Vállalati AI-automatizálás: 7 kérdés, mielőtt egy forintot is költenél rá

„Az AI-nak ezt magától is tudnia kellene.” 

Gyakran csak a teszteléskor derül ki, mennyi háttértudásra épül a napi munka: belső szabályokra, bevett döntési szempontokra és sehol le nem írt kivételekre. A kollégák ezeket évek óta rutinból kezelik, az AI-val viszont meg kell ismertetni őket. A demóban jól működő rendszernek élesben már hiányos adatokkal és változó prioritásokkal is boldogulnia kell.
Az ALLWIN hét kérdést gyűjtött össze, hogy még a fejlesztés előtt tisztázhasd: hol éri meg AI-t használni, mi kell az induláshoz, és mikor elég egy egyszerűbb automatizálás.

Aki látta, milyen meggyőző válaszokat ad egy AI-rendszer összetett feladatokra, joggal kérdezi, miért kell a bevezetés előtt részletesen felmérni a vállalat működését. Miért kell elmagyarázni a rendszernek azt, amit egy tapasztalt kolléga különösebb gondolkodás nélkül megold? 

A kérdésben kétféle tudás csúszik össze. Az egyik a feladat általános szakmai ismerete. A másik annak megértése, hogy ennél a vállalatnál, ezekkel a határidőkkel, ügyfélígéretekkel és belső megállapodásokkal milyen döntés fogadható el. Ezt a munkatársak sokszor évek alatt tanulják meg, részben olyan helyzetekből, amelyeknek sehol nincs írásos nyoma. 

Ha ezt a tudást magától értetődőnek vesszük, az előkészítésből éppen azok a részletek maradnak ki, amelyeken a megoldás használhatósága múlik. Az alábbi hét kérdés ezeket hozza felszínre, még a fejlesztési döntés előtt. 

1. Mit nem mutatott meg a demó? 

Egy jól felépített demón körülhatárolt feladatot látunk, kezelhető mennyiségű adattal és követhető eredménnyel. Ennek így van értelme. Fél óra alatt nem lehet bemutatni egy gyártóvállalat összes kivételét, és a közönség sem többnapos folyamatfelmérésre érkezett. 

A félreértés ott kezdődik, amikor a demóból a teljes vállalati működésre következtetünk: „ha ezt megoldotta, a többit is meg fogja”. 

A napi munkában hiányozhat egy adat, megváltozhat egy prioritás, vagy előkerülhet egy belső megállapodás, amely felülírja a szokásos eljárást. A megoldásnak ezekkel együtt kell működnie. A demó alapján azt sem lehet megítélni, mekkora munka lesz a meglévő rendszerekhez kapcsolni és a munkamenetbe beilleszteni. Ez kész termék vásárlásakor is külön feladat marad. 

2. Milyen belső szabályok szerint dönt a vállalat? 

Tegyük fel, hogy késik egy alapanyag-szállítmány, ezért nem indulhat el a gyártás. A tapasztalt ügyintéző tudja, hogy egy másik megrendeléshez már rendelkezésre áll ugyanaz az alapanyag. Átcsoportosíthatná, de előtte ellenőrzi, hogy a késő szállítmány megérkezik-e a második gyártás kezdéséig. 

Kívülről ez egyszerű problémamegoldásnak tűnik, pedig több döntés van benne. Melyik határidő élvez elsőbbséget? Milyen feltételekkel nyúlhat hozzá egy másik megrendelés készletéhez? Mekkora kockázatot vállalhat a második gyártás rovására? 

Az AI is javasolhat átcsoportosítást. A javaslat lehet szakmailag észszerű akkor is, ha a vállalatnál az adott körülmények között nem megengedett. Belső szabályt nem lehet biztonsággal levezetni abból, hogy más cégeknél vagy általában az iparágban mi lenne logikus. 

