ZAVEDENÍ AI VE FIRMĚ

Jeden postup, který obstojí v provozu.

Začneme jedním úkolem a výsledek změříme.

Začátek: Mapa práce
Rozsah: Jeden postup
Konec: Měřené rozhodnutí

PROBLÉM

Kde zavádění AI
obvykle selže.

Licence, jednorázová ukázka ani příkaz „používejte AI“ neřeknou, kdo změní jakou práci a podle čeho se pozná lepší výsledek.Licence, ukázka ani příkaz „používejte AI“ neřeknou, kdo změní jakou práci a jak poznat lepší výsledek.

Nástroj bez pracovního úkolu

Firma koupí licence. Lidé nevědí, kterou část práce mají změnit, natož jak poznat, že je výsledek lepší.

Školení bez pokračování

Účastníci si něco vyzkouší a školení skončí. Nevznikne vlastník, šablona ani termín, kdy se ověří, jestli to lidé vůbec používají.Účastníci si něco vyzkouší a školení skončí. Nevznikne vlastník, šablona ani termín kontroly.

Ověření bez pravidel

Tým sáhne po citlivých datech nebo automatizaci dřív, než je jasné prostředí, odpovědnost a způsob kontroly.

POSTUP

Pět kroků od nápadu
k měřenému rozhodnutí.Pět kroků
k rozhodnutí.

Žádné licence pro celou firmu, dokud nevíte, co vlastně měníte.

Mapa práce a omezení

Sepíšeme opakované úkoly, role, vstupy a systémy. Najdeme místa, kde dnes vzniká čekání, přepisování nebo výstup, který pokaždé vypadá jinak.Sepíšeme opakované úkoly, role, vstupy a systémy. Najdeme, kde vzniká čekání a přepisování.

Výstup: mapa příležitostí a omezení.

Výběr jedné priority

Každou možnost porovnáme podle hodnoty, četnosti, kvality dat, rizika a náročnosti změny. Do ověření jde vždy jen jeden postup.Možnosti porovnáme podle hodnoty, četnosti, kvality dat a rizika. Do ověření jde vždy jen jeden postup.

Výstup: rozhodovací matice a vlastník ověření.

Školení lidí pro vybraný postup

Tým se učí na úlohách blízkých skutečné práci. Součástí jsou pravidla pro data, ověřování výstupu a eskalaci chyb.

Výstup: pracovní postupy, šablony a evidence školení.

Omezené ověření

Ověření má jasný rozsah, zkušební nebo schválená data, kontrolní bod a cestu zpátky, pokud něco nesedí.

Výstup: ověřený postup a záznam problémů.

Měření a rozhodnutí

Porovnáme čas, kvalitu, chybovost a skutečné používání. Výsledkem může být rozšíření, úprava, nebo klidně konec bez další investice.Porovnáme čas, kvalitu, chybovost a používání. Výsledkem může být rozšíření, úprava, nebo konec.

Výstup: rozhodnutí pokračovat, změnit nebo ukončit.

ROZHODOVACÍ MATICE

Dobré první ověření je úkol,
u kterého chyba nebolí.Začněte úkolem,
u kterého chyba nebolí.

Hodnota

Co se zlepší a pro koho: pro zákazníka, tým, nebo rozhodnutí?

Četnost

Kolikrát týdně nebo měsíčně se úkol opakuje?

Data

Jsou vstupy dostupné, správné a použitelné v daném prostředí?

Kontrola

Dá se výsledek rychle ověřit proti zdroji nebo vzorku?

Riziko

Jaký dopad má chyba, únik, nebo špatné rozhodnutí?

Změna

Kdo postup převezme a co musí ve své práci změnit?

S výběrem pomůžou praktické odpovědi a srovnání modelů s metodikou a datem měření.

MĚŘENÍ

Rychlost modelu nestačí.
Měříme celý výsledek.Rychlost nestačí.
Měříme výsledek.

Čas na celý úkol

Měříme celý postup od přípravy vstupu po kontrolu výstupu.

Kvalita a opravování

Sledujeme počet zásahů, chyb a případů, kdy musí člověk výstup předělat nebo dohledat zdroj, který chyběl.

Skutečné používání

Úspěch měříme tím, jestli lidé schválený postup používají i dlouho po skončení školení.

Bezpečné výjimky

Zaznamenáváme, kde postup nepatří použít, kdy je nutná eskalace, a jestli kontrolní body problém skutečně zachytily.Zaznamenáváme, kde postup nepoužívat, kdy eskalovat a jestli kontrolní body zabraly.

VÝSTUPY

Co má po pilotu zůstat, i když skončí spolupráce.Co má po pilotu zůstat i bez nás.

mapa příležitostí seřazená podle rolí a pracovních úloh;
rozhodovací matice pro první ověření;
popsaný pracovní postup se vstupem, kontrolou a výstupem;
pravidla pro data, nástroje, lidské rozhodnutí a eskalaci;
osnova a evidence školení lidí zapojených do ověření;
měřicí list před ověřením i po něm;
rozhodnutí o rozšíření, úpravě, nebo konci.

Společný základ dá školení AI pro firmy, data a metodiku najdete ve studiích.

OTÁZKY

Otázky, které padnou před prvním pilotem.

Musíme nejdřív koupit licence pro celou firmu?

Ne. Nejdřív vyberte pracovní úkol a malou skupinu. Nástroj a tarif volte až potom, podle dat, prostředí a rozsahu ověření.

Jaký proces je vhodný jako první?

Obvykle opakovaný úkol s dostupnými vstupy, ověřitelným výsledkem a omezeným dopadem chyby. Samotná vysoká četnost nestačí, pokud kvalitu nejde zkontrolovat.

Jak dlouho zavedení trvá?

Rozsah závisí na procesu, datech a integracích. Jednoduchý postup ověříte rychleji než automatizaci napojenou na interní systémy. Časový plán vznikne až po výběru konkrétní priority.

Je součástí také AI Act a ochrana dat?

Ano jako provozní mantinely. Určíme role, povolené vstupy, kontrolu, evidenci školení i to, kdo za co odpovídá. Nezaměňujeme však praktické zavedení za individuální právní stanovisko.

Co když ověření nepřinese hodnotu?

I zastavení je platný výsledek, pokud ho podloží měření. Proto ověřujeme v malém: aby firma nerozšiřovala nástroj bez důkazu, že funguje.

DALŠÍ KROK

Začněte jedním úkolem.
Zbytek počká na měření.Začněte jedním úkolem.
Zbytek až po měření.

Popište tým a práci, kterou chcete změnit. Konzultace ukáže, zda začít školením, ověřením, nebo daty.

Probrat ověření