Lepiej budować jedno centrum kompetencji związanych z SI oraz robotyzacją i automatyzacją procesów biznesowych w firmie czy raczej rozproszyć je po działach biznesowych? Odpowiedzi na to pytanie szukaliśmy z pomocą partnerów oraz członków społeczności CIONET w trakcie spotkania o biznesowej strategii wykorzystania sztucznej inteligencji w organizacjach.

Panuje powszechne przekonanie, że przed innowacjami cyfrowymi – również tymi dotyczącymi obszaru automatyzacji i sztucznej inteligencji – nie ma odwrotu. Popularyzacja technologii ma przełożyć się na większą liczbę dostępnych produktów i usług, co dla dostawców będzie oznaczać więcej szans na monetyzację, a dla klientów – lepsze narzędzia wsparcia biznesu.

Jak jednak wskazuje prof. Andrzej Sobczak ze Szkoły Głównej Handlowej, jest to obraz wyidealizowany, a rzeczywistość niestety „skrzeczy”. Od pomysłu na wdrożenie sztucznej inteligencji do jego realizacji droga daleka – podkreśla badacz, specjalizujący się w studiach nad hiperautomatyzacją.

Co innego bowiem deklaracje a co innego praktyki wdrożeniowe. Z jednej strony każde przedsiębiorstwo aspirujące do miana nowoczesnej i innowacyjnej chciałoby móc pochwalić się rozwiązaniami SI (szczególnie jeżeli robi to już bezpośrednia konkurencja), a z drugiej – dużo trudniej namówić decydentów choćby do ograniczonych wdrożeń typu „proof of concept”, nie mówiąc o wdrożeniach na pełną skalę. Wydaje się, że organizacje boją się ryzyka niepowodzenia, jakim niewątpliwie są obarczone projekty SI.

Lecz czy nie jest tak z każdą innowacją?

Poprzestawanie na pilotażowych projektach sztucznej inteligencji to, zdaniem prof. Sobczaka, droga donikąd.

Dane to nie koszt, dane to strategiczny zasób. Jeżeli mamy wyciągać moc z danych, które posiada organizacja, musimy osiągnąć pewną masę krytyczną przy wdrażaniu rozwiązań AI – podkreśla.

Andrzej Sobczak rozprawia się z mitami na temat podejścia polskich organizacji do projektów związanych z SI.

Najważniejszy z nich to ten, że menedżerowie są powszechnie zainteresowani wdrażaniem innowacji cyfrowych, w tym bazujących na sztucznej inteligencji. W istocie główny nacisk kładziony jest na realizację celów biznesowych, często przez optymalizację „siłową” zamiast inteligentnej (na przykład podkręcanie KPI). Firmy nie akceptują porażek procesowych, a projekty doprowadza się do końca nawet w przypadkach wątpliwej rentowności, po ty tylko, by można było je uwzględnić w raportach jako zakończone „sukcesem”.

A czy polskie firmy są dojrzałe procesowo? „Nie. Jedną z największych trudności we wdrażania całościowego, transformacyjnego podejścia robotyzacyjnego jest to, że polskie firmy nie działają procesowo. Oczywiście, mają świetnie rozpisane procesy, spełniają normy ISO, ale gdy zejdziemy na poziom właścicielstwa, KPI, ustalenia struktury organizacyjnej w kontekście podejścia procesowego, tego praktycznie nie ma” – ocenia naukowiec.

Po trzecie, polscy menedżerowie mają nikłą świadomość faktycznej roli danych w biznesie. Wiedzą, że dane można monetyzować, ale niezbędne do tego jest stosowanie się do wymogów nadzoru nad danymi (data governance) by utrzymywać w tych zasobach porządek. Ponadto, biznes wciąż robi stosunkowo niewiele, by podnosić swoje kompetencje cyfrowe – w przeciwieństwie do działów IT, które mają to niemalże wpisane w swoje DNA.

Skończmy z hype’m na SI
Przełożenie mody na sztuczną inteligencję na realne i efektywne działania wymaga wielotorowych działań i inicjatyw – wskazuje prof. Sobczak. Można im z grubsza przypisać pięć głównych haseł: fundamenty, wspólnota interesów, rozwój kompetencji, demokratyzacja SI i transfer innowacji.

Przede wszystkim, potrzebna jest rozmowa z biznesem o „dobrze rozumianych” innowacjach w modelu biznesowym – nie o produktach, które na ogół łatwo skopiować, ale o innowacjach cyfrowych, które pozwalają zmieniać modele biznesowe. I wcale nie są to – i nie muszą być – innowacje „dysruptywne”, na miarę AirBnB czy Ubera. To również małe zmiany, pozwalające dostarczać wartość dodaną klientom. Biznes i IT muszą w tym zakresie ściśle współpracować.

