Identyfikowanie i skalowanie przypadków użycia AI

W ciągu zaledwie dwóch lat 39% dorosłych w USA już korzystało z AI.⁠(otwiera nowe okno) W tym samym przedziale czasowym zaledwie 20% wyszukiwało informacji w Internecie. Rozwój AI nie tylko zmienia branże, ale także stwarza możliwości dla poszczególnych pracowników. AI pozwala ludziom wykonywać bardziej wartościową pracę, rozwijać swoje umiejętności i awansować w karierze.



W jednym z badań firma BCG ustaliła⁠(otwiera nowe okno), że w ciągu ostatnich trzech lat liderzy AI odnotowali 1,5-krotnie szybszy wzrost przychodów, 1,6-krotnie wyższy zwrot dla akcjonariuszy oraz 1,4-krotnie wyższy zwrot z zainwestowanego kapitału niż ich mniej zaawansowani rywale.

Według McKinsey⁠(otwiera nowe okno) 92% firm planuje zwiększyć inwestycje w AI. Jednak wiele organizacji nadal potrzebuje wskazówek, jak osiągnąć wymierną wartość, a tylko 1% uważa, że ich inwestycje w AI osiągnęły pełną dojrzałość.

Widzieliśmy na własne oczy, co wyróżnia udane projekty AI. Nasze wnioski opierają się na 300 naszych najbardziej udanych wdrożeniach, ponad 4000 ankiet dotyczących wdrożenia i ponad 2 milionach użytkowników biznesowych.

Ten przewodnik ma pomóc Twojej organizacji identyfikować i skalować zastosowania AI, które przynoszą wyraźną wartość. Dzielimy proces na trzy kroki:

W jego trakcie znajdziesz historie klientów, praktyczne listy kontrolne oraz przykłady zastosowań dostosowane do różnych działów, aby wspierać postępy Twojego zespołu.

Ważne jest, aby zrozumieć, że wdrażanie AI oznacza znacznie więcej niż tylko znalezienie odpowiednich przypadków użycia. Poza zakresem tematycznym tego przewodnika pozostają takie zagadnienia jak budowanie kultury AI na pierwszym miejscu, rozwijanie przypadków użycia o wyższej wartości oraz inspirowanie wdrażania tych rozwiązań w całej firmie. Więcej informacji na temat tych kwestii przekażemy w innych przewodnikach, ale na razie przyjrzyjmy się bliżej procesowi znajdowania odpowiednich przypadków użycia dla Twojej firmy.

Miej na uwadze te trzy zasady. Stanowią tło wszystkich praktycznych porad, które znajdziesz dalej.

Pierwszym krokiem jest zidentyfikowanie obszarów działalności firmy, które można natychmiast usprawnić za pomocą AI.

Jednym ze sposobów na to jest postrzeganie AI jako narzędzia do tworzenia superasystentów dla pracowników. Superasystenci AI nigdy się nie męczą ani nie tracą uwagi. Są dostępni zawsze wtedy, gdy potrzebujesz wsparcia. I mogą dostosowywać się do niemal każdego zadania, wzmacniając umiejętności pracowników. 

Wyjaśnij konkretnie, dlaczego wdrożenie AI ma kluczowe znaczenie dla przyszłości Twojej firmy — czy chodzi o dotrzymanie kroku konkurencji, reagowanie na zmieniające się oczekiwania klientów, czy utrzymanie wzrostu. Gdy pracownicy słyszą przemyślane wyjaśnienie „dlaczego”, buduje to zaufanie i zapewnia przejrzystość, pomagając im dostrzec, jak te zmiany wpisują się w ich własną pracę i cele.

Wyjaśnij konkretnie, dlaczego wdrożenie AI ma kluczowe znaczenie dla przyszłości Twojej firmy — czy chodzi o dotrzymanie kroku konkurencji, reagowanie na zmieniające się oczekiwania klientów, czy utrzymanie wzrostu. Gdy pracownicy słyszą przemyślane wyjaśnienie „dlaczego”, buduje to zaufanie i zapewnia przejrzystość, pomagając im dostrzec, jak te zmiany wpisują się w ich własną pracę i cele.

Praca oparta na wiedzy często wiąże się z niejednoznacznością i otwartymi wyzwaniami. Pracownicy mogą mieć trudności z rozpoczęciem pracy lub utknąć, co prowadzi do przestojów w projektach. Tutaj AI może pełnić rolę katalizatora, pomagając tworzyć pomysły, analizować dane i proponować kolejne kroki, gdy dalsza droga jest niejasna. 

We wszystkich firmach, z którymi rozmawialiśmy, ludzie wykorzystują AI, aby pobudzić myślenie i odblokować nowe pomysły. Używają sztucznej inteligencji do prowadzenia burzy mózgów, szybkiego wyszukiwania wniosków w danych surowych, analizowania trendów lub po prostu do ustalania kolejnych kroków, gdy nie są pewni, co zrobić.

