En operatørvejledning til at generere ROI fra AI

Trods alle sine fordele har boomet inden for kunstig intelligens også skabt en central udfordring for operatører. Trods betydelige investeringer i AI-adoption ser mange operatører stadig ikke et meningsfuldt investeringsafkast på balancen.

Faktisk, mens global udgifter på AI forventes at nå 632 milliarder dollars inden 2028, ifølge en MIT analyse fandt ud af, at kun omkring 5 % af AI-pilotprojekter i virksomheder leverer målbare økonomiske afkast, hvor langt de fleste genererer ringe eller ingen investeringsafkast. Dette gab har skabt et stigende pres på operatører for at omsætte penge til effekt, hvilket ofte fører til spild af ressourcer på mislykkede pilotprojekter eller forhastede investeringer i løsninger, der ser lovende ud på papiret, men ikke lever op til forventningerne i praksis.

Realiteten er, at succes i AI-æraen ikke blot vil blive defineret af en ny teknologis nyhed eller sofistikering, men af ​​hvor kritiske teams kan være i forhold til at forstå deres grundlæggende udfordringer og vælge teknologibaserede løsninger, der leverer reel værdi. Der findes ingen mirror bullet til at gøre det rigtigt, men et par overvejelser kan hjælpe dit team med at bevæge sig i den rigtige retning.

Undgå hasteafgiften

En central barriere for AI-ROI er at lade frygten for at blive efterladt styre beslutningstagningen. Når denne tankegang påvirker strategien, kan organisationer betale en hasteskat og bruge værdifuld tid, energi og ressourcer på at holde trit med de seneste trends.

Interne og eksterne kræfter kan udløse dette pres. Når ledelsen ser en konkurrent reklamere for en ny AI-kapacitet, kan det hurtigt føre til en nedtur i sammenligningsfælden, og det, der starter som et ønske om at forblive relevant, udvikler sig hurtigt til et reaktivt kapløb om at reagere.

Investeringer foretaget fra dette udgangspunkt mislykkes af mange årsager, men en af ​​de mest almindelige er utilstrækkelig parathed. Selvom en konkurrent kan tilbyde et lignende produkt eller en lignende tjeneste, kan en organisations datagrundlag eller den operationelle modenhed er muligvis ikke stærk nok til at understøtte den samme teknologi, hvilket forvandler det, der synes at være et strategisk træk, til en risikabel satsning.

Derfor er ledere og direktører, der er tættest på den daglige drift, ofte bedst positioneret til at informere om teknologiske beslutninger. Når en tilsyneladende uundværlig teknologi kommer på markedet, bør disse teams først have til opgave at vurdere, om der er et klart problem, den kan løse, og om organisationen virkelig er klar til at understøtte den. Fordi de forstår, hvor der er friktion, hvor tid går tabt, og hvor teknologi kan have en indflydelse, kan de hjælpe med at forankre AI-beslutninger i den operationelle virkelighed i stedet for at jagte nyheder.

Udfør en cykelrevision

En anden almindelig faldgrube ved indkøb af teknologi er overkøbDette adskiller sig fra hasteafgiften, fordi den finder sted efter at det er fastslået, at der er et reelt behov, og at du er operationelt klar til at købe en AI-løsning. På dette tidspunkt bliver spørgsmålet ikke "har vi brug for noget", men "hvad har vi rent faktisk brug for"?

Dette problem er særligt udbredt i ældre brancher som logistik, der er gået fra 0 til 60 med teknologiske muligheder i de senere år. Hvor vores udfordring engang var at håndtere moderne kompleksiteter med forældede systemer og processer, handler det i dag om at vælge fra de uendelige teknologiske ønskelister, der er tilgængelige fra tredjepartsudbydere eller gennem intern udvikling.

En "cykelaudit" kan være en enorm hjælp, før man når til købsstedet. Den udfordrer beslutningstagere til at besvare et simpelt spørgsmål: Har vi brug for en Ferrari eller en cykel? Ambitiøse teknologiteams elsker at drømme stort, og tredjepartsudbydere sigter typisk mod at tilbyde deres førsteklasses løsning lige fra starten. Begge dele er gyldigt, men det giver ikke mening at investere i hestekræfter på Ferrari-niveau, når en cykel kan bringe dig derhen, hvor du skal.

