Automatisierung mit KI aufwerten: Das essenzielle Playbook (Teil 1)

Künstliche Intelligenz (KI) erweitert den Wert Ihres Automatisierungsprogramms. KI zu Ihrem Automatisierungsprogramm hinzuzufügen, eröffnet fast grenzenlose Möglichkeiten, intelligente, kognitive Prozesse zu automatisieren – und treibt Produktivität, Effizienz und Kundenzufriedenheit auf neue Höhen.

Während des AI Playbook Webinars (Teil unseres AI Summit) wandten wir uns an Brian Klochkoff, Head of Automation für Americas bei dentsu international, um aus erster Hand zu erfahren, wie es ist, KI zur Automatisierung hinzuzufügen und diesen Wert zu erreichen. Ob Automatisierung für Ihr Business primär Robotic Process Automation (RPA), Data Analytics oder Machine Learning (ML) bezeichnet – die Einbindung von KI in Ihr Automatisierungsprogramm kann es mächtiger und umfassender machen.

In diesem Beitrag erkläre ich den zweistufigen Prozess, der die Bühne für KI bereitet:

1. Wie Sie feststellen, ob Sie bereit sind, KI zur Automatisierung hinzuzufügen.

2. Wie Sie Schwung für KI-Akzeptanz aufbauen.

In Teil 2 dieser Serie zeige ich, wie Sie KI-Modelle in Ihr bestehendes Automatisierungsprogramm integrieren und welche Best Practices Sie befolgen sollten.

Feststellen, ob Sie bereit sind, KI zu Ihrem Automatisierungsprogramm hinzuzufügen

Unternehmen, die KI-Technologien prüfen, fragen zu Recht, ob sie bereit sind. Wir haben dieses komplexe Problem auf zwei Fragen heruntergebrochen.

1. Haben Sie einen Vision Champion?

Ein Vision Champion ist ein Leader, der Business Engagement und Execution Support vorantreibt.

In unserem Beitrag zum Aufbau eines Teams zur Unterstützung eines Automatisierungs-Operating-Models definieren wir zwei Arten von Executive Sponsors: den Mobilizer und den Digital Steward. Der Mobilizer erklärt den Wert der Automatisierung, rekrutiert Talent für das RPA-Team und zieht initiale Finanzierung an. Der Digital Steward nimmt das, was der Mobilizer etabliert hat, und baut darauf auf, indem er Executives zum Buy-in überzeugt und das Automatisierungsteam zu seiner nächsten Wachstumsphase steuert.

Ein Vision Champion braucht einen Mix dieser Skills. Wenn Sie KI auf Automatisierung layern, haben Sie vielleicht schon einen Mobilizer, einen Digital Steward und (hoffentlich) viele weitere Automatisierungs-Fans. Was Sie von einem KI-Vision-Champion brauchen, ist anders.

Wenn Sie jemanden prüfen, der Ihr KI-Vision-Champion sein könnte, fragen Sie sich:

• Wird diese Person leidenschaftlich und unermüdlich die KI-Vision vertreten? KI-Befürworter, selbst im Gespräch mit Leuten, die Automatisierung nutzen, können auf Skepsis stoßen – Ihr Vision Champion darf nicht jemand sein, der leicht entmutigt wird.

• Hat diese Person starken Einfluss auf Organisation und Executive Stakeholder? Leidenschaft und Entschlossenheit reichen nur so weit – ein großer Vision Champion braucht den Einfluss, der ihrem Drive entspricht. Die Strategie muss unternehmensweit sein, also muss der Einfluss dieser Person es auch sein.

• Kann diese Person einen starken Business Case für Executive Stakeholder artikulieren? Schließlich muss diese Person die Vorteile von KI so artikulieren können, dass Executive Stakeholder sie verstehen und glauben.

Die Antworten auf die obenstehenden Fragen helfen Ihnen, die Antwort auf die größere Frage zu bestimmen: Haben Sie einen Vision Champion?

Sobald Sie einen Champion im Kopf haben, können wir zur nächsten großen Frage übergehen.

