Firma kúpi AI nástroj, otestuje ho, a po pár týždňoch ho odloží so záverom „nefunguje to". V skutočnosti technológia väčšinou funguje dobre. Padá niečo iné: zadanie. Najčastejšia príčina neúspešného AI projektu je vágna požiadavka, ktorej ani človek by celkom nerozumel.
> Tip od KP Solutions: Skôr než poviete „AI to nezvládla", skúste si predstaviť, že rovnaké zadanie ste dali novému zamestnancovi v prvý deň. Keby ani on nevedel, čo presne máte na mysli, problém nie je v AI.
Hlavná príčina: vágne zadanie
AI nečíta myšlienky. Pracuje s tým, čo dostane. Keď firma zadá „sprav to lepšie", „naštartuj nám marketing" alebo „sprav z toho report", chýba všetko podstatné: čo je cieľ, pre koho je výstup, v akom formáte a podľa čoho poznáme úspech.
Výsledok je predvídateľný. AI vyrobí niečo všeobecné, firma je sklamaná a projekt sa zastaví. Pritom stačilo zadanie spresniť.
Zaujímavé je, že rovnaký problém poznáme aj z bežného riadenia ľudí. Keď šéf povie „nejako to vyrieš" a nepovie ako, výsledok býva náhodný. S AI je to ešte výraznejšie, lebo AI sa nespýta na chýbajúce detaily tak, ako by sa spýtal skúsený kolega. Jednoducho doplní medzery podľa toho, čo je štatisticky najpravdepodobnejšie, a to nemusí byť to, čo ste mysleli.
„Sprav to lepšie" verzus konkrétna špecifikácia
Pozrime sa na rozdiel na bežnom príklade z praxe.
Slabé zadanie: „Sprav nám lepšie odpovede zákazníkom."
Dobré zadanie: „Pripravuj návrhy odpovedí na e-maily zákazníkov o stave objednávky. Tón: zdvorilý a vecný, ako keď píše náš zákaznícky tím. Vždy uveď číslo objednávky a predpokladaný termín. Ak údaj chýba, neodhaduj, ale označ to na doplnenie. Dĺžka do 120 slov."
Druhé zadanie hovorí, čo, pre koho, ako, v akom rozsahu a čo robiť v neistote. AI s ním vie pracovať, lebo nemusí hádať.
| Prvok zadania | Vágne | Konkrétne |
|---------------|-------|-----------|
| Cieľ | „lepšie odpovede" | návrh odpovede o stave objednávky |
| Príjemca | nešpecifikovaný | zákazník čakajúci na objednávku |
| Formát | žiadny | e-mail do 120 slov |
| Pravidlo pri neistote | žiadne | neodhaduj, označ na doplnenie |
Náš spec-driven prístup
V KP Solutions staviame AI riešenia okolo jednej zásady: najprv jasná špecifikácia, potom implementácia. Dobré zadanie pre AI má štyri časti.
1. Jasný cieľ
Jedna veta, ktorá povie, čo má byť výsledok. Nie „pomôž s administratívou", ale „priprav koncept faktúry z údajov v objednávke".
2. Kontext
Informácie, ktoré AI potrebuje, aby výstup sedel: tón firmy, pravidlá, relevantné dáta, príklady dobrých výstupov. Bez kontextu dostanete priemer internetu, nie odpoveď vašej firmy.
3. Formát výstupu
Presne určte, ako má výstup vyzerať: e-mail, tabuľka, zoznam, štruktúrovaný záznam. Keď formát neurčíte, dostanete náhodný a budete ho ručne prerábať.
4. Kritériá úspechu
Ako poznáme, že je výstup dobrý? Napríklad: obsahuje povinné údaje, drží sa dĺžky, neobsahuje výmysly. Kritériá úspechu menia „skús to" na overiteľný cieľ.
Praktické príklady: zlé verzus dobré zadanie
Reporting. Zlé: „sprav nám prehľad predaja". Dobré: „z týchto dát priprav mesačný prehľad predaja podľa produktov, formát tabuľka plus tri vety zhrnutia, zvýrazni produkty s poklesom nad 10 percent".
Interná komunikácia. Zlé: „zhrň túto poradu". Dobré: „zhrň zápis z porady do piatich bodov, každý jednou vetou, na konci zoznam úloh s menom zodpovedného, jazyk jednoduchý pre kolegov mimo IT".
Spracovanie dokumentov. Zlé: „spracuj tieto faktúry". Dobré: „z každej faktúry vyber dodávateľa, sumu, dátum a variabilný symbol, výstup ako štruktúrovaný záznam, ak údaj chýba, polož otázku namiesto odhadu".
Vo všetkých prípadoch je rozdiel jediný: druhé zadanie je špecifikácia, prvé je želanie.
Všimnite si jednu vec, ktorá sa opakuje vo všetkých dobrých príkladoch: pravidlo pre prípad neistoty. „Ak údaj chýba, neodhaduj, ale polož otázku." Toto je drobnosť, ktorá rozhoduje o dôvere. Najnebezpečnejší výstup z AI nie je ten, ktorý je zjavne zlý, ale ten, ktorý znie presvedčivo a pritom obsahuje vymyslený údaj. Keď do špecifikácie zaradíte, čo má AI robiť pri chýbajúcich dátach, premeníte tichý odhad na otvorenú otázku, ktorú vie človek skontrolovať.
Druhá vec, ktorú dobré zadania spája, je rozsah. Čím užšia a konkrétnejšia úloha, tým spoľahlivejší výsledok. „Sprav nám marketing" je projekt na pol roka, ktorý žiadna AI nezvládne na jeden pokus. „Priprav tri varianty predmetu e-mailu pre tento newsletter" je úloha, ktorú zvládne dobre a hneď. Úspešné nasadenie AI pre firmy je reťaz mnohých malých, presne zadaných úloh, nie jedno veľké želanie.
Ako tomu predísť vo vašej firme
Predchádzanie neúspechu nie je o lepšej technológii, ale o lepšej príprave. Praktický postup:
1. Vyberte jeden konkrétny, opakovaný proces, nie „celú firmu naraz".
2. Napíšte preň špecifikáciu so štyrmi prvkami: cieľ, kontext, formát, kritériá úspechu.
3. Otestujte na reálnych prípadoch a porovnajte výstup s kritériami.
4. Upravte špecifikáciu, nie nástroj, kým výstup nesedí.
5. Až potom rozširujte na ďalšie procesy.
Tento postup je dôvod, prečo niektoré nasadenia AI prinesú hodnotu o pár dní a iné sa po mesiacoch vzdajú. Rozdiel nie je v modeli, ale v tom, ako presne firma vie povedať, čo chce.
Záver
AI projekty vo firmách zlyhávajú najmä na vágnom zadaní, nie na technológii. Keď požiadavku zmeníte na špecifikáciu s jasným cieľom, kontextom, formátom a kritériami úspechu, výsledky sa zmenia okamžite. Automatizácia procesov funguje presne natoľko, nakoľko presne ju zadáte.
Ak chcete pripraviť AI projekt tak, aby uspel, [bezplatná prvá hodina AI konzultácie](/sk/ai-konzultacie) je miesto, kde spolu napíšeme prvú dobrú špecifikáciu pre váš konkrétny proces.