Как разработать стратегию ИИ-трансформации

После диагностики начинается разработка стратегии.

Диагностика показывает, что происходит в компании сейчас.

Стратегия отвечает на вопрос: что с этим делать дальше?

Если продолжать аналогию с медициной, мы провели обследование, нашли проблемы и теперь можем выписывать рецепт.

Я бы начинал со старого доброго SWOT-анализа: сильные стороны, слабые стороны, возможности и угрозы.

Сильные стороны мы уже увидели во время диагностики. У компании могут быть собственные данные, сильные эксперты или уже работающие ИИ-решения.

Слабые стороны — это те самые дыры, которые диагностика показала.

Где-то данные разбросаны, где-то мешает легаси, не хватает экспертизы или сотрудники не готовы к изменениям.

Дальше смотрим, какие возможности дает ИИ с учетом текущего состояния компании и какие ограничения мешают реализовать их прямо сейчас.

Так уже появляется концептуальная дорожная карта.

Но здесь важно не начать искать, куда бы внедрить ИИ.

Начинать нужно с целей бизнеса.

Допустим, компания хочет увеличить прибыль. Значит, можно увеличивать доходы или сокращать расходы.

Дальше ищем процессы, которые влияют на эти показатели.

Если хотим увеличить выручку — смотрим продажи, маркетинг, конверсию, удержание клиентов.

Если хотим сократить расходы — операционные процессы, поддержку и другие ручные операции.

Вообще не нужно делать ничего, что нельзя связать с бизнес-показателями. Это частая ошибка технарей, которых «назначили» руководителями ИИ-направлений.

После того как мы нашли нужные процессы, нужно с учетом диагностики понять, готовы ли они к внедрению ИИ прямо сейчас.

И здесь я бы начинал с быстрых побед.

Это процессы, где есть хороший потенциальный эффект и при этом относительно мало ограничений.

Сделали, посчитали эффект, показали руководству и сотрудникам, что ИИ действительно работает, а потом пошли дальше.

Поэтому стратегию удобно разделять как минимум на три горизонта.

Первый — быстрые победы. То, что можно внедрить прямо сейчас.

Второй — среднесрочная перспектива. Здесь сначала нужно устранить барьеры: объединить данные, внедрить платформу, изменить инфраструктуру или обучить людей.

Третий — долгосрочная перспектива. Здесь уже имеет смысл использовать свои уникальные данные, обучать модели и строить решения для основных бизнес-процессов.

Еще один важный вопрос — что покупать, а что разрабатывать самостоятельно.

Я видел компании, которые принципиально хотели делать все свое.

Допустим, есть продукт, который используют другие компании. Можно подключить его сейчас и начать получать пользу.

А можно нанять целую команду и несколько месяцев делать собственную систему.

Поэтому стандартные поддерживающие процессы я бы чаще закрывал готовыми инструментами.

Если потом появится смысл — готовое решение можно постепенно вытеснять своим.

Но у внешних инструментов тоже есть минус.

Если под каждый процесс искать отдельного вендора, быстро появляется зоопарк сервисов.

У каждого отдельная подписка, свои данные и интеграции. И зачастую они плохо связаны между собой.

Собственная система требует больше людей, денег и времени, зато все можно связать в единый контур.

Поэтому здесь нужно смотреть на сам процесс.

Если это поддерживающая функция и на рынке уже есть хорошее решение — я бы использовал его здесь и сейчас.

Если это ключевой процесс компании, внутри находятся уникальные данные, экспертиза или конкурентное преимущество, особенно если эти данные вы не хотите отдавать наружу, тогда уже имеет смысл строить свое.

В итоге стратегия должна превратиться в пошаговый план действий, синхронизированный с общей стратегией бизнеса и декомпозированный дальше на департаменты.

Но пока мы определили только, какие процессы нужно трансформировать.

Чтобы стратегия стала полноценной, дальше нужно разобрать сами процессы: из каких операций они состоят, кто их выполняет, какие данные используются, где принимаются решения и что именно можно передать ИИ.

В следующих статьях разберем фреймворк AgentOps и перейдем уже непосредственно к анализу бизнес-процессов.

👉 Полная статья