Krótka odpowiedź: zacznij od procesu, który dobrze wypada w czterech kryteriach: wolumen, koszt błędu, gotowość danych i odwracalność. Każde kryterium oceń w skali od 1 do 5 i pomnóż cztery liczby. Wybierz wysoki wynik bez żadnej jedynki. Arkusz poniżej pokazuje metodę na pięciu przykładach z prawdziwych branż.
Listę kandydatów ocenisz w jedno popołudnie. Będziesz mieć wtedy jasne uzasadnienie pierwszego projektu, które obronisz przed zarządem. Gdy masz już zwycięzcę, bezpłatny Plan automatyzacji zamieni go w spisany plan pilotażu. Od tego zaczyna się też nasza praca przy integracji AI.
Dlaczego pierwszy proces jest ważniejszy niż model?
Model można później wymienić. To proces decyduje, czy ktokolwiek zaufa wynikowi.
Pierwszy projekt AI niesie trzy ryzyka i żadne z nich nie jest techniczne. Dane leżą w miejscach, do których nikt nie ma dostępu. Sprawdzanie wyniku trwa zbyt długo, więc osoby weryfikujące zatwierdzają go w ciemno albo przestają z niego korzystać. Albo proces jest tak ważny, że jeden widoczny błąd wstrzymuje wszystkie prace nad AI na rok.
W lipcu 2024 r. Gartner prognozował, że do końca 2025 r. co najmniej 30% projektów generatywnej AI zostanie porzuconych po etapie proof of concept. Wskazał cztery powody: słabą jakość danych, niewystarczającą kontrolę ryzyka, rosnące koszty i niejasną wartość biznesową (Gartner, 29 lipca 2024). To prognoza analityków, a nie zmierzony wynik. Lista zgadza się jednak z tym, co widzimy w praktyce. Powodu „model nie był dość inteligentny” na niej nie ma.
Dobrze wybrany pierwszy proces usuwa większość tych ryzyk, zanim ktokolwiek napisze kod. Ocena punktowa służy właśnie temu wyborowi.
Co sprawia, że proces dobrze nadaje się do AI?
Patrzymy na cztery kryteria i oceniamy każde osobno, bo każde może zawieść niezależnie od pozostałych.
Wolumen. Jak często proces się powtarza. Przy dużym wolumenie zaoszczędzone minuty się sumują, a system widzi dość różnych przypadków, by go dostroić. Dziesięć pozycji miesięcznie rzadko zwraca koszt wdrożenia. Kilka tysięcy dokumentów miesięcznie zwykle tak. Wolumen pokrywa też koszt ekranów weryfikacji i integracji, które są najdroższe.
Koszt błędu. Ile kosztuje błędny wynik, jeśli nikt go nie zauważy. Źle odłożony dokument wewnętrzny kosztuje minutę. Błędna wartość celna albo błędna pozycja na liście płac kosztuje pieniądze, klienta albo karę. Wysoki koszt błędu nie wyklucza procesu. Wyklucza automatyzację bez kontroli człowieka i podnosi poprzeczkę dla dwóch kolejnych kryteriów.
Gotowość danych. Czy system ma dostęp do danych wejściowych? Czy istnieje historia poprawnych wyników, na której można się uczyć? Czy konkretna osoba odpowiada za wyjątki? Wiele „projektów AI”, o które jesteśmy pytani, okazuje się projektami dostępu do danych. Jeśli faktury przychodzą jako zdjęcia na WhatsAppie, a dane dostawców są w trzech arkuszach, praca zaczyna się właśnie tam.
Odwracalność. Człowiek widzi wynik, zanim zacznie on działać, albo działanie można tanio cofnąć. Propozycja czekająca w kolejce do weryfikacji jest odwracalna. E-mail wysłany do klienta albo deklaracja złożona w urzędzie skarbowym już nie. Wysoka odwracalność pozwala zaakceptować model, który ma rację w większości przypadków, zamiast takiego, który musi mieć rację zawsze.
