Ændring af vores tanker om GenAI i bestyrelseslokalerne: Navigation i kort- og langsigtede ROI

Da ledelseshold over hele verden begynder at planlægge for 2025, er emnet på alles læber, hvornår de kan forvente, at deres investeringer i AI og/eller generativ AI (GenAI) giver afkast. Nyt forskning fra Google Cloud har afsløret, at mere end 6 af 10 store (mere end 100 ansatte) virksomheder bruger GenAI, og 74% ser allerede en betydelig afkast på investeringen (ROI). Men for at maksimere ROI fra AI/GenAI kræver det en strategisk tilgang, der går ud over blot at retfærdiggøre omkostninger, og omfatter både direkte og indirekte afkast, en klar forståelse af ledtider og skjulte omkostninger, samt integration af menneskecentrerede funktioner for at sikre pålidelige og skalerbare processer.

Omdefinering af ROI

Givet al den opmærksomhed, som AI/GenAI har fået i medierne det sidste år, kan det være let at glemme, at disse investeringer stadig er relativt nye, hvilket betyder, at de fleste virksomheder endnu ikke har set den slags ROI, der er mulig. Det gør det endnu mere vigtigt at håndtere forventninger i bestyrelseslokalerne fra starten, da enhver tidlig evaluering vil skabe kritiske indtryk, der vil påvirke, hvordan ledelsen ser på fremtidige investeringer. Hvis de har høje forventninger til umiddelbar, transformerende forandring, kan deres mening muligvis blive sur, hvis disse forandringer stadig er under udvikling i de tidlige faser. Med andre ord kræver nye innovationer nye målemetoder, og ledere skal omdefinere, hvordan de tænker om kort- og langsigtede ROI.

I forhold til, hvad der udgør en succesfuld forandring, måles fremgang ofte bedst i betragterens øjne, men selv “små” sejre kan føre til større potentiale i fremtiden. Her er tre måder at hjælpe med at kontekstualisere jeres AI/GenAI-investeringer, samt nogle eksempler fra virksomheder på en lignende rejse.

1. Skelnen mellem direkte og indirekte ROI

I visse brancher er det direkte ROI lettere at spotte. For eksempel, hvis et detail- eller CPG-virksomhed begynder at tilbyde nye GenAI-funktioner, vil de sandsynligvis få en umiddelbar fornemmelse af, hvordan kunderne modtager funktionerne. I andre brancher, som f.eks. produktion, er der mere af en indirekte ROI, der afhænger af længerevarende investeringer. Med den slags bløde afkast er det ofte “trickle-down-effekten”, der kan skabe nye muligheder eller låse op for nyt værdi. Forestil dig, at du implementerer en ny AI-løsning for at forbedre teamets produktivitet. Mens dit oprindelige mål måske var output, kunne den øgede aktivitet også føre til at åbne helt nye vækstveje, der ikke var blevet overvejet. Det er den mest spændende og ophidsende del ved AI/GenAI – det ukendte potentiale. Og selvom potentialet er svært at måle, skal det altid medtages som en faktor i beregningen af afkast.

Et godt eksempel på både direkte og indirekte ROI kan findes hos e-handelsvirksomheden Mercari, som sidste år tilføjede en ChatGPT-drevet shopping-assistent til deres markedsvirksomhed for genbrugte varer. Deres nye “Merchant AI” ville give kunderne mulighed for at “logge på siden, engagere shopping-assistenten i naturlig samtale, besvare spørgsmål om deres behov og derefter modtage en række anbefalinger” for de næste skridt. Den direkte ROI af dette var en 74% reduktion i billetvolumen hos Mercari, mens den indirekte ROI var, at de resulterende tidsbesparelser gjorde det muligt for virksomheden langsomt at reducere teknisk gæld og skalerer deres operationer.