Skupienie się na tego typu pracy może pomóc Ci szybko zidentyfikować możliwości wykorzystania AI o dużym wpływie, wspierając Twoje zespoły w optymalizacji przepływów pracy, ograniczaniu wąskich gardeł i przyspieszaniu innowacji w całej organizacji.

Gdy zapewnisz swoim zespołom ramy do identyfikowania nowych możliwości związanych z AI, kolejnym krokiem jest przeszkolenie ich w podstawowych sposobach wykorzystania sztucznej inteligencji. Aby w tym pomóc, przeanalizowaliśmy ponad 600 przypadków użycia pozyskanych od naszych klientów. Większość przypadków użycia należy do jednego z sześciu podstawowych typów przypadków użycia, które mają zastosowanie we wszystkich działach i dziedzinach:

Te podstawowe typy to szybki sposób, aby pomóc Twoim pracownikom znaleźć najbardziej obiecujące przypadki użycia dla Twojej firmy. Każdy podstawowy typ reprezentuje setki przypadków użycia, które zaobserwowaliśmy w różnych branżach, rolach i przepływach pracy, dzięki czemu stanowią one szybki sposób na osiągnięcie skalowalnych korzyści.

Przyjrzyjmy się bliżej każdemu podstawowemu typowi, zaczynając od tworzenia treści:

AI może wspierać tworzenie treści we wszystkich zespołach — bez względu na to, czy chodzi o podsumowywanie rozmów sprzedażowych, czy o generowanie pierwszych wersji roboczych dokumentów strategicznych, wpisów na bloga, stron internetowych, a nawet obrazów i wizualizacji. Widzimy, że zespoły używają sztucznej inteligencji do edytowania i dopracowywania swojej pracy, a następnie angażują ją na ostatnim etapie jako korektora.



AI może automatycznie pisać w stylu firmy i stosować wytyczne dotyczące tonu komunikacji; korzystać z preferowanych struktur dokumentów; a nawet udzielać informacji zwrotnych na temat tekstu. Następnie może przetłumaczyć pracę na różne języki lub dostosować ją do różnych odbiorców, kanałów lub programów.

Podczas pisania AI może uwzględniać pełny kontekst rozmowy lub analizować zestaw przesłanych dokumentów, aby kształtować wynik. Możesz na przykład przesłać swój poradnik pisania lub wybrać pięć najlepszych wpisów na blogu, a następnie wydać polecenie narzędziu ChatGPT, aby stworzyło szczegółowy poradnik pisania na ich podstawie.

Sztuczna inteligencja jest szeroko stosowana w badaniach w różnych branżach. Od szybkiego poznawania nowych koncepcji (takich jak wdrażanie AI czy design thinking) przez przeszukiwanie sieci w poszukiwaniu odpowiednich artykułów lub danych o konkurencji po bardziej kompleksowe, wieloetapowe projekty badawcze, które analizują sieć w poszukiwaniu artykułów, punktów danych i wniosków. Widzimy również, że zespoły przesyłają długie dokumenty wewnętrzne, aby szybko uzyskać wnioski. 

Jedną z największych zalet wykorzystywania AI w badaniach jest to, że możesz określić format i strukturę prezentacji analizy: w formie tabeli, punktów, z uporządkowaniem według określonych sekcji lub z odwołaniami krzyżowymi.



Dbałość AI o szczegóły i zdolność do przestrzegania instrukcji sprawiają, że jest świetnym asystentem badawczym.

Wielu inżynierów oprogramowania to zaawansowani użytkownicy sztucznej inteligencji. Używają jej do debugowania, generowania wstępnych wersji kodu w nieznanych sobie językach, przenoszenia kodu z jednego języka do innego oraz analizowania swojego kodu metodą gumowej kaczki. W ciągu ostatnich dwóch lat możliwości AI w matematyce, naukach ścisłych i kodowaniu w wielu językach znacznie się poprawiły, a wiele narzędzi oferuje teraz nawet podgląd kodu w czasie rzeczywistym.

Widzimy również, że wiele osób niebędących programistami zaczyna programować przy pomocy narzędzi AI. Już samo użycie języka naturalnego pozwala marketingowcom i zespołom finansowym tworzyć skrypty w języku Python automatyzujące procesy, zapytania SQL do pobierania danych, a nawet wizualizacje z użyciem kodu interfejsu użytkownika na potrzeby stron internetowych lub prezentacji wewnętrznych. 

AI pomaga każdemu harmonizować dane z różnych źródeł, identyfikować spostrzeżenia i trendy oraz pracować ze złożonymi danymi w arkuszach kalkulacyjnych bez potrzeby posiadania zaawansowanych umiejętności w zakresie Excela, SQL-a czy Pythona.