Dwie rzeczy celowo pomijamy: jak efektownie projekt by wyglądał i ile według dostawcy pozwoli zaoszczędzić. Żadna z nich nie mówi, czy projekt będzie nadal działał po trzech miesiącach.
Jak ocenić proces? Arkusz
Każde kryterium oceń od 1 do 5 według poniższych punktów odniesienia. Pomnóż cztery oceny. Najwyższy możliwy wynik to 625.
| Kryterium | 1 | 3 | 5 |
|---|---|---|---|
| Wolumen | Mniej niż kilkadziesiąt pozycji miesięcznie | Kilkaset miesięcznie, obsługuje je jeden zespół | Tysiące miesięcznie; kilka osób pracuje nad tym codziennie |
| Koszt błędu | Błędny wynik to drobna uciążliwość | Błędny wynik oznacza poprawki albo fakturę korygującą | Błędny wynik kosztuje klienta, karę albo licencję |
| Gotowość danych | Dane na papierze, w głowach ludzi albo w czatach; brak historii | Dane cyfrowe, ale rozproszone; trochę historii | Dane w dostępnych systemach; co najmniej rok poprawnych wyników; wskazana osoba odpowiedzialna |
| Odwracalność | Działa bezpośrednio na klienta, urząd albo płatność | Wynik jest weryfikowany, ale weryfikacja trwa długo | Propozycja w kolejce; jedno kliknięcie, by zaakceptować lub poprawić; pełny ślad audytowy |
W każdym wierszu wyższa ocena jest lepsza. Przy koszcie błędu piątka oznacza, że proces jest wart wysiłku. Nie oznacza, że jest bezpieczny. To ryzyko obsługują dwie reguły:
- Żadnej jedynki w gotowości danych ani w odwracalności. Odłóż proces, niezależnie od wyniku. Uporządkuj dane albo przeprojektuj krok tak, by człowiek weryfikował wynik. Potem oceń go jeszcze raz.
- Koszt błędu 4 lub 5 wymaga odwracalności 4 lub 5. Wyniki o wysokiej stawce trafiają do kolejki weryfikacji. Nigdy nie idą prosto do klienta ani do urzędu.
Jak czytać wynik. Mniej więcej 250 i więcej: mocny pierwszy projekt. Od 100 do 250: dobry drugi projekt albo pierwszy o węższym zakresie. Poniżej 100: na razie odpuść i oceń proces ponownie, gdy zmieni się wolumen lub dane. Te progi to nasza reguła kciuka, a nie wynik statystyczny. Mnożymy zamiast dodawać, żeby jedno słabe kryterium obniżało cały wynik.
Oceniaj razem z dwiema lub trzema osobami, które wykonują tę pracę, a nie tylko z kadrą kierowniczą. To one znają prawdziwy wolumen i prawdziwe wyjątki.
Jak wygląda przykład krok po kroku?
Tabela ocenia pięć procesów z pięciu branż. Oceny to nasz osąd dla typowej firmy w danym sektorze, oparty na wzorcach procesów z naszej wewnętrznej bazy wiedzy o automatyzacji. To nie są pomiary ani wyniki klientów. Twoje oceny będą inne, więc przejdź arkusz na własnych procesach.
| Proces | Wolumen | Koszt błędu | Gotowość danych | Odwracalność | Iloczyn |
|---|---|---|---|---|---|
| Księgowość: przyjmowanie dokumentów od klientów i propozycje dekretacji | 5 | 3 | 4 | 5 | 300 |
| Budownictwo: rejestrowanie robót dodatkowych na podstawie dowodów z budowy | 3 | 5 | 2 | 4 | 120 |
| Spedycja: dopasowanie dokumentów handlowych i przygotowanie danych celnych | 5 | 5 | 3 | 4 | 300 |
| Grupa klinik stomatologicznych: kontakt po planach leczenia w kilku systemach gabinetowych | 4 | 3 | 2 | 4 | 96 |
| Agencja pracy: od karty czasu pracy przez listę płac do faktury, z weryfikacją rozbieżności | 5 | 4 | 3 | 4 | 240 |
Kolejność jest mniej ważna niż powody stojące za każdą liczbą. Wyjaśnia je pięć kolejnych sekcji.
