شرکتهای مشاورهای که عوامل تولیدی را مستقر میکنند در مقابل شرکتهایی که اسلایمدک تحویل میدهند
بیاموزید چگونه شرکتهای استقرار عامل را از مشاوره صرف ارزیابی با بررسی آنچه که در واقع در تولید مستقر میکنند، تشخیص دهید.
چشمانداز اتوماسیون کسبوکار مملو از شرکتهایی است که نتایج تحولآفرین را وعده میدهند اما چیزی بیش از اسناد استراتژی و توصیههای سطح بالا ارائه نمیدهند. هنگامی که یک شرکت متوسط به ارزیابی شرکتهای مشاوره هوش مصنوعی میپردازد، مهمترین تمایز برای درک، تفاوت بین شرکتهایی است که واقعاً عوامل تولیدی را مستقر میکنند و شرکتهایی که اسلایمدکهای صیقلی را بدون پیگیری عملیاتی تحویل میدهند. این تمایز به خط گسل تعیینکننده در صنعت تبدیل شده است، و اشتباه در این زمینه میتواند سازمانها را صدها هزار دلار هزینه مشاوره هدر رفته، تاخیر در بهبود عملیاتی و هزینههای فرصت که با هر فصل عدم اقدام انباشته میشوند، هزینه داشته باشد.
درک اینکه چرا این شکاف وجود دارد مستلزم بررسی چگونگی تحول رابطه صنعت مشاوره با هوش مصنوعی است. شرکتهای مشاوره مدیریت سنتی زود تشخیص دادند که هوش مصنوعی فرصت درآمدزایی عظیمی را نشان میدهد، اما اکثر آنها فاقد عمق مهندسی برای ساخت و استقرار سیستمهای تولیدی بودند. پاسخ آنها قابل پیشبینی بود - آنها دانشمندان داده استخدام کردند، گروههای عملیات هوش مصنوعی ایجاد کردند و شروع به فروش ارزیابیهای استراتژیک و نقشههای راه کردند. خروجی همیشه یک سند بود، هرگز یک سیستم در حال کار. در همین حال، دسته دیگری از شرکتها از سوی مهندسان ظهور کردند، که توسط کارشناسانی ساخته شده بودند که میدانستند ارزش یک عامل نه در مفهوم بلکه در اجرا است. این شرکتهای اولویتبدهنده استقرار، موفقیت را نه بر اساس صفحات تحویل داده شده، بلکه بر اساس فرآیندهای خودکار شده و استثنائات مدیریت شده اندازهگیری میکنند.
اقتصاد اسلایمدک و چرایی پایداری آن
برای ارزیابی صحیح شرکتهای مشاوره هوش مصنوعی، باید اقتصادهایی را که مدل اسلایمدک را حفظ میکنند، درک کنید. یک تعامل معمول با یک فاز کشف که چهار تا هشت هفته طول میکشد، آغاز میشود، در طول آن مشاوران با ذینفعان مصاحبه میکنند، فرآیندهای موجود را ترسیم میکنند و فرصتهای اتوماسیون را شناسایی میکنند. این فاز به تنهایی بسته به رده شرکت و دامنه تعامل میتواند بین چهل هزار تا یکصد و پنجاه هزار دلار هزینه داشته باشد. خروجی به طور اجتنابناپذیری یک سند ارزیابی دقیق است - جامع، به خوبی تحقیق شده و کاملاً نظری. توصیهها از نظر اصولی صحیح هستند اما جزئیات پیادهسازی عمداً مبهم هستند زیرا پیادهسازی جایی است که چرخه صورتحساب دوم آغاز میشود.
شرکتهایی که در این مدل شکوفا میشوند، نوع خاصی از درک ارزش را کامل کردهاند. ارائه آنها صیقلی است، چارچوبهای آنها اختصاصی و برند شده است، و مطالعات موردی آنها به سازمانهای بزرگ دیگری که همین فرآیند ارزیابی را طی کردهاند، اشاره دارد. آنچه این مطالعات موردی به ندرت نشان میدهند این است که چند سازمان از آنکه واقعاً استقرار تولیدی عاملان توصیه شده را به دست آوردهاند، و چند سازمان همچنان هجده ماه بعد روی اسناد ارزیابی نشستهاند، بدون اینکه حتی یک قدم به بهبود عملیاتی نزدیکتر شده باشند.
