Η τεχνητή νοημοσύνη είναι παντού στις ειδήσεις, και οι περισσότεροι ιδιοκτήτες επιχειρήσεων έχουν την αίσθηση ότι «κάτι πρέπει να κάνουν». Το πρόβλημα είναι ότι η συζήτηση ξεκινά συνήθως από τα εργαλεία: ποιο μοντέλο, ποια εφαρμογή, ποια συνδρομή. Στη μικρομεσαία επιχείρηση η σωστή αφετηρία είναι άλλη: η δουλειά που γίνεται κάθε μέρα και κοστίζει χρόνο.
Ξεκινήστε από τη δουλειά, όχι από το εργαλείο
Πριν ανοίξετε οποιαδήποτε εφαρμογή, καταγράψτε τις εργασίες της εβδομάδας που επαναλαμβάνονται. Μια εργασία είναι καλός υποψήφιος για τεχνητή νοημοσύνη όταν:
- επαναλαμβάνεται συχνά, κάθε μέρα ή κάθε εβδομάδα,
- τρώει πραγματικό χρόνο από ανθρώπους που θα μπορούσαν να κάνουν κάτι πιο χρήσιμο,
- ακολουθεί κανόνες ή μοτίβα, ακόμα κι αν αυτά δεν είναι γραμμένα πουθενά,
- βασίζεται σε κείμενα, έγγραφα ή δεδομένα που ήδη υπάρχουν.
Αν μια εργασία πληροί τα τρία από τα τέσσερα, αξίζει να την εξετάσετε.
Πού αποδίδει συνήθως
Σε μικρομεσαίες επιχειρήσεις, τα πρώτα αποτελέσματα έρχονται σχεδόν πάντα από τις ίδιες περιοχές:
- Ερωτήσεις πελατών: διαθεσιμότητα, χρόνοι παράδοσης, τιμές, οδηγίες χρήσης. Ένας βοηθός μπορεί να απαντά στις συνηθισμένες και να περνά τις υπόλοιπες σε άνθρωπο.
- Έγγραφα και παραστατικά: τιμολόγια, παραγγελίες, δελτία αποστολής, συμβάσεις. Η ανάγνωση και η προετοιμασία της καταχώρισης γίνονται αυτόματα, ενώ ο άνθρωπος ελέγχει και εγκρίνει.
- Προσφορές και απαντήσεις: πρώτα σχέδια προσφορών, απαντήσεων σε email ή περιγραφών προϊόντων, που ο υπάλληλος διορθώνει αντί να γράφει από την αρχή.
- Εσωτερική γνώση: διαδικασίες, εγχειρίδια, τεχνικά φυλλάδια. Ένας βοηθός που απαντά από τα δικά σας έγγραφα γλιτώνει τις ερωτήσεις «πού το βρίσκω;».
- Αναφορές: συγκεντρωτικά στοιχεία από τα συστήματά σας, με ερωτήσεις σε απλή γλώσσα.
Τρία βήματα με μικρό ρίσκο
1. Καταγραφή. Διαλέξτε τις δύο-τρεις εργασίες με το μεγαλύτερο κόστος σε χρόνο. Σημειώστε πόσο διαρκούν σήμερα και πόσο συχνά γίνονται. Αυτό είναι το μέτρο σύγκρισης.
2. Pilot σε μία διαδικασία. Δοκιμάστε τη λύση σε μία μόνο εργασία, με πραγματικά δεδομένα και για λίγες εβδομάδες. Μετρήστε κάτι συγκεκριμένο: ώρες που γλιτώνονται, λάθη, χρόνο απάντησης στον πελάτη.
3. Ενσωμάτωση. Αν το pilot αποδώσει, η λύση συνδέεται με τα συστήματα που ήδη χρησιμοποιείτε: ERP, CRM, eshop, email. Χωρίς αυτή τη σύνδεση, η ΤΝ μένει ένα ακόμα παράθυρο στην οθόνη που κανείς δεν ανοίγει.
Τι να προσέξετε
- Προσωπικά δεδομένα: μην επικολλάτε στοιχεία πελατών ή εργαζομένων σε δωρεάν εργαλεία χωρίς να ξέρετε πού καταλήγουν. Ο GDPR ισχύει και εδώ.
- Ανθρώπινος έλεγχος: ό,τι φεύγει προς πελάτη ή καταχωρίζεται στα βιβλία πρέπει να ελέγχεται από άνθρωπο, τουλάχιστον στην αρχή.
- Κόστος χρήσης: πολλές λύσεις χρεώνουν ανά χρήση. Υπολογίστε το μηνιαίο κόστος με τον πραγματικό σας όγκο πριν δεσμευτείτε.
- Εξάρτηση από έναν πάροχο: προτιμήστε λύσεις όπου τα δεδομένα και οι ρυθμίσεις σας μεταφέρονται, αν χρειαστεί να αλλάξετε εργαλείο.
- Νομικό πλαίσιο: ο ευρωπαϊκός Κανονισμός για την ΤΝ (AI Act) θέτει υποχρεώσεις ανάλογα με τη χρήση. Για τις περισσότερες καθημερινές εφαρμογές οι υποχρεώσεις είναι περιορισμένες, αλλά καλό είναι να ξέρετε σε ποια κατηγορία ανήκει η δική σας.
Τι μπορείτε να κάνετε από αύριο
- Ζητήστε από κάθε τμήμα να γράψει τις τρεις πιο επαναλαμβανόμενες εργασίες του.
- Υπολογίστε χοντρικά πόσες ώρες την εβδομάδα κοστίζει η καθεμία.
- Διαλέξτε μία για pilot και ορίστε από πριν πώς θα κρίνετε αν πέτυχε.
Η τεχνητή νοημοσύνη δεν χρειάζεται να είναι μεγάλο έργο για να αποδώσει. Χρειάζεται να λύνει ένα πραγματικό πρόβλημα, να μετριέται και να ενσωματώνεται στον τρόπο που ήδη δουλεύετε. Αν θέλετε βοήθεια στην καταγραφή ή στο πρώτο pilot, δείτε πώς δουλεύουμε τη μετάβαση στην ΤΝ.