Zmiana sposobu automatyzacji w Twojej firmie

Ze względu na stale zmieniające się oczekiwania klientów, konieczne jest rozszerzenie ustalonych podejść rozwojowych, jeśli inicjatywy automatyzacji mają przynieść znaczne korzyści na masową skalę. Automatyzacja na dużą skalę wymaga fundamentu, który oprócz wymagań funkcjonalnych zawiera informacje o firmie i regułach przetwarzania transakcji.

Zwinność, zwinność i jeszcze raz zwinność

Firmy powinny stosować zwinne metodyki rozwoju, zwinną architekturę i zwinne praktyki zarządzania projektami, aby pomyślnie wdrażać technologie automatyzacji. Bez tego inicjatywy automatyzacji procesów biznesowych ryzykują niepowodzenie z powodu niemożności obsługi zmian wymagań w całym cyklu życia projektu.

Podejścia zwinne koncentrują się na częstym dostarczaniu wysokiej jakości oprogramowania poprzez szybkie iteracyjne tworzenie oprogramowania. Podczas gdy metody zwinne są wykorzystywane do tworzenia oprogramowania na zamówienie od ponad dekady, zwinne zarządzanie projektami zaczęto stosować do automatyzacji procesów biznesowych na dużą skalę dopiero w ciągu kilku lat.

Pierwszym krokiem w kierunku uzyskania systematycznej pomocy dla oprogramowania do automatyzacji procesów biznesowych typu agile jest zastosowanie metody agile. Nie wystarczy jedynie umożliwić zespołowi programistycznemu bycie zwinny; musisz zapewnić sprawność w całej firmie.

Zwinna automatyzacja na dużą skalę

Niektóre firmy zmodyfikowały i rozwinęły ramy scrum do automatyzacji procesów, aby spełnić to wymaganie. Ta metoda „zwinnej automatyzacji” jest podobna do scrum, z kilkoma różnicami.

  • Różne kierownictwo zespołu. Zwinna automatyzacja opiera się na elastycznym projekcie zespołu, który obejmuje programistów, testerów, pracowników IT i interesariuszy biznesowych. Właściciel produktu z firmy prowadzi każdy zespół, wspomagany przez eksperta merytorycznego posiadającego branżową wiedzę na temat technologii. Ma to kluczowe znaczenie w produktach wykorzystujących sztuczną inteligencję, w których ekspert domeny jest wymagany do prawidłowej oceny wyników modeli AI.
  • Planowanie mapy drogowej. Automatyzacja Agile wymaga znacznej ilości planowania przed rozpoczęciem jakichkolwiek prac rozwojowych. W tej fazie musisz skonfigurować projekt automatyzacji. Następnie musisz go regularnie testować, sprawdzać jego funkcjonalność i porównywać z poprzednimi wersjami. Ta faza zapewnia, że ​​projekt automatyzacji połączy się z całym biznesem i będzie zgodny z wymogami regulacyjnymi i innymi ograniczeniami. Pozwala również zainteresowanym stronom w dotkniętych sekcjach firmy przygotować przepływ oparty na wyzwalaczach
  • Koncepcja „przepływu opartego na wyzwalaczach” zastąpiła tradycyjne historyjki użytkownika w zwinnej automatyzacji, aby podzielić projekt na części wielkości kęsa. Pierwszym krokiem w formule jest zidentyfikowanie „zdarzenia wyzwalającego”, na przykład gdy określone dane staną się dostępne lub gdy nastąpi akcja użytkownika. Następnie definiuje się działania potrzebne w odpowiedzi na to zdarzenie i wynik, który ma zostać utworzony. Zespoły mogą używać tej techniki do dzielenia procedur na łatwe do opanowania części. Ponadto, ponieważ dane wejściowe i wyniki każdego fragmentu są jasno zdefiniowane, zespoły mogą pracować równolegle, przyspieszając prace programistyczne (na podstawie ankiety McKinsey).
  • Zarządzanie przepływem prototypów. Automatyzacja oddziela wydanie oprogramowania prototypowego i produkcyjnego. Wersje produkcyjne są realizowane według napiętego harmonogramu w koordynacji z kluczowymi obszarami biznesowymi, aby zminimalizować zakłócenia w całej organizacji. Prototypy są wprowadzane do środowiska testowego, gdzie ich wydajność jest częściej oceniana na reprezentatywnych zestawach danych.
  • Wsparcie organizacyjne. Ponieważ zwinna automatyzacja wymaga znaczących zmian organizacyjnych, wymaga od firm zastosowania nowych technologii i metod pracy do najważniejszych operacji — wszystko w tym samym czasie. Nawet jeśli Twoja organizacja jest mała i nowa, uruchomienie zautomatyzowanego rozwiązania wymaga dużej pomocy. Większość firm korzysta z wyspecjalizowanego biura programowego w celu zapewnienia pomocy, opracowania najlepszych praktyk i śledzenia postępów w całym projekcie automatyzacji.
  • Radzenie sobie z niepewnością. W organizacjach o złożonych technologiach pracownikom trudniej jest osiągnąć wspólne zrozumienie swoich klientów. Zmniejszenie niepewności zadania spowodowało zastosowanie metod koordynacji horyzontalnej i spotkań grupowych zamiast bezosobowych technik koordynacji.