2. Ist Ihr Automatisierungsprogramm reif genug für KI?

In früheren Artikeln haben wir Automatisierung mit einer Reise verglichen und Frameworks für Skalierung bereitgestellt. Wir betonen die langfristige Natur der Automatisierung wegen ihres Potenzials für Top-to-Bottom-Transformation. Dieses Level an Veränderung erfordert eine langfristige Perspektive.

Deshalb ist es so wichtig, kritisch zu prüfen, ob es der richtige Zeitpunkt ist, KI zu Ihrem Automatisierungsprogramm hinzuzufügen. Wir glauben, alle Unternehmen werden KI eventually als essenziell betrachten, aber das bedeutet nicht, dass alle Unternehmen heute rushen sollten, KI zu implementieren.

Um die Reife Ihres Automatisierungsprogramms zu bestimmen, fragen Sie sich und Ihr Team:

• Haben Sie bestehende Governance und Prozesse für ein Automatisierungsprogramm? KI in ein Automatisierungsprogramm ohne bestehende Governance zu deployen, kann den Impact von KI mindern, seinen Business Case verschlechtern. Zudem kann fehlende Governance Menschen vorsichtig machen gegenüber Risiken neuer Technologien. Starten Sie damit, Governance zu Ihrem bestehenden Automatisierungsprogramm hinzuzufügen. Mit Governance an Ort und Stelle können Sie neue Lösungen wie KI darauf layern und Ihrem Team Confidence und Peace of Mind geben.

• Haben Sie bestehende Infrastruktur und Ressourcen zum Hebeln? Komplexe KI-Implementierungen brauchen Data Scientists ebenso wie RPA-Entwickler. Die Skillsets Ihrer Data Scientists und RPA-Entwickler sind komplementär, aber sie wissen vielleicht noch nicht, wie sie zusammenarbeiten. Mit der richtigen Governance-Struktur können Sie neue Workflows konfigurieren, die diese Teams zur Kollaboration befähigen.

• Haben Sie eine Vision für die Demokratisierung von KI für Business User? Demokratisierung befähigt Business User, Automatisierung und KI zu nutzen. Bauen Sie Ihre Vision für Demokratisierung in Ihren KI-Rollout ein. Diese Vision stellt sicher, dass Design von KI-Infrastruktur und Governance Business User im Blick hat.

Ein reifes Automatisierungsprogramm, in Klochkoffs Worten, wird Ressourcen involvieren, die „leidenschaftlich daran sind, die Intersection von operativer Exzellenz und technologischem Potenzial zu finden.“ Diese Intersection ist essenziell, weil Leidenschaft für KI und ML notwendig, aber nicht hinreichend für Erfolg ist. Business-Praktikabilität ist auch wichtig.

Automatisierungsprogramm-Reife ist nichts, worauf man nur warten muss. Indem Sie ein Automatisierungs-Operating-Model bauen, können Sie durch die frühen Phasen der Automatisierungsimplementierung gehen und Automatisierung effektiv skalieren.

Schwung für KI-Begeisterung aufbauen

KI steht auf der Agenda jedes C-Suite-Executives, aber auch viele andere konkurrierende Initiativen. Um den C-Suite sowie Ihr Unternehmen für KI zu begeistern, fokussieren Sie auf Schwungaufbau durch Demystifizierung, Engagement und Demonstration des Falls für Investition in KI.

KI entmystifizieren, um Ängste zu lindern und Begeisterung zu wecken

KI wird nach wie vor häufig missverstanden, teilweise wegen der vielen verschiedenen Technologien da draußen. Es gibt jetzt ein Spektrum an Tools – von einfach, für Business User zugänglich, bis komplex, primär für Data Scientists zugänglich.

Selbst wenn Ihr Unternehmen ein blühendes Automatisierungsprogramm voller engagierter Leader hat, bedeutet das nicht, dass jemand KI versteht. Dieses Fehlverständnis kann zu Vorsicht, wenn nicht offener Angst führen. Ihr Ziel ist es, KI zu einer realistischen, verständlichen Entität zu machen – einer, die Menschen von der Executive-Ebene abwärts verstehen können.