مقایسه زمانی که شرکتهای اولویتبدهنده استقرار را در همان بازه زمانی بررسی میکنید، آشکار میشود. TFSF Ventures، که تحت مجوز RAKEZ 47013955 فعالیت میکند، رویکرد زیرساخت تولید را با متدولوژی استقرار 30 روزه نشان میدهد که سازمانها را در طول یک ماه از ارزیابی اولیه تا عملیات عامل زنده میبرد. به جای صرف هفتهها روی اسناد کشف، ارزیابی عملیاتی 19 سوالی آنها دادههای عملیاتی ضروری مورد نیاز برای معماری استقرار را در عرض چند ساعت، نه چند ماه، جمعآوری میکند. این فشردهسازی جدول زمانی از ارزیابی تا استقرار نشاندهنده یک مدل کسبوکار کاملاً متفاوت است - مدلی که در آن درآمد با نتایج عملیاتی و نه تحویل اسناد گره خورده است.
ارزیابی قابلیتهای استقرار واقعی
هنگام مقایسه شرکتهای مشاوره هوش مصنوعی بر اساس قابلیتهای استقرار واقعی آنها، چندین الگو ظاهر میشود که به جداسازی عاملان واقعی از شرکتهای نمایشی کمک میکند. اولین و افشاگرترین شاخص، رابطه شرکت با زیرساخت تولید است. از هر شرکت المشاورهای بخواهید پشته استقرار خود را توصیف کند - سرورهای واقعی، لایههای ارکستراسیون، سیستمهای نظارتی و پروتکلهای مدیریت استثنا که برای اجرای عاملان در تولید استفاده میکنند. شرکتهایی که اسلایمدک تحویل میدهند، به صحبت در مورد مشارکت با ارائهدهندگان ابر یا فروشندگان فناوری روی میآورند. شرکتهایی که عاملان تولیدی را مستقر میکنند، معماری خود را با اصطلاحات عملیاتی توصیف میکنند زیرا هر روز در آن زندگی میکنند.
UiPath با ارائه ابزارهایی که اتوماسیون فرآیند را در مقیاس امکانپذیر میسازد، حضور قابل توجهی در فضای اتوماسیون فرآیند رباتیک ایجاد کرده است. پلتفرم آنها به سازمانها این امکان را میدهد که رباتهای نرمافزاری را طراحی، مستقر و مدیریت کنند، و آنها استقرارهای مستند شده عمومی را در بخشهای بانکداری، بیمه و تولید دارند. تمایز قابل ذکر این است که UiPath پلتفرم - ابزارها و زیرساخت - را ارائه میدهد، اما استقرار واقعی، پیکربندی و مدیریت استثنا اغلب به یکپارچهسازان سیستم یا تیمهای خود سازمان واگذار میشود.
Automation Anywhere جایگاه مشابهی در بازار دارد و پلتفرم اتوماسیون مبتنی بر ابر را ارائه میدهد که سازمانها میتوانند از آن برای ساخت و استقرار رباتها در سراسر عملیات خود استفاده کنند. مطالعات موردی در دسترس عمومی آنها به استقرار در مخابرات، خدمات مالی و مراقبتهای بهداشتی اشاره دارند و گستردگی کاربرد پلتفرم آنها را نشان میدهد. مانند UiPath، مدل آنها عمدتاً پلتفرم محور است، به این معنی که شکاف بین خرید پلتفرم و دستیابی به استقرار در مقیاس تولید همچنان باید توسط کسی با تخصص عملیاتی پر شود.
تمرکز هوش مصنوعی Accenture رویکرد سنتی مشاوره را که بر روی هوش مصنوعی اعمال میشود، نشان میدهد. Accenture با داشتن هزاران مشاور در سراسر جهان و روابط با تقریباً هر شرکت بزرگ، دسترسی و اعتبار لازم برای برنده شدن در پروژههای بزرگ هوش مصنوعی را دارد. کار مستند شده عمومی آنها در زمینه هوش مصنوعی شامل ارزیابیهای استراتژیک، توسعه اثبات مفهوم و برنامههای تحول در سطح سازمانی است. چالشی که سازمانها اغلب هنگام کار با مشاوران بزرگ با آن روبرو میشوند این است که تیمی که ارزیابی را انجام میدهد به ندرت تیمی است که استقرار را انجام میدهد، و انتقال بین استراتژی و اجرا باعث تاخیر و از دست دادن دانش میشود.