Znaki, że Twoja organizacja musi skalować swoje Zespoły Agile to:

  • Spędzasz większość czasu na prowadzeniu firmy.
  • Masz wiele rzeczy w toku, ale niewiele z nich jest już skończonych.
  • Nie przestrzegasz zasad Agile i nie uczysz ludzi, jak wykorzystywać zasady Agile.
  • Nie możesz wymyślić, jak radzić sobie z zależnościami między zespołami.
  • Prędkość Twoich zwinnych zespołów nie jest stała.
  • Twój zespół zajmuje się tylko najpilniejszymi sprawami.
  • W swoim zaległości masz dużą liczbę zgłoszeń do pomocy technicznej i nie możesz tworzyć nowych funkcji produktu.

Centrum Doskonałości Automatyzacji – dlaczego i jak?

Zadanie zarządzania inicjatywami automatyzacji może być trudne, ale nie musi. Dzięki wdrożeniu centrum doskonałości automatyzacji przekonasz się, że Twój zespół będzie bardziej zwinny i responsywny niż kiedykolwiek wcześniej.

Podstawa

Podstawą Centrum Doskonałości jest model zarządzania automatyzacją, który zapewnia ramy do podejmowania decyzji, umożliwia standaryzację i spójność podejścia oraz ułatwia komunikację między interesariuszami.

COE (Center of Excellence) odpowiada za ustalenie ogólnej strategii organizacji i kierunku automatyzacji. Wiąże się to z opracowaniem kompleksowej architektury spełniającej potrzeby firmy, a także ustanowieniem procedur i standardów zapewniających prawidłowe i spójne wdrażanie automatyzacji. COE nadzoruje również działalność centrum automatyzacji, która obejmuje organizację zasobów (narzędzia, ludzie, procesy).

Jedną z najważniejszych funkcji COE jest pełnienie roli agenta zmian pomagającego w napędzaniu transformacji w całej organizacji. COE może być scentralizowanym źródłem najlepszych praktyk, wymiany wiedzy i ciągłego doskonalenia. Powinno dążyć do stworzenia środowiska, w którym inne części biznesu obejmują automatyzację.

COE może służyć jako źródło najlepszych praktyk, dzielenia się wiedzą i ciągłego doskonalenia. Środowisko powinno być takie, w którym automatyzacja jest akceptowana w innych częściach firmy. Im bardziej uda Ci się zmienić zasady organizacji, tym lepiej będziesz w stanie zoptymalizować wydajność procesów, jednocześnie minimalizując koszty związane z dostarczaniem wyników we wszystkich projektach automatyzacji.

Stosowany przez IBM model funkcji Center of Excellence zawiera kilka intrygujących możliwości.

