Η Microsoft, μέσα από την τρίτη ανάρτηση της σειράς Accelerating Frontier Transformation, εξετάζει ένα πιο ώριμο στάδιο υιοθέτησης της τεχνητής νοημοσύνης στις επιχειρήσεις. Η συζήτηση δεν περιορίζεται πλέον σε μεμονωμένες εργασίες, όπως η σύνταξη εγγράφων ή η σύνοψη συσκέψεων, αλλά επεκτείνεται στον συνολικό επανασχεδιασμό των ροών εργασίας. Το βασικό επιχείρημα είναι ότι η πραγματική αξία της AI προκύπτει όταν αλλάζει ο τρόπος οργάνωσης της δουλειάς ανάμεσα σε ομάδες, λειτουργίες και επίπεδα λήψης αποφάσεων. Αυτό μετατοπίζει το ενδιαφέρον από την απλή παραγωγικότητα σε νέα επιχειρησιακά μοντέλα.
Το υλικό βασίζεται σε συζητήσεις με στελέχη που συμμετείχαν στα Microsoft Frontier Tours σε διάφορες αγορές. Από αυτές τις συνομιλίες προκύπτει ότι οι οργανισμοί αναζητούν τρόπους να μετατρέψουν την AI σε μετρήσιμη επιχειρηματική αξία, αξιοποιώντας τη γνώση που ήδη διαθέτουν και ενσωματώνοντας δικλίδες ελέγχου. Η Microsoft συνοψίζει αυτή τη μετάβαση σε δύο θεμέλια, την ευφυΐα και την εμπιστοσύνη. Δηλαδή, αφενός η AI πρέπει να λειτουργεί με το σωστό πλαίσιο και τα σωστά δεδομένα, αφετέρου να εντάσσεται σε περιβάλλον με ασφάλεια, διακυβέρνηση και ανθρώπινη εποπτεία.
Από την ταχύτητα στο επιχειρηματικό αποτέλεσμα
Ένα από τα κεντρικά σημεία της ανάλυσης είναι ότι η επιτάχυνση μιας διαδικασίας δεν αρκεί από μόνη της ως δείκτης επιτυχίας. Αυτό που έχει σημασία είναι το ποιο αποτέλεσμα επιδιώκει να πετύχει ο οργανισμός, είτε πρόκειται για ισχυρότερη πρόταση προς πελάτη, είτε για καλύτερα τεκμηριωμένη απόφαση, είτε για απελευθέρωση χρόνου για εργασία υψηλότερης αξίας. Όταν ο στόχος οριστεί με σαφήνεια, τότε μπορεί να επανεξεταστεί και η ίδια η δομή της διαδικασίας. Έτσι, η AI δεν προστίθεται απλώς ως ακόμη ένα εργαλείο πάνω σε παλιά βήματα.
Η Microsoft υποστηρίζει ότι αυτή η προσέγγιση βοηθά τις ομάδες να ξανασκεφτούν τον τρόπο με τον οποίο συνεργάζονται άνθρωποι, δεδομένα και ψηφιακοί agents. Η λογική είναι ότι η βελτίωση δεν προκύπτει μόνο από την αυτοματοποίηση επιμέρους ενεργειών, αλλά από τον ανασχεδιασμό της αλληλουχίας και της κατανομής ευθυνών μέσα σε μια ροή εργασίας. Σε αυτό το πλαίσιο, η λήψη αποφάσεων αποκτά καλύτερη πρόσβαση στη γνώση του οργανισμού. Παράλληλα, γίνεται πιο ξεκάθαρο σε ποια σημεία η ανθρώπινη κρίση παραμένει αναντικατάστατη.
Η περίπτωση της Advania UK και η ποιότητα στις προτάσεις
Χαρακτηριστικό παράδειγμα που αναφέρεται στο κείμενο είναι η Advania UK, εταιρεία υπηρεσιών πληροφορικής. Για την ομάδα που απαντά σε αιτήματα προσφοράς, το ζητούμενο δεν ήταν μόνο να επιταχυνθεί η παραγωγή απαντήσεων, αλλά να βελτιωθεί και η ποιότητά τους. Η εταιρεία χρησιμοποιεί έναν agent για RFP που αντλεί από χιλιάδες προηγούμενες προτάσεις, ώστε να συνθέτει πιο δομημένες και ολοκληρωμένες απαντήσεις. Σύμφωνα με όσα μεταφέρει η Microsoft, ο χρόνος προετοιμασίας έχει πέσει σε λιγότερο από το μισό σε σχέση με το παρελθόν.