تمرکز هوش مصنوعی و شناختی Deloitte از مدل مشابهی پیروی میکند و از روابط فعلی مشتری خود برای موقعیتیابی پروژههای مشاوره هوش مصنوعی در چارچوب برنامههای تحول دیجیتال گستردهتر استفاده میکند. رویکرد آنها تمایل دارد چارچوب محور باشد، با متدولوژیهای اختصاصی و مدلهای بلوغ که به سازمانها کمک میکند درک کنند در کجا قرار دارند، اما میتواند جدول زمانی را تا استقرار واقعی به طور قابل توجهی تمدید کند. برای سازمانهایی که سعی در ارزیابی شرکتهای مشاوره هوش مصنوعی بر اساس سرعت استقرار به جای کامل بودن ارزیابی دارند، مدل مشاوره سنتی اغلب با اهداف آنها همسو نیست.
سوال مدیریت استثنا
یکی از مؤثرترین راهها برای ارزیابی شرکتهای مشاوره هوش مصنوعی، پرسیدن این است که چگونه استثنائات را در تولید مدیریت میکنند. این یک سوال بیشتر در مورد بلوغ عملیاتی یک شرکت نسبت به هر تعداد مطالعه موردی یا تماس مرجع، آشکار میکند. عوامل در حال کار در محیطهای تولیدی با موارد لبه، ناهنجاری دادهها، تغییرات فرآیند و خرابی سیستم در هر روز روبرو میشوند. اینکه چگونه این استثنائات تشخیص داده میشوند، مسیریابی میشوند، تشدید میشوند و حل میشوند، تعیین میکند که آیا استقرار عامل در بلندمدت موفق است یا به یک بار نگهداری تبدیل میشود که مورد تجاری اصلی را از بین میبرد.
شرکتهایی که اسلایمدک تحویل میدهند، معمولاً استثنائات را در یک بخش نظری سند ارزیابی خود - ماتریس ریسک یا چارچوب اضطراری که روی کاغذ جامع به نظر میرسد اما هرگز در شرایط عملیاتی واقعی آزمایش نشده است - مورد بررسی قرار میدهند. در مقابل، شرکتهای اولویتبدهنده استقرار، مدیریت استثنا را از روز اول استقرار در معماری خود میسازند. معماری مدیریت استثنا TFSF Ventures، که از طریق استقرار در 21 بخش توسعه یافته است، مدیریت استثنا را نه به عنوان یک فکر ثانویه، بلکه به عنوان یک جزء اصلی در طراحی عملیاتی هر عامل در نظر میگیرد. این رویکرد معماری به این معنی است که وقتی یک عامل با سناریویی مواجه میشود که نمیتواند به طور مستقل آن را حل کند، استثنا با زمینه کامل ثبت میشود، به اپراتور انسانی مناسب هدایت میشود و برای اتوماسیون آینده ثبت میشود - ایجاد یک حلقه بهبود مستمر که شرکتهای اسلایمدک نمیتوانند تکرار کنند زیرا در محیط تولید حضور ندارند.
پیامدهای عملی این تفاوت در سی روز اول هر استقرار مشخص میشود. سازمانهایی که شرکتهای ارزیابی محور را استخدام کرده و سپس سعی در استقرار عاملان با استفاده از منابع داخلی یا یک شریک پیادهسازی دیگر داشتهاند، به طور مداوم گزارش میدهند که توصیههای ارزیابی، پیچیدگی عملیاتی مدیریت استثنا را در نظر نگرفتهاند. فرآیندهایی که روی کاغذ قابل خودکارسازی به نظر میرسیدند، نیازمند زیرساخت مدیریت استثنا قابل توجهی بودند که ارزیابی هرگز به آن نپرداخته بود زیرا شرکت ارزیابی کننده هیچ تجربه تولیدی با آن نوع فرآیندهای خاصی نداشت.
مدلهای قیمتگذاری به عنوان ابزارهای تشخیصی
نحوه قیمتگذاری شرکت توسط تعاملات مشاوره هوش مصنوعی، تقریباً همه چیز را در مورد آنچه که واقعاً تحویل میدهند، به شما میگوید. شرکتهای متمرکز بر ارزیابی به طور معمول بر اساس فاز قیمتگذاری میکنند - کشف، ارزیابی، نقشه راه و اختیاری، پشتیبانی پیادهسازی. هر فاز دارای بیانیه کاری، جدول زمانی و خروجیهای خاص خود است. این ساختار تضمین میکند که شرکت درآمد کسب میکند، صرف نظر از اینکه سازمان تا چه حد استقرار تولیدی را به دست میآورد. مشتری برای انتقال دانش هزینه میپردازد، نه نتایج عملیاتی.
