دليل المشغل لجني عائد الاستثمار من الذكاء الاصطناعي

尽管 وجود الذكاء الاصطناعي له فوائد كثيرة، إلا أنه خلق تحديًا أساسيًا للمشغلين. على الرغم من الاستثمار الكبير في تبني الذكاء الاصطناعي، لا يزال العديد من المشغلين لا يرون عائد الاستثمار الملموس على الميزانية.

في الواقع، بينما من المتوقع أن يصل الإنفاق العالمي على الذكاء الاصطناعي إلى 632 مليار دولار أمريكي في عام 2028، وجد تحليل من معهد ماساتشوستس للتكنولوجيا أن khoảng 5٪ فقط من مشاريع الذكاء الاصطناعي في الشركات الكبيرة تُحقق عوائد مالية قابلة للقياس، في حين أن الغالبية العظمى لا تُحقق أي عوائد أو تُحقق عوائد ضئيلة. هذا الفجوة خلقت ضغطًا متزايدًا على المشغلين لتحويل الدولارات إلى تأثير، مما يؤدي في كثير من الأحيان إلى تبديد الموارد على مشاريع فاشلة أو استثمارات عجلة في حلول تبدو واعدة على الورق ولكنها تفشل في الممارسة.

الواقع هو أن النجاح في عصر الذكاء الاصطناعي لن يُحدد ببساطة من خلال جديد أو تعقيد التكنولوجيا الجديدة، ولكن من خلال مدى تمييز الفرق في فهم التحديات الأساسية واختيار حلول تقنية تُحقق قيمة حقيقية. لا يوجد حل سحري للحصول على النتائج الصحيحة، ولكن بعض الاعتبارات يمكن أن تساعد فريقك على التحرك في الاتجاه الصحيح.

تجنب ضرائب العجلة

واحدة من العوائق الرئيسية للعائد من الاستثمار في الذكاء الاصطناعي هي السماح للخوف من التأخر في اتخاذ القرارات. عندما يؤثر هذا المنظور على الاستراتيجية، يمكن للمنظمات دفع ضرائب العجلة، وحرق وقت وطاقة وموارد قيمة في محاولة للبقاء على قدم المساواة مع أحدث التطورات.

يمكن أن تؤدي القوى الداخلية والخارجية إلى هذا الضغط. عندما يرى القيادة منافسًا يُعلن عن قدرة ذكاء اصطناعي جديدة، يمكن أن يتبع ذلك انحدار سريع إلى فخ المقارنة، وما يبدأ كرغبة في البقاء على صلة سريعةً يتحول إلى سباق استجابة.

الاستثمارات التي تُجرى من هذا المنطلق تفشل لأسباب كثيرة، ولكن أحد الأسباب الأكثر شيوعًا هو عدم الجاهزية الكافية. في حين قد يقدم منافس منتجًا أو خدمة مشابهة، قد لا تكون أسس البيانات أو النضج التشغيلي للمنظمة قويًا بما يكفي لدعم نفس التكنولوجيا، مما يتحول ما يبدو كحركة استراتيجية إلى رهان مخاطر.

هذا هو السبب في أن المديرين والمديرين الأقرب إلى العمليات اليومية غالبًا ما يكونون في أفضل موقع لاتخاذ قرارات تكنولوجية. عندما يأتي تكنولوجيا جديدة إلى السوق، يجب أن يكون هؤلاء الفرق مسؤولين عن تقييم ما إذا كان هناك مشكلة واضحة يمكن حلها وما إذا كانت المنظمة جاهزة حقًا لدعمها. لأنهم يفهمون حيث يوجد الاحتكاك، حيث يُفقد الوقت، وحيث يمكن للتكنولوجيا أن تترك تأثيرًا، يمكنهم مساعدة في توجيه قرارات الذكاء الاصطناعي في الواقع التشغيلي بدلاً من مطاردة الجديد.

إجراء مراجعة دراجة

另一个 خطأ شائع في شراء التكنولوجيا هو الشراء الزائد. يختلف هذا عن ضرائب العجلة لأنه يحدث بعد تحديد حاجة حقيقية وجودة تشغيلية لدعم حل ذكاء اصطناعي. في هذه المرحلة، يصبح السؤال ليس “هل نحن بحاجة إلى شيء” ولكن “ما الذي نحن بحاجة إليه حقًا”؟

هذه المشكلة شائعة بشكل خاص في الصناعات التقليدية مثل اللوجستيات، التي انتقلت من 0 إلى 60 مع الإمكانيات التكنولوجية في السنوات الأخيرة. حيث كان تحدينا هو معالجة التعقيدات الحديثة مع الأنظمة والعمليات القديمة، الآن هو اختيار من قوائم الرغبات التكنولوجية اللانهائية المتاحة من الموردين أو من خلال التطوير الداخلي.

يمكن أن تساعد “مراجعة الدراجة” بشكل كبير قبل الوصول إلى نقطة الشراء. إنها تتحدي صانعي القرار للاجابة على سؤال بسيط: هل نحن بحاجة إلى فيراري أو دراجة؟ يحب الفرق التكنولوجية الطموحة الحلم بالكبير، وغالبًا ما يهدف الموردين إلى تقديم حلولهم الأفضل مباشرة. كلاهما صحيح، ولكن الاستثمار في قوة فيراري لا يبرر عندما يمكن للدراجة أن يحصلنا على ما نحتاجه.

