Zakaj večina AI projektov v podjetjih propade — in kaj delamo drugače

Lansko jesen mi je direktor srednje velikega podjetja z nekaj ponosa pokazal, kaj so naredili na področju AI. Kupili so licence za enega od znanih AI pomočnikov, za vse zaposlene v pisarni. Izvedli so delavnico. Zunanji predavatelj, štiri ure, dobri odzivi. Potem mi je pokazal še interno statistiko uporabe: po treh mesecih je orodje redno uporabljalo pet ljudi od štiridesetih. Trije od teh so bili v IT podpori.

"Ne razumem," je rekel. "Saj smo vse naredili prav."

Niso naredili nič narobe. Naredili so premalo — in v napačnem vrstnem redu. To ni zgodba enega podjetja. To je najpogostejša zgodba, ki jo srečam. AI projekti v malih in srednjih podjetjih redko propadejo glasno, s počeno pogodbo in slabo voljo. Propadejo tiho: orodje je kupljeno, delavnica izvedena, potem pa vsakdanje delo teče naprej točno tako kot prej.

V tem zapisu ne bo statistik iz tujih raziskav. Pišem iz izkušenj — iz podjetij, kjer sem projekte gledal od blizu, tudi takšne, ki niso uspeli. Vzorci se ponavljajo. Tukaj je šest najpogostejših.

1. Projekt se začne kot nakup, ne kot sprememba procesa

Najbolj temeljna napaka je skrita že v prvem stavku, s katerim se projekt začne. "Kupili bomo AI orodje" je drugačen projekt kot "skrajšali bomo pripravo ponudbe z dveh dni na dve uri". Prvi se konča s podpisano pogodbo. Drugi se konča šele, ko ponudbe dejansko nastajajo hitreje.

Ko je cilj nakup, je nakup tudi trenutek, ko vsi odgovorni obkljukajo svojo nalogo. Orodje je tu, torej smo končali. Ampak orodje samo po sebi ne spremeni ničesar — proces priprave ponudbe je še vedno isti, ljudje delajo po starem, novo orodje pa čaka, da ga bo nekdo "začel uporabljati". Nihče ga ne, ker nihče nima razloga.

Delujoč AI projekt se vedno začne pri procesu: kateri konkreten kos dela naj postane hitrejši, cenejši ali manj boleč. Orodje pride potem in je pogosto najmanj pomembna odločitev v celotni zgodbi.

2. Pilot brez lastnika

Skoraj vsak propadel AI projekt, ki sem ga videl od blizu, je imel eno skupno lastnost: nihče v podjetju ni bil osebno odgovoren za to, da uspe. Projekt je bil "od vodstva", kar v praksi pomeni od nikogar. Vodstvo je prezaposleno, da bi spremljalo uporabo. Zaposleni čutijo, da gre za pobudo od zgoraj, ki bo minila kot vse prejšnje. In mine.

Nasprotni primer: v enem od podjetij, kjer delam, je vodja komerciale sama prevzela pripravo ponudb z AI podporo. Ne zato, ker bi ji kdo naročil, ampak ker jo je ozko grlo osebno dušilo. V šestih tednih je imela delujoč postopek, potem pa so ga od nje prevzeli še trije sodelavci — ker so videli, da njej deluje. To je edini način, kako se nova praksa v resnici razširi: od osebe, ki jo potrebuje, k osebam, ki vidijo rezultat.

Pilot brez lastnika ni pilot. Je alibi.

3. Napačen prvi proces

Podjetja za prvi AI projekt presenetljivo pogosto izberejo najtežjo možno stvar: proces, ki je kritičen za poslovanje, kjer so napake drage in kjer sodeluje pol podjetja. Logika je razumljiva — "če bomo že vlagali, se lotimo tam, kjer je največ vredno". Ampak prvi projekt ima drugačno nalogo kot vsi naslednji: zgraditi mora zaupanje.

Dober prvi proces ima tri lastnosti. Človek preveri vsak rezultat, preden gre ta naprej — AI napaka torej ne more povzročiti škode. Rezultat je viden v tednih, ne mesecih. In korist občuti konkretna oseba pri svojem vsakdanjem delu, ne "podjetje" kot abstrakcija. Priprava osnutkov ponudb, povzetki sestankov, priprava gradiv pred obiskom stranke, prvi odgovori na tipska vprašanja — to so procesi, kjer se zaupanje gradi. Avtomatsko odločanje o cenah ali zalogi je proces za tretje leto, ne za tretji teden.