Η σημασία του παραδείγματος δεν βρίσκεται μόνο στο επιχειρησιακό όφελος, αλλά και στη μεθοδολογία. Η AI δεν χρησιμοποιείται εδώ ως απλό βοήθημα συγγραφής, αλλά ως μηχανισμός αξιοποίησης της συσσωρευμένης οργανωσιακής γνώσης σε μια κρίσιμη εμπορική διαδικασία. Με αυτόν τον τρόπο, η εταιρεία επιχειρεί να συνδέσει τη γνώση του παρελθόντος με τη σημερινή ανταγωνιστικότητα. Το σημείο αυτό δείχνει πώς μια διαδικασία μπορεί να αναβαθμιστεί ουσιαστικά όταν το ζητούμενο είναι ταυτόχρονα η ποιότητα και ο χρόνος απόκρισης.
Η ανάγκη για σαφή χρήση πριν από την επιλογή εργαλείων
Στο ίδιο πνεύμα, η Trustmarque Ultima υπογραμμίζει ότι η αφετηρία δεν πρέπει να είναι το ίδιο το εργαλείο, αλλά η επιχειρηματική ανάγκη. Όπως προκύπτει από την εμπειρία της με πελάτες, πολλές επιχειρήσεις βρίσκονται ακόμη στο στάδιο της χαρτογράφησης ρόλων και περιπτώσεων χρήσης. Αυτό πρακτικά σημαίνει ότι προσπαθούν πρώτα να καταλάβουν πού θα τους ωφελήσει πραγματικά η AI. Η διαχείριση της αλλαγής και η επικοινωνία με τους τελικούς χρήστες παρουσιάζονται ως καθοριστικά στοιχεία αυτής της φάσης.
Η επισήμανση αυτή έχει ιδιαίτερη βαρύτητα, επειδή περιγράφει ένα συχνό λάθος στην αγορά, την υιοθέτηση AI χωρίς σαφή σκοπό. Όταν ο οργανισμός δεν έχει προσδιορίσει ποιο πρόβλημα θέλει να λύσει, η τεχνολογία κινδυνεύει να μείνει αποσπασματική. Αντίθετα, όταν ορίζεται πρώτα η ανάγκη, τότε μπορούν να σχεδιαστούν οι κατάλληλες παρεμβάσεις στη ροή εργασίας. Με αυτή τη σειρά, η AI εντάσσεται σε πραγματικές λειτουργικές προτεραιότητες και όχι σε πειραματισμούς χωρίς συνέχεια.
Δεδομένα, πλατφόρμες και κοινό τεχνολογικό υπόβαθρο
Ένα δεύτερο βασικό θέμα της ανάρτησης είναι ότι ο ανασχεδιασμός διαδικασιών απαιτεί πρόσβαση στη σωστή πληροφορία. Η Microsoft σημειώνει ότι πολλές εργασίες εξαρτώνται από εταιρική εμπειρία, λειτουργικά δεδομένα και γνώση που είναι διασκορπισμένη σε διαφορετικές ομάδες. Αν αυτά τα στοιχεία δεν συνδεθούν μεταξύ τους, η AI δύσκολα μπορεί να συμβάλει ουσιαστικά σε μια επιχειρησιακή ροή. Γι’ αυτό η τεχνολογική βάση αποκτά στρατηγική σημασία.
Η Stanwell Corporation, παραγωγός ενέργειας στο Queensland, παρουσιάζεται ως παράδειγμα αυτής της λογικής. Η εταιρεία αξιοποιεί το Microsoft Azure ως τυποποιημένη πλατφόρμα, με στόχο να αποφεύγει πολλαπλές τεχνολογικές στοίβες που είναι δύσκολες στη συντήρηση. Πάνω σε αυτή τη βάση έχει αναπτύξει εφαρμογή πρόβλεψης τιμών ενέργειας, η οποία υποστηρίζει τις εμπορικές αποφάσεις. Όπως αναφέρεται, η χρησιμότητα των προβλέψεων επεκτείνεται επίσης στη διαχείριση κινδύνου του χαρτοφυλακίου και στις οικονομικές προβλέψεις της εταιρείας.