Który proces księgowy wypada najlepiej i dlaczego?
Przyjmowanie dokumentów w biurze rachunkowym obsługującym wielu klientów. Klienci przesyłają faktury, paragony i wyciągi bankowe e-mailem, przez WhatsApp, w folderach udostępnionych i jako skany papierów. Księgowi sortują każdy plik, zmieniają jego nazwę, przypisują go do właściwego klienta i okresu, a potem przepisują dane. Ustrukturyzowane formaty e-faktur dokładają różnorodności: KSeF w Polsce, XRechnung i ZUGFeRD w Niemczech, Factur-X we Francji, FatturaPA we Włoszech.
Wolumen 5. Biuro obsługujące wielu klientów przetwarza tysiące dokumentów miesięcznie.
Koszt błędu 3. Błędne konto albo stawka VAT oznacza poprawki, a czasem korektę deklaracji. Weryfikacja zwykle wychwytuje błąd, zanim trafi on do klienta lub urzędu skarbowego.
Gotowość danych 4. System księgowy zawiera już plan kont każdego klienta i jego dotychczasowe dekretacje. Ta historia najlepiej podpowiada, jak dekretować. Dokumenty są w zasięgu, gdy system czyta wspólną skrzynkę pocztową i foldery do przesyłania plików. Słabym punktem jest stały napływ nieczytelnych zdjęć.
Odwracalność 5. Rozwiązaniem jest kolejka weryfikacji. Po jednej stronie dokument, po drugiej proponowana dekretacja. Jedno kliknięcie ją akceptuje, poprawia albo przekazuje dalej. Bez zatwierdzenia nic nie zostaje zaksięgowane.
Dlatego ten proces dostaje 300. Ma duży wolumen, ustrukturyzowane dane wejściowe i wynik, który da się sprawdzić, a poprawne odpowiedzi już są w historii księgowań. Regulacje wskazują ten sam kierunek. Polska wprowadza etapami w 2026 r. obowiązkowe ustrukturyzowane e-fakturowanie w KSeF (Infor.pl, 2026). Dokładne terminy dla swojej firmy sprawdź na stronach Ministerstwa Finansów. W Niemczech od 1 stycznia 2025 r. każda firma musi umieć odbierać ustrukturyzowane e-faktury. Ich wysyłanie staje się obowiązkowe od 1 stycznia 2027 r. dla firm z obrotem w poprzednim roku powyżej 800 000 EUR, a od 1 stycznia 2028 r. dla wszystkich (IHK Frankfurt, 2025).
Kiedy to się nie sprawdza: biuro ma mało dokumentów na klienta albo nie może uzyskać dostępu przez API do swojego systemu księgowego. Zanim podejmiesz decyzję, uczciwie oceń wolumen i gotowość danych.
Dlaczego rejestrowanie robót dodatkowych w budownictwie jest cenne, ale trudniejsze?
W podwykonawstwie specjalistycznym marżę ustala się w ofercie, a traci na robotach dodatkowych. Dodatkowy zakres uzgadnia się na budowie, przez telefon albo na WhatsAppie. Ekipa go wykonuje. Tydzień później nikt nie potrafi udowodnić, kto o to prosił, ile to trwało ani jaką cenę uzgodniono. We wniosku o płatność brakuje wtedy pieniędzy, które firmie się należały.
Wolumen 3. Typowy podwykonawca ma dziesiątki robót dodatkowych miesięcznie, a nie tysiące. To dość, żeby miało znaczenie, ale za mało, by szybko dostroić model.