4. Preskočeni dolgočasni temelji

O tem nihče ne piše rad, ker se ne prodaja dobro: velik del AI projektov se v resnici zatakne pri stvareh, ki z AI nimajo nobene zveze. Podatki so razmetani po Excelovih datotekah, ki jih pozna samo ena oseba. Osrednji sistem je star petnajst let in nima nobenega vmesnika za povezovanje. Proces, ki naj bi ga izboljšali, ni nikjer opisan — obstaja samo v glavah dveh zaposlenih, ki ga vsak izvajata malo po svoje.

AI na neurejenih temeljih ne zgradi reda. Zgradi hitrejši nered.

Zato se resna transformacija skoraj vedno začne s koraki, ki na prvi pogled niso "AI projekt": popis procesov, ureditev ključnih podatkov, kakšna posodobitev sistema, ki je že leta odložena. To ni ovinek. To je pot. Podjetja, ki ta del preskočijo, se čez pol leta vrnejo na začetek — samo z manj proračuna in manj potrpljenja.

5. Izobraževanje kot dogodek, ne kot navada

Štiriurna delavnica je za začetek v redu. Problem je, kar sledi — običajno nič. Veščina uporabe AI orodij pa se, tako kot vsaka veščina, gradi s ponavljanjem ob resničnem delu. En dogodek brez nadaljevanja proizvede kratek val navdušenja in potem tišino.

Kar deluje, so kratki cikli: vsak mesec ena konkretna naloga iz dejanskega dela, skupen pregled, kaj je šlo in kaj ne, in eno novo znanje. Pol ure do uro na zaposlenega na mesec. Ni veliko — ampak po pol leta imajo ljudje za sabo šest resničnih primerov iz svojega dela, ne enega demo prikaza iz tujega.

In še nekaj, kar se podcenjuje: ljudje potrebujejo dovoljenje za slabe prve poskuse. Če je kultura taka, da se napaka pri preizkušanju novega orodja šteje za izgubo časa, bodo vsi raje delali po starem. Varen prostor za vajo ni mehka tema. Je pogoj.

6. Meri se vtis, ne učinek

Zadnji vzorec je najbolj zahrbten, ker je videti kot uspeh. Projekt se oceni po tem, kako prepričljiv je bil prikaz na sestanku vodstva — ne po tem, koliko ur dela je dejansko prihranjenega čez tri mesece. Prikazi so vedno prepričljivi. Zato se slabi projekti razglasijo za uspešne, dobri pa ne dobijo sredstev, ker njihova vrednost ni videti spektakularna: "ponudbe nastajajo hitreje" pač ni tako fotogenično kot govoreči robot.

Merilo mora biti postavljeno prej, ne potem. Koliko časa danes vzame ta proces? Koliko naj bi ga čez tri mesece? Kdo bo to izmeril in kdaj? Tri vprašanja, deset minut pogovora — in projekt ima nenadoma zelo jasno definicijo uspeha, na katero se lahko vsi sklicujejo.

Kaj torej delamo drugače

Nič od naštetega ni raketna znanost in prav to je bistvo. AI projekti ne propadajo zaradi premalo napredne tehnologije, ampak zaradi preskočenih osnov.

Zato je vrstni red, ki ga uporabljam pri strankah, vedno podoben. Najprej popis: kje v podjetju čas in denar dejansko odtekata — ne kje se zdi, da bi bil AI zanimiv. Nato izbor majhnih, hitrih zmag: procesi, kjer rezultat pregleda človek, korist pa je vidna v nekaj tednih; vsaka posebej potrjena, nobena večja od nekaj dni dela. Vzporedno urejanje temeljev, kjer je to potrebno, in mesečni cikli učenja ob resničnem delu. Vsak korak z vnaprej dogovorjenim merilom.

In cilj, ki je morda najbolj nenavaden del: da nas podjetje čim prej ne potrebuje več. Transformacija ni uspela takrat, ko svetovalec odide z lepim poročilom. Uspela je takrat, ko ekipa sama najde naslednji proces, ga sama izboljša in sama izmeri rezultat.

Če pri sebi prepoznate katerega od šestih vzorcev — niste izjema, ampak pravilo. Dobra novica je, da je vsak od njih popravljiv, in to običajno brez velikih investicij. Začne se z enim procesom, enim lastnikom in enim merilom.