No alt text provided for this image

Jak ustanowić Centrum Doskonałości dla automatyzacji biznesu?

  • Zidentyfikuj jednostki biznesowe, które mogą skorzystać na automatyzacji.
  • Określ, jaki proces lub dział byłby dobrym kandydatem do automatyzacji oraz te procesy, które nie są jeszcze zautomatyzowane i muszą podjąć kroki w kierunku automatyzacji, aby zachować aktualność.
  • Oceń umiejętności wymagane do projektowania, budowania, obsługi i monitorowania inicjatyw automatyzacji.
  • Wyznacz sponsora wykonawczego, który będzie odpowiedzialny za zapewnienie, że centrum doskonałości zapewnia firmie wartość.
  • Zdefiniuj i uzgodnij model zarządzania, który będzie obejmował role i obowiązki oraz prawa decyzyjne.
  • Oceń technologię i narzędzia potrzebne do wsparcia Rady Europy.
  • Zbuduj zespół ekspertów z umiejętnościami wymaganymi do obsługi i zarządzania centrum doskonałości automatyzacji.

Oto niektóre z typowych wyzwań, przed którymi stoją firmy wdrażające centra doskonałości automatyzacji:

  • Brak ram i standardów zarządzania w różnych zespołach i technologiach. Może to prowadzić do niespójności w sposobie wykorzystania i zarządzania automatyzacją, wpływając na wydajność i niezawodność.
  • Brak możliwości szybkiego dostosowania się do zmian potrzeb biznesowych lub aktualizacji technologii. Centrum doskonałości automatyzacji powinno być w stanie szybko dostosowywać się do zmian, aby firma mogła wykorzystać nowe możliwości lub reagować na zagrożenia.
  • Brak widoczności i kontroli w różnych inicjatywach automatyzacji. Może to prowadzić do powielania wysiłków, niespójności w działaniu i braku możliwości śledzenia postępów w realizacji celów.
  • Wyzwania związane z integracją automatyzacji z istniejącym środowiskiem IT. Automatyzacja wymaga znacznych inwestycji w budowanie i wdrażanie umiejętności, narzędzi, procesów i zarządzania w całej organizacji – coś, z czym wiele firm ma trudności.
  • Niezdolność do spełnienia wymagań biznesowych dotyczących zwiększonej skali lub szybkości wdrożeń bez poświęcania niezawodności.
  • Brak współpracy pomiędzy różnymi zespołami odpowiedzialnymi za zarządzanie poszczególnymi częściami procesu biznesowego. Może to prowadzić do tego, że zespoły pracują w silosach, powielają wysiłki i marnują zasoby.
  • Brak integracji z istniejącymi narzędziami używanymi przez zespoły programistyczne lub operacyjne, takimi jak systemy zarządzania kodem źródłowym, trackery problemów, serwery CI itp. Centrum doskonałości automatyzacji powinno być w stanie bezproblemowo zintegrować się z tymi narzędziami w celu gromadzenia i analizowania danych o inicjatywy automatyzacji w sposób ciągły.
  • Brak wglądu w wydajność i potencjalne problemy z wdrożonymi procesami lub usługami, takimi jak metryki monitorowania lub responsywność interfejsów API. Centrum automatyzacji powinno zapewniać wgląd w to, jak dobrze działają procesy, aby można było wykryć wszelkie problemy – zwłaszcza te wynikające z błędnych konfiguracji.

Korzyści z wdrożenia centrum doskonałości w Twojej firmie.

Jeśli chodzi o COE, najważniejszym problemem jest zapewnienie, aby wysiłki profesjonalistów i ekspertów nie poszły na marne. COE ustanawia ramy skalowania działań poprzez opracowanie zestawu standardowych procedur, które zespoły w całej firmie mogą stosować w przypadku poszczególnych projektów.

COE służy również jako nowy punkt odniesienia dla procedur automatyzacji firmy, ułatwiając wdrożenie tych ustandaryzowanych procesów w całej organizacji. Pozwala to firmie na skalowanie i dalsze wdrażanie procesów automatyzacji w całej strukturze.

