Skutečná hodnota AI je postavena na datech a lidech – ne pouze na technologii

Slib AI se rozšiřuje denně – od zvyšování individuální produktivity až po umožnění organizacím objevit nové a mocné obchodní poznatky prostřednictvím dat. Zatímco potenciál AI vypadá neomezeně a jeho dopad je snadno představitelný, cesta k真正 AI-poháněnému ekosystému je komplexní a náročná. Tato cesta nezačíná a nekončí implementací, přijetím nebo dokonce pravidelným používáním AI – končí tam. Dosáhnutí plné hodnoty AI řešení nakonec závisí na kvalitě dat a lidí, kteří je implementují, spravují a aplikují, aby dosáhli smysluplných výsledků.

Data: Základní kámen úspěchu AI

Data, konstanta organizace. Bez ohledu na to, zda se jedná o malý obchod nebo velkou korporaci, každé podnikání běží na datech (finanční záznamy, inventář, bezpečnostní záběry atd.). Správa, přístup a řízení těchto dat je základním kamenem pro realizaci plného potenciálu AI v rámci organizace. Gartner nedávno uvedl , že 63 % organizací postrádá důvěru nebo je nejistých, zda jejich stávající datové postupy nebo manažerská struktura jsou dostatečné pro úspěšné přijetí AI. Povolení organizaci odemknout plný potenciál AI vyžaduje dobře promyšlenou datovou praxi. Od sběru, uložení, syntézy, analýzy, zabezpečení, ochrany, řízení a přístupu – musí být zavedena rámcová a metodologická struktura pro efektivní využití AI. Kromě toho je nezbytné zmírnit rizika a nechtěné důsledky. Jasně řečeno, data jsou základním kamenem analytiky a palivem pro váš AI.

Přístup, který má vaše AI řešení k vašim datům, určuje jeho potenciál dodat – tak moc, že vidíme vznik nových funkcí speciálně pro něj, Chief Data Officer (CDO). Prostě řečeno, pokud je AI řešení zavedeno do prostředí s „volně plovoucími“ daty, přístupnými komukoli – bude chybné, zkreslené, nekompatibilní a velmi pravděpodobně vystaví citlivá a soukromá data. Naopak, když je datové prostředí bohaté, strukturované, přesné, v rámci rámcové a metodologické struktury pro to, jak organizace používá svá data – AI může přinést okamžité výhody a ušetřit mnoho hodin na modelování, předpovědi a vývoj. Postavený kolem základního kamene dat jsou práva přístupu a politika řízení dat, která představují svou vlastní starost – lidský prvek.

Lidé: Nedocenění faktor v přijetí AI

IDC nedávno sdílel, že 45 % CEO a více než 66 % CIO vyjádřilo váhání kolem technologických dodavatelů, kteří plně nerozumí potenciálním rizikům AI. Tito lídři mají oprávněné obavy. Bezpochyby, důsledky starých IT rizik zůstávají podobné u řízeného AI (tj. výpadek, provozní selhání, nákladné pojistné премии, pokuty za compliance, zákaznické zkušenosti, úniky dat, vydírání a další) a jsou zesíleny integrací AI do IT. Obava pochází z nedostatku porozumění kořenovým příčinám těchto důsledků nebo pro ty, kteří nejsou vědomi, úzkosti, které přicházejí s asociovaným AI umožněním jako katalyzátorem těchto důsledků.

Tlačící se otázka je, „Měl bych investovat do této nákladné IT nástroje, který může výrazně zlepšit výkon mého podnikání na každé funkční úrovni, za riziko IT kolapsu kvůli nedostatku připravenosti a umožnění zaměstnanců?“ Dramatické? Absolutně – podnikový riziko vždy je, a již víme odpověď na tu otázku. S komplexnějšími technologiemi a zvýšeným operačním potenciálem musí být také úsilí o umožnění týmům používat tyto nástroje legálně, správně, efektivně a účinně.

Výzva dodavatele

Nedostatek důvěry v technologické dodavatele sahá za odborné znalosti a odráží hlubší problém: neschopnost jasně artikulovat specifické rizika, kterým organizace čelí s nesprávnou implementací a nerealistickými očekáváními.

Vztah mezi organizací a technologickými dodavateli je podobný vztahu mezi pacientem a zdravotnickým pracovníkem. Pacient konzultuje zdravotnického pracovníka s příznaky, hledající diagnózu a doufající v jednoduché a nákladově efektivní řešení. V preventivních situacích bude zdravotnický pracovník pracovat s pacientem na dietních doporučeních, životních volbách a specializovaném léčení, aby dosáhl stanovených zdravotních cílů. Podobně existuje očekávání, že organizace obdrží preskriptivní řešení od technologických dodavatelů pro řešení nebo plánování technologických implementací. Nicméně, když organizace nejsou schopny poskytnout preskriptivní rizika specifická pro dané IT prostředí, zvyšuje to nejistotu AI implementace.

