Hvordan overvinde innovationsangst og bruge AI/GenAI til at løse specifikke forretningsproblemer

Vi er ved at komme ind i den travle sæson for ledere i virksomheder, hvor chefer fra alle afdelinger mødes for at evaluere resultater og planlægge, hvad der kommer herefter. Efter et år med stigende omkostninger, vedvarende forsyningskædeproblemer og fortsat indsats for at opfylde bæredygtighedsmål, er der masser af udfordringer. Men ét emne synes stadig at være i centrum af alles tanker – kunstig intelligens (AI)/generativ AI (GenAI).

Det er tiden for innovationsangst, og ledere bedes overvældende om at inkorporere nogen AI/GenAI-funktioner i deres operationer, så deres virksomheder ikke bliver efterladt. Men midt i all denne begejstring er det vigtigt at huske, at innovation er en proces, ikke en løsning. For at skabe varig indvirkning må organisationer sikre, at enhver ny kapacitet er tilpasset specifikke behov, vurderet for risiko og knyttet til målbare forretningsresultater.

Her er tre almindelige spørgsmål/udfordringer fra lederteams i virksomheder og hvordan AI/GenAI kan hjælpe, sammen med eksempler fra flere brancher, hvor denne innovation allerede gør en forskel:

Det føles, som om der er ny teknologi, der introduceres hver dag, og vores budget er allerede stramt. Hvordan kan vi afgøre, hvor vores investering i AI/GenAI-innovation vil give den største avkastning?

Paradoxsalt, når alle begynder at accelerere, er det tid for jeres lederteam at slowe ned og fokusere på grundlæggende principper. Først og fremmest sikre, at alle er enige om, hvordan I tænker om AI/GenAI. AI har været til stede i en rum tid nu, og på et højt niveau er det bedst at tænke om det som et værktøj til at analysere data, samle indsigt og arbejde smartere. GenAI er mere udviklet og handler om, hvordan man kan bruge alle disse indsighter til at generere faktisk indhold og anbefalinger på autonom basis. Hver virksomhed kan drage fordel af at inkorporere AI/GenAI-kapaciteter, men det hjælper at demokratisere overgangen, så medarbejderne føler sig værdsat.

Virksomheder, der søger at opbygge et virksomhedsomfattende AI-økosystem, kan tage inspiration fra “Kaizen”-metoden, som er udviklet af Toyota. Denne tilgang indebærer kontinuerlig forbedring, hvor hold på alle niveauer i en organisation opmuntres til at foretage små, inkrementelle ændringer for at eliminere spild og optimere processer. Dette hjælper ikke kun med at identificere, hvor AI/GenAI kan have den største indvirkning, men det begynder også at fostre en “test-og-lær”-holdning, der vil gå igen i organisationens kultur og resultere i lykkeligere, mere produktive medarbejdere.

Fokus på: Transportsektoren

I transportsektoren hjælper AI/GenAI virksomheder med at forbedre alt fra efterspørgselsprognose og lagerstyring til præventivt vedligehold og ruteoptimering. Delta Air Lines bruger GenAI til at analysere kundedata og tilbyde personlige rejseoplevelser, UPS bruger sin AI-drevne ORION-system til at justere ruter, når trafikforholdene ændrer sig, og New York City MTA anvender AI til at reducere billetsvindel.

Da vi skalerer, oplever vi, at kommunikationskløfter udvikler sig mellem C-Suite og funktionsledere, især IT. Hvordan kan vi bruge AI/GenAI til at skabe mere effektive interne og eksterne meddelelser uden at miste vores autenticitet?

mens GenAI kan producere overraskende realistiske meddelelser, er det vigtigt at fastholde visse standarder for at beskytte virksomhedens rygte. Med andre ord, stil tæller, og mennesker ønsker at kommunikere på en måde, der føles ægte. Ifølge en ny undersøgelse fra PwC er det at etablere tillid stadig mere kritisk blandt C-Suite, forbrugere og medarbejdere, og 93% af forretningsledere er enige om, at opbygning og fastholdelse af tillid forbedrer bundlinjen. Det samme gælder inden for en organisation, og det er almindeligt, at medarbejdere er forsigtige over for nye ledelsesdirektiver, der lyder falske, eller mistroiske over for ny teknologi, der ikke er sat i den rette kontekst.

