Nástup moderních technologií vyvolal ve firmách obrovská očekávání. Management často požaduje okamžité výsledky a rychlé zefektivnění práce. Skutečná praxe ale ukazuje, že chytré algoritmy bez předchozího úklidu v databázích firemní agendu samy nezachrání.
Barbora Štětinová, expertka na zavádění inovací do firemní kultury a lektorka kurzu Využití AI v datové analýze, v rozhovoru vysvětluje, proč je pro úspěšnou automatizaci nezbytné nejdřív napravit interní procesy a kdy je lepší sáhnout po klasických tabulkách.
Přečtěte si, s jakými bariérami se firmy potýkají nejčastěji a jak připravit půdu pro to, aby byla umělá inteligence pro celou firmu opravdovým přínosem.
Báro, vaše kariéra prošla zajímavým vývojem od financí a datové analytiky až po současnou pozici manažerky pro zavádění AI. Jak z této byznysové perspektivy vnímáte současný technologický boom ve firmách?
Současný technologický boom je z mého pohledu obrovský až neskutečný a zároveň pro firmy velmi těžký. Existuje obrovská škála možností, ale také tlaků na to, co všechno by se mělo dělat a používat.
Firmy jsou v tom dost často ztracené. Manažeři by chtěli vše a nejlépe najednou. Zavádění těchto technologií je však dlouhodobější změnový proces nejen z technologického, ale také z lidského hlediska.
Máte na starosti mimo jiné adopci těchto novinek napříč týmy. S jakými nejčastějšími bariérami nebo obavami se při jejich zavádění setkáváte?
Ze svých zkušeností z různých firem vnímám jako největší bariéru nekvalitu dat a nedokonalé procesy. To je většinou ta prerekvizita, která platí pro zavádění jakékoli technologie. Je ale mnohdy dlouhá a bolestivá, proto poté firmy od zavádění technologií buďto upustí, nebo to udělají, ale bez jakéhokoliv efektu.
Na vysloveně strach lidí zatím narážím minimálně, spíše jsou většinou po nových technologiích (především po AI) hladoví.
Kde přesně vidíte v každodenní analytické a reportovací rutině ten největší prostor pro zefektivnění?
V automatizaci. Všichni volají po AI, ale mnohdy netuší, že stačí zapnout v Excelu Power Query a začít jej efektivně využívat. Zároveň zde existuje již dlouhou dobu technologie RPA, která je přesná a dá se říci levná, ale opravdu malá část firem nebo jejich zaměstnanců o tom ví.
Z pozice člověka, který koordinuje technologické iniciativy, jak se vám daří balancovat očekávání managementu s reálnými možnostmi současných jazykových modelů?
To je zase druhá strana mince. Manažeři vidí všude na konferencích a sociálních sítích, co všechno je možné, a chtějí mít vše. A nejlépe za malý budget.
Ačkoliv se umělá inteligence vyvíjí neuvěřitelně rychle, podle mého je stále teprve na začátku. A management často vyžaduje řešení, která například ještě nelze bez řádného vývoje jen tak zakoupit. Nebo jsou extrémně drahá.
Lidé dnes začínají běžně používat nástroje integrované přímo v kancelářských aplikacích. Jaký je podle vás rozdíl mezi tím, když s nimi někdo pracuje jen intuitivně, a když je využívá opravdu systematicky?
Obrovský. Intuitivní a jednorázové používání slouží jednotlivci k zefektivnění jeho/její práce.
Naopak systematické používání v sobě nese například sdílení, tvorbu custom AI nebo agentů, a tím synergicky zefektivňuje nejen jednotlivce, ale také celé týmy a firmy.
Veškerý obsah v užitečném formátu. Rozhovory, články, life hacky a tipy ze světa businessu i korporátů na našem LinkedIn profilu.
Pojďte se připojit!
Která klíčová pravidla by si podle vás měla každá firma nastavit hned na začátku, než začne moderní technologie nasazovat plošně?
Udělat procesní analýzu, zjistit si, v jakém stavu mám data a jaká data potřebuji – zde je potřeba celý audit. A potom je nutné vytvořit strategii, aby se nezačalo nasazovat plošně, všude a najednou. Je nutné tuto změnu řídit.
Každá inovace ve firmě by měla být zisková. Podle čeho vyhodnocujete, že se konkrétní AI řešení firmě skutečně vyplatilo?
Toto je extrémně těžké. Určitě u některých aktivit lze vyčíslit, kolik to uspoří času a podobně. Ale obecně vzato, když se zaváděl ve firmě Excel, Power BI nebo SAP, vlastně nikdo nikdy neřešil, zda je to ziskové, nebo ne. Podle mého názoru zde o ziskovost nejde.
Jednou z velkých výzev pro analytiky je srozumitelně odprezentovat složitá čísla vedení firmy. Jak konkrétně v tomto ohledu pomáhají dnešní AI modely?
V tomto je AI extrémně silná. Dokáže shrnout data v Excelu nebo Power BI do management summary, hledat odchylky nebo tvořit reporty pro rozhodování. Dokonce i bez znalosti principů strojového učení vám tyto modely rovnou spočítají predikce.
Zde je však důležité zase zdůraznit, že obrovskou prerekvizitou je čistota a správnost dat.
Určitě existují situace, kdy nasazení AI nedává smysl. Kdy je podle vás spolehlivější sáhnout po klasickém řešení?
U exaktních analýz nebo při práci s daty, kde mohu použít jednoduše Power Query, vzorec v Excelu nebo RPA pro vyčítání dat z faktur. V takových případech bych raději sáhla po těchto nástrojích z důvodu přesnosti a možnosti kontroly.
Stále více se mluví o tvorbě virtuálních asistentů na míru konkrétním potřebám týmu. Co všechno k sestavení takového funkčního pomocníka běžný uživatel vlastně potřebuje?
Potřebuji si definovat, co daný model má umět, jak má pracovat, jaká data má mít jako zdroj pravdy a podobně. Potom je zásadní umět takového pomocníka nakonfigurovat a řádně otestovat (což se často zanedbává, ačkoliv je to naprosto zásadní).
Tento proces bývá iterativní a téměř nikdy se nepovede hned napoprvé. Tedy je potřeba i dávka trpělivosti.
Vzpomenete si na nějaký konkrétní moment nebo projekt, kdy vás AI svými schopnostmi při zpracování dat vyloženě překvapilo?
Ano, při pokusu vytvořit dabing k existujícím videím. Tato technologie pro mě byla neskutečně přesná a dobrá.
Jak ovlivňuje vzestup AI technologií juniorní datové analytiky?
Podle mého jim stále pomáhá. Do budoucna však tento boom může ohrozit jejich počet a atraktivitu oboru pro výběr budoucí kariéry.
A otázka na závěr. Co byste poradila člověku z finančního nebo datového oddělení, který chce začít AI využívat, ale neví, jak udělat první krok?
Prostě si s tím začněte hrát. (smích)