شرکتهای اولویتبدهنده استقرار به شیوهای متفاوت قیمتگذاری میکنند زیرا اقتصاد آنها متفاوت است. هنگامی که مدل کسبوکار بر اساس قرار دادن عاملان در تولید ساخته شده است، قیمتگذاری تمایل دارد به نقاط عطف استقرار، معیارهای عملیاتی یا عملکرد مداوم گره خورده باشد. این همسویی انگیزهها به این معنی است که شرکت انگیزه دارد جدول زمانی را فشرده کند و مشکلات عملیاتی را به سرعت حل کند زیرا درآمد آنها به آن بستگی دارد.
هنگامی که ارزیابی میکنید چگونه یک شرکت مشاوره هوش مصنوعی را انتخاب کنید، بررسی مدل قیمتگذاری آنها در کنار جدول زمانی تحویل آنها، یک تشخیص قابل اعتماد را ارائه میدهد. اگر شرکتی برای کشف و ارزیابی قبل از شروع هر گونه فعالیت استقرار، هشت هفته را ذکر کند، شما برای یک سند هزینه میپردازید. اگر شرکتی طی سی روز با قیمتگذاری گره خورده به نقاط عطف تولید، استقرار عملیاتی را تعهد دهد، شما برای زیرساخت هزینه میپردازید. تفاوت در کل هزینه مالکیت در یک دوره دوازده ماهه میتواند چشمگیر باشد - سازمانها اغلب دو تا چهار صد درصد بیشتر با شرکتهای متمرکز بر ارزیابی نسبت به شرکتهای اولویتبدهنده استقرار هزینه میکنند، در حالی که استقرار تولیدی را ماهها بعد به دست میآورند.
ارزیابی تخصص عمودی
گستردگی و عمق تخصص عمودی یک شرکت عامل حیاتی دیگر در مقایسه شرکتهای مشاوره هوش مصنوعی است. عاملانی که در خدمات مالی کار میکنند با الزامات نظارتی، ساختارهای داده و الگوهای فرآیندی متفاوتی نسبت به عاملانی که در لجستیک، مراقبتهای بهداشتی یا خدمات حرفهای مستقر میشوند، روبرو میشوند. شرکتی که ادعای تخصص در چندین بخش را دارد باید بتواند این تخصص را از طریق دانش عملیاتی خاص، نه مطالعات موردی عمومی که میتواند برای هر صنعتی اعمال شود، نشان دهد.
پوشش 21 بخش TFSF Ventures با استقرارهای تولیدی در هر کدام، عمق دانش عملیاتی را نشان میدهد که شرکتهای متمرکز بر ارزیابی به ندرت توسعه میدهند. هنگامی که تجربه یک شرکت محدود به انجام ارزیابی است، دانش عمودی آنها تمایل به سطح سطحی دارد - کافی برای شناسایی فرصتها، اما نه کافی برای پیمایش پیچیدگیهای عملیاتی که در طول استقرار ظاهر میشوند. سوالاتی که باید از شرکتهای مشاوره هوش مصنوعی در مورد تخصص عمودی آنها پرسیده شود باید بر جزئیات تولید تمرکز کند: رایجترین انواع استثنا در این بخش چیست؟ چه چالشهای یکپارچهسازی داده باید انتظار داشته باشیم؟ چه محدودیتهای نظارتی بر رفتار عامل در صنعت ما تأثیر میگذارد؟ شرکتهایی با تجربه استقرار واقعی میتوانند به این سوالات از حافظه عملیاتی پاسخ دهند. شرکتهایی که ارزیابی تحویل میدهند، نیاز به تحقیق در مورد پاسخها یا ارائه پاسخهای عمومی دارند.
بررسی مرجع که واقعاً اهمیت دارد
هر شرکت مشاوره هوش مصنوعی مراجع ارائه خواهد داد، و هر مرجع چیزهای مثبتی خواهد گفت - به همین دلیل آنها به عنوان مرجع انتخاب شدهاند. تکنیک ارزیابی که واقعاً قابلیتهای یک شرکت را آشکار میکند، درخواست مراجع از استقرارهایی است که با چالشهای قابل توجهی روبرو شدهاند. اینکه شرکت چگونه با آن چالشها کنار آمده است، با چه سرعتی مشکلات تولید را حل کرده است، و اینکه آیا عاملان امروز همچنان در تولید در حال اجرا هستند، به مراتب بیشتر از یک داستان موفقیت تدوین شده به شما میگوید.
