Automatizace nemocenské: konec ručního papírování, nebo jen jiná práce…

Nezapomeňte také na data. Cokoli do nástroje vložíte, může skončit mimo vaši firmu. Zjistěte, kde jsou data uložena, kdo k nim má přístup a zda se používají k trénování modelu. Do nástrojů nevkládejte osobní údaje klientů ani interní smlouvy, dokud nemáte jistotu, že je to v pořádku. Pokud si nejste jistí, použijte zástupné údaje a citlivé informace doplňte ručně až do finálního výstupu.

Predikce poptávky pomocí umělé inteligence není kouzelná hůlka, kterou zapnete a ona vám řekne, kolik zboží budete příští měsíc prodávat. Je to nástroj, který stojí na kvalitních datech a jasně definovaném cíli. Pokud do modelu pustíte šum, dostanete zpět jen dražší šum. Prvním krokem tedy není výběr algoritmu, ale odpověď na otázku, co přesně chcete předpovídat – prodeje konkrétní kategorie, celkový obrat, nebo třeba potřebu naskladnit určitou variantu produktu. Bez toho se každý projekt utopí v nesmyslných číslech.

Závěrem: predikce poptávky pomocí umělé inteligence má smysl tam, kde jsou data v pořádku a kde někdo rozumí byznysu. Nejde o jednorázový projekt, úložné Prostory v malém bytě ale o běžnou součást plánování. Začněte malým modelem pro jednu kategorii, ověřte výsledky a teprve pak rozšiřujte. Vyhnete se zklamání i zbytečným nákladům.

Praktické nasazení neznamená, že AI rozhodne za vás. Výstupem predikce je číslo s určitou nejistotou. Naučte se s ní pracovat – objednávejte o něco více u zboží, kde je riziko výpadku drahé, a držte menší zásoby tam, kde je poptávka stabilní. Mnoho e-shopů chybuje tak, že predikci berou jako definitivní pravdu a přestanou sledovat realitu. Přitom stačí jednou týdně porovnat predikci se skutečností a upravit objednávky. AI se musí průběžně učit, jinak zestárne během několika měsíců.

Na co si dát pozor: kurzíva, spojované písmo a čísla psaná bez mezer. Právě tam vzniká nejvíc záměn — jednička a sedmička, nula a písmeno O, malé r a v. Stejně problematické jsou poznámky na okrajích, podtržené řádky a text psaný přes sebe. Software často slije dva sloupce do jednoho nebo přeskočí řádek, který je jen mírně nakloněný. Před spuštěním přepisu si dokument projděte a označte části, které budete kontrolovat dvakrát.

Jak poznat, že model dává smysl Když máte data pohromadě, rozdělte je na trénovací a testovací období. Například trénujte na datech do konce loňského roku a testujte na letošních měsících. Sledujte, jak přesně model trefuje skutečnost – nejen průměrnou chybu, ale i to, zda nepodhodnocuje nebo nepřestřeluje v obdobích akcí a svátků. Častá chyba je hodnotit model jen na celkovém obratu, ale ignorovat jednotlivé kategorie. Přitom právě u módního zboží nebo elektroniky může být odchylka u jedné řady fatální. Výsledek testu by měl být lepší než jednoduchý odhad založený na loňském stejném období. Pokud není, model nepoužívejte.

Na co se ptát před prvním spuštěn