Koszt błędu 5. Pominięta robota dodatkowa to przychód, którego firma może nigdy nie odzyskać. Błędne roszczenie wywołuje spór z generalnym wykonawcą.
Gotowość danych 2. To jest słaby punkt. Dowodami są zdjęcia z budowy, notatki głosowe, wiadomości z czatów i odręczne protokoły, rozproszone po wielu telefonach. Zanim AI cokolwiek pomoże, firma potrzebuje jednego, spójnego sposobu zapisywania dowodów w chwili, gdy prace zostają uzgodnione.
Odwracalność 4. System przygotowuje na podstawie dowodów projekt zgłoszenia robót dodatkowych. Kierownik projektu zatwierdza go, zanim trafi do klienta. Dzięki temu krok pozostaje odwracalny.
Wynik to 120: duża wartość, którą hamuje sposób zbierania danych. Najlepszym pierwszym krokiem jest tu często rutyna rejestrowania na budowie, a dopiero na niej automatyczne przygotowywanie projektów zgłoszeń. Po trzech miesiącach lepszego rejestrowania oceń proces ponownie. Gotowość danych powinna wzrosnąć do 3 lub 4.
Branża ma duże pole do poprawy. McKinsey Global Institute podał, że produktywność w budownictwie rośnie o około 1% rocznie, wobec 2,8% dla gospodarki światowej (McKinsey Global Institute, 2017).
A co ze spedycją i danymi celnymi?
Każda przesyłka tworzy stos dokumentów: fakturę handlową, listę pakunkową, konosament albo CMR, świadectwa. Przychodzą jako załączniki e-maili, a pracownicy przepisują je do systemu spedycyjnego i systemu celnego. Błąd przy przepisywaniu wychodzi później jako błędnie naliczone cło, opóźnienia albo kara.
Wolumen 5. Przy pięciu do piętnastu dokumentach na przesyłkę wolumen rzadko jest problemem.
Koszt błędu 5. Błędne wartości celne, kody towarowe albo dane stron kosztują realne pieniądze i ściągają kontrole organów.
Gotowość danych 3. Dokumenty są cyfrowe, ale formaty różnią się w zależności od nadawcy i kraju. Systemy spedycyjne i celne (CargoWise, Descartes, Magaya albo oprogramowanie krajowe) przechowują historię. Główną pracą jest mapowanie pól dokumentów na pola systemów.
Odwracalność 4. W bezpiecznym rozwiązaniu system przygotowuje dane zgłoszenia i uruchamia kontrolę przed wysłaniem. Pracownik agencji celnej zatwierdza je przed złożeniem. System nigdy nie składa zgłoszenia sam.
Wynik to 300, tyle samo co w księgowości. Tu działa reguła 2: koszt błędu 5 wymaga odwracalności 4 lub 5, a rozwiązanie musi ją zapewnić. Presja regulacyjna jest realna. Według wytycznych CLECAT i FIATA dotyczących ICS2 spedytorzy działający jako przewoźnicy muszą sami składać zgłoszenia na poziomie house i sami kontrolować dane na tym poziomie. Nie ma szczegółowych przepisów dzielących odpowiedzialność za zgłoszenie, więc ciężar spada na tego, kto ma dane (FIATA, 2024). Poprawne dane na poziomie house są dziś warte więcej, a błędy kosztują więcej.
Czy centralna obsługa grupy klinik dobrze wypada w ocenie?
Grupa stomatologiczna, która kupiła od pięciu do czterdziestu gabinetów, zwykle używa równolegle kilku systemów do zarządzania gabinetem. Zespół centralny (finanse, operacje, centrum kontaktu z pacjentami) pracuje we wszystkich. Częstą stratą są plany leczenia, które wyceniono, ale nikt nie wrócił do pacjenta, bo nikt nie widzi ich w skali wszystkich placówek.
Wolumen 4. W placówkach jest wiele otwartych planów. Kontakt z pacjentami to kwestia priorytetów, a nie przetwarzania dużej liczby dokumentów.
