3 kerneprincipper til at drive ROI fra GenAI-udrulninger

Virksomhedsledere er ivrige efter at implementere generativ AI (GenAI) i deres forretninger. Så hvorfor mislykkes så mange projekter med at komme ud over proof of concept (POC)-stadiet? Ved en seneste Gartner-begivenhed sagde Rita Sallam, udmærket vicepræsidentanalytiker, at mindst 30% af GenAI-projekter vil blive droppet efter POC’er inden udgangen af 2025 på grund af problemer som dårlig datakvalitet, utilstrækkelige risikokontroller, stigende omkostninger eller en manglende evne til at realisere ønsket forretningsværdi.

Disse problemer er blandt årsagerne til, at Gartner sagde, at GenAI begynder at gå ind i trough of disillusionment i dens seneste Hype Cycle for Emerging Technology, 2024. Imidlertid rapporterede respondenter i en separat Gartner-undersøgelse, at deres GenAI-udrulninger havde hjulpet virksomhederne med at opnå 15,8% øgede indtægter, 15,2% besparelser og 22,6% produktivitetsforbedringer.

Så hvad adskiller virksomheder, der lykkes med at integrere GenAI i nøgleprocesser, fra dem, der mislykkes med at realisere den forventede forretningsværdi? Disse ledere og hold bruger en anden tilgang, der er kendetegnet ved rigorøs forberedelse og ændringsstyring. Her er tre nøgleprincipper til at vejlede evaluering, udvælgelse og aktivering af brugstilfælde med GenAI, så hold kan minimere risici og styre omkostninger, mens de transformerer forretningsprocesser.

1. Kerneprincip 1: Kvantificér forretningsværdi fra starten:

Mens forretningsledere måske har prioriteret GenAI-eksperimentering initialt, er de nu ivrige efter at høste konkrete forretningsværdier fra investeringerne.

Partnere kan hjælpe virksomheder med at udvikle detaljerede forretningscases ved at afholde workshops for at forstå overordnede mål, den nuværende tilstand af dataprocesser og teknologiinfrastrukturer osv. Som en del af denne proces arbejder de med virksomhedshold for at evaluere potentielle brugstilfælde, prioritere dem ved at løse forretningsproblemer, bestemme niveauet for indsats og forventet ROI og udvikle nøglepræstationsindikatorer for at måle fremgangen. Ved Google Cloud Next ’24 fremhævede virksomheden 101 historier om organisationer, der lykkes med GenAI ved at udrulle kunde-, medarbejder-, kreative-, data-, kode- og sikkerhedsagenter.

Markedskapaciteterne fortsætter med at udvikle sig, hvilket strømliner vejen til værdiskabelse. Microsoft og Google har integreret store sprogmodeller i deres søgemaskiner. Internetbrugere kan nu modtage sammenfattede svar og links, hvilket reducerer deres tid til indsigt. På samme måde tilbyder partnere GenAI-acceleratorplatforme med AI- og maskinlæringsmodeller, som virksomheder kan tilpasse og udrulle i deres miljø inden for uger. Virksomhederne har gavn af at få afprøvede værktøjer, reducerer omkostningerne og risikoen for udrulning og skalere nye forretningsfærdigheder hurtigere.

2. Kerneprincip 2: Sikr datakvalitet, privatliv og sikkerhed.

At levere højkvalitets-, privatlivs- og sikkerhedsdata til modeltræning og slutning er grundlaget for hver succesfuld GenAI-implementering. Virksomheder må forberede data for at sikre, at AI-modellerne genererer nøjagtige og pålidelige outputs. Derudover implementerer de sikringsforanstaltninger og nye værktøjer for at beskytte følsomme oplysninger, herunder modeloutputs, mod eksponering. På samme måde kan GenAI bruges til at identificere sikkerhedsproblemer, der kan afhjælpes af hold eller automatisering.

Mastercard bruger GenAI til at lette kundeinteraktioner og reducere svindel. Dets AI-drevne chatbots giver kunderne instant adgang til personlige anbefalinger, kontooplysninger og transaktionshistorik.

Virksomheden bruger også GenAI-prædictiv modellering til at identificere usædvanlige udgiftsmønstre, der kunne indikere potentiel svindel. Med GenAI har Mastercard fordoblet opdagede afkortede kort; reduceret falske positiver med op til 200%; og øget hastigheden af at identificere handlende, der er sårbare over for svindel, med 300%.

3. Kerneprincip 3: Styrk samarbejdet mellem mennesker og GenAI.

Mens GenAI vil automatisere nogle processer, vil det oftest hjælpe mennesker med at træffe bedre beslutninger. GenAI kan oprette syntetisk data, behandle data, genkende mønstre og oprette prædictive analyser for at styrke samarbejde og skabelse af nye tjenester. For eksempel kan GenAI give scenarier og anbefalinger for beslutningstagerne at overveje, så de kan optimere resultaterne. Mennesker bringer markedsoverblik og kontekstuel bevidsthed, forretningskendskab, dømmekraft og empati til beslutningstagningen, hvilket bygger på GenAI-kapaciteterne.

Så hvordan kan virksomheder maksimere potentialet for samarbejde mellem mennesker og GenAI? Ledere skal tage sig tid til at definere tydelige roller og ansvar, træne holdene kontinuerligt i de seneste kapaciteter og give sikringsforanstaltninger og eskalationsveje, når GenAI ikke fungerer som forventet. Derudover skal de dele deres vision for GenAI, der former forretningsområdet, og understrege, at de supplerer menneskelige kapaciteter i stedet for at erstatte dem. En Forrester-undersøgelse fandt, at 36% af medarbejderne frygter at miste deres job til automatisering eller AI, men kun 1,5% vil, mens 6,5% vil have deres roller påvirket af GenAI. Derfor skal medarbejderne omfavne denne teknologi i stedet for at undgå den.

Allstate har implementeret en GenAI-drevet chatbot, der udnytter naturlig sprogbehandling til at levere realtids-, flersproget support og få større indsigt i kundeopførsel. For eksempel søger den at forbedre tidligere modellers præstationer tre gange ved at identificere de kunderejser, der kræver agentsupport.

Chatbot’en strømliner claimsprocessen ved at give en central platform for at indsamle og gennemgå relevante oplysninger. Mens menneskelige agenter fortsat håndterer komplekse claims, der kræver ekspertdømmekraft, forbedrer chatbot’en betydeligt effektiviteten ved at automatisere rutineopgaver og reducere behandlingstiden. Ved at bruge AI til at strømline formularindfyldning forbedrer Allstate nøjagtigheden og kundetilfredsheden.

Høst mere ROI fra GenAI ved at antage disse 3 kerneprincipper

Da GenAI eksploderede ind i verdens bevidsthed, opmuntrede ledere hurtigt til eksperimentering og innovation. Imidlertid løb POC’er af og til foran grundlæggende principper, hvilket eskalerede omkostninger og skabte løsninger, der ikke leverede den ønskede værdi.

Ledere kan bruge disse tre kerneprincipper – udvikle en solid forretningscase, adresse datakrav og hjælpe hold med at samarbejde med AI – til at gøre nye GenAI-initiativer succesfulde. De vil kunne pege på højværdi-brugstilfælde og -værktøjer, datasikkerhedsforanstaltninger og produktivitets- og innovationsforbedringer, der begejstrer C-suite, bestyrelser, kunder og investorer.