Revision med metrikker

En måde at træffe den beslutning på er at forstå det problem, du forsøger at løse, på tværs af tre metriske niveauer: Primær, Sekundær og Tertiær. At vurdere alle tre sammen hjælper med at afklare, hvor der er friktion, hvordan optimal ydeevne ser ud på hvert lag, og hvor stor en investering der er nødvendig for at lukke hullet.

Tertiære målinger repræsenterer centrale operationelle adfærdsmønstre. Væsentlige ineffektiviteter findes ofte på dette lag, og løsninger på cykelniveau, der muliggør forbedringer som renere dataindsamling og mere effektiv udførelse, kan have en stor effekt med relativt små investeringer.

Sekundære målinger afspejler de reelle præstationsfaktorer – tænk på kundernes konverteringsrater og andre faktorer, som teams kan påvirke gennem øget produktivitet. At løse ineffektiviteter her kræver typisk noget mere avanceret end en cykel, men mindre komplekst end en Ferrari, såsom sofistikeret automatisering, der kan håndtere større datasæt.

Primære målinger er de store sten som omsætning. Det er her, løsninger på Ferrari-niveau har en tendens til at dukke op. Det er typisk dyr teknologi, der lover en væsentlig effekt på bundlinjen. Selvom det er værd at undersøge, er det vigtigt at huske, at medmindre sekundære og tertiære udfordringer adresseres først, kan disse løsninger ikke opfylde deres sande ROI-potentiale.

Mindre, målrettede investeringer på lavere niveauer er ofte det bedste sted at starte, fordi de har tendens til at give hurtige resultater. De skaber også muligheder for at lære, hvad der virker, samtidig med at de giver trinvise gevinster, der forøges over tid, hvilket i sidste ende hjælper med at opbygge den samme eller større samlede effekt som større investeringer, med langt mindre risiko.

Sammen hjælper Bicycle Audit og denne tredelte metriske ramme organisationer med at mindske risiko ved at finde den rette størrelse løsninger til reelle problemer. Pointen er ikke at undgå avanceret AI, men at starte i det små ved at løse de problemer, der har størst effekt, med den mindst nødvendige investering og skalere derfra.

Vær strategisk omkring startup-partnere

Den nylige bølge Inden for AI-relateret venturekapital har markedet oversvømmet med nye startups. Disse disruptive virksomheder vil komme til bordet med præsentationer, der lover innovation og resultater, der er overbevisende nok til at påvirke selv de mest kræsne indkøbsteams.

Men pas på køberen: både produkterne og personerne bag mange af disse nykommere er ofte uafprøvede. At blive en tidlig bruger indebærer en iboende risiko, herunder muligheden for, at du ubevidst bygger produktet sammen med dem. Selvom det kan give fordele, bør det være et bevidst valg - for når du forsøger at sætte skub i problemer med reelle økonomiske konsekvenser, kan det at bruge værdifulde ressourcer på at hjælpe en leverandør med at finjustere sin seneste opdatering medføre unødvendige hovedpiner.

Når en leverandør først er integreret, ligger meget af resultatet uden for din kontrol. Deres roadmap, skalerbarhed af kundesupport, prisdynamik og evne til at opretholde præstationen i takt med at de vokser, kan alle ændres. Disse ændringer kan forme partnerskabets langsigtede værdi på måder, der ikke er fuldt synlige i starten.

At navigere i den usikkerhed kræver tålmodighed og dømmekraft i front-end. At tage sig tid til at validere en løsning gennem et proof of concept, forstå kontraktlige forpligtelser før dybere integration og tale direkte med eksisterende brugere hjælper teams med at vælge udbydere, der er positioneret til at levere værdi i løbet af partnerskabets levetid.

Få AI til at betale sig

Samlet set forstærker disse overvejelser den realitet, at det at praktisere stærk dømmekraft er den første og mest kritiske faktor for at generere ROI fra AI. Når teams fokuserer på at identificere reel friktion, forbedres resultaterne, fordi ineffektivitet fjernes, og tid omfordeles til opgaver med højere værdi. Det er sådan, ægte ROI ser ud, og det opnås kun gennem disciplin, klarhed og pragmatisk beslutningstagning, der gavner bundlinjen over tid.