Putovanje u izgradnju SaaS-a vođenog umjetnom inteligencijom odvelo nas je u neistražene vode, osobito nakon što smo shvatili koliko je to potrebno ovim starim industrijama. U pričao sam o preprekama na koje smo naišli u izgradnji našeg prvog ERP proizvoda. Zaronimo sada u to kako nam je umjetna inteligencija pomogla da se okrenemo i otključamo nove prilike u industriji koja još uvijek pokušava raditi stvari na staromodan način. prvom dijelu ove serije Gdje je sve počelo Kad smo krenuli, e-trgovina se činila kao očito rješenje za distributere. Napravili smo alate za modernizaciju njihovih zastarjelih procesa unosa narudžbi, ali brzo smo naišli na zid - kuhari su i dalje radije dizali telefonsku slušalicu da bi pozvali dobavljače. Ne bi odustali od svojih starih navika, a nijedan elegantan online sustav to neće promijeniti preko noći. Morali smo ih dočekati tamo gdje su bili. Stoga smo se vratili na crtaću ploču i počeli zvati sve operatere koje opslužuju naši klijenti dobavljači – sve od aktivnih korisnika aplikacija za e-trgovinu, odbačenih korisnika, do kuhara koji su se žestoko protivili ideji aplikacije – da ih pitamo što oni stvarno misle . Kako se pokazalo, naručivanje iz aplikacije nije bilo 10 puta bolje iskustvo koje smo zamislili od pozivanja/slanja SMS-ova/e-pošte, osim ako im nekako ne bismo mogli dati uvid uživo u dostupnost proizvoda i status isporuke, problem koji smo smatrali preteškim za rješavanje s samo softverski proizvod. U isto vrijeme, znamo da se veletrgovci još uvijek utapaju u satima ručnog unosa narudžbi svake noći. Kako ćemo automatizirati sav ovaj zamoran posao? Tada je kliknulo – veliki jezični modeli savršeno odgovaraju takvim tijekovima rada s nestrukturiranim podacima. AI dramatično mijenja jednadžbu troškova kako bismo mogli automatizirati operacije koje su prije bile previše zbrkane – to je dio koji nedostaje i koji bi konačno mogao dovesti tehnološki nedovoljno opskrbljenu industriju poput distribucije hrane u moderno doba. To je doista promjena paradigme: oko svjetskih podataka je nestrukturirano. 80% Dakle, promijenili smo brzinu. Umjesto da tjeramo dobavljače i operatere da usvoje potpuno digitalne tijekove rada, izgradili smo alate pokretane umjetnom inteligencijom kao što je Butterov AI Order Assistant koji je nadopunio njihov postojeći proces. Stvaranje zaokreta pomoću umjetne inteligencije (više od obećanja) Brzo smo naučili da uspjeh umjetne inteligencije nije u izradi "seksipilnijeg" proizvoda - već u osiguravanju da stvarno ispunjava korisničke zadatke. AI Order Assistant nije tražio od kuhara ili distributera da ponovno osmisle svoj proces. Prilagodio se onome što su već znali, ubacivši se izravno u njihove radne tijekove. To je sve što je potrebno. Izgradnjom umjetne inteligencije koja može obraditi naredbe prirodnog jezika (mislite na glasovne naredbe ili tekstove), učinili smo proces lakšim, a ne težim. Budući da je to bio dodatak, a ne potpuna zamjena sustava, distributeri su ga brzo prihvatili. U roku od nekoliko tjedana od lansiranja, deseci dobavljača i ERP partnera izrazili su interes. Oni su to vidjeli kao jednostavnu nadogradnju bez glavobolja koje obično dolaze s "digitalnom transformacijom". Kada se klijent uključi, povezujemo se s njegovom e-poštom i pretincem govorne pošte na šalteru za narudžbe i automatski počinjemo pretvarati dolazne narudžbe klijenata u strukturirane unose narudžbenica, koristeći sadržaj vodiča za narudžbe svakog kupca kao i njihove povijesne