Změna způsobu, jakým přemýšlíme o GenAI v jednací místnosti: navigace ve střednědobém a dlouhodobém ROI

Když týmy vedení po celém světě začínají plánovat rok 2025, téma, které je na mysli každého, je, kdy očekávat, že jejich investice do umělé inteligence (AI) a/nebo generativní umělé inteligence (GenAI) se vrátí. Nový výzkum od Google Cloud odhalil, že více než 6 z 10 velkých (více než 100 zaměstnanců) společností používá GenAI a 74 % již vidí určitou návratnost investic (ROI). Ale maximalizace ROI z AI/GenAI vyžaduje strategický přístup, který jde beyond pouhé ospravedlnění nákladů, zahrnující jak přímé, tak nepřímé návraty, jasnou znalost časových prodlev a skrytých nákladů, a integraci lidsky orientovaných funkcí, aby se zajistily spolehlivé a škálovatelné procesy.

Předefinování ROI

Vzhledem k veškeré pozornosti, které AI/GenAI dostaly v médiích v minulém roce, může být snadno zapomenuto, že tyto investice jsou stále relativně nové, což znamená, že většina společností ještě neviděla takový ROI, který je možný. To činí ještě důležitějším spravovat očekávání v jednací místnosti od začátku, protože jakékoli rané hodnocení vytvoří kritické dojmy, které ovlivňují, jak vedení pohlíží na budoucí investice. Pokud mají vysoké naděje na okamžité, transformační změny, jejich názor se může zhoršit, pokud tyto změny jsou stále v raných fázích. Jinými slovy, nové inovace vyžadují nové měřicí perspektivy a vůdci by měli přehodnotit, jak přemýšlejí o střednědobém a dlouhodobém ROI.

Vzhledem k tomu, co tvoří úspěšnou transformaci, pokrok je často nejlépe měřen v oku pozorovatele, ale i “malá” vítězství mohou vést k větším potenciálním výsledkům na cestě. Zde jsou tři způsoby, jak pomoci kontextualizovat vaše investice do AI/GenAI, stejně jako einige příklady z těch, kteří jsou na podobné cestě.

1. Rozlišovat mezi přímým a nepřímým ROI

V některých odvětvích je přímý ROI snazší rozpoznat. Například, pokud maloobchodní nebo CPG společnost začne nabízet nové funkce GenAI, pravděpodobně dostanou okamžitou zpětnou vazbu od zákazníků o tom, jak jsou funkce přijímány. Zatímco v jiných odvětvích, jako je výroba, je více nepřímý ROI, který závisí na dlouhodobějších investicích. S těmito druhy měkkých návratů je to obvykle “trickle-down impact”, který může vytvořit nové příležitosti nebo odemknout novou hodnotu. Představte si, že implementujete nové AI řešení, aby zlepšilo produktivitu týmu. Zatímco váš prvotní cíl mohl být výstup, zvýšení aktivity by také mohlo vést k odhalení zcela nových cest růstu, které nebyly dříve zvažovány. To je nejvíce vzrušující a osvěžující část o AI/GenAI – neznámý potenciál. A přestože je potenciál těžké měřit, měl by být vždy zahrnut jako faktor při výpočtu návratnosti.

Dobrým ilustrativním příkladem obou přímého a nepřímého ROI je e-commerce společnost Mercari, která minulý rok přidala ChatGPT-poháněného nákupního asistenta na svou platformu pro druhé ruky. Jejich nový “Merchant AI” by umožnil zákazníkům “přihlásit se na web, zapojit se do konverzace s nákupním asistentem, odpovědět na otázky o svých potřebách a poté obdržet řadu doporučení” pro další kroky. Přímý ROI z tohoto byl 74% snížení objemu lístků u Mercari, zatímco nepřímý ROI byl, že výsledné úspory času umožnily společnosti postupně snižovat technický dluh a škálovat své operace.