Oto niektóre z korzyści, jakie CoE może zapewnić firmie:

  • Wydajniejsze wykorzystanie zasobów poprzez eliminację zadań związanych ze ścięgnami.
  • Ponieważ automatyzacja na dużą skalę poprawia wydajność, zapewnia lepsze wyniki, dostarczając klientom wysokiej jakości towary i usługi.
  • Eliminując nieefektywne praktyki i skracając czas potrzebny na naukę nowych umiejętności i technologii, zmniejszysz koszty operacyjne.
  • Udoskonalenia w zakresie samodzielnego prowadzenia i automatyzacji skracają czas wprowadzania produktów na rynek.
  • Specjaliści CoE mogą pomagać pracownikom w adaptacji w celu usprawnienia ich pracy i dzielenia się skutecznymi metodami. Mogą również pomóc jednostkom i zespołom w nauce, rejestrując wykonalne procesy, rejestrując sesje szkoleniowe, pomagając w nauce indywidualnej i zespołowej oraz wspierając indywidualny rozwój.

Co musisz wiedzieć o AI i Metaverse?

AI i Metaverse to stosunkowo nowe i złożone tematy, które dominują w dzisiejszym świecie biznesu i technologii. W rzeczywistości najlepsi przedsiębiorcy, tacy jak Mark Zuckerberg czy Elon Musk, są kojarzeni z tymi niejasnymi i często nadużywanymi terminami.

Jeśli interesujesz się sztuczną inteligencją i Metaverse, trudno jest znaleźć właściwe informacje z właściwych źródeł. Co więcej, niektóre źródła zmuszają do przeczytania złożonej terminologii, która dla niedoświadczonej osoby może nie mieć sensu.

Dlatego przygotowałem listę filmów i podcastów, dzięki którym nauka o sztucznej inteligencji i Metaverse będzie łatwa i przyjemna!

Materiały video:

Bernard Marr

Future Business Tech

AI for Good

Talking to AI

The High ROI Data Scientist

Fintelics

Sensorium

Shine 365

Ask AI

Podcasty:

Blissthoughts

Contested Loving Discourse from the Oak Guild Institute

AI Education Podcast

Azeem Azhar’s Exponential View

Autoline After Hours

What the F*** is the Metaverse?

Wartości w kulturze amerykańskiej

Dziś chciałbym podzielić się kilkoma spostrzeżeniami na temat wartości w kulturze amerykańskiej, które przekładają się na biznesowe aspekty:

1. Osobista kontrola nad środowiskiem – Ludzie mogą (a nawet powinni – jak sami uważają) kontrolować przyrodę, własne środowisko i przeznaczenie. Nie pozostawiają przyszłość na pastwę losu. Przez takie myślenie, społeczeństwo jest zorientowane na cel.

2. Zmiana/mobilność – Zmiana jest zawsze postrzegana jako pozytywna, oznacza postęp i rozwój. Dzięki temu społeczeństwo jest przejściowe (tymczasowe) pod względem geograficznym, ekonomicznym i społecznym.

3. Czas i jego znaczenie – Czas jest cenny – osiągnięcie celów zależy od produktywnego wykorzystania czasu. Rezultat: wydajne i postępowe społeczeństwo (często jednak kosztem relacji międzyludzkich).

4. Równość – Ludzie mają równe szanse, są ważni jako jednostki, nie ma więc znaczenia z jakiej rodziny pochodzą, a co sobą reprezentują. W tym społeczeństwie uznaje się status.

5. Indywidualizm i prywatność – Ludzie są częściej postrzegani jako niezależne jednostki (niż członkowie grupy) z indywidualnymi potrzebami. Potrzebują czasu na samotność, przez to mogą być postrzegani jako samotni egocentrycy.

6. Własne osiągnięcia – Amerykanie są dumni z własnych osiągnięć. Najważniejsza dla nich jest to na co sami zapracowali, a nie przywileje, które otrzymali w chwili urodzenia.