Ha erről a felmérésen senki nem beszél, mert „erre a rendszernek magától kellene rájönnie”, a hiány a tesztelésnél derül ki. A megrendelő hibás működést lát, a fejlesztő pedig egy elvárást, amely nem szerepelt a specifikációban. Ilyenkor egy korábban ki nem mondott üzleti szabályt kell utólag tisztázni, miközben a felek a szoftver minőségéről vitatkoznak. 

Ez nem kizárólag a megrendelő felelőssége. A szállítónak már az ajánlatadás előtt el kell választania a megoldás általános képességeit attól, amihez még vállalati információ és közös döntés kell. Arra is választ kell adnia, hogyan ellenőrzik majd, hogy az eredmény az adott cégnél elfogadható-e. 

3. Kik ismerik valójában a folyamatot, és ugyanazt mondják-e? 

Az IT-vezető tudja, melyik rendszerhez lehet hozzáférni, hol vannak technikai korlátok, és milyen integráció jöhet szóba. Abból, hogy valaki jól ismeri a rendszereket, még nem következik, hogy a napi munkafolyamatok minden részletét is ismeri. 

Egy vezetői folyamatábrán ritkán látszik, melyik lépésnél kell telefonálni, honnan kerül elő a hiányzó adat, vagy mit javít kézzel az ügyintéző, mielőtt továbbküldi az anyagot. Ezt azoktól lehet megtudni, akik a feladatot végzik. 

Különösen sokat elárulnak azok a helyzetek, amelyekre a kollégák eltérő választ adnak. Lehet, hogy más feltételek között dolgoznak. Lehet több elfogadható eljárás is. Az is előfordulhat, hogy a vállalat eddig nem döntötte el, melyik gyakorlatot várja el. 

Utóbbi esetben hiába készül el a specifikáció, a döntést valakinek meg kell hoznia. Különben az egyik felhasználó hibásnak ítéli azt az eredményt, amelyet a másik megfelelőnek tart. Ezt a nézeteltérést a rendszer finomhangolása önmagában nem rendezi. 

A feltáráshoz olyan beszélgetés kell, amelyben a munkatársak el merik mondani, hogyan dolgoznak valójában. Nehéz őszintén beszélni a kerülőutakról vagy a lassú folyamatokról, ha nem világos, mire használják a válaszokat, és hogyan érinti a fejlesztés a résztvevők munkáját. Ezért indokolt a leendő felhasználókkal külön, vezetői jelenlét nélkül is egyeztetni. 

4. Kinek a fejében van a tudás? 

A tudás feltárása közben olyan működési függőségek is láthatóvá válhatnak, amelyek jóval az AI-projekt előtt kialakultak. Ha két tapasztalt kolléga készíti a gyártástervet, részben Excelben, részben papíron, a folyamat addig tűnik rendezettnek, amíg legalább egyikük elérhető. A távollétükben derül ki, mennyi minden maradt a fejükben. 

Ha a vállalat ugyanezt a teljesítményt az AI-tól várja, számolnia kell ennek a tudásnak az átadásával. Előbb meg kell érteni, milyen információkból készül a terv, mely szabályok következetesek, és hol van szükség egyéni mérlegelésre. 

A felmérés végén kiderülhet, hogy a következő érdemi lépés a dokumentáció vagy az adatkezelés rendezése. Ennek önálló haszna is van, mert könnyebb lesz a helyettesítés, és átadhatóbb a feladat. Ez a munka még nem AI-fejlesztés, de a projekt költségéből és időigényéből nem hagyható ki. 

5. Mennyi munka marad az ellenőrzésre? 

A gyorsan elkészült válasz könnyen elvonja a figyelmet arról, mennyi munka marad utána. Egy árajánlat vagy szakmai összefoglaló átnézéséhez szükség lehet a forrásadatok ellenőrzésére, a hivatkozások visszakeresésére és az üzleti feltételek mérlegelésére. A gördülékeny szöveg is csak ellenőrzésre váró eredmény. 