Koszt błędu 3. Wiadomość wysłana w złym momencie albo źle sformułowana jest uciążliwa, ale to nie katastrofa. Nadal obowiązują zasady kliniczne i zasady komunikacji z pacjentem.
Gotowość danych 2. To problem strukturalny. Każdy przejęty gabinet wnosi własny system. Bez wspólnej warstwy danych nie ma jednego widoku pacjentów, planów ani grafików.
Odwracalność 4. System daje koordynatorowi uporządkowaną listę kontaktów. Koordynator decyduje, czy wysłać każdą wiadomość.
Wynik to 96. To projekt wart realizacji, ale nie jako pierwszy. Uczciwa rada dla grupy w takiej sytuacji: najpierw zbuduj wspólną warstwę danych. Potrzebują jej też inne procesy: przypomnienia o wizytach kontrolnych, zapełnianie odwołanych terminów, kompletność rozliczeń. W Wielkiej Brytanii niekompletne dane kliniczne kosztują wprost. Stomatologia w NHS jest rozliczana w jednostkach UDA (Units of Dental Activity) na podstawie danych klinicznych wpisanych w każde zgłoszenie FP17. Od 25 listopada 2022 r. Band 2 jest podzielony na 2a, 2b i 2c, warte 3, 5 i 7 UDA (NHSBSA). Gdy dane są już ujednolicone, kontrola kompletności rozliczeń to dobry drugi projekt.
A karty czasu pracy w agencji pracy?
Agencja pracy obsługuje te same godziny trzy razy. Zbiera je od pracownika lub klienta, przekłada na listę płac i przekłada na fakturę dla klienta. Gdy te trzy zapisy się nie zgadzają, kończy się to sporami, fakturami korygującymi i niezadowolonymi pracownikami. Marża na jednym pracowniku jest niska, więc błędy w fakturowaniu bolą.
Wolumen 5. Każdy skierowany pracownik składa karty czasu pracy w każdym okresie rozliczeniowym.
Koszt błędu 4. Błędna wypłata uderza wprost w pracowników i tworzy ryzyko niezgodności z przepisami. Błędne faktury wywołują spory.
Gotowość danych 3. Systemy ATS, płacowy i finansowy istnieją. Karty czasu pracy przychodzą jednak w wielu postaciach: z portali klientów, jako arkusze w e-mailach, jako zdjęcia.
Odwracalność 4. System zestawia trzy zapisy i oznacza różnice, które rozstrzyga pracownik działu płac. Nigdy sam nie zwalnia wypłat ani nie wysyła faktur.
Wynik to 240. Regulacje dokładają wagi. W Niemczech pracownika można kierować do tego samego klienta najwyżej przez 18 miesięcy z rzędu. Równe wynagrodzenie obowiązuje po dziewięciu miesiącach (do 15 miesięcy na podstawie układu zbiorowego). Przekroczenie limitu 18 miesięcy może kosztować do 30 000 EUR kary, a naruszenia zasady równego wynagrodzenia do 500 000 EUR (IHK Berlin). Dane z kart czasu pracy napędzają też te liczniki, co jest kolejnym powodem, by zbudować ten proces porządnie.
Jedno ostrzeżenie dla tej branży. Zgodnie z unijnym AI Act systemy AI używane do rekrutacji, selekcji, oceny kandydatów lub przydzielania pracy należą do kategorii wysokiego ryzyka (załącznik III). Cytowana analiza zauważa, że większość narzędzi do dopasowywania i rankingu wiąże się z profilowaniem, więc wyłączenie rzadko ma zastosowanie. Podmioty stosujące muszą prowadzić logi, zapewnić nadzór człowieka i informować pracowników, których to dotyczy (artificialintelligenceact.eu). Uzgadnianie kart czasu pracy i listy płac to praca zaplecza. Ranking kandydatów już nie. Oceniaj je osobno i licz się z dodatkową pracą przy drugim.