I když IT dodavatelé účinně komunikují rizika a potenciální dopady AI, mnoho organizací je odrazováno skutečnými celkovými náklady na vlastnictví (TCO) spojenými s vytvořením nezbytného základu. Existuje rostoucí povědomí o tom, že úspěšná implementace AI musí začít v rámci stávajícího prostředí – a pouze tehdy, když je toto prostředí modernizováno, mohou organizace skutečně odemknout hodnotu AI integrace. Je to podobné jako předpoklad, že kdokoli může skočit do kokpitu F1 superauta a okamžitě vyhrát závody. Každá rozumná osoba ví, že úspěch ve závodě je výsledkem jak zkušené řidiče, tak vysoce výkonného stroje. Podobně, výhody AI lze realizovat pouze tehdy, když je organizace řádně připravena, vyškolena a vybavena pro přijetí a implementaci.

Případ z praxe: Microsoft 365 Copilot

Microsoft 365 Copilot je skvělým příkladem stávajícího AI řešení, jehož potenciální dopad a hodnota jsou často nepochopitelné nebo zředěné kvůli nesouladům zákazníků – v tom, jak AI má být implementováno a co si myslí, že by mělo dělat, spíše než pochopit, co může dělat. Dnes více než 70 % firem z žebříčku Fortune 500 již využívá Microsoft 365 Copilot. Nicméně, široce rozšířený strach, že AI nahradí pracovní místa, je převážně mýtem, pokud jde o většinu skutečných aplikací AI. Zatímco nahrazení pracovních míst se vyskytlo v některých oblastech – jako jsou plně automatizované „tmavé sklady“ – je důležité rozlišovat mezi AI jako celkem a jeho použitím v robotice. Druhý měl přímější dopad na nahrazení pracovních míst.

V kontextu Modern Work leží primární hodnota AI v posílení výkonu a zesílení odbornosti – ne v jejich nahrazení. Šetřením času a zvyšováním funkční produkce umožňuje AI více agilní strategie prodeje a rychlejší dodání hodnoty. Nicméně, tyto výhody závisí na kritických umožňujících faktorech:

• Zralá datová praxe
• Silné řízení přístupu a správy
• Robustní bezpečnostní opatření pro zmírnění rizik
• Povolení lidí pro odpovědné použití AI a nejlepší praxe

Zde jsou beberapa příkladů AI-poháněných funkčních zlepšení napříč obchodními oblastmi:

• Lídraři prodeje mohou generovat modely predispozice pomocí dat životního cyklu zákazníků, aby poháněli strategie cross-sell a upsell, zlepšovaly retenci zákazníků a zvýšily hodnotu.
• Týmy firemní strategie a FP&A získávají hlubší poznatky díky času ušetřenému při analýze obchodních jednotek, umožňujících lepší sladění s firemními cíli.
• Týmy účtárny mohou spravovat platební cykly efektivněji s rychlejším přístupem k akčním datům, zlepšujícím komunikaci se zákazníky a jejich zapojení.
• Lídraři marketingu mohou vytvářet více účinné, prodejní strategie prodeje a marketingu, využívající AI poznatky o prodejním výkonu a příležitostech.
• Operační týmy mohou snížit čas strávený při vyrovnávání finančních a prodejních dat, minimalizujících chaos během konce čtvrtletí nebo konce roku.
• Týmy zákaznické podpory a úspěchu mohou snížit dobu reakce a doby řešení, automatizujících pracovní postupy a zjednodušujících klíčové kroky.

Tyto příklady pouze lehce dotknou povrchu potenciálu AI pro pohánění funkční transformace a zvyšování produktivity. Nicméně, realizace těchto výhod vyžaduje správnou základnu – systémy, které umožňují AI integrovat, syntetizovat, analyzovat a nakonec dodat na své sliby.

Konečné myšlenka: Žádné Plug-and-Play pro AI

Implementace AI pro odemknutí jeho plného potenciálu není tak jednoduchá, jako instalace programu nebo aplikace. Je to integrace propojené sítě autonomních funkcí, které pronikají do celého IT stacku – dodávající poznatky a operační efektivitu, které by jinak vyžadovaly značné manuální úsilí, čas a zdroje.

Dosáhnutí hodnoty AI řešení je založeno na budování datové praxe, udržování robustního rámce přístupu a správy, a zabezpečení ekosystému – téma, které vyžaduje hlubší vhled.

Schopnost technologických dodavatelů být ceněným partnerem bude záviset na marketingu a umožnění, zaměřených na vyvracení mýtů a kalibraci očekávání na to, co skutečně znamená využití potenciálu AI.