2. Medregne ledtiden for AI/GenAI-investeringer og de tilhørende skjulte omkostninger

Under den konstante pres på C-Suiten for at øge overskuddet, er der lille chance for, at de pludselig adopterer en “godt kommer til dem, der venter” mentalitet. Men virkeligheden er, at enhver indsats i AI/GenAI tager tid og penge, selv før du når startlinjen. Fra investering i infrastruktur og træning til erhvervelse af forskellige API’er og relevant data, kan det være måneder med forberedelsesarbejde, der ikke viser noget “afkast” andet end at være klar til at begynde. En anden skjult omkostning (som mange ikke taler om) er, at du vil få hallucinationer og fejl skabt af AI, der kan koste virksomhederne store summer af penge ved at sende dem i den forkerte retning, åbne en løkke eller potentielt udløse en dyrekøbt PR-problem. Hele oplevelsen er meget ny, hvilket gør alt lidt mere risikabelt og dyrt, så det er vigtigt for ledere at tage dette i betragtning, når de vurderer ROI.

McKinsey tilbød indsigt i denne beslutningsproces og de tilhørende omkostninger, og fik en klassisk “leje, køb eller byg” scenarie. I deres arketype skal CIO’er eller CTO’er overveje, om de er en “Taker” (bruger offentligt tilgængelige LLM’er med lidt tilpasning), en “Shaper” (integrerer modeller med ejede data for at få mere tilpassede resultater) eller en “Maker” (bygger en brugerdefineret model for at løse et specifikt forretningsproblem). Hver arketype har sine egne omkostninger, som tech-ledere vil skulle vurderer, fra “Taker”, der kan koste op til 2 millioner dollars, til “Maker”, der kan strække sig til 100 gange det beløb.

Bemærk med at gøre investering i AI/GenAI mere menneskecentreret

Der er stadig meget frygt derude (især blandt arbejdere), at AI vil erstatte mennesker. I stedet for at afvise disse bekymringer, skal virksomheder positionere enhver forandring som en forbedring i stedet for en erstatning og søge efter måder at gøre deres investering mere menneskecentreret. Med GenAI er det ikke en transaktion; det er et partnerskab, og der er stadig et reel behov for, at mennesker vurderer effikken af enhver genereret indsigt eller materiale for at sikre, at de er fri for bias, hallucinationer eller andre misfortolkninger. Det er derfor kritisk, at virksomheder kontinuerligt udfordrer AI til at give rationel baggrund for hver beslutning for at sikre nøjagtighed. Det vil give indholdet mere validering, dine arbejdere vil se en defineret rolle i processen, og det vil ultimativt hjælpe ROI, fordi du lærer på hvert stadium.

Det er også en god idé at fastsætte faste rammer for at give strenge grænser for, hvilken slags information AI kan indsamle. Spørg dig selv, “Skal vi tillade AI at have adgang til internettet?” Måske ikke. Pointen er at overveje behovet først, og hvis du har andre beprøvede metoder, brug dem. Nogle gange er AI kun nyttigt til at sammenfatte, ikke “tænke”. Det handler om at skabe den rette balance, og mennesker har stadig en kritisk rol at spille. Ifølge forskning fra Accenture, mener 94% af chefer, at menneskegrænseflade-teknologier vil give os en bedre forståelse af adfærd og intentioner, og omdefinere menneske-maskine-interaktionen.

Lukning af gapet mellem løfte og virkelighed

Eksperter er enige om, at selvom GenAI’s lave barrier til indgang er en god funktion, afhænger deres “langsigtede potentiale af at bevise deres kortsigtede værdi”. Det betyder, at enhver AI/GenAI-pilot skal have en række tydeligt definerede (men fleksible) succeskriterier, før de starter, og virksomheder skal konstant overvåge processer for at sikre, at de kontinuerligt giver værdi. Når det kommer til denne nye æra af digital innovation, kan der måske aldrig være en traditionel “mål” vi alle løber mod. I stedet kan virksomheder, ved at ændre, hvordan de tænker om kort- og langsigtede ROI for AI/GenAI, være mere omhyggelige med deres investeringsdollars og fokusere på udvikling af kapaciteter, der kan skaleres sammen med forretningen.