„Am Ende des Tages“, sagt Klochkoff, „denke ich, dass Automatisierung eigentlich etwas sehr Menschliches ist, für viele von uns … Wenn Sie High-Volume, tedious, monotonous Work entfernen, egal wie, kann sich jeder – vom CFO bis zum Entry-Level-Assistant – damit identifizieren.“

Wir empfehlen drei Wege, KI zu entmystifizieren:

• Menschliche Verbindungen schaffen: Finden Sie Stakeholder, die verstehen, dass in Klochkoffs Worten „inkrementeller Fortschritt wichtiger ist als Perfektion.“ KI, aufgrund der Natur von ML und KI-Modellen, wird selten beim ersten Mal perfekt sein. Helfen Sie Leuten zu verstehen, dass das Ziel ist, einen Confidence Threshold zu erreichen und die Modelle über Zeit zu lehren.

• Den richtigen Business Case identifizieren: Klochkoff sagt, Sie müssen die „mentale Lücke“ zwischen Idee und Implementation überbrücken, indem Sie Stakeholdern zeigen, wie KI ihren Alltag beeinflussen wird. KI fühlt sich oft scary an, weil es distanziert ist – tun Sie Ihr Bestes, um es real statt abstrakt wirken zu lassen. Der richtige Business Case wird ein Proof of Concept sein und, einmal implementiert, Proof of Value demonstrieren.

• Auf Proof of Value fokussieren: Zeigen Sie das Potenzial von KI mit einfacheren Technologien. Klochkoff empfiehlt, eine vertraute Technologie wie Amazon Alexa zu nutzen. Alexa ist weit weg von Enterprise KI, aber die Vertrautheit Ihrer Audience damit hilft ihnen, den Wert zu verstehen. Wenn Sie ihnen zeigen können, wie ein Voice Assistant via KI Wert hinzufügen kann, sind Sie einen Schritt näher am Beweis des Werts von Enterprise KI.

Klochkoff empfiehlt, Ihre Stakeholder zu bitten, sich einen „Voice Assistant für Business“ vorzustellen. Wie können wir Leuten Zugang zu IT Self Service mit Natural Language Processing (NLP) geben? Erklären Sie die Vorteile, die eine solche Implementation haben könnte. Nutzen Sie die Analogie, um zu zeigen, dass sogar eine unperfekte Implementation nützlich ist. Millionen Menschen nutzen Alexa, obwohl sie ihre Queries nicht 100 % korrekt jedes Mal versteht.

Das sind nicht drei separate Methoden, sondern drei Komponenten eines guten Falls für KI.

Leader, Mitarbeiter und Ressourcen in die Lösungen einbinden, die KI bietet

Während Sie Schwung aufbauen, behalten Sie im Hinterkopf, dass verschiedene Stakeholder Ihre Audience bilden – Ihre Messaging muss sich je nachdem verschieben, mit wem Sie sprechen.

Wenn Sie mit Leadern sprechen, appellieren Sie an sie, indem Sie zeigen, wie RPA und KI reale Business-Probleme lösen können. Business-Probleme sind die Sprache, die sie sprechen – sprechen Sie dieselbe Sprache.

Wenn Sie mit Mitarbeitern sprechen, führen Sie sie durch Use Cases. Zeigen Sie Mitarbeitern, wie sie KI in ihre tägliche Arbeit integrieren können. Wieder: Demystifizieren. So viel wie nötig, nehmen Sie sich Zeit, um etwas von der KI-Logik zu erklären, mit der sie interagieren werden. Sie werden letztlich immer noch für die Ergebnisse dieser Prozesse verantwortlich sein.

Wenn Sie mit Ressourcen breiter sprechen, fokussieren Sie auf Silo-Abbau. Ihr Ziel ist es, verschiedene Abteilungen zur Zusammenarbeit zu befähigen – besonders Ihr RPA Center of Excellence (CoE) und Ihr Data Analytics CoE. Das wird nicht immer einfach sein.

Je weiter Sie sich zum technischen Development-Skill-Spektrum bewegen, warnt Klochkoff, könnten Sie auf ein Stigma rund um RPA stoßen. RPA fühlt sich für manche outdated an. Bilden Sie sie anders auf. Mit Plattformen wie UiPath AI Center können Sie viel mehr als zuvor möglich. „Wenn der Business Value da ist“, sagt Klochkoff, „ist auch ein Research & Development (R&D) Budget da, was bedeutet, dass Ihre hochtechnischen Mitarbeiter einen ‚broad sandbox‘ zum Spielen bekommen.“

Während Sie Engagement aufbauen, werden Sie auf allen Levels zeigen können, wie Sie KI in eine bestehende RPA-Lösung einweben können. Die Unterstützung von Leadern, Mitarbeitern und Ressourcen ist notwendig für eine elegante Implementation.