Jak zamienić oceny w pierwszy projekt?
Posortuj procesy według wyniku, potem zastosuj dwie reguły. Następnie odpowiedz na trzy praktyczne pytania, których arkusz nie obejmuje.
- Kto odpowiada za wyjątki? Każdy zautomatyzowany proces ma przypadki, z którymi system sobie nie poradzi. Bez wskazanej osoby odpowiedzialnej za te przypadki projekt powoli się rozpada. Jeśli nie da się wskazać tej osoby, proces nie jest gotowy.
- Jak szybko osoba weryfikująca oceni wynik? Wynik, który da się sprawdzić w kilka sekund, buduje zaufanie: proponowana dekretacja, przygotowane zgłoszenie celne. Wynik, którego sprawdzenie zajmuje godzinę, nie będzie sprawdzany.
- Czy praca nad danymi przyda się w kolejnym projekcie? Czasem proces z niższą oceną jest właściwym początkiem, bo buduje warstwę danych lub integrację, których potrzebują trzy kolejne projekty. Najlepiej pokazuje to przykład stomatologiczny.
Utrzymaj wąski zakres pierwszego projektu: jeden proces, jedna integracja z systemem, jeden ekran weryfikacji, jeden ślad audytowy i jedna osoba odpowiedzialna po Twojej stronie. Porównuj go z punktem odniesienia zapisanym przed uruchomieniem. Na przykład przez kilka tygodni wcześniej mierz minuty na pozycję. Wtedy „to oszczędza czas” staje się liczbą z Twoich własnych danych, a nie obietnicą dostawcy. W tym artykule nie podajemy procentów oszczędności. Uczciwa liczba to ta, którą zmierzysz we własnej firmie.
Przed planowaniem sprawdź terminy regulacyjne. AI Act wchodzi w życie etapami. Zakazy i obowiązki w zakresie kompetencji AI obowiązują od 2 lutego 2025 r., obowiązki dotyczące modeli AI ogólnego przeznaczenia od 2 sierpnia 2025 r., a większość pozostałych przepisów od 2 sierpnia 2026 r. Zestawienie, które sprawdziliśmy, podaje dla obowiązków wysokiego ryzyka z załącznika III datę 2 grudnia 2027 r. (harmonogram AI Act, sprawdzono 23 października 2026 r.). Daty mogą się jeszcze zmienić, więc zweryfikuj je, zanim na nich oprzesz plany. Większość przetwarzania dokumentów na zapleczu to minimalne ryzyko, co czyni je dobrym pierwszym krokiem.
Jak wygląda pierwszy projekt w praktyce?
Oto jeden prawdziwy projekt dla klienta, zanonimizowany. Europejska firma B2B prowadziła operacje ręcznie. Zbudowaliśmy na n8n 10 zautomatyzowanych procesów wokół zamówień, pytań sprzedażowych i wdrażania partnerów. Interfejsem jest Slack, bo zespół już w nim pracuje. Całą historię opisuje artykuł o automatyzacji operacji B2B. Liczby zostały tam zmienione ze względu na poufność, z zachowaniem proporcji.
Projekt trzymał się tych samych reguł co arkusz powyżej.
- Odwracalność w założeniach. Wszystko, co dotyczy pieniędzy, czeka, aż człowiek kliknie przycisk w Slacku. Każde działanie jest sprawdzane ponownie po wykonaniu, a każda awaria trafia do wskazanej osoby odpowiedzialnej.
- Wąski cel o dużym wolumenie na start. Klienci przez cały dzień dopisują pozycje do otwartych zamówień. W każdej godzinie przed ustalonym czasem kompletacji zamówienia system porównuje to, co klient dopisał, z tym, co jest w zamówieniu. Kierownik usuwa rozbieżność jednym kliknięciem.