Rola dyrektora generalnego w skalowaniu sztucznej inteligencji jako natywnej technologii

Co by było, gdyby firma tworzyła każdy komponent swojego produktu przy każdym zakupie, bez żadnych standardowych lub jednolitych części, procedur lub standardów zapewnienia jakości? Wątpliwe, by jakikolwiek prezes przychylnie przyjrzał się takiemu podejściu.

W taki właśnie sposób wiele firm angażuje się w sztuczną inteligencję i w analitykę: stawiając się w niekorzystnej sytuacji konkurencyjnej. Ponieważ zespoły są rozproszone po całej firmie i rozpoczynają nowe inicjatywy pracuj ręcznie od podstaw, zamiast wykorzystywać procesy korporacyjne do wdrażania i monitorowania rzeczywistych modeli sztucznej inteligencji.

Aby wywrzeć znaczący wpływ na wyniki, organizacje muszą skalować technologię w całej firmie, integrując ją z kluczowymi procesami biznesowymi, przepływami pracy i ścieżkami klientów, aby codziennie usprawniać podejmowanie decyzji i operacje.

Koniec ery eksperymentów

Minęły już czasy, kiedy firmy mogły pozwolić sobie tylko na eksperymentalne podejście AI i ogólne zrozumienie analizy. Teraz nadszedł czas, aby sztuczna inteligencja zaczęła działać.

Menedżerowie nie mogą już sobie pozwolić na testowanie rzeczy. Era eksperymentów ze sztuczną inteligencją dobiegła końca, ponieważ AI ma już kluczową przewagę konkurencyjną dla organizacji, które wciąż się rozwijają – ci, którzy tego nie zrobią, zostaną szybko pozostawieni w tyle.

W tym poście pomogę dyrektorom generalnym w rozpoznaniu odpowiednich dźwigni, których mogą użyć, aby pomóc i wesprzeć wysiłki swoich liderów AI na rzecz stałego wdrażania tych procedur i technologii.

Co warto zrobić, aby przejść od eksperymentu do wdrożenia rynkowego i przyspieszyć zastosowanie AI?

a) Używaj wstępnie zaprojektowanych bloków do tworzenia procesów firmowych, które zapewniają większą spójność i wydajność.

Organizacje powinny inwestować w szeroką gamę aktywów i komponentów wielokrotnego użytku. Jednym z przykładów jest opracowywanie gotowych do użycia produktów, które standaryzują pewien zestaw danych (na przykład łącząc wszystkie informacje o kliencie w celu stworzenia jego pełnego obrazu), przy użyciu wspólnych standardów, wbudowanych zabezpieczeń i nadzoru, i samoobsługi.

Weight and Biases to przykład firmy, która może znacznie przyspieszyć proces od badań do wprowadzenia na rynek. Rozwiązanie firmy, które obejmuje testowanie, wersjonowanie i śledzenie modeli sztucznej inteligencji, pozwala na szybką ocenę modeli AI.

Jeśli Twoja firma posiada dane konsumenckie, Weights & Biases może pomóc w szybkim tworzeniu modeli AI i zwiększeniu szybkości ich zastosowania. Umożliwią one również prognozowanie zachowań klientów i ocenę ich utraty (w jakiej cenie klient rozważyłby zmianę dostawcy).

Organizacje inwestują dużo czasu i pieniędzy w opracowywanie rozwiązań AI tylko po to, by odkryć, że firma przestaje korzystać z prawie 80% z nich, ponieważ nie zapewniają już wartości. Korzystanie z gotowych do użycia rozwiązań ze skalowalnymi narzędziami w modelu usługowym zmniejsza straty o zaledwie 30%. Jak to jest możliwe? Wyspecjalizowane platformy umożliwiają szybsze i skuteczniejsze wyciąganie wniosków z przetwarzanych danych.

Co należy zatem monitorować w organizacji zainteresowanej przyspieszeniem wdrażania sztucznej inteligencji?

