Który proces poprawi marżę, a który oszczędzi kilka minut?

Pierwszy proces do wdrożenia AI powinien mieć istotny koszt obecnej pracy i wynik możliwy do sprawdzenia. Oszczędzenie dwóch minut na rzadkiej czynności może być przyjemne, ale nie uzasadnia integracji, nadzoru i utrzymania. Odwrotnie, nawet niewielkie skrócenie częstego wyjątku może poprawić terminowość lub ograniczyć koszt poprawek. Nie zakładaj jednak z góry, że każdy odzyskany czas zamieni się w marżę.

Szerszy sposób porównywania korzyści, kosztu i ryzyka opisuje przewodnik po strategii i opłacalności AI.

Oceniaj kandydatów według jednej karty

Dla każdego procesu zapisz miesięczną liczbę spraw, odsetek wyjątków, czas pracy ludzi, skutki błędu, liczbę zaangażowanych działów i jakość danych wejściowych. Dodaj pytanie, czy można wdrożyć ograniczony zakres i cofnąć błędne działanie. Dopiero taki zestaw pozwala porównać proces ofertowania z obsługą reklamacji lub planowaniem dostaw. „Najłatwiejszy do pokazania na demo” nie jest kryterium biznesowym.

Wynik podziel na trzy grupy: korzyść pieniężna, którą można potwierdzić; uwolniona przepustowość, którą można przeznaczyć na więcej spraw; oraz lepsza jakość lub mniejsze ryzyko, które trzeba mierzyć osobno. To chroni przed liczeniem tej samej korzyści dwa razy. Rachunek kosztu wyjątków jest dobrym wejściem do takiej karty.

Przykład dwóch procesów

W przykładzie dydaktycznym pierwszy proces to 1000 prostych potwierdzeń miesięcznie po dwie minuty każde. Drugi to 80 sporów o termin, które angażują sprzedaż, planowanie i magazyn na łącznie pół godziny, a część z nich wstrzymuje fakturę. Pierwszy może dać więcej odzyskanego czasu. Drugi może mieć większy wpływ na klienta i gotówkę. Który wybrać? Dopiero po sprawdzeniu, ile czasu naprawdę znika, czy spory można bezpiecznie rozstrzygać i kto potwierdzi wynik.

AI nie musi być odpowiedzią w żadnym z tych przypadków. Proste potwierdzenia może obsłużyć reguła, a spory mogą wymagać najpierw wspólnego stanu zamówienia. Dobry wybór procesu dopuszcza wniosek „najpierw naprawiamy dane”.

Wartość i wykonalność to dwa osobne pytania

Proces może mieć wysoki potencjał finansowy, ale bardzo słabe dane, niejasną odpowiedzialność i trudny do odwrócenia błąd. Inny może mieć skromniejszą korzyść, lecz jasny wynik i bezpieczną próbę w ciągu miesiąca. Narysuj prostą macierz: w jednej osi wartość problemu, w drugiej gotowość do wiarygodnego testu. Nie wybieraj automatycznie najwyższego potencjału ani najłatwiejszego wdrożenia. Szukaj miejsca, w którym można zdobyć dowód i poprawić rzeczywisty wynik.

Dla kandydata o dużej wartości, lecz słabej wykonalności zaplanuj krok przygotowawczy: uporządkowanie danych, rozpisanie wyjątków lub decyzję o uprawnieniach. Nie nazywaj tego nieudanym projektem AI. Jest to inwestycja w warunki, bez których model nie będzie działał odpowiedzialnie. Dla kandydata łatwego, ale mało wartościowego sprawdź, czy próba nauczy firmę czegoś, co da się wykorzystać w ważniejszym procesie. Jeśli nie, nawet tani pilot może odciągać uwagę.

Po miesiącu wróć do macierzy z danymi, nie z opinią wykonawcy. Liczba wyjątków i realny koszt kontroli mogą zmienić kolejność projektów. Portfel zastosowań AI powinien się aktualizować wraz z wiedzą o firmie.

Warunek startu

Wybierz jednego właściciela procesu i niewielką próbkę rzeczywistych spraw. Zapisz koszt stanu obecnego oraz próg, po którym projekt ma sens po doliczeniu utrzymania. Jeśli nie masz tych danych, darmowy poradnik transformacji AI pomoże ułożyć kolejność pytań, zanim pojawi się budżet na pilotaż.