uzorke narudžbi (čitane iz njihovih ERP-ova). Po prvi put ikada, znanje o preferencijama kuhara konačno je prebačeno iz glave prodajnog predstavnika Joeyja u digitalni sustav — kada kuhar jednostavno naruči "2 kutije škampi", sustav može točno razumjeti misle li na "4-6 tigrastih škampa Smrznuti", a ne "16-20 EZ Peel Shrimp" ili 80 drugih prodanih varijanti proizvoda od škampa. Znajući da prijedlozi umjetne inteligencije neće biti 100% savršeni, proveli smo opsežne UX intervjue i osigurali da korisnici mogu lako ispraviti izlaz modela kako bi sljedeći put bio ispravan. Ono što je najvažnije, pobrinuli smo se da se sve može izvršiti samo unosom s tipkovnice, budući da se oni uvelike oslanjaju na slične prečace u ERP sustavima za unos stotina narudžbi. Korisnicima se svidjelo iskustvo i brzo su se prihvatili. Krajnji rezultat? Vrijeme obrade narudžbe smanjeno je za više od 96%, a klijenti dobavljači mogli su smanjiti broj osoblja u pozadinskim uredima ili ih podići na višu razinu za obavljanje zadataka veće vrijednosti kao što su kontrola kvalitete i upravljanje odnosima s kupcima. Nakon što je GrubMarket preuzeo Butter, uzeli smo model AI Order Assistant i skalirali ga u GrubAssist. Ovaj se alat nalazi na vrhu postojećih ERP-ova, pružajući poslovnu inteligenciju i analitiku na prirodnom jeziku. Bezbolno se integrira u ono što prehrambena industrija poznaje i koristi. I kao što zna svatko tko je upoznat sa skladišnim prijemom ili BOH-om, neprekinuti tijek rada jedina je stvar koja ljude održava zdravim. Za ponijeti: Započnite s AI rješenjem koje se uklapa u postojeće tijekove rada, bez preinake svega. Lakoća integracije i poznavanje ključni su za brže usvajanje. Lekcije iz izgradnje LLM proizvoda LLM su moćni, ali još uvijek sazrijevaju; mogu zaostajati ili promašiti pouzdanost. Pametan dizajn može sakriti neke od tehničkih nedostataka. Na primjer, budući da restorani/trgovci predaju svoje narudžbe za sljedeći dan unaprijed, možemo si priuštiti da ih obrađujemo u pozadini (prije nego osoblje dobavljača dođe na posao rano ujutro), odlučujući se za modele s većom sposobnošću rasuđivanja, žrtvujući neka brzina. Dizajn oko tehničkih ograničenja. U ranim fazama, nemojte se zaglaviti u pronalaženju "savršenog" modela. Koristite ono što će vas prvo dovesti na tržište. Jednostavne tehnike poput RAG-a rade iznenađujuće dobro ako im date pravi kontekst. Ako su napravljeni na pravi način, proizvodi s umjetnom inteligencijom automatski postaju bolji sami od sebe kada se temeljni model poboljša. Brzina prije savršenstva... Eksperimentiranje zahtijeva fleksibilnost. Stvorite modularnu arhitekturu tako da možete zamijeniti modele ili značajke i integrirati jasne, mjerljive sustave povratnih informacija unutar proizvoda — "izgradnja vibracijama" nije uspješna. Vaša bi vam arhitektura trebala dati solidnu prednost u brzini ponavljanja. ...ali zakucajte temelj. Čak i sa "savršenim" modelom, počnite s pretpostavkom da će 20% zadatka zahtijevati čovjeka u petlji za kontrolu kvalitete. Učinite ovu interakciju što je moguće jednostavnijom i intuitivnijom ili ćete brzo izgubiti kupnju korisnika. Što više osnažujete ljude u krugu, to ih više možete iskoristiti za poboljšanje vašeg proizvoda. Vaše sučelje može napraviti (ili uništiti) vaš proizvod. U industrijama stare škole vitalno znanje nije digitalizirano – ono je u glavama ljudi. Ako preferencije kupaca postoje samo u umu Joeya, trgovačkog predstavnika, stvorite sučelje koje će ih uhvatiti. Ovi