2. Zohlednit dobu realizace investic do AI/GenAI a doprovázející skryté náklady

Vzhledem k neustálému tlaku na C-Suite, aby rostly zisky, je málo šance, že náhle přijmou “dobré věci přicházejí k těm, kteří čekají” mentalitu. Ale realita je, že jakýkoli vstup do AI/GenAI vyžaduje čas a peníze, dokonce i předtím, než dosáhnete startovní čáry. Od investic do infrastruktury a školení po získání různých API a relevantních dat může to být měsíce přípravné práce, které neukáží žádný “návrat” kromě toho, že jste připraveni začít. Další skrytou náklad (o kterém mnozí lidé nemluví) je realita, že budete dostávat halucinace a chyby vytvořené AI, které mohou společnosti stát spoustu peněz, posíláním je ve špatném směru, otevíráním mezery nebo potenciálně spouštěním drahého PR problému. Celá zkušenost je velmi nová, což dělá všechno trochu riskantnější a dražší, takže je důležité, aby vůdci zohlednili tuto skutečnost při hodnocení ROI.

McKinsey nabídl pohled na tento rozhodovací proces a jeho spojené náklady, riffing na klasický “rent, buy, or build” scénář. V jejich archetypu by CIO nebo CTO měli zvažovat, zda jsou “Taker” (používající veřejně dostupné LLMs s malou customizací), “Shaper” (integrující modely s vlastními daty, aby získali více přizpůsobené výsledky) nebo “Maker” (stavějící na míru model, aby řešil konkrétní obchodní případ). Každý archetyp má své vlastní náklady, které techničtí lídři budou muset posoudit, od “Taker”, které stojí kolem 2 milionů dolarů, po “Maker”, které mohou někdy dosáhnout 100x této částky.

Snažit se udělat investice do AI/GenAI více lidsky orientované

Stále existuje spousta strachu (zvláště mezi pracovníky) že AI nahradí lidi. Místo toho, aby se tyto obavy bagatelizovaly, společnosti by měly pozici jakékoliv transformace jako posílení místo náhrady a snažit se najít způsoby, jak udělat svou investici více lidsky orientovanou. S GenAI to není transakce; je to partnerství a stále existuje skutečná potřeba lidských pracovníků, aby hodnotili účinnost jakýchkoli generovaných informací nebo materiálů, aby se zajistilo, že jsou bez偏见, halucinací nebo jiných nesprávných interpretací. To je proč je kritické, aby společnosti neustále vyzývaly AI, aby poskytly zdůvodnění za každé rozhodnutí, aby se zajistila přesnost. To dá obsahu více validace, vaši pracovníci uvidí definovanou roli v procesu a nakonec to pomůže ROI, protože se učíte na každé etapě.

Je také dobrý nápad nastavit pevné guardrails, aby poskytovaly přísné limity na typ informací, ke kterým může AI přistupovat. Zeptejte se sami sebe, “Měli bychom umožnit AI přístup k internetu?” Možná ne. Bod je, aby se nejdříve zvažovala potřeba a pokud máte jiné prokázané metody, používejte je. Někdy je AI užitečné pouze pro souhrn, ne “myšlení”. Je to všechno o nalezení správné rovnováhy a lidé stále hrají kritickou roli.

Podle výzkumu od Accenture se 94 % výkonných ředitelů domnívá, že lidské rozhraní technologie umožní lépe porozumět chování a záměrům, transformující interakci mezi lidmi a stroji.

Zavření mezery mezi slibem a realitou

Odborníci se shodují, že zatímco nízká bariéra vstupu do GenAI je skvělou funkcí, jeho “dlouhodobý potenciál závisí na prokázání jeho krátkodobé hodnoty”. To znamená, že jakékoli pilotní projekty AI/GenAI by měly mít řadu jasně definovaných (ale flexibilních) kritérií úspěchu, než budou spuštěny, a společnosti by měly neustále monitorovat procesy, aby se zajistilo, že neustále poskytují hodnotu. Když jde o tuto novou éru digitální inovace, možná nikdy nebude tradiční “cíl”, ke kterému všichni běžíme. Místo toho, změnou toho, jak přemýšlíme o střednědobém a dlouhodobém ROI z AI/GenAI, mohou společnosti být chytřejší se svými investičními dolary a zaměřit se na rozvoj schopností, které mohou škálovat spolu se společností.