- Wyjątki kształtują reguły. Jedno źródło danych opóźniło się kiedyś o 15 do 40 minut, co wywołało fałszywy alarm. Od tamtej pory obowiązuje reguła: przed zaalarmowaniem kogokolwiek odczytaj ponownie źródło główne.
- Punkt odniesienia przed uruchomieniem. Przed startem przetestowaliśmy bota Slack wspierającego sprzedaż na tysiącach prawdziwych, oznaczonych pytań. Odsetek pytań, które pomijał, spadł z 36% do 5%.
Twój projekt będzie miał ten sam kształt. Najpierw krótki etap rozpoznania, w którym oceniamy Twoje procesy. Potem wąskie wdrożenie z ekranem weryfikacji i śladem audytowym. Następnie zmierzone porównanie z punktem odniesienia. A potem kolejny proces, który korzysta z integracji już działających.
FAQ
Ile kosztuje pierwszy projekt automatyzacji z AI?
Model to najtańsza część. Większość kosztu przypada na integracje i ekran weryfikacji. Pilotaż z jednym procesem, jedną integracją systemową, jednym ekranem weryfikacji i śladem audytowym zajmuje zwykle kilka tygodni pracy doświadczonych inżynierów. Koszty działania rosną potem wraz z liczbą dokumentów. Nie podajemy tu stałej ceny. Poproś każdego dostawcę o trzy osobne liczby: koszt wdrożenia, miesięczny koszt działania i czas, który Twoi ludzie poświęcą na sprawdzanie wyników.
Czy możemy używać AI na danych klientów i zachować zgodność z RODO?
Tak. Przed wdrożeniem ustal trzy rzeczy. Po pierwsze, podstawę prawną i swoją rolę (administrator czy podmiot przetwarzający). Po drugie, miejsce przetwarzania danych: hosting w regionie UE i umowa powierzenia z dostawcą modelu. Po trzecie, jak długo przechowywane są dane wejściowe i wyniki. EROD przyjęła 18 grudnia 2024 r. opinię 28/2024 o danych osobowych w modelach AI. Konfigurację dla swojego przypadku potwierdź z inspektorem ochrony danych lub prawnikiem.
Nasz ERP ma już funkcję AI. Po co cokolwiek budować?
Jeśli wbudowana funkcja obejmuje Twój proces od początku do końca, korzystaj z niej. Własne rozwiązanie ma sens w trzech przypadkach: proces przechodzi przez kilka systemów, Twoje reguły różnią się od domyślnych ustawień dostawcy albo praca trafia do firmy jako e-maile, PDF-y i zdjęcia, które nigdy nie docierają do ERP w czystej postaci. Oceń proces arkuszem z tego artykułu. Jeśli funkcja ERP dostaje ten sam wynik, własne rozwiązanie nie jest potrzebne.
Nasz pierwszy pilotaż AI się nie udał. Zawinił proces czy podejście?
Sprawdź po kolei cztery kryteria. Większość nieudanych pilotaży miała słabą gotowość danych, nikogo wskazanego do obsługi wyjątków albo wynik, którego nikt nie potrafił szybko sprawdzić. Prognoza Gartnera z 2024 r. podawała słabą jakość danych, niewystarczającą kontrolę ryzyka, rosnące koszty i niejasną wartość biznesową jako powody porzucania projektów po etapie proof of concept. Zanim zrezygnujesz z procesu, oceń go jeszcze raz, uczciwie. Jeśli wypadł dobrze, a mimo to się nie udało, przyjrzyj się integracji i projektowi weryfikacji. Sam pomysł rzadko jest problemem.
Następny krok
Oceń arkuszem powyżej pięć najważniejszych procesów. Potem opisz zwycięzcę w bezpłatnym Planie automatyzacji. W ciągu kilku godzin otrzymasz spisany plan dla tego procesu: warianty, wycenę i 4-tygodniowy plan pilotażu, sprawdzone przez inżyniera. Jak prowadzimy taką pracę, przeczytasz na stronie usługi integracji AI.