Изградња вертикалног СааС-а у индустрији старе школе: АИ која одговара, а не бори се

Путовање у изградњу СааС-а вођеног вештачком интелигенцијом одвело нас је у непознате воде, посебно када смо схватили колико је то потребно овим индустријама старе школе. У првом делу ове серије , говорио сам о препрекама на које смо наишли у изградњи нашег првог ЕРП производа. Сада, хајде да заронимо у то како нам је вештачка интелигенција помогла да се окренемо и откључамо нове могућности у индустрији која још увек покушава да ради ствари на старомодан начин.

Где је све почело

Када смо почели, е-трговина је изгледала као очигледно решење за дистрибутере. Направили смо алате за модернизацију њихових застарелих процеса уноса поруџбина, али смо брзо ударили у зид — кувари су и даље радије подизали телефон да би позвали добављаче. Нису хтели да одступе од својих обичаја старе школе, а ниједан елегантан онлајн систем неће то променити преко ноћи. Требали смо да их дочекамо тамо где су били.

Зато смо се вратили на таблу за цртање и почели да позивамо све оператере које опслужују наши клијенти добављачи – све од активних корисника апликација за е-трговину, узбурканих корисника, до кувара који су се жестоко противили идеји апликације – да питају шта они заиста мисле . Како се испоставило, наручивање из апликације није било 10 пута боље искуство које смо замислили у односу на позивање/слање СМС-ова/е-порука, осим ако бисмо некако могли да им дамо увид у доступност производа и статус испоруке, проблем који смо сматрали превише тешким за решавање само софтверски производ.

Истовремено, знамо да се велетрговци још увек даве у сатима ручног уноса поруџбина сваке ноћи. Како да аутоматизујемо сав овај досадан посао? Тада је кликнуло – велики језички модели су савршени за руковање таквим радним токовима са неструктурираним подацима. АИ драматично мења једначину трошкова како бисмо могли да аутоматизујемо операције које су раније биле превише неуредне да би их – то је део који недостаје који би коначно могао да уведе индустрију са недовољно технолошког нивоа као што је дистрибуција хране у модерну еру. То је заиста промена парадигме: око 80% података у свету је неструктурирано.

Дакле, променили смо брзину. Уместо да гурамо и добављаче и оператере да усвоје потпуно дигиталне токове посла, направили смо алате са вештачком интелигенцијом као што је Буттер-ов АИ Ордер Ассистант који је допунио њихов постојећи процес.

Прављење заокрета помоћу вештачке интелигенције (више од обећања)

Прилично смо брзо научили да успех вештачке интелигенције није био у стварању „секси“ производа – већ у томе да се увери да заиста испуњава корисничке задатке. Помоћник АИ за наручивање није тражио од кувара или дистрибутера да поново осмисле свој процес. Прилагодио се ономе што су већ знали, убацивши се право у њихове токове посла.

То је све што је потребно. Изградњом вештачке интелигенције која је способна да обрађује наређења на природном језику (мислите на гласовне команде или текстове), учинили смо процес лакшим, а не тежим. И пошто је то био додатак, а не потпуна замена система, дистрибутери су га брзо усвојили. У року од неколико недеља од лансирања, десетине добављача и ЕРП партнера су изразили интересовање. Они су то видели као лаку надоградњу без главобоља које обично долазе са „дигиталном трансформацијом“.

Када се клијент укључи, повезујемо се са пријемним сандучетом е-поште и говорне поште њихове службе за наручивање и аутоматски почињемо да претварамо долазне клијентске поруџбине у структуриране уносе налога за куповину, користећи садржај водича за поруџбину сваког клијента, као и њихове историјске обрасце поруџбина (читане из њихових ЕРП-ова). По први пут икада, знање о преференцијама кувара је коначно пренето са главе продајног представника Џоија у дигитални систем — када кувар једноставно наручи „2 случаја шкампа“, систем може тачно да разуме да ли они значе „4-6 тигрова шкампа“ Замрзнуте“, а не „16-20 ЕЗ Пеел Схримп“, или 80 других продатих варијанти производа од шкампа.

Знајући да предлози вештачке интелигенције неће бити 100% савршени, спровели смо опсежне УКС интервјуе и обезбедили да корисници могу лако да исправе излаз модела како би следећи пут био исправан. Најважније, побринули смо се да све може да се изврши само уносом са тастатуре, пошто се они у великој мери ослањају на сличне интервентне тастере у ЕРП системима за унос стотина поруџбина. Корисницима се допало искуство и брзо су ускочили. Крајњи резултат? Време обраде поруџбина је смањено за више од 96%, а клијенти добављачи би могли да смање број запослених у позадинским службама или да их унапреде да обављају задатке веће вредности као што су контрола квалитета и управљање односима са купцима.

Након што је ГрубМаркет купио Буттер, узели смо модел АИ Ордер Ассистант и скалирали га у ГрубАссист. Овај алат се налази на врху постојећих ЕРП-ова, пружајући пословну интелигенцију и аналитику на природном језику. Безболно се интегрише у оно што прехрамбена индустрија зна и користи. И као што свако ко је упознат са пријемом у складиште или БОХ зна, непрекидни токови посла су једине ствари које људе одржавају здравим.

За понети: Започните са АИ решењем које се уклапа у постојеће токове посла, без ремонта свега. Лакоћа интеграције и познавање су кључни за брже усвајање.

