Članek za Zavod AI-D napisal Igor Verstovšek, Cosylab.
Že samo ekipa za pospeševalnike delcev v Cosylabu hrani več kot tisoč tipkanih strani na internem wikiju podjetja. Ko smo AI-ju predložili vse podatke o določeni stranki, je bil odgovor samo delno uporaben. Ko pa smo mu dali zapiske o isti stranki, ki jih je sodelavec s pomočjo AI-ja uredil v dveh urah, je bil odgovor neprimerno boljši. Ta majhen poskus v naši prodajni ekipi povzema bistvo tega, kar smo se letos naučili o uporabi AI-ja v podjetju. AI je namreč le tako dober, kot je slika podjetja, ki jo prejme.
Za posameznika AI že deluje in prinaša vrednost. Tudi če bi se razvoj modelov danes ustavil, bi lahko še leta črpali koristi iz tega, kar že obstaja. V raziskavi družbe McKinsey iz leta 2026 osem od desetih vprašanih pravi, da je AI izboljšal njihovo osebno produktivnost, medtem ko le dobra tretjina opaža kakršen koli vpliv na dobiček iz poslovanja. Kot navaja McKinsey, je omejevalni dejavnik vse pogosteje sposobnost organizacije, da sprejme in vključi spremembe. V podjetju se težave začnejo tam, kjer si delimo delo: vsak od nas je svoj AI naučil stvari, ki jih AI sodelavca ne vidi.
AI kot ogledalo
Skupno delo temelji na procesih; sprva smo naivno domnevali, da so vsi naši procesi že zapisani. Ko smo vključili AI, je hitro postalo jasno, da imamo interne strani, za katere nihče ne odgovarja, in več različic istega procesa. Ko AI nato zaženemo, poskuša kar najbolje izkoristiti to, kar ima na voljo. Dober proces postane hitrejši. Slab proces postane hitrejši slab proces, ki ustvari več gradiva, kot ga lahko kdorkoli prebere.
Zato pri uvajanju AI-ja raje začnemo z ničle. Na novo gradimo vsebino za AI in vanjo vključujemo le tisto, kar dejansko deluje. Od tistih več kot tisoč strani obsega povzetek, ki ga uporablja AI naših prodajalcev, le deset strani, torej samo en odstotek! AI Mirror je naš način, kako gradimo takšen skupni kontekst med različnimi funkcijami v podjetju. Zaposleni na posameznih področjih zapišejo tisti del svojega znanja, ki ga potrebujejo drugi, ter ga sproti posodabljajo in zanj odgovarjajo; tako lahko AI vsakega sodelavca bere isto sliko podjetja.
V Cosylabu se trudimo držati treh pravil. Najprej uredimo vsebino, šele nato jo prebere AI. Za vsak vir, ki ga AI prebere, obstaja odgovorna oseba, za vsak rezultat AI-ja pa odgovarja človek. Brisanje informacij, ki ne držijo več, je prav tako pomembno kot njihovo dodajanje, in tudi težje: dodati je lažje kot odločiti se.
Kako to deluje v naši prodaji
Poskus, omenjen v uvodu, je nastal v naši prodajni ekipi za pospeševalnike delcev, kjer pot od prvega stika do projekta pogosto traja več let. Naša prva zasnova sistema, ki je vključevala številne agente, je bila preveč zapletena: uporabljali so jo le tisti, ki so jo izdelali. Rešitev, ki se je obdržala, je preprostejša. Ekipa je opisala svoj prodajni proces: kdo pri stranki kupuje in po kakšni logiki, v kateri fazi projekta je stranka, kaj lahko ponudimo v posamezni fazi in kako oblikujemo ceno. Ta opis je vir za AI-agenta, ki se po njem ravna tudi, ko išče po drugih straneh wikija, po spletu in po manj urejenih zapiskih o strankah. Morebitne napačne odgovore popravimo neposredno na izvorni strani.
Prednosti za prodajalca lahko prikažemo na nekaj primerih. Predstavljajmo si, da nas zagonsko podjetje, ki ima sredstva za fazo načrtovanja novega tipa pospeševalnika, zaprosi za ponudbo za »krmilni sistem«. AI prepozna, za kakšno stranko gre in v kateri fazi je, ter predlaga začetni korak: inženirski načrt po fiksni ceni kot prvi del širšega paketa. Prodajalca usmeri na primerljive projekte, ki smo jih že izvedli, in mu predlaga konkretna vprašanja za stranko.
Drug primer je nov sodelavec v prodaji, ki ga uvajamo na zahteven projekt pri stranki, s katero sodelujemo že več let. Najprej povpraša AI, ki uporablja skupni povzetek, nato prebere prodajni načrt za stranko in se pogovori s sodelavci, ki so izvedli podobne projekte. Če vpraša o konkurentih, mu AI odgovori, da ekipa tega še ni zapisala, in mu svetuje, naj se obrne na sodelavce. Odgovora si ne izmisli.
Zgodilo se je tudi, da je AI enega od prodajalcev opozoril, da dela nekaj, kar po zapisanem modelu spada k vlogi drugega sodelavca. Ko sta se sodelavca dobila, sta ugotovila, da se o tem, kdo kaj dela, v resnici ne strinjata. Uskladila sta se in popravila en odstavek v opisu prodajnega procesa. S tem sta preprečila morebitni zaplet na svojem projektu in AI naučila, kje naj bo pozoren v prihodnje.
Kaj je potrebno
AI nas spodbuja k opravilom, ki bi jih morali opraviti že zdavnaj: zapisovanju procesov, določanju odgovornih za posamezne vsebine in brisanju informacij, ki niso več veljavne. Trud se zdaj obrestuje vsem, ki delajo z AI-jem, hkrati pa AI pomaga pri samem delu: ureja zapiske in odkriva protislovja. Danes je največji izziv povezovanje oddelkov. Trženje, prodaja, razvoj in izvedba uporabljajo lastna orodja in imajo svojo resnico; AI jih lahko poveže, a le, če ima vsak oddelek najprej urejeno lastno delovanje. Prehod na model AI-first, kjer procese gradimo okoli AI-ja, včasih zahteva določeno mero strateške lenobe: da se za nekaj časa ustavimo in nato začnemo delati na nov način.
Decembra lani sem na odru AI-D napovedal, da bo Cosylab postal AI-podjetje. Najpogostejše vprašanje, s katerim se srečujemo, je, kako preiti z AI-ja, ki pomaga posamezniku, na AI, ki koristi celotnemu podjetju. Orodje je pri tem le vrh ledene gore, pod njim se skriva organizacijski dizajn. Ko pa ta korak naredimo, se AI agenti iz zagnanih pomočnikov, ki ustvarjajo kupe besedila in povzročajo sive lase, spremenijo v koristne sodelavce, saj razumejo, kaj in kako delamo v našem podjetju. Kako to deluje v praksi, bomo pokazali 4. novembra na AI WEEK-u.