uvidi jačaju i razlikuju vaš model, dajući mu prednost podataka koji se stalno razvija. Uhvatite nestrukturirano znanje. Inženjerstvo vodi vaš AI proizvod daleko, ali povratna informacija ga vodi dalje. Pružite besprijekoran način za korisnike da unesu povratne informacije izravno unutar proizvoda i kombinirajte to s mehanizmom za ugađanje kako biste potaknuli točnije, kontekstualno relevantne rezultate. Petlje povratnih informacija pokreću točnost. Tajna rada s naslijeđenim sustavima Evo teške istine: bez obzira na to koliko je vaše AI rješenje sjajno, još uvijek su vam potrebni oni stari ERP igrači koji će se htjeti integrirati s vama. Nije dovoljno razviti vrhunsku umjetnu inteligenciju ako ne može komunicirati sa sustavima na koje se distributeri već oslanjaju. A kada uskočite kao da ih pokušavate zamijeniti, s vama postaje nemoguće raditi. U našem slučaju, trebali smo naslijeđene ERP-ove kako bismo omogućili integracije putem metoda kao što su EDI (Electronic Data Interchange) ili SFTP razmjena datoteka. Ovi naslijeđeni sustavi duboko su ugrađeni i nije uvijek jednostavno uvjeriti ih (zatim projektirati) da se povežu s novim alatima umjetne inteligencije. No pronašli smo slatku točku nudeći dodatak koji zapravo poboljšava njihov postojeći proizvod, potičući klijente da se drže svoje postojeće infrastrukture, a da pritom iskoriste sve prednosti umjetne inteligencije. Čarolija je bila u tome što smo i tvrtki i njihovom pružatelju infrastrukture pokazali kako je naša umjetna inteligencija bila neto pozitivna, a da se nisu osjećali kao da trebaju sve odbaciti ili izgubiti partnerstvo. Nemojte biti isključeni previđanjem postojeće mreže i pretjeranim igranjem. Ipak, zlatni prozor za ovu vrstu integracije brzo se zatvara. Stručnost AI se širi, a čak i sporiji pružatelji usluga stare škole ulaze u igru. Morat ćete djelovati brzo, pronaći svoj kut i raditi s postojećim igračima. Za postojeće u industriji, čuvajte se novih softverskih rješenja koja imaju pristup. To su proizvodi koji pružaju potpuno samostalnu poslovnu jedinicu (npr. prodaja na terenu) i značajno pomiču jednadžbu trošak/prihod u svoju korist. Rano razumijevanje ove dinamike ključno je za odabir pravih partnera. integrirajući i surround Za ponijeti: Radite zajedno s naslijeđenim sustavima, pokazujući jasne prednosti i poboljšanja koja ne zahtijevaju potpunu reviziju. Pomozite im da uvide vrijednost niskorizičnog dodatka s visokom nagradom. Za ponijeti za budućnost Ovi tradicionalni sektori koji su se oslanjali na nestrukturirane podatke - poput rukom pisanih dnevnika i audio zapisa - konačno su dostupni modernim tehnološkim rješenjima, zahvaljujući LLM-u. Vertical SaaS brzo postaje održiviji u ovim industrijama i primamljivo je primijeniti AI na sve. Ipak, upamtite da se uspjeh umjetne inteligencije ne svodi samo na tehnologiju. Ključni izazov i dalje leži u postizanju usklađenosti proizvoda s tržištem. Iako AI prodorima otvara vrata, oni ne mijenjaju osnove razvoja proizvoda. Započnite razvijanjem jasnog razumijevanja svojih korisnika i njihovih potreba; tehnologija će slijediti. Gledajući unatrag, najveća lekcija koju smo naučili je da AI najbolje uspijeva kada se uklapa u postojeće procese, a ne kada ih pokušava promijeniti. Pitanje je tko će iskoristiti priliku prije nego što nestane? Ima još malo priče. U 3. dijelu istražit ću kako kombinacija strategije skupljanja s umjetnom inteligencijom stvara dobitnu formulu za SaaS u tradicionalnim industrijama.