Лекције из изградње ЛЛМ производа

1. Дизајнирајте око технолошких ограничења. ЛЛМ су моћни, али још увек сазревају; могу заостајати или промашити оцену поузданости. Паметан дизајн може сакрити неке од техничких недостатака. На пример, пошто ресторани/продавци наруџбине предају унапред за следећи дан, можемо себи приуштити да их обрадимо у позадини (пре него што особље добављача дође на посао у раним јутарњим часовима), одлучујући се за моделе са већим капацитетом расуђивања уз жртвовање неке брзине.

   
   

2. Брзина пре савршенства... У раним фазама, немојте се заглавити у проналажењу „савршеног” модела. Искористите оно што ће вас прво довести на тржиште. Једноставне технике попут РАГ-а раде изненађујуће добро ако им дате прави контекст. Ако су направљени на прави начин, производи са АИ-ом аутоматски постају бољи сами од себе када се основни модел побољша.

   
   

3. …али закуцајте темељ. Експериментисању је потребна флексибилност. Креирајте модуларну архитектуру тако да можете да замените моделе или функције и интегришете јасне, мерљиве системе повратних информација у производу – „изградња помоћу вибрација“ не утиче на то. Ваша архитектура би требало да вам пружи солидну предност у брзини итерације.

   
   

4. Ваш интерфејс може направити (или покварити) ваш производ. Чак и са „савршеним“ моделом, почните са претпоставком да ће за 20% задатка бити потребан човек у петљи за контролу квалитета. Учините ову интеракцију што једноставнијом и интуитивнијом или ћете брзо изгубити учешће корисника. Што више оснажујете човека у кругу, то више можете да га искористите да побољшате свој производ.

   
   

5. Ухватите неструктурирано знање. У старим школским индустријама, витално знање није дигитализовано – оно је у главама људи. Ако преференције купаца постоје само у уму Јоеи-ја продајног представника, креирајте интерфејс да их ухватите. Ови увиди јачају и разликују ваш модел, дајући му предност у подацима који се стално развија.

   
   

6. Петље за повратне информације покрећу тачност. Инжењеринг води ваш АИ производ далеко, али повратне информације га воде даље. Омогућите корисницима беспрекоран начин да уносе повратне информације директно у производ и комбинујте ово са механизмом за подешавање да бисте остварили тачније, контекстуално релевантне резултате.

Тајна рада са старим системима

Ево тешке истине: без обзира колико је сјајно ваше АИ решење, и даље су вам потребни ти ЕРП играчи старе школе да желе да се интегришу са вама. Није довољно развити најсавременију вештачку интелигенцију ако не може да комуницира са системима на које се дистрибутери већ ослањају. А када уђете као да покушавате да их замените, са вама постаје немогуће радити.

У нашем случају, били су нам потребни стари ЕРП-ови да бисмо омогућили интеграције путем метода као што су ЕДИ (електронска размена података) или СФТП размена датотека. Ови застарели системи су дубоко уграђени, и није увек лако убедити (а затим их архитектуру) да се повежу са новим АИ алатима. Али пронашли смо слатку тачку тако што смо понудили додатак који заправо побољшава њихов постојећи производ, подстичући клијенте да се придржавају своје постојеће инфраструктуре, док истовремено добијају све предности вештачке интелигенције. Магија је била у томе да се и послу и њиховом провајдеру инфраструктуре покаже како је наша вештачка интелигенција нето позитивна, а да се не осећају као да морају да одбаце све или изгубе партнерство. Немојте бити изрезани тако што ћете превидети постојећу мрежу и преиграти своју руку.

Ипак, златни прозор за ову врсту интеграције брзо се затвара. Стручност за вештачку интелигенцију се шири, а чак и спорији пружаоци услуга старе школе улазе у игру. Мораћете брзо да реагујете, пронађете свој угао и радите са постојећим играчима.

За запослене у индустрији, чувајте се нових софтверских решења која имају интегрисани и сурроунд приступ. То су производи који обезбеђују потпуно самосталну пословну јединицу (нпр. продаја на терену) и значајно померају једначину трошкова/прихода у своју корист. Рано разумевање ове динамике је кључно за одабир правих партнера.

За понети: Радите заједно са застарелим системима, показујући јасне предности и побољшања која не захтевају потпуну ревизију. Помозите им да виде вредност додатка са ниским ризиком и високом наградом.

За понети за будућност

Ови традиционални сектори који су се ослањали на неструктуриране податке — попут руком писаних дневника и аудио записа — коначно су доступни савременим технолошким решењима, захваљујући ЛЛМ-овима. Вертикални СааС брзо постаје одрживији у овим индустријама и примамљиво је применити АИ на све.

Ипак, запамтите да се успех вештачке интелигенције не своди само на технологију. Кључни изазов и даље лежи у постизању усклађености производа са тржиштем. Док АИ пробоји отварају врата, они не мењају основе развоја производа. Почните тако што ћете развити јасно разумевање ваших корисника и њихових потреба; технологија ће уследити.

Гледајући уназад, највећа лекција коју смо научили била је да вештачка интелигенција најбоље успева када се уклопи у постојеће процесе, а не када покушава да их промени. Питање је, ко ће искористити прилику пре него што је нестане? Има још мало приче. У трећем делу ћу истражити како комбиновање збирне стратегије са вештачком интелигенцијом ствара добитну формулу за СааС у традиционалним индустријама.