Podaci i znanje: šta morate pripremiti pre prvog pilota

U ovom tekstu dobijate odgovore na nekoliko ključnih pitanja:

• Zašto prvi AI pilot često ne zapne na tehnologiji, već na podacima i znanju?
• Šta kompanija treba da pripremi pre nego što pokrene prvi ozbiljan AI pilot?
• Kako znati koji izvori znanja su validni, a koji prave rizik za pogrešne odgovore?
• Ko treba da bude vlasnik znanja i odgovoran za tačnost sadržaja?
• Koji je minimalni set podataka, pravila i odgovornosti dovoljan za prvi korak?

Većina prvih AI pilota ne zapne na modelu, već na nespremnim izvorima znanja, nejasnim podacima i odsustvu vlasništva nad sadržajem. Zato priprema podataka za AI nije tehnička fusnota, već jedan od ključnih uslova da prvi projekat uopšte ima smisla. Ako kompanija u pilot uđe sa haotičnom dokumentacijom, zastarelim procedurama i kontradiktornim informacijama, AI će samo brže vratiti isti haos korisnicima.

Zbog toga priprema ne počinje pitanjem koji model koristiti, već pitanjem šta sistem treba da zna, iz kojih izvora to znanje dolazi i ko sme da potvrdi da je odgovor ispravan. U tom smislu, strategiju za uvođenje AI u kompaniji ne treba odvajati od podataka i organizacionog znanja. Strategija kaže šta želimo da postignemo, a podaci određuju da li je to uopšte izvodljivo.

Mnoge firme imaju više informacija nego što misle. Problem nije potpuni nedostatak sadržaja, već to što su informacije razbacane po folderima, mejlovima, zapisnicima, CRM-u, ERP-u, pravilnicima i glavama ljudi. AI pilot ne pada nužno zato što nema čime da radi. Često pada zato što niko nije odlučio šta je validan izvor, šta je zastarelo i ko za to odgovara.

Zašto prvi pilot najčešće puca na podacima i znanju

Kada kompanija požuri sa pilotom, obično se dese četiri stvari. Izvor znanja nije jasno definisan. Isti pojam ima različito značenje u različitim timovima. Dokumenti nisu ažurni. I ne postoji osoba koja može da potvrdi koja je verzija informacije važeća.

Tada nastaje pogrešan zaključak da je problem u AI-u. U stvarnosti, sistem je samo brže izložio slabosti koje su postojale i ranije. Ako korisnička podrška, prodaja i operativa imaju tri različita odgovora na isto pitanje, problem nije nastao sa AI-jem. AI ga je samo učinio vidljivijim.

Šta zapravo treba pripremiti pre prvog pilota

1. Jasan use case i ograničen skup pitanja

Prvi pilot ne treba da glumi organizacioni mozak koji zna sve. Treba da odgovori na ograničen skup važnih pitanja ili da pomogne u jednom definisanom koraku procesa. Kada use case nije jasan, priprema podataka postaje beskonačna jer tim pokušava da prikupi sve umesto ono što je za prvi korak zaista potrebno.

2. Popis izvora i vlasnika znanja

Za svaki relevantan izvor treba znati gde se nalazi, ko ga održava i koliko mu se može verovati. Bez vlasnika izvora, nema ni vlasnika kvaliteta odgovora.

• dokumentacija procesa i procedura
• postojeći FAQ i odgovori koje operativa već koristi
• zapisnici sa sastanaka i odluke koje utiču na rad
• CRM, ERP, DMS i drugi sistemi sa validnim poslovnim informacijama
• usmeno znanje ključnih ljudi koje treba pretočiti u proverljive izvore

3. Provera kvaliteta, ažurnosti i kontradikcija

AI nije dobar u nagađanju koja je politika poslednja važeća. Ako u sistemu postoje tri dokumenta sa različitim pravilima, model će pokušati da odgovori na osnovu onoga što pronađe. Zato pre pilota treba otkriti duplikate, zastarele fajlove, kontradiktorne definicije i prazne delove procesa.