Η εμπιστοσύνη ως προϋπόθεση, όχι ως συμπλήρωμα
Η Microsoft επιμένει ότι η πρόσβαση στη γνώση του οργανισμού δεν αρκεί χωρίς σαφείς όρους προστασίας και ελέγχου. Στην περίπτωση της GHD, εταιρείας επαγγελματικών υπηρεσιών στους τομείς της μηχανικής, της αρχιτεκτονικής και της περιβαλλοντικής επιστήμης, η προστασία εταιρικών δεδομένων αποτέλεσε βασική προϋπόθεση για τη χρήση AI από τους εργαζομένους. Ιδιαίτερη έμφαση δόθηκε στη διατήρηση των περιορισμών πρόσβασης και των κανόνων ιδιωτικότητας ακόμη και μέσα στις απαντήσεις που παράγει το σύστημα. Αυτό δείχνει ότι η εμπιστοσύνη χτίζεται με τεχνικούς και οργανωτικούς μηχανισμούς μαζί.
Η GHD δεν περιορίστηκε μόνο στην ασφάλεια των δεδομένων. Σύμφωνα με τη Microsoft, επένδυσε και στην εκπαίδευση των εργαζομένων ώστε να κατανοούν τις πηγές, τις παραπομπές και τα πιθανά σφάλματα στις απαντήσεις της AI. Το στοιχείο αυτό είναι κρίσιμο, επειδή η ανθρώπινη εποπτεία δεν σημαίνει απλώς τελική έγκριση, αλλά ικανότητα αξιολόγησης της ποιότητας της πληροφορίας. Ειδικά όταν οι απαντήσεις επηρεάζουν προτάσεις προς πελάτες ή επιχειρηματικές αποφάσεις, η ενημερωμένη ανθρώπινη κρίση παραμένει κεντρική.
Πώς αποδεικνύεται η αξία πριν από την κλιμάκωση
Στην τελευταία ενότητα της ανάλυσης, η Microsoft στρέφεται στο ζήτημα της μέτρησης. Η αξία ενός ανασχεδιασμένου process, όπως τονίζει, πρέπει να φαίνεται στην ίδια την εργασία που υποστηρίζει. Η ταχύτητα είναι ένας παράγοντας, αλλά δεν αρκεί χωρίς αξιολόγηση της ποιότητας, του κόστους και της διαθέσιμης δυνατότητας των εργαζομένων να αφιερώνονται σε πιο εξειδικευμένες εργασίες. Η σύγκριση αυτών των μεγεθών βοηθά τις διοικήσεις να κρίνουν αν η αλλαγή πέτυχε τον επιδιωκόμενο στόχο.
Η περίπτωση της Grant Thornton Australia χρησιμοποιείται για να δείξει πώς η AI μπορεί να εξεταστεί μέσα σε ένα ευρύτερο μοντέλο εργασιακής οργάνωσης. Η εταιρεία είχε ήδη υιοθετήσει πρόγραμμα εννέα ημερών εργασίας ανά δύο εβδομάδες, με 100% αμοιβή, 90% χρόνου εργασίας και 100% αναμενόμενων αποτελεσμάτων. Μέσα σε αυτό το πλαίσιο διερεύνησε πώς το Copilot θα μπορούσε να υποστηρίξει τους εργαζομένους στη διαχείριση του χρόνου τους. Η αναφερόμενη συσχέτιση ότι οι κάτοχοι άδειας Copilot έπαιρναν 10% περισσότερο recharge time είναι ενδιαφέρουσα, αλλά η ίδια η Microsoft διευκρινίζει ότι δεν αποδεικνύει αιτιώδη σχέση.
Το συμπέρασμα που προκύπτει είναι πιο γενικό. Κάθε οργανισμός χρειάζεται μετρήσεις προσαρμοσμένες στις δικές του διαδικασίες, είτε αυτές αφορούν την ποιότητα μιας πρότασης προς πελάτη είτε την επίδραση μιας πρόβλεψης σε επιχειρηματικές αποφάσεις. Αν οι μετρήσεις οριστούν από την αρχή, τότε υπάρχει σαφέστερη βάση για βελτίωση και για απόφαση σχετικά με το τι αξίζει να επεκταθεί. Η Microsoft συνοψίζει αυτή την πορεία σε τρεις κινήσεις, σαφές αποτέλεσμα, σύνδεση γνώσης με εμπιστοσύνη και απόδειξη αξίας πριν από την κλιμάκωση.
