Změna způsobu, jakým přemýšlíme o GenAI v ředitelství: Navigace krátkodobého a dlouhodobého 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. Nová studie od Google Cloud odhalila, že více než 6 z 10 velkých (více než 100 zaměstnanců) společností používá GenAI a 74 % již vidí určitý návratnost investic (ROI). Ale maximalizace ROI z AI/GenAI vyžaduje strategický přístup, který jde beyond pouhé odůvodnění nákladů, zahrnuje přímé a nepřímé návraty, jasnou znalost časového rozvrhu a skrytých nákladů a integraci lidsky orientovaných funkcí, aby zajistily spolehlivé a škálovatelné procesy.

Předefinování ROI

Vzhledem k veškeré pozornosti, které AI/GenAI dostaly v médiích v minulém roce, může být snadné zapomenout, že tyto investice jsou stále relativně nové, což znamená, že většina společností ještě neviděla takový návratnost investic, který je možný. To činí ještě důležitějším řídit očekávání v ředitelství od začátku, protože jakékoli počáteční hodnocení vytvoří kritické dojmy, které ovlivňují, jak vedení pohlíží na budoucí investice. Pokud mají vysoké naděje na okamžitou, transformační změnu, jejich názor se může zhoršit, pokud tyto změny jsou stále v počáteční fázi. Jinými slovy, nové inovace vyžadují nové měřicí perspektivy a lídři by měli předefinovat, jak přemýšlejí o krátkodobém a dlouhodobém ROI.

Co se týče toho, co tvoří úspěšnou transformaci, pokrok je často nejlépe měřen v očích pozorovatele, ale i “malá” vítězství mohou vést k větším výsledkům na cestě. Zde jsou tři způsoby, jak pomoci kontextualizovat vaše investice do AI/GenAI, a 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 GenAI funkce, 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 “měkkými” návraty je to obvykle “trickle-down efekt”, který může vytvořit nové příležitosti nebo odemknout novou hodnotu. Představte si, že implementujete nové AI řešení, aby zlepšilo produktivitu týmu. Zatímco váš počáteční 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 AI/GenAI – neznámý potenciál. A přestože je potenciál těžké měřit, měl by být vždy zahrnut jako faktor při výpočtu návratnosti.

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

2. Zohlednit časový rozvrh investic do AI/GenAI a doprovodné skryté náklady

Vzhledem k neustálému tlaku na C-Suite, aby rostly zisky, je málo pravděpodobné, že najednou přijmou “dobré věci přicházejí k těm, kteří čekají” mentalitu. Ale realita je taková, že jakýkoli vstup do AI/GenAI vyžaduje čas a peníze, 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 neukážou žádný “návrat” jiný než být připraven začít. Další skrytou náklad (o kterém mnozí lidé nemluví) je skutečnost, že budete dostávat halucinace a chyby vytvořené AI, které mohou stát společnosti velké peníze tím, že je posílají špatným směrem, otevírají mezeru nebo potenciálně spouštějí drahý PR problém. Celá zkušenost je velmi nová, což dělá všechno trochu riskantnější a dražší, takže je důležité, aby lídři zohlednili tyto skutečnosti při hodnocení ROI.

McKinsey nabídl vhled do tohoto rozhodovacího procesu a souvisejících nákladů, který se opírá o klasickou “rent, buy, or build” scéna. V jejich archetypu by CIO nebo CTO měli zvážit, zda jsou “Taker” (používající veřejně dostupné LLM s malou customizací), “Shaper” (integrující modely s vlastními daty, aby získali více přizpůsobených výsledků) nebo “Maker” (budoucí speciální model, aby řešil konkrétní obchodní případ). Každý archetyp má své vlastní náklady, které techničtí lídři budou muset vyhodnotit, od “Taker”, který stojí více než 2 miliony dolarů, po “Maker”, který může někdy dosáhnout 100x této částky.

Snažit se udělat investice do AI/GenAI více lidsky orientované

Ještě existuje mnoho strachu (zejména mezi pracovníky) že AI nahradí lidi. Místo toho, aby tyto obavy odmítli, společnosti by měly prezentovat jakoukoli transformaci jako posílení místo náhrady a měly by se snažit najít způsoby, jak udělat svou investici více lidsky orientovanou. S GenAI to není transakce; je to partnerství, a stále existuje skutečná potřeba, aby lidé hodnotili účinnost jakýchkoli generovaných poznatků nebo materiálů, aby zajistili, že jsou bez偏见, halucinací nebo jiných nesprávných interpretací. To je důvod, proč je důležité, aby společnosti neustále vyzývaly AI, aby poskytly zdůvodnění za každým rozhodnutím, aby zajistily přesnost. To dá obsahu více validace, vaši pracovníci uvidí definovanou roli v procesu a nakonec to pomůže ROI, protože se učíte na každé fázi.

Je také dobrý nápad nastavit pevné mantinely, aby poskytovaly přísné limity na to, jaký druh informací AI může shromažďovat. Zeptejte se sami sebe, “Měli bychom dovolit AI přístup k internetu?” Možná ne. Bod je, aby se nejdříve podívali na potřebu a pokud máte jiné prokázané metody, používejte je. Někdy je AI pouze užitečné pro souhrn, ne “myšlení”. Je to všechno o vytváření správné rovnováhy a lidé stále hrají kritickou roli. Podle výzkumu Accenture 94 % výkonných ředitelů cítí, že technologie lidského rozhraní umožní lépe porozumět chování a záměrům, transformujícím lidsko-strojové interakce.

Zavření mezery mezi slibem a realitou

Odborníci se shodují, že zatímco GenAI má nízkou vstupní hranici, jeho “dlouhodobý potenciál závisí na prokázání jeho krátkodobé hodnoty.” To znamená, že jakékoli pilotní projekty AI/GenAI by měly mít jasně definovaná (ale flexibilní) kritéria úspěchu před jejich spuštěním a společnosti by měly neustále monitorovat procesy, aby zajistily, že poskytují hodnotu. Když jde o tuto novou éru digitální inovace, může být, že nikdy nebude tradiční “cíl”, ke kterému všichni běžíme. Místo toho, změnou toho, jak přemýšlíme o krátkodobém a dlouhodobém ROI AI/GenAI, mohou společnosti být chytřejší se svými investičními dolary a zaměřit se na rozvoj schopností, které mohou škálovat spolu s podnikáním.