  • Procent zbudowanych modeli sztucznej inteligencji, które zostały wdrożone. Warto porozmawiać o tym, ile modeli zostało przeszkolonych, ale nie zostało zatwierdzonych do wdrożenia w środowisku produkcyjnym. 
  • Całkowity wpływ automatyzacji i zwrot z inwestycji w sztuczną inteligencję.
  • Liczba działów zaangażowanych we wspólne wdrożenia.

b) Budowanie płynnej współpracy pomiędzy biznesem i IT w celu przyspieszenia zastosowania AI

Dostosowanie celów menedżerów biznesowych do celów zespołów AI i działów IT jest jednym z kluczowych czynników przyspieszenia projektów AI. Idealnie byłoby, gdyby większość celów zespołów AI i danych była zgodna z celami kadry kierowniczej korporacji. Liderzy biznesu powinni również określić, jakiej wartości oczekują od sztucznej inteligencji i w jaki sposób zostanie ona spieniężona. Sztuczna inteligencja jest najbardziej przydatna, gdy działa w harmonii z określonymi procesami. Błędem byłoby sądzić, że sztuczna inteligencja sama określi, które obszary są bardziej odpowiednie, biorąc pod uwagę, że należy podjąć wiele decyzji dotyczących tego, gdzie jej użyć i jak może zapewnić dodatkową wartość.

U jednego z moich klientów odkryłem rozdźwięk między celami działu IT a celami jednostek biznesowych. Brakowało pełnej synchronizacji pomiędzy tym do czego zmierza dział IT a do czego dążą poszczególne jednostki biznesowe. Dział IT skupił się raczej na doskonałości operacyjnej, a jednostki biznesowe wytyczały bardziej strategiczne cele.

W rezultacie ponad 80% z 50 jednostek biznesowych nie powiązało swoich oczekiwań z korporacyjną i technologiczną mapą drogową działu IT. W konsekwencji zaowocowało to rozwojem ponad 200 projektów. 55% z nich to odizolowane wyspy, bez szans na wykorzystanie uczenia maszynowego lub głębokiego uczenia.

Model BITA może pomóc organizacjom osiągnąć dostosowanie strategii AI poprzez połączenie działów IT i biznesowych.

No alt text provided for this image

Rysunek 1: Model dopasowania biznesu i IT, Henderson i Venkatraman (ResearchGate).

c) Inwestycje w talenty

Praca analityków danych i inżynierów technicznych ulega przeobrażeniom. Wcześniej ich praca koncentrowała się przede wszystkim na kodowaniu niskopoziomowym. Muszą teraz budować modele z komponentów modułowych i opracować wynik gotowy do produkcji i skalowania. Wykorzystanie sztucznej inteligencji wymaga innej strategii.

Ponadto w zespołach AI są nowsze obowiązki zawodowe. Jednym z nich jest inżynier uczenia maszynowego, który potrafi przekształcać modele AI w systemy produkcyjne klasy korporacyjnej, które działają na dużą skalę. Dyrektorzy biznesowi powinni informować o zmianie w całej firmie i współpracować nad mapą rozwoju talentów z menedżerami ds. zasobów ludzkich.

Podsumowanie

Trzy sposoby przejścia od eksperymentu do wdrożenia rynkowego i przyspieszenia zastosowania sztucznej inteligencji to wykorzystanie wstępnie zaprojektowanych bloków, budowanie płynnej współpracy między biznesem a IT oraz inwestowanie w talenty.

1. Jako dyrektor, co myślisz o roli dyrektora generalnego w skalowaniu AI jako firmy?

2. Jakie są Twoje przemyślenia na temat opracowywania strategii przyjęcia technologii AI?

3. Jak zmienił się styl przywództwa CEO wraz z wprowadzeniem nowej technologii?

4. Jakie masz doświadczenie we wdrażaniu lub skalowaniu AI w Twojej firmie?

5. Czy miałeś trudności ze skalowaniem strategii sztucznej inteligencji w różnych działach?