A megtérülést ezért a teljes feladaton érdemes számolni. Mennyi időt vett igénybe korábban, és mennyit igényel most az előkészítéssel, az átnézéssel és a javítással együtt? A különbség mutatja meg, mennyi munka szabadult fel ténylegesen. 

Ez az automatizálás határát is kijelöli. Egy pilotban a rendszer hozzáférhet a forrásadatokhoz, összegyűjtheti az információkat, és elkészítheti a javaslatot úgy, hogy a végrehajtás a munkatársnál marad. Nem küld önállóan e-mailt, és nem módosít adatot a vállalatirányítási rendszerben. 

Ha a jóváhagyás gyors, egy téves automatikus művelet visszafordítása viszont hosszadalmas, az emberi ellenőrzés megtartása gazdaságilag is indokolt lehet. A teljes önállóság önmagában nem sikerkritérium. Feladatonként kell megvizsgálni, mennyi hasznot hozna, és mi lenne egy hiba következménye. 

6. Ki dönt, amikor a rendszer már élesben fut? 

A fejlesztési ajánlat mellett a működés költségeivel is számolni kell. Ide tartozik az üzemeltetés, a belső munkaráfordítás és a későbbi módosítások kezelése. A havi díj önmagában keveset mond. Ahhoz a rendszeres üzleti eredményhez kell viszonyítani, amelyet a megoldás lehetővé tesz. 

Már az előkészítésben tisztázni kell azokat a feltételeket, amelyek érdemben módosíthatják a költségeket. Ha a vállalat kizárja a felhő használatát, a saját szerveres működés hardver- és üzemeltetési igénye is a terv része lesz. Felhős szolgáltatásnál ismerni kell az adatkezelési vállalásokat, köztük azt is, hogy felhasználhatja-e a szolgáltató a vállalati adatokat a modelljei tanításához. 

Legalább ilyen fontos, hogy ki foglalkozik a megoldással üzleti oldalon. A rendszergazda biztosíthatja a technikai működést, de ettől még nem feltétlenül tudja megítélni, helyes-e egy gyártástervezési javaslat. 

Kell valaki, aki ismeri a folyamatot, meg tudja ítélni az eredményt, és dönthet arról, hogyan kezeljenek egy új igényt vagy kivételt. Ehhez nem feltétlenül kell új munkakör, de a felelősség mellé időt és döntési jogkört is rendelni kell. Egy név a projekttervben kevés, ha az érintettnek a napi munkája mellett nincs rá kapacitása. 

7. Valóban AI kell ehhez a feladathoz? 

Vegyünk egy logisztikai vezetőt, aki minden reggel letölti az új megrendelések CSV-fájlját, átalakítja Excelben, majd betölti a vállalatirányítási rendszerbe. Negyedóra az egész. Csakhogy az ő hozzáférése kell hozzá, és a gyártásterv erre az adatra vár, ezért szabadság alatt is elvégzi. 

Munkaidőben számolva ez nem tűnik nagy problémának. A működés szempontjából viszont számít, hogy egy rendszeres feladat egyetlen ember elérhetőségén múlik, és hogy mi történik, ha az adat késve kerül a rendszerbe. 

Ettől még egyáltalán nem biztos, hogy AI-ra van szükség. Lehet, hogy egy adatkapcsolat vagy hagyományos automatizálás megoldja. Ezt érdemes a technológiaválasztás előtt tisztázni. 

Egy teljes munkakör kiváltásának ígérete mellett az ilyen feladatok könnyen jelentéktelennek látszanak. Pedig konkrétan megvizsgálható, milyen gyakran fordulnak elő, mennyi munkát igényelnek, és mi változna az automatizálásukkal. Az is eldönthető, mire fordítható a felszabaduló idő, és marad-e elegendő haszon a bevezetési és működési költségek után. Egy-egy feladat automatizálhatóságából még nem következik, hogy a teljes munkakör átadható a rendszernek. 

