Stejný nástroj, jiný výsledek: proč o úspěchu AI rozhoduje proces

Dvě firmy si stanoví stejný cíl, sáhnou po stejném nástroji a dosáhnou opačných výsledků. Na nedávné přednášce pro zakladatele zazněly dva příklady, které ten rozdíl ukazují dobře.

Automatizace s kontrolou

První firma zvládá velký objem práce s malým týmem. Automatizace v ní dělá většinu rutiny, ale každý výstup prochází kontrolami: pravidly, vzorky a metrikami, které hlídají odchylky. Co kontrolou neprojde, jde k člověku.

Tým je malý proto, že lidé řeší výjimky, ne každou položku. Automatizace jim dává čas, kontrola jim dává jistotu, že výsledek drží.

Automatizace bez čtenáře

Druhá firma nasadila AI na marketing a nechala ji psát stovky článků. Nikdo z lidí je nečetl. Zpočátku to vypadalo jako úspěch: obsahu přibývalo a výroba byla levná. Přibližně po třech měsících ale návštěvnost dramaticky spadla.

Na objemu tu nezáleželo. Text, který nikdo nečetl, mohl být opakující se, nepřesný nebo mimo to, co čtenáři hledají, a nikdo to nezachytil včas. Stovky článků se tak z aktiva změnily v zátěž.

Kde se investice vrací

Z obou příkladů plyne podobné pravidlo. Investice do AI se nejčastěji vrací tam, kde se rychlost nástroje spojí s pečlivou lidskou revizí výstupů. Nevrací se ve chvíli, kdy se proces od lidského dohledu úplně odpojí.

Pár praktických zásad:

• Počítejte celé náklady. Do návratnosti patří i čas na kontrolu a cena chyb, ne jen ušetřená práce.
• Kontrolujte vzorky. Když nejde číst všechno, čtěte náhodný vzorek a sledujte, jak často je potřeba zasáhnout.
• Veřejný obsah čte člověk. Co jde ven pod vaším jménem, má před vydáním aspoň jednou projít lidskýma očima.
• Měřte déle. Výsledky prvních týdnů klamou. U obsahu se problém ukázal až po měsících.

Nástroj je stejný pro všechny. Výsledek určuje proces kolem něj a to, jestli v něm někdo skutečně čte, co AI vyrobila.