoljno dobri da im ljudi vjeruju

Ako to ne vidite, vrijedi zastati i zapitati se je li AI uopće pravi alat za taj problem.

Što je loš znak

Loš je znak kad se projekt predstavlja kao „AI”, a nitko ne zna:

• koji se točno problem rješava
• što AI radi
• tko ga koristi
• kako se mjeri uspjeh
• tko održava rješenje nakon puštanja u rad

Takav projekt vrlo vjerojatno postaje trošak bez povrata.

AI i poslovna aplikacija

Mnogim tvrtkama više koristi AI sloj unutar postojeće aplikacije od zasebnog AI proizvoda. To može biti:

• AI pretraživanje unutar portala
• AI pomoćnik za tim podrške
• automatska obrada dolaznih upita
• prijedlog sljedećeg koraka u procesu
• sažetak velikih količina podataka za upravu

Takav je pristup često sigurniji i brži, a korisnici ga lakše prihvaćaju.

Kako pristupamo takvim projektima, opisali smo na stranici AI rješenja. Ako AI planirate kao dio većeg sustava, pogledajte i kako radimo izradu web aplikacija, razvoj MVP-a i održavanje softvera.

Što dalje

AI rješenje ima smisla kad rješava stvaran problem koji se ponavlja i kad se korist može izmjeriti. Ako znate što želite ubrzati ili automatizirati, AI može biti odličan alat, a ako to još nije jasno, za ozbiljno uvođenje vjerojatno je prerano. Ako želite proći kroz svoju ideju bez prodajnog pritiska, javite nam se.

Česta pitanja

Može li AI raditi bez treniranja modela?

Može. Mnogi poslovni projekti uspješno koriste postojeći model uz dobro napisane upute (prompt) i dohvaćanje podataka iz vlastitih izvora (RAG).

Što je bolje: chatbot ili RAG?

Ovisi o problemu. Ako želite odgovore iz vlastitih dokumenata, RAG je često bolji izbor. Chatbot ima smisla kad imate jasan popis čestih pitanja ili standardiziranu podršku.

Kako mjerite uspjeh AI projekta?

Pratimo vrijeme ušteđeno na ponavljajućem poslu, kvalitetu odgovora, koliko se korisnici rješenjem stvarno služe i koliko se smanjio ručni rad.

Kada je bolje ne uvoditi AI?

Kad je proces jednostavan, podataka nema dovoljno, pogreška je preskupa ili je ručna obrada jeftinija i sigurnija.