4. Pravila pristupa i osetljivost sadržaja

Nisu svi podaci za sve korisnike. Već pre pilota treba znati koji dokumenti smeju da uđu u sistem, ko može da ih vidi i koje informacije ne smeju da budu deo odgovora bez dodatne kontrole. Tu spadaju ugovori, personalni podaci, komercijalno osetljiv sadržaj i svaki podatak koji traži viši nivo odobravanja.

5. Pravilo za ljudsku proveru i fallback

Prvi pilot ne treba da glumi potpunu autonomiju. Mnogo je zdravije unapred odrediti kada AI odgovara samostalno, kada daje samo predlog, a kada mora da usmeri korisnika na čoveka. To čuva poverenje i smanjuje rizik pogrešnog odgovora u ranoj fazi.

Minimalni set koji je dovoljan za prvi ozbiljan korak

Kompaniji ne treba savršena data platforma da bi testirala vredan pilot. Ali joj treba dovoljno uređen minimalni set. U praksi to obično izgleda ovako:

• jedan jasno definisan poslovni problem
• jedna ciljna grupa korisnika
• ograničen skup proverljivih izvora
• imenovani vlasnici znanja i odgovorni za ažuriranje
• osnovna pravila pristupa i bezbednosti
• početni kriterijumi uspeha: tačnost, vreme odgovora, upotrebljivost i adoption

Greške koje usporavaju i poskupljuju projekat

Prva greška je ideja da se u pilot ubaci sve što kompanija ima. To produžava pripremu, povećava rizik i otežava merenje rezultata. Druga greška je oslanjanje na neprovereno usmeno znanje bez dokumentovanja. Treća je ignorisanje pristupnih prava, pa se tek kasnije otkriva da sistem vidi više nego što bi smeo.

Četvrta greška je odsustvo urednika znanja. Neko mora imati mandat da kaže šta ulazi u bazu, šta se uklanja i šta se označava kao zastarelo. Bez toga AI postaje pretraživač internog haosa, a ne instrument produktivnosti.

Kako CEO može brzo da proceni spremnost firme

CEO ne mora da ulazi u tehničke detalje, ali treba da postavi nekoliko preciznih pitanja. Da li znamo koje pitanje rešavamo? Da li znamo iz kojih izvora AI sme da odgovara? Da li postoji osoba koja garantuje za sadržaj? Da li znamo šta je zabranjena zona? I da li imamo način da izmerimo da li je pilot stvarno pomogao?

Ako je odgovor na dva ili tri od ovih pitanja nejasan, projekat verovatno nije spreman za pravi pilot. Ne zato što je AI prerano, već zato što osnova još nije dovoljno čista.

FAQ

• Da li moramo da sredimo sve podatke pre prvog pilota?

Ne. Ali morate srediti onaj deo znanja koji je direktno vezan za prvi use case. Pilot treba da bude fokusiran, ne enciklopedijski.

• Šta ako je najveći deo znanja u glavama zaposlenih?

To je česta situacija. Tada pilot može početi sa strukturisanim intervjuima, internim FAQ-om i verifikacijom odgovora od strane ljudi koji to znanje nose.

• Da li su za AI pilot neophodne integracije sa svim sistemima?

Ne. Za prvi korak je često bolje krenuti sa ograničenim skupom izvora koji su provereni, nego odmah spajati CRM, ERP, DMS i druge sisteme bez jasne potrebe.

• Ko bi trebalo da bude vlasnik sadržaja?

Vlasnik ne mora biti jedan čovek za sve, ali za svaki izvor mora postojati odgovorna osoba ili tim koji potvrđuje tačnost i ažurnost.

• Kako znamo da je baza znanja dovoljno dobra?

Dovoljno dobra je kada AI na ograničenom skupu pitanja daje stabilne, proverljive i upotrebljive odgovore, a tim razume gde su i dalje rupe. Prvi AI pilot ne traži savršenu bazu znanja. Traži disciplinu da se odvoji relevantno od nerelevantnog, tačno od zastarelog i dozvoljeno od rizičnog.

Ako želite da proverite da li su vaši podaci i znanje spremni za prvi AI korak, kontaktirajte nas ili zakažite konsultacije.