Case study

Wyniki wdrożeń AI

Cztery wdrożenia AI, w każdym liczba i opis, skąd ta liczba pochodzi. Drugie jest ważniejsze od pierwszego.

Jak liczymy efekt

Każdy z tych projektów zaczął się od ustalenia punktu odniesienia. Zanim cokolwiek zmieniliśmy, policzyliśmy, jak proces działa dziś: ile spraw przechodzi, ile trwa obsługa jednej, ile wraca z brakami, ile osób dotyka jednej sprawy. Bez tej liczby zdanie „jest szybciej” jest opinią, a nie wynikiem.

Po zmianie mierzymy to samo, tą samą metodą, na tej samej próbce. Jeśli case mówi o skróceniu z 40 minut do 8, to są dwa punkty jednej skali, a nie dwie różne rzeczy zestawione obok siebie. Przy każdej liczbie podajemy okno pomiaru, bo efekt po sześciu miesiącach i efekt po dwóch tygodniach to nie to samo.

Nie mierzymy rzeczy, które rosną same, kiedy zespół zaczyna używać AI. Liczba wygenerowanych linii kodu, odsetek zadań dotkniętych przez model, liczba osób z dostępem do narzędzia. Wszystkie trzy potrafią rosnąć miesiącami w organizacji, w której metryki procesu stoją w miejscu.

W niektórych wierszach naszych tabel zamiast procentu stoi opis zmiany. To nie jest luka, tylko informacja: tego obszaru nie mierzyliśmy osobno i wolimy to napisać, niż dopisać liczbę, której nie policzyliśmy. Przy czterech projektach zdarza się to kilka razy i za każdym razem jest podpisane.

Klienci są zanonimizowani opisem branży i skali. Liczby są prawdziwe, nazwy nie padają, bo nie mamy na nie pisemnej zgody.