مراجعة مع المقاييس

طريقة لاتخاذ هذا القرار هي فهم المشكلة التي تحاول حلها عبر ثلاثة مستويات من المقاييس: الأولية والثانوية والثالثية. تقييم جميع هذه المستويات معًا يساعد على توضيح حيث يوجد الاحتكاك، وما يبدو الأداء الأمثل على كل مستوى، وكم الاستثمار اللازم لإغلاق الفجوة.

تمثل المقاييس الثانوية السلوكيات التشغيلية الأساسية. غالبًا ما تعيش عدم الكفاءة الكبيرة على هذا المستوى، ويمكن للدراجات المستوى حلول مثل تحسين.capture البيانات وتحسين التنفيذ أن تترك تأثيرًا كبيرًا مع استثمار صغير نسبيًا.

تمثل المقاييس الثانوية معايير الأداء الحقيقية – مثل معدلات تحويل العملاء وأدوات أخرى يمكن للفرق التأثير عليها من خلال زيادة الإنتاجية. عادةً ما تتطلب حل عدم الكفاءة هنا شيءًا أكثر تعقيدًا من الدراجة ولكن أقل تعقيدًا من فيراري، مثل التأتمتة المتقدمة التي يمكنها التعامل مع مجموعات بيانات أكبر.

المقاييس الأولية هي الحجارة الكبيرة مثل الإيرادات. هذا هو حيث تظهر حلول فيراري المستوى. غالبًا ما تكون هذه التكنولوجيا عالية التكلفة التي توعد بتأثير مادي على السطر الأساسي. في حين أنها تستحق الاستكشاف، من المهم تذكر أن هذه الحلول قد تفشل في تحقيق إمكاناتها الكاملة للعائد على الاستثمار إذا لم تُعالج التحديات الثانوية والثالثية أولاً.

الاستثمارات الأصغر، المستهدفة في المستويات الأدنى غالبًا ما تكون أفضل مكان للبدء لأنها تميل إلى تقديم نتائج سريعة. كما أنها توفر فرصًا للتعلم من ما يعمل، مع مكاسب تراكميّة تتراكم مع مرور الوقت، مما يساعد في النهاية على بناء تأثير إجمالي مماثل أو أكبر من الاستثمارات الأكبر، مع مخاطر أقل بكثير.

معًا، تساعد مراجعة الدراجة وإطار العمل المقاييسي الثلاثي المنظمات على تقليل المخاطر من خلال تحديد حجم الحلول بشكل صحيح لمشاكل حقيقية. النقطة ليست في تجنب الذكاء الاصطناعي المتقدم، ولكن في البدء بتحليل المشاكل الأكثر تأثيرًا بأقل استثمار ممكن، ثم التوسع من هناك.

كن استراتيجيًا بشأن شركاء الأعمال الناشئة

الزيادة الأخيرة في رأس المال الاستثماري المتعلق بالذكاء الاصطناعي غمر السوق بالشركات الناشئة الجديدة. هذه المخربين سيأتون إلى الطاولة مع عروض واعدة ونتائج كافية لإقناع حتى الفرق الأكثر تمييزًا.

لكن يجب على المشتري أن يكون حذرًا: غالبًا ما تكون المنتجات والأشخاص خلف هذه الشركات الجديدة غير مُختبرين. أن تصبح مستخدمًا مبكرًا يحمل مخاطر، بما في ذلك احتمال بناء المنتج جنبًا إلى جنب معهم. في حين أن هذا يمكن أن يقدم فرصًا، يجب أن يكون هذا اختيارًا واعيًا – لأنك تحاول تحريك الإبرة على مشاكل ذات تأثير مالي حقيقي، nên لا ينبغي أن تُخصص موارد قيمة لمساعدة مورد في تعديل أحدث تحديث له.

مرة ما يتم دمج المورد، يقع الكثير من النتيجة خارج سيطرتك. خارطة الطريق، ومقاييس دعم العملاء، والديناميات التسعيرية، وقدرة الحفاظ على الأداء مع نموهم كلها تخضع للتغيير. يمكن أن تشكل هذه التغييرات قيمة الشراكة على المدى الطويل بطرق غير مرئية تمامًا في البداية.

التحكم في هذا اللااستقرار يتطلب صبرًا وتمييزًا في البداية. أخذ الوقت لتأكيد حل من خلال概念 إثبات، وفهم الالتزامات التعاقدية قبل التكامل الأعمق، والتحدث مباشرة مع المستخدمين الحاليين يساعد الفرق على اختيار موردين يمكنهم تقديم قيمة على مدى عمر الشراكة.

جعل الذكاء الاصطناعي يُجدي

بما أن هذه الاعتبارات مجتمعة تُؤكد على حقيقة أن ممارسة التمييز القوي هي العامل الأول والأكثر أهمية في جني عائد الاستثمار من الذكاء الاصطناعي. عندما يركز الفرق على تحديد الاحتكاك الحقيقي، تتحسن النتائج لأن عدم الكفاءة يُزال والوقت يُ重新 تخصيص إلى مهام ذات قيمة أعلى. هذا ما يبدو العائد الحقيقي على الاستثمار، ويُكسب فقط من خلال الانضباط والوضوح والاتخاذ القرارات الواقعية التي تُفيد السطر الأساسي مع مرور الوقت.