Az AI nem alapokat teremt, hanem erősíti a meglévőket – VarOps tanácsadása

A VarOps, egy rendszerszintű AI-tanácsadó cég szerint a legtöbb szervezet rossz kiindulóponttal kezdi az AI-transzformációt: a technológiával. Ran Aroussi, a cég alapítója úgy véli, a vállalatoknak először azt kell megvizsgálniuk, hogyan mozog valójában a munka a szervezeten belül, hogy az AI valóban nagyobb értéket teremthessen egy jobb működési modell támogatásával.

A legtöbb AI-projekttel kapcsolatos beszélgetés azzal kezdődik, hogy „melyik AI-platformot vegyük meg?” vagy „melyik chatbotot implementáljuk?”. Bár ezeknek a kérdéseknek is megvan a helye, Aroussi szerint értékesebb kiindulópont lehet megérteni, hogyan születnek a döntések, hol található a tudás, és hogyan áramlik az információ a szervezetben. A technológia ekkor támogathatja ezeket a valóságokat, ahelyett, hogy definiálná őket.

Kapcsolódó: Synopsys és az AI-alapú tudáskinyerés kihívásai

Az AI-használat és a reális skálázás kihívásai

Az Anthropic nemrégiben végzett kutatása rávilágít, miért fontos ez a megkülönböztetés. Bár az AI-használat terjed az egész gazdaságban, és a foglalkozások több mint egyharmadában már a feladatok negyedében használják az AI-t, a valódi skálázás korlátozott. Csupán a foglalkozások körülbelül 4%-a használja az AI-t a munkájához kapcsolódó feladatok háromnegyedében. A jelentés azt is kimutatta, hogy az AI-t továbbra is gyakrabban használják emberi munka kiegészítésére (57%), mint annak teljes automatizálására (43%). Aroussi szerint ez a kiegészítés-központú minta arra utal, hogy a szervezeti felkészültség és a működési tervezés legalább annyira számít, mint maga a technológia.

Kapcsolódó: OpenAI: AI skálázás és bizalomépítés

„Ezek a megállapítások arra utalnak, hogy az implementációs terveknek és a szervezeti felkészültségnek ugyanannyi figyelmet kell kapnia, mint magának a technológia kiválasztásának” – mondja Aroussi. Hozzáteszi, hogy a technológia akkor érdemli meg a helyét, ha értelmes működési problémát old meg. „A szoftver csupán a jármű; az üzleti eredmény a cél” – hangsúlyozza.

Kapcsolódó: Cégek és az AI mélyebb integrációja

Szervezeti intelligencia és a Varys platform

A VarOps ezt a gondolkodásmódot alkalmazza azzal, hogy először tanulmányozza a szervezet működését, mielőtt automatizálást, AI-ügynököket, egyedi szoftvereket vagy a meglévő munkafolyamatok fejlesztését javasolná. Ez a munkára való összpontosítás természetesen vezet a szervezeti tudáshoz. „A vállalatok nap mint nap döntéseket, megbeszéléseket, működési tanulságokat és intézményi szakértelmet generálnak találkozókon, együttműködési platformokon és belső kommunikációkon keresztül. Ezen információk nagy része idővel egyre nehezebben lesz visszakereshető, korlátozva annak értékét a jövőbeli döntések szempontjából” – magyarázza Aroussi. A VarOps ezt a felhalmozott tudást a cég szervezeti memóriájaként kezeli, és kifejlesztette a Varys nevű platformot, amely segít a szervezeteknek egy folyamatosan fejlődő „vállalati agy” felépítésében. Ahelyett, hogy egy újabb értekezlet-transzkripciós eszközként, jegyzetkészítő asszisztensként vagy beszélgető chatbotként működne, a Varys célja a működési minták azonosítása, az ismétlődő szűk keresztmetszetek feltárása megfigyelhető adatokon keresztül, és gazdagabb betekintést nyújtani a vezetőknek a munka üzleti folyamatain belüli haladásáról.

Kapcsolódó: AI-ügynökök megbízhatósága

A VarOps tapasztalatai szerint az AI erősítőként működik: a jól megtervezett folyamatok hatékonyabbá válnak, míg a nem hatékony munkafolyamatok gyakran hasonló kihívásokat produkálnak nagyobb sebességgel. A cég hangsúlyozza, hogy az emberi ítélőképesség továbbra is fontos szerepet játszik, különösen, ha a döntések kontextust, prioritásokat vagy stratégiai irányt foglalnak magukban. Az automatizálás csökkentheti az ismétlődő adminisztratív terheket, lehetővé téve az embereknek, hogy több időt fordítsanak elemzésre, együttműködésre és vezetésre. Aroussi szerint az AI az emberi képességek kiterjesztésének módja, nem pedig a szervezeti vezetés helyettesítése. „Hiszem, hogy az AI azt skálázza, ami már létezik egy szervezetben. Fontos, hogy ne automatizáljunk mindent az első naptól kezdve, és minden automatizálást iteratív folyamatként kezeljünk, ahogy a szervezet magabiztosságot szerez az AI alapozásában és kimenetében” – zárja gondolatait.

Kapcsolódó: Salesforce agentic AI szabályai