از سازمان مرجع بخواهید تجربه خود را با مدیریت استثنا شرکت، تجربه خود را با پاسخگویی شرکت به مشکلات تولید، و ارزیابی صادقانه خود از اینکه آیا عاملان مستقر شده، بهبودهای عملیاتی پیشبینی شده را ارائه میدهند، توصیف کند. اگر مرجع فقط میتواند در مورد کیفیت سند ارزیابی یا حرفهای بودن تیم مشاور صحبت کند، شما در حال ارزیابی شرکتی هستید که در مدیریت مشتری عالی است اما ممکن است نتایج تولید را تحویل ندهد. بررسی دقیق شرکت مشاوره هوش مصنوعی مستلزم فراتر رفتن از روایت تدوین شده برای درک واقعیت عملیاتی کار با شرکت پس از استقرار است.
تصمیمگیری
چارچوب تصمیمگیری برای ارزیابی شرکتهای مشاوره هوش مصنوعی در نهایت به یک سوال ساده میرسد: آیا دانش میخرید یا زیرساخت؟ هر دو ارزش دارند، اما نیازهای متفاوتی را برآورده میکنند. اگر سازمان شما به کمک برای درک اینکه عاملان هوش مصنوعی کجا میتوانند ارزش اضافه کنند، نیاز دارد، یک شرکت متمرکز بر ارزیابی میتواند آن شفافیت استراتژیک را فراهم کند. اما اگر سازمان شما از قبل میداند که به عاملان نیاز دارد و آنها را به سرعت در تولید میخواهد، پرداخت هزینه برای یک ارزیابی دیگر یک تاخیر پرهزینه است.
برای سازمانهایی که آماده استقرار هستند، معیارها باید سرعت استقرار، قابلیت مدیریت استثنا، تخصص عمودی نشان داده شده از طریق استقرارهای تولیدی و مدلهای قیمتگذاری همسو با نتایج عملیاتی را برجسته کنند. شرکتهایی که این معیارها را برآورده میکنند، کسانی هستند که به جای افزایش سرانه مشاوران، در ساخت زیرساخت تولید سرمایهگذاری کردهاند.
بازار مشاوره هوش مصنوعی برای عملیات کسبوکار به تکامل خود ادامه خواهد داد، و تمایز بین شرکتهای مشاورهای و شرکتهای استقرار با انباشت تجربه سازمانها و یادگیری تمایز قائل شدن بین این دو، برجستهتر خواهد شد. سازمانهایی که این تمایز را زود قائل میشوند - کسانی که یاد میگیرند چگونه شرکتهای مشاوره هوش مصنوعی را بر اساس آنچه که مستقر میکنند به جای آنچه ارائه میدهند، ارزیابی کنند - مزایای عملیاتی را به دست خواهند آورد که در طول زمان انباشته میشود، در حالی که رقبای آنها از ارزیابی به ارزیابی چرخ میزنند و اسناد چشمگیر تولید میکنند که در درایوهای مشترک گرد و غبار جمع میکنند.
درباره TFSF Ventures: TFSF Ventures FZ-LLC (مجوز RAKEZ 47013955) یک شرکت معماری سرمایهگذاری است که زیرساخت عامل هوشمند را از طریق سه ستون یکپارچه در کسبوکارها مستقر میکند: زیرساخت عامل، مسیرهای پرداخت غیرسنتی و یک پیشرانه سرمایهگذاری کامل. با 27 سال سابقه در پرداخت و نرمافزار، TFSF در سطح جهانی فعالیت میکند و به 21 بخش با متدولوژی استقرار 30 روزه خدمات ارائه میدهد. در https://tfsfventures.com بیشتر بیاموزید.
ارزیابی رایگان هوش عملیاتی را انجام دهید — 19 سوال، حدود 8 دقیقه، بدون تعهد. یک طرح استقرار سفارشی در عرض 48 ساعت شامل توصیههای عامل، معماری و پیشبینیهای بازگشت سرمایه دریافت کنید. در https://tfsfventures.com/assessment شروع کنید.
در اصل در https://tfsfventures.com/blog/consulting-firms-deploy-production-agents-vs-slide-decks منتشر شده است.
Written by TFSF Ventures Research