Radek na začátku září zpřesňoval, s čím se na něj může vedení firmy obrátit. Výsledkem byl katalog služeb, zveřejněný 3. září, a detailní stránky jednotlivých forem spolupráce. Zadání směřovalo ke konkrétním datovým a AI službám. Při zpracování webu se obecné formulace o schopnostech měnily na popis situací, které firma opravdu řeší.
Na tomto výsledku je pro mě jako autora zajímavé hlavně rozdělení práce. V Radkově nabídce má jiné místo nezávislý pohled na data, jiné společný workshop a jiné malý test AI v jednom procesu. Firma tak může začít u toho, co jí právě chybí. Následující tři poznatky vycházejí z této konkrétní práce na nabídce; příklady ukazují, jak stejný způsob uvažování použít při vlastním zadávání projektu.
Nejdřív rozlišit, jestli chybí data, shoda, nebo ověření
„Potřebujeme lepší reporting“ může znamenat několik různých problémů. Představte si například vedení, které dostává dvě různá čísla pro stejnou metriku. Příčinou může být chyba v datech. Může jí ale být i to, že obchod a finance pod stejným názvem sledují něco jiného. Nový dashboard sám o sobě nerozhodne, která definice odpovídá rozhodnutí firmy.
V nabídce je toto rozlišení vidět na datovém auditu a workshopech. Audit má prověřit současné řešení a dát vedení podklad pro další rozhodnutí. Workshop může pomoci lidem shodnout se na metrikách, odpovědnostech a dalším postupu. AI workflow sprint pak řeší jinou otázku: zda konkrétní proces skutečně stojí za to měnit pomocí AI.
Tím Radek svou nabídku vymezuje i odborně. Spojuje technickou stránku dat a AI s rozhodnutím, které firma potřebuje udělat, a s lidmi, kteří za výsledek odpovídají. Z nabídky nevyplývá, že každý problém potřebuje novou platformu nebo agenta.
Co si z toho vzít: před výběrem dodavatele zkuste popsat, co vám brání rozhodnout. Nevíte, zda jsou podklady správné? Neshodnete se, co číslo znamená? Nebo máte konkrétní proces a potřebujete ověřit jiný způsob práce? Tyto otázky se mohou potkat, ale každá potřebuje jiný první krok.
Malý test potřebuje dost přesné zadání
U AI workflow sprintu je v katalogu popsaný jeden ruční proces a malý test, podle kterého se rozhoduje o další investici. To je podstatná hranice rozsahu. Firma nemusí nejprve objednat celé nové řešení, aby zjistila, zda pro něj vůbec má vhodné podklady a využití.
Malý rozsah ale vyžaduje pečlivý výběr toho, co se ověřuje. Vezměme jako příklad přípravu podkladů před obchodní schůzkou. Ukázka, ve které AI sestaví působivý souhrn, ještě neodpoví na otázku, zda pomůže obchodníkovi. Záleží na tom, zda použila aktuální informace, zachovala důležité závazky a nezanechala člověku víc kontroly, než kolik práce odstranila.
Pro takový test bych doporučil několik běžných i obtížnějších situací, člověka schopného posoudit jejich výstup a předem dohodnuté podmínky pokračování. Pokud návrh vyžaduje rozsáhlé opravy, je to informace pro další rozhodnutí. Nemá se ztratit za tím, že samotné generování proběhlo rychle.
Radkův popsaný formát spolupráce pro takové ověřování vytváří prostor: nejprve projít proces, připravit malý test a zjistit, zda stojí za další investici. Jeho hodnotu může tvořit i včasné zjištění, že je potřeba změnit podklady, zúžit úlohu nebo zvolit jednodušší postup.
Před začátkem testu si napište čtyři odpovědi: Jakou otázku ověřujeme? Na jakých příkladech? Kdo posoudí použitelnost výsledku? Co bude znamenat pokračovat, upravit směr nebo skončit? Bez toho se snadno stane, že si pod slovem „funguje“ každý představuje něco jiného.
Nezávislé doporučení musí mít možnost skončit bez implementace
U datového auditu je na Radkově webu výslovně uvedeno, že navazující implementace není podmínkou spolupráce. Audit může doporučit změny, ale také potvrdit, že současné řešení stačí. Počítá se stávajícím týmem nebo dodavatelem; jejich výměna není automatickým závěrem.
Pro firmu, která zvažuje další investici do dat, je to důležitá vlastnost služby. Potřebuje rozumět tomu, co dnes funguje, kde vzniká problém a co má smysl řešit jako první. Pokud už na začátku předpokládá nákup nové technologie, může přeskočit levnější změnu definice, procesu nebo odpovědnosti.
Právě zde je Radkova nabídka konkrétní: nabízí vlastní odborný pohled na existující datové prostředí a další priority, přičemž ponechává oddělené rozhodnutí, kdo a zda vůbec doporučené změny provede. To dává vedení srozumitelnou roli pro externího partnera i vedle lidí, které už ve firmě má.
U podobné služby se proto ptejte: Může být výsledkem doporučení nic nového nekupovat? Dostaneme podklad použitelný i pro náš současný tým? A poznáme z něj, co je nutné řešit teď a co může počkat? Odpovědi pomohou rozlišit nezávislé posouzení od úvodní fáze prodeje dalšího projektu.
Kdy má smysl přizvat Radka
Z práce minulého týdne vznikly konkrétní vstupy do spolupráce pro firmy, které potřebují propojit businessovou otázku, data a technické možnosti. Pokud se vedení nemůže opřít o čísla, může začít prověřením současného stavu. Pokud chybí společné zadání, může nejdřív sladit lidi. A pokud už existuje jeden vhodný proces, může ověřit přínos AI v omezeném testu.
Takto vymezená role nestojí na slibu, že Radek vyřeší všechno. Stojí na práci s konkrétním problémem a na rozlišení toho, co už víme, co potřebujeme zjistit a jaký další krok má oporu v podkladech. Pokud právě takové rozhodnutí řešíte, popište Radkovi svou situaci. Dobré úvodní zadání může být krátké: co potřebujete rozhodnout, co vám v tom brání a co jste už zkusili.