Misforståelser spilder tid og penge, og langsommere innovation og operationel effektivitet. GenAI kan proaktivt imødegå dette ved at analysere enorme datasæt af tidligere interaktioner (med kunder og medarbejdere) for at model mulige reaktioner, tilbyde realtidsindsigt og fungere som en bro mellem to “sprog” (dvs. hvad forretningsvirksomheden ønsker at sige, og hvordan det modtages af kunder/medarbejdere). Når direktører har tilgængelige, AI-drevne indsighter i præstation, kan de bedre tilpasse operationelle beslutninger med strategiske mål. Og når medarbejdere er en del af processen gennem fortsat uddannelse og kompetenceudviklingsinitiativer, kan AI/GenAI ses som en aktiv, ikke en trussel.

Fokus på: Detailhandelssektoren

Forbrugeradfærd efter pandemien er skiftet dramatisk, så det er kritisk, at detailhandelsvirksomheder bruger AI til at analysere kundedata og levere højt personlige serviceydelser, produktanbefalinger og markedsføringskampagner. I stor skala kan AI også bruges til at forudsige fremtidig adfærd, hvilket muliggør målrettet salgsindsats og forbedret kundeacquisition. Fremtiden i dette område er spændende og parat til at revolutionere, hvordan vi handler. For eksempel fortsætter Amazon med at forfine sin AI-aktiverede “Just Walk Out”-teknologi, der analyserer data fra kameraer og sensorer i butikker for at aktivere selvbetjening i butikker verden over.

I vores branche har vi med at gøre store mængder følsomme kundedata, og vi er bekymrede for, hvordan introduktion af ny teknologi kan udsætte vores data for øgede sårbarheder. Hvad er nogle fordele ved at bruge AI/GenAI i disse brancher, og hvordan kan vi mindske risikoen?

Ligesom i medicin er den gyldne regel i AI/GenAI-transformation “Først, gør ikke skade.” Visse brancher som sundheds- og finanstjenester har haft en langsommere AI-adopteringsproces på grund af deres komplekse, højt regulerede miljøer, men der er blevet gjort store fremskridt i bestemte funktioner. Det mest synlige bevis er i kundeservice, hvor AI-drevne chatbots og virtuelle assistenter kan give 24/7-support og hjælpe med at besvare almindelige logistiske spørgsmål. For eksempel har Bank of Americas AI-drevne chatbot “Erica” siden sin lancering i 2018 besvaret 800 millioner forespørgsler fra over 42 millioner kunder og givet personlige indsighter og vejledning over 1,2 milliarder gange.

Ironisk nok, på trods af vedvarende bekymringer over sikkerhed i følsomme brancher, har AI/GenAI haft en net positiv indvirkning på området for svindelforebyggelse. Svindel er et endemisk problem i finansverdenen, der kun bliver værre, og eksperter forudser, at svindel i banksektoren vil koste branchen 48 milliarder dollars i 2029. AI-algoritmer kan gennemgå enorme datasæt for at identificere anomalier, der kan indikere svindelaktivitet, og sikkerhedshold kan etablere grænser for mistænkelig aktivitet, der udløser indgreb, kun når disse grænser overskrides. GenAI kan også hjælpe med at automatisere visse rutineopgaver (dataindtastning, afstemning osv.) og frigøre tid til hold for at træffe mere nuancerede beslutninger (kreditgodkendelser, default osv.), der drager fordel af dybere menneskelig analyse.

Fokus på: Finanssektoren

I 2021 lancerede PNC PINACLE, en kontantstyringsapplikation, der bruger AI og maskinel læring (ML) til at træne fra et firma’s historiske data. Når modulen er trænet, kan den opdateres dagligt og producere en rullende prognose for at hjælpe med at forudsige fremtidig kontantflow, reducere versionkontrolproblemer og give bedre indsigt i nuværende og fremtidige kontantpositioner for forskellige scenarier. AI hjælper også med at styrke investorer, især dem, der fokuserer på bæredygtighed. Morgan Stanley råder, at AI’s analytiske kapaciteter kan hjælpe med at “identificere virksomheder med stærk ESG-præstation, mindske risici og forme porteføljer, der bedre er i overensstemmelse med bæredygtighedsmål.”

Indstilling til 2025

Virksomheder har en enestående mulighed for at optimere deres operationer med AI/GenAI, men en sådan transformation kræver disciplin. Inden næste år skal ledelsen gøre det klart, at: (1) forandring er et holdsport; (2) avkastningen på enhver ny teknologi må være knyttet til specifikke forretningsresultater; og (3) hastighed uden retning skaber kaos. Ved at tune ud for hyppigheden og fokusere på meningsfuld indvirkning vil organisationer være klar til varig succes i denne spændende nye æra for innovation.