Badacz powoływał się przy tym na wyniki jednego z przeprowadzonych przez siebie w latach 2020-2021 badań na temat demokratyzacji technologii – jego wyniki wskazują, że wprowadzanie innowacji cyfrowych w modelu demokratycznym, gdy biznes jest bezpośrednio zaangażowany w ten proces, jest znacznie bardziej efektywne niż gdyby zajmował się tym wyłącznie dział IT.

Biznes potrzebuje tylko odpowiednich narzędzi, dzięki którym będzie mógł samodzielnie sprawdzać możliwości rozwiązań SI – oczywiście ze wsparciem IT, zapewniającego odpowiednie środowiska testowe – oraz kompetencji. Te ostatnie trzeba próbować nabywać w drodze szkoleń bądź bootcampów.

W perspektywie 2–3-letniej nie spodziewajmy się wielkiej rewolucji AI, która wywróci wszystko do góry nogami; intensywność działań w zakresie automatyzacji, robotyzacji i sztucznej inteligencji będzie coraz większa, ale będą to drobne zmiany, które ogółem sprawią jednak, że pojawi się zupełnie nowa jakość – ocenia prof. Sobczak.

Ale…

„Warto zadać sobie pytanie, czy jesteśmy na to gotowi w naszych firmach, od strony biznesowej i informatycznej. Przestrzegam, aby nie mylić chęci wdrożenia sztucznej inteligencji, potrzeby faktycznej i dojrzałości organizacyjnej, bo można łatwo ‘spalić’ każdy pomysł” – dodaje.

Kto odpowiada za RPA
Ustalenie, gdzie w organizacji ma być osadzony „środek ciężkości”, odpowiedzialny za kreowanie i realizowanie polityk automatyzacji, może nastręczać pewne trudności. Na pierwszy rzut oka wydaje się, że skoro mamy do czynienia z technologią i narzędziami informatycznymi, należałoby przydzielić te zadania działowi IT.

Praktyka wskazuje co innego – dowodzi tego przykład firmy ubezpieczeniowej Link4. „Mocno walczyłem o to, żeby automatyzacja była umiejscowiona po stronie biznesu; nie w poszczególnych jednostkach, np. sprzedaży, ale w obszarze, który będzie to centralizował” – wspomina Maciej Natorski, dyrektor działu innowacji i automatyzacji.

Zrobiono to z obawy przed trudnościami z dopasowaniem biznesowych studiów projektowych i przestojami na etapie prac rozwojowych. Robotyzacja powinna bezpośrednio odpowiadać na potrzeby biznesowe, być generowana przez procesy biznesowe, choć niekoniecznie przez nie wykonywana – ocenia przedstawiciel Link4.

Dedykowany zespół ds. robotyzacji i automatyzacji procesów biznesowych powstał w organizacji w 2018 r. Efektem jego prac jest robotyzacja ponad 60 unikalnych procesów i stworzenie ponad dziesięciu aplikacji robotycznych, inteligentny asystent dla działu sprzedaży, zapewniający „widok 360” na klienta i rekomendacje wybranych czynności oraz aplikacja do obsługi wyników oględzin pojazdów, przy ubezpieczeniu AC. Dodatkowo zespół łączy RPA z technologią SI, co umożliwiło wdrożenie np. technologii Voice bot oraz Computer Vision.

Nasze roboty tworzą system naczyń połączonych – często zdarza się, że różne obszary generują te same dokumenty, ale w innych procesach. To sprawia, że roboty mogą być ponownie używane. W organizacji powinien być zespół do utrzymania i rozwoju robotów, bo outsourcing każdej zmiany w procesie nie ma ekonomicznego uzasadnienia – podsumowuje Natorski.

Robotyzacja pozwoliła Link4 wejść w świat SI i opiera się dziś na współpracy z obszarem Big Data i Data Science. Rolę i znaczenie specjalistów z tego ostatniego obszaru w kontekście automatyzacji procesów podkreślał Mariusz Gromada, kierujący pionem Customer Intelligence w Bank Millennium.

„Nie możemy oczekiwać, że pracownicy innych jednostek, nie mający w tym zakresie doświadczenia, będą w stanie oszacować, jak opracować proces biznesowy wykorzystujący SI – tu są potrzebne twarde kompetencje” – podkreśla. Dlatego w Millennium to dział Data Science odpowiada za proponowanie i uzasadnianie rozwiązań RPA.

Jednak aby skutecznie realizować swoje zadania, data scientist musi wykazywać się pewnym zestawem cech i umiejętności – wskazuje Mariusz Gromada. Musi być odkrywcą – „nurkować” w danych, niekoniecznie ze wstępnie ustalonymi KPI, ale zawsze z celem i hipotezą; innowatorem umiejętnie zaburzającym procesy i produkty; wreszcie operatorem – stale gotowym do działania w trudnych warunkach występujących co dnia problemów operacyjnych.

--

Spotkanie „AI w analityce i automatyzacji: razem czy osobno?” zorganizowane zostało we współpracy CIONET Polska i firmy SAP.