Fallstudie
AI-strategi, sedan ett internt bygge som snabbar upp RFP-svaren
Vi arbetade med ledningen för Knowit Cloud & Code för att utforma en AI-strategi och prioritera användningsfall, och ledde sedan ett internt utvecklingsteam som byggde RFP-matcharen. Den snabbar upp RFP-svaren för IT-projekt med hjälp av en databas med omkring tusen konsult-CV:n och tidigare projekt.
- Matchningstid
- Ungefär en vecka, nu några timmar
- Chefer som inte längre tillfrågas per RFP
- Omkring 50
- Dataomfattning
- Omkring 1 000 konsult-CV:n plus projekthistorik
- Byggt av
- Knowits interna utvecklingsteam, lett av oss
- Föregicks av
- AI-playbook och prioriterad portfölj av användningsfall
Utgångsläget
En konsultverksamhet lever på sina RFP-svar, och kvaliteten i ett svar hänger på att snabbt hitta rätt personer och det mest relevanta tidigare arbetet. På Knowit Cloud & Code innebar det att människor som omöjligt kunde hålla allt i huvudet fick söka igenom omkring tusen konsult-CV:n och en historik över genomförda projekt, under tidspress. Den större frågan gällde var AI hörde hemma i verksamheten, både för den interna produktiviteten och för det de erbjuder kunderna.
Det här gjorde vi
Strategi först, sedan ett medvetet valt första bygge.
- AI-strategi med ledningen: en AI-playbook som täcker både intern produktivitet och kunderbjudanden.
- Kartläggning och prioritering av användningsfall, så att det första bygget valdes i stället för att bara bli det som låg närmast till hands.
- Inspirations- och utbildningspass för en bredare publik, så att strategin inte satt hos fem personer.
- Att leda ett internt utvecklingsteam genom bygget av RFP-matcharen: ett verktyg som matchar en inkommande RFP mot databasen med konsult-CV:n och projekt, så att teamet som svarar börjar med kandidater i stället för med en tom sökning.
Därför var RFP-matcharen rätt att bygga först
Den låg mitt på den första vägen till AI-värde och ökade produktiviteten i ett arbetsflöde som verksamheten redan förstod och redan mätte. Datan fanns. Ägaren var självklar. Resultatet syntes för dem som gjorde arbetet inom en enda RFP-cykel. Att välja ett första bygge med de här fyra egenskaperna avgör till största delen om ett AI-program får ett andra bygge.
Det här förändrades
Ett litet säljteam matchar i dag konsulter mot en inkommande RFP på några timmar. Samma arbete tog tidigare ungefär en vecka. Den större förändringen är det som slutade hända: att svara på en RFP betyder inte längre att en fråga går ut till femtio teamchefer om vem som är ledig och vem som passar. Sökningen körs mot databasen i stället för mot femtio personers uppmärksamhet, och det var den delen som kostade på riktigt och aldrig syntes på någon budgetrad.
Det här sa kunden
Amir arbetade tillsammans med oss för att ta fram en AI Playbook för både intern produktivitet och kunderbjudanden. Han engagerade både ledningen och de tekniska teamen, och höll flera inspirations- och utbildningspass för en bredare publik. Genom en god kombination av strategiskt angreppssätt, handlingskraft och teknisk förståelse blev Amir ovärderlig för att snabba upp vår AI-satsning och nå konkreta resultat.
Johan RibberklintCEO, Knowit Cloud & CodeÖversatt från engelska
Relaterat: Kartlägg och prioritera dina AI-användningsfall · Implementering och förankring av AI