Możesz dostarczyć sztucznej inteligencji wiele arkuszy kalkulacyjnych lub zrzutów ekranu pulpitów nawigacyjnych, aby ułatwić szybką analizę. Potrafi interpretować dane z arkuszy kalkulacyjnych, rozumieć wykresy wizualne, a nawet pomóc sformatować wyniki na potrzeby raportowania. Możesz również określić sposób organizacji wyników, na przykład wskazując preferowane typy wykresów, formaty podsumowań lub logikę porównania.

Przypadki użycia związane z formułowaniem pomysłów i strategią są popularne we wszystkich zespołach — od burzy mózgów nad nowym wpisem na blogu przez pomoc w uporządkowaniu dokumentu i rozwiązywanie problemów związanych ze strategią po udzielanie informacji zwrotnej na temat pracy w oparciu o kluczowe cele lub preferencje interesariuszy.

W miarę jak modele AI stają się coraz bardziej multimodalne, widzimy, że zespoły wykorzystują głos i obraz do interakcji ze sztuczną inteligencją w takim samym stopniu jak ze współpracownikiem.

A wraz z tym, jak modele zyskują coraz większą zdolność rozwiązywania złożonych problemów, widzimy, że wiele zespołów tworzy z nimi plany strategiczne, uwzględniając dane, cele, kontekst, ograniczenia i zależności.

Wiele przypadków użycia obejmuje automatyzację części zadania. Widzieliśmy, jak klienci identyfikują powtarzalne, rutynowe zadania i projektują sposoby przekazania ich sztucznej inteligencji. Automatyzacje mogą być proste, jak generowanie cotygodniowych aktualizacji dotyczących działań konkurencji, lub bardziej złożone, jak przygotowywanie raportu finansowego na potrzeby cotygodniowych odpraw kierownictwa gotowego do weryfikacji przez człowieka.

Kluczem do automatyzacji tego rodzaju procesów są pamięć i niestandardowe instrukcje. Niestandardowe modele GPT służą do ich udostępniania. Tworząc standardowy zestaw instrukcji, przesyłając za każdym razem ten sam dokument i określając za każdym razem ten sam wynik, zespoły mogą odciążyć się od zadań o niższej wartości.

Dziś te automatyzacje często ograniczają się do pojedynczych zadań, ale dzięki takim produktom jak głębokie badania i Operator zmierzamy ku rzeczywistości, w której sztuczna inteligencja może samodzielnie i zgodnie z harmonogramem wykonywać wieloetapowe zadania.

GPT Lab firmy Estée Lauder rozpoczyna pracę od interdyscyplinarnych zespołów — w których współpracują użytkownik biznesowy, ekspert merytoryczny i kierownik techniczny — aby identyfikować i opracowywać przypadki użycia o dużym wpływie. Ich proces jest prosty i powtarzalny:

Więcej informacji znajdziesz w artykule o GPT Lab firmy Estée Lauder⁠.

Gdy zespoły rozumieją kluczowe przypadki użycia i zaczynają identyfikować problemy do rozwiązania, przypadki użycia zaczynają szybko się mnożyć.

Wyzwanie przesuwa się wówczas z fazy odkrycia na ustalanie priorytetów. Które przypadki użycia możesz skalować, aby wpływać na wszystkich pracowników? Które z nich najprawdopodobniej przyniosą teraz oszczędności kosztowe? Co może doprowadzić do powstania nowego produktu lub nowego źródła przychodów?

Nasze zespoły ds. sukcesu klientów korzystają z modelu Impact/Effort, aby pomóc klientom korporacyjnym ustalać priorytety przypadków użycia. To prosty kwadrant, który ocenia każdy przypadek użycia pod kątem wartości dla firmy i wymaganego nakładu pracy.

Większość zespołów zaczyna od wykorzystywania AI do pojedynczych zadań: redagowania wpisów na blogu, tworzenia briefów kampanii oraz przygotowywania projektów zasad. Łatwiej jest myśleć o sztucznej inteligencji w kontekście konkretnych, odrębnych zadań.

Jednak gdy obserwujemy, jak zaawansowani użytkownicy wdrażają AI we wszystko, co robią, często widzimy, że znajdują przypadki użycia, które zaczynają obejmować wieloetapowe procesy robocze.

Sztuczna inteligencja nie przypomina tradycyjnego oprogramowania ani aplikacji chmurowych. Aby można było nauczyć się wykorzystywać jej mocne strony, potrzebne jest nowe podejście. Nasza współpraca z klientami pokazała nam, jak szybko osoby z różnych dziedzin mogą przyswoić ten sposób myślenia i zacząć dostrzegać zastosowania o dużym znaczeniu w swojej pracy.