Po zrychlení rutiny s AI kopilotem přichází druhá výzva: Jak správně analyzovat, zadávat a řídit AI projekty ve firmách? Podívejte se na druhý pilíř IIBA® rámce (BA for AI), získejte návod na specifikaci NFRs pro AI systémy a stáhněte si praktický PDF checklist se 7 otázkami před zahájením AI projektu.
V minulém díle našich edukačních okének jsme si představili koncept AI for BA – tedy jak využít LLM jako osobního asistenta pro psaní specifikací, hledání výjimek a generování diagramů.
Dnes se podíváme na druhý, pro organizace daleko zásadnější pilíř globálního rámce IIBA®: BA for AI (Business analýza pro AI řešení). Zatímco první díl řešil osobní produktivitu analytika, tento díl se zaměřuje na to, jak z pozice BA navrhovat, zadávat a vyhodnocovat projekty využívající umělou inteligenci tak, aby doručovaly reálnou byznysovou hodnotu.
Největší past: Problem-First místo Solution-First
Typickým scénářem dneška je zadání od managementu: „Potřebujeme do firmy nasadit AI chatbot / LLM nad dokumentací!“ V této chvíli se projevuje největší přidaná hodnota business analytika podle standardu BABOK® Guide – zastavit nadšení z technologie a vrátit se k základům:
- Prověření byznys cílů (
BRQ): Jaký konkrétní byznysový problém řešíme? Šetříme čas zákaznické podpory, snižujeme chybovost, nebo zrychlujeme onboarding? - Zvážení alternativ (
Evaluation Criteria): Je AI opravdu nejvhodnějším řešením, nebo by stejnou službu udělal jednoduchý rozhodovací strom, úprava procesu nebo klasické pravidlové vyhlašování?
Specifika požadavků pro AI řešení (NFRs & Guardrails)
Při specifikaci AI systémů naráží analytici na novou kategorii nefunkčních požadavků (NFRs), které se výrazně liší od deterministického softwaru:
- Akceptovatelná míra chybovosti: AI modely pracují pravděpodobnostně. Musíte explicitně definovat akceptovatelný prah přesnosti (např. „Model musí dosahovat přesnosti 95 % u vyhledávání v dokumentech, přičemž halucinace jsou u finančních dat nepřípustné“).
- Vysvětlitelnost a transparentnost (Explainability): Jak dokážeme uživateli či auditorovi vysvětlit, proč AI model dospěl k danému rozhodnutí?
- Datové podklady a Governance: Jaká data bude model využívat, jak je zajištěna jejich aktualizace, ochrana osobních údajů (GDPR) a prevence úniku firemního know-how?
Srovnání doporučení IIBA® pro AI řešení (Dos & Don'ts)
| Oblast | ✔️ Co dělat (Dos) | ❌ Čemu se vyhnout (Don'ts) |
|---|---|---|
| Zadání & Cíle | Definovat jasné metriky návratnosti (ROI) a business value ještě před výběrem AI technologie. | Podléhat technickému hypu a implementovat AI řešení tam, kde stačí jednoduchá automatizace. |
| Akceptace & Testy | Definovat zábradlí (Guardrails) a akceptační kritéria pro hraniční stavy a nepovolená témata. | Předpokládat 100% spolehlivost modelu a testovat výstupy pouze na ideálních průchodech (Happy Path). |
| Data & Bezpečnost | Prověřit kvalitu a trasovatelnost vstupních datových sad (RAG / trénovací data) s datovým architektem. | Zadávat AI projekty bez vyřešené etiky, autorských práv a souladu s předpisy o ochraně dat. |
Mějte AI checklist podle BABOK® stále po ruce
Připravili jsme pro vás praktický PDF tahák, který obsahuje 7 klíčových otázek pro business analytika před spuštěním jakéhokoliv AI projektu – od prověření datové připravenosti až po definici akceptačních hranic.
Stáhněte si svůj onepager IIBA® BA for AI Guide: 7 otázek před zahájením AI projektu (PDF)