Dusza alchemika, czyli jak zamienić zwykły kamień w złoto – eksperymenty z AI & Data

Marek, właściciel produktów bankowości detalicznej (był też entuzjastą nowych technologii) od kilku miesięcy myślał o tym jak zrobić użytek z danych klientów, żeby zbudować bardziej spersonalizowane doświadczenia i wyróżnić się na tle innych banków.

Robił rozeznanie w różnych silosach (niestety…) i szukał wskazówek. Koledzy odradzali mu podejmowanie rękawicy. Tutaj nic nie zrobisz. Góra Ci wszystko wywali, a poza tym to pomysł, który ma marginalne szanse na przejście do powszechnego użytku. Za dużo roboty, technologia niedojrzała, dane za słabe. Bez sensu.

Marek poszedł do swojej przełożonej – Agaty. Liderki pionu bankowości detalicznej, która sama widzi, że bankowość detaliczna stanęła w miejscu. Nie ma innowacji i konkurencja ogranicza się do dodawania do aplikacji mobilnej mniej lub bardziej wyszukanych „ficzerów”. A potrzeba prawdziwej zmiany.

Agata słucha Marka

Agata wysłuchała Marka. Pomysł wykorzystania AI „na tych” danych był z jednej strony ciekawy, a z drugiej ilość „pomarańczowych” lampek ostrzegawczych była znacząca. Agata w myślach przeanalizowała możliwości, pomyślała o „przerzucaniu” się z Legal & Compliance argumentami za tym „czy można, czy nie można”, o kosztach, które może wygenerować nieudany projekt.

Naprawdę dużo wątpliwości. Marek miał w sobie dużo entuzjazmu, chciał się poświęcić projektowi, w który wierzył. Rozumiał wątpliwości, ale było w nim to „coś”, co sugerowało, że weźmie za ewentualną porażkę odpowiedzialność. A porażka wcale nie jest przesądzona. Nadal jest jakaś szansa, że pomysł wypali.

Agata, chwilę się zastanowiła i dała zielone światło. Zastrzegła tylko, że chciałaby co jakiś czas dostać informację jak idzie projekt. Nie chce go kontrolować. Ot, ciekawość.

Marek z entuzjazmem zabrał się do pracy.

18 miesięcy później, budżet ok. 2 mln PLN, wiele nieprzespanych nocy i spotkań z zarządem, masa testów i wieczne przeciąganie się pomiędzy jednostkami.

Nie udało się

No, ale przy takiej pracy i zaangażowaniu musiało się udać. Nie udało.  

Projekt nie wyszedł poza testy „friends & family”, czyli ograniczone grono odbiorców. KPI się nie spinały, w międzyczasie pojawiły się konkurencyjne rozwiązania, a technologia okazała się już „przestrzała”. Projekt skierowany został do zamknięcia.

Marek zaczął pakować manatki. Był przekonany, że po takiej „porażce” nie czeka go nic pozytywnego. Czekała go w końcu rozmową z Agatą, która będzie musiała się „wyspowiadać” członkowi zarządu odpowiedzialnemu za jej obszar. Koszmar.

Dzień rozmowy. Marek był przygotowany na najgorsze. Agata podziękowała Markowi za jego zaangażowanie i wkład w ten projekt. Teraz czas na najgorsze, pomyślał Marek.

Zaskoczenie

„Marek, to było intensywne półtora roku. Myślę, że wszyscy się dużo nauczyliśmy. Twoje prowadzenie tego projektu było wzorcowe. Ludzie z zespołu dzięki Twojemu zaangażowaniu znaleźli kilka obszarów, które możemy zautomatyzować, a może nawet wykorzystać w nich to, co udało się wypracować w Twoim projekcie…

… teraz musimy pójść dalej. Chciałabym, żebyś przygotował prezentację dla całego pionu, w której pokażesz czego się nauczyliśmy, gdzie popełniliśmy błędy, ale także co się nam udało. Byłoby świetnie, gdybyśmy mogli też stworzyć listę „dobrych praktyk”, które wykorzystamy w kolejnych inicjatywach”.

Ale jak to? Nie będzie smutnego pożegnania? Przecież to była porażka – pomyślał Marek.

„Mało tego, chciałabym docenić Twoje zaangażowanie i widzę Twój potencjał. Chciałabym, żebyś poprowadził projekt rozwojowy w naszym pionie. Podejmiesz się?”.

Wnioski

Brzmi jak science-fiction? Możliwe, szczególnie tam, gdzie dominują sztywne ramy korporacyjnego garnituru, ale nawet tam jest możliwa zmiana.

Dzisiaj za dużo skupiamy się na tym, że projekty z obszaru AI często nie kończą się powodzeniem. Za mało rozmawiamy o tym, co z tego wynika. Jak potencjalną „porażkę” przekuć w sukces i dlaczego nieudany projekt wcale nie musi być nieudany.

Do tego potrzeba zmiany myślenia i ludzi, którzy „czują” potencjał płynący z czegoś m.im. Shub Agarwal w swojej świetnej książce „Successful AI product creation. A 9-step framework” opisuje jako „Experimentation Mindset”, którego obecność w zespole jest niezbędna do prawdziwej zmiany.

Taki „mindset” musi być de facto na każdym poziomie w organizacji i powinien uwzględniać następujące aspekty:

– otwartość na nowe, czasem pozornie szalone, pomysły,

– postrzeganie „błędów” jako szansy do nauki, a nie „szkalowania”,

– podejście „iteracyjne”, czyli takie, które zakłada, że będziemy próbować – jak nie drzwiami, to oknem,

– bazowanie na danych i podejmowanie decyzji w oparciu o nie (tzw. data-driven decision making),

– testowanie hipotez,

– ciekawość świata i ciągłe uczenie się, tak ważne w dynamicznie zmieniającym się otoczeniu,

– tolerancja względem niepewności – w końcu dzisiaj niewiele jest pewnych i stałych,

– adaptacyjność i elastyczność (koszmar typowej korporacji J),

– zarządzanie ryzykiem, które powinno być centralnym punktem projektu, ale wymaga ono zrozumienia samych ryzyk i ich wpływu na organizację,

– współpraca, współpraca, współpraca.

Dużo tego, prawda? Tyle, że tego właśnie potrzebujemy, żeby robić więcej i lepiej. Stałość w dzisiejszym świecie nie daje szansy na wygraną. Jakkolwiek byśmy jej nie definiowali.

Czy warto? Chyba nie muszę przekonywać. A czy to trudne? I tak, i nie. Dobrze zorganizowane AI & Data Governance da nam przestrzeń do eksperymentowania. Warto więc to uwzględnić budując własne ramy dla projektów oraz inicjatyw AI & Data.