Mielőtt fejlesztésre költenél 

Amikor elhangzik, hogy „ezt az AI-nak magától is tudnia kellene”, kérd meg a feladatot végző kollégát, hogy mutassa meg, ő miből tudja. Milyen adatot néz meg, mikor kér segítséget, és melyik eredményt nem engedné tovább? A válaszokból derül ki, milyen információ és döntési szabály hiányozna a rendszerből. 

Az egyeztetés eredménye az is lehet, hogy előbb az adatokat kell rendbe tenni, vagy a feladathoz elég egy egyszerűbb automatizálás. Jobb, ha ez még azelőtt kiderül, hogy a vállalat elköteleződik egy fejlesztés mellett. 

Az ALLWIN felmérése feltárja a vállalat automatizálható feladatait és a megvalósítás feltételeit. A végén konkrét listát kapsz arról, hol érdemes beavatkozni, és mi kell az induláshoz. 

Gyakori kérdések az AI vállalati bevezetéséről 

Miért kell elmagyarázni az AI-nak a vállalat működését? 

Az AI általános szakmai tudásából nem derül ki, milyen belső szabályok és megállapodások szerint dolgozik egy vállalat. Amit a munkatársak évek óta magától értetődően kezelnek, arról sokszor leírás sincs. A bevezetés előtt ezeket a szabályokat és kivételeket fel kell tárni, a szükséges információkat pedig elérhetővé kell tenni a rendszer számára. Ezután ellenőrizni kell, hogy az adott feladatnál megfelelően alkalmazza-e őket. 

Elég megvásárolni egy dobozos AI-megoldást? 

A vásárlással még nincs kész a bevezetés. Tisztázni kell, milyen adatokból dolgozik majd a megoldás, mely rendszerekhez kell kapcsolódnia, és hogyan használják az eredményét a napi munkában. Ettől függ, mennyi beállításra, integrációra vagy egyedi fejlesztésre lesz szükség. Ezek terjedelmét egy termékbemutató alapján nem lehet megbízhatóan megítélni. 

Futhat az AI-megoldás saját szerveren? 

Igen, de a lehetőségeket a konkrét feladat és az üzemeltetési feltételek alapján kell felmérni. A költségtervben a szükséges hardvernek és a működtetésnek is szerepelnie kell. Ha a vállalat belső előírásai korlátozzák vagy kizárják a felhő használatát, ezt már az előkészítés elején jelezni kell, mert érdemben befolyásolhatja a megoldást és az ajánlatot. 

Milyen költségekkel kell számolni a fejlesztésen túl? 

Az előkészítés, az üzemeltetés, a belső munkaráfordítás és a későbbi módosítások egyaránt a teljes költség részei. A megtérülés számításából az eredmények ellenőrzésére és javítására fordított idő sem maradhat ki. Azt érdemes összehasonlítani, mennyi munkát igényelt korábban a teljes feladat, és mennyit igényel az új megoldással, az utómunkát is beleszámítva. 

Honnan derül ki, hogy a vállalat készen áll a bevezetésre? 

Ezt a kiválasztott feladatnál lehet megítélni. Rendelkezésre kell állniuk a szükséges adatoknak, fel kell tárni a döntési szabályokat, és kell valaki, aki szakmailag értékelni tudja a rendszer eredményét. A felmérés során kiderülhet, hogy ezek közül valamelyik feltétel még hiányzik. Ennek rendezését be kell építeni az előkészítési tervbe. 

Kiváltja az AI a munkatársakat? 

Egy-egy feladat automatizálhatóságából még nem következik, hogy a teljes munkakör átadható a rendszernek. A tervezés során külön kell megvizsgálni, mely lépéseket végezheti el az AI, és hol marad szükség emberi döntésre vagy ellenőrzésre. A várható időmegtakarítást és a munkakör változását ezek alapján lehet érdemben megítélni.