Menschen suchen, die KI wirklich verstehen

Wenn Sie eine Lektion aus diesem Artikel mitnehmen, dann diese: Fokussieren Sie auf Ergebnisse. Sie können alle Demos und Beispiele der Welt haben, aber nichts spricht Bände wie Use Cases mit Ergebnissen.

Finden Sie Use Cases früh und finden Sie die richtige Audience, um sie zu demonstrieren. Der richtige Use Case wird Fortschritt und reale Effekte demonstrieren.

Nehmen Sie das Beispiel von ApprioHealth, das UiPath AI Computer Vision nutzte, um hohe Volumen medizinischer Versicherungsansprüche schnell und effizient zu verarbeiten. Das Team bei ApprioHealth waren erfahrene RPA-Nutzer, fanden aber, dass ihre Virtual Desktop Infrastructure (VDI) die Effektivität hinderte. Mit AI Computer Vision können Softwareroboter Computerschirme so sehen wie Menschen – was ApprioHealth erlaubte, RPA über jedes VDI-System zu nutzen.

Dieser Use Case war ideal, weil das Team den möglichen Fortschritt verstand und, als sie ihn verfolgten, die RPA-Effizienz um das Siebenfache stieg.

Die richtige Audience wird auch knowledgeable genug sein, technische Konzepte, den Business Value von KI und warum ihr Engagement in einer KI-Initiative kritisch ist, zu verstehen.

Hier kann Demonstration manchmal schiefgehen. Klochkoff erlebte dies einmal bei der Arbeit mit Front-Office-Stakeholdern, denen ein bestimmtes Level an technischem Acumen fehlte. Sein Team baute eine KI-Lösung, die Antworten auf Kundenproposals vor-generieren konnte.

„Leute waren wirklich begeistert, an so einem interessanten und komplexen Problem zu arbeiten, das ihnen Wert bringen würde, aber als die Lösung nicht bei einem Confidence Threshold von 100 % lieferte, kümmerten sie sich nicht wirklich“, sagte Klochkoff. Stakeholder, die einst begeistert waren, wurden apathisch, sobald sie diesen Threshold sahen. Sie kümmerten sich um die kleinen Anteile von Fragen, die sie wussten, dass die KI-Lösung nicht beantwortete. Das war keine ideale Gruppe zum Starten, gab Klochkoff zu.

Jeder mag mitmachen bei dem, was Klochkoff „Buzzword Bingo“ nannte (was KI, ML, RPA einschließen kann), aber für manche Projekte müssen Sie Leute suchen, die die Technologien wirklich verstehen. Klochkoff hatte den meisten Erfolg mit „Leuten, mit denen sie seit Jahren gearbeitet haben.“

Während eines Projekts gingen sie von 76 % Accuracy auf 97 % Accuracy über vier bis sechs Wochen, „und das wäre nicht möglich gewesen ohne das fortlaufende Engagement und die Teilnahme unserer Freunde in der Technologie-Funktion.“

Gegenseitiges Verständnis wird Ihnen die Fähigkeit geben, Lösungen über Proof of Concept hinaus zu deployen und eventually zu skalieren.

Ihren Schwung nutzen und ausführen

Obwohl führende Unternehmen alle eventually lernen müssen, wie man KI nutzt, um wettbewerbsfähig zu sein, kann eine mistimed Implementation so riskant sein wie eine missed Implementation. Zögern Sie nicht, aber hetzen Sie auch nicht.

Wir diskutierten, wie man Readiness testet und Schwung aufbaut; in Teil 2 erklären wir, was man mit diesem Schwung macht. Sobald Sie Begeisterung auf Ihrer Seite haben, ist die Integration von KI-Modellen in Ihr Automatisierungsprogramm in Sicht.

Um Brian Klochkoff und mich in unseren eigenen Worten zu hören, schauen Sie sich die Aufzeichnung des AI Playbook Webinars an.