Intelligenskostnadernes fald: Hvordan kan virksomheder konkurrere?

15,7 billioner dollars.

Det er mere end det samlede årlige output fra Japan, Tyskland, Indien og Storbritannien. Det er ikke overraskende, at det også er, hvad PwC estimerer, at AI vil bidrage til den globale økonomi i 2030. Det er ingen hemmelighed, at intelligenskostnadernes fald har været konstant gennem årene. Faktisk rapporterede en tredjedel af virksomhederne i 2020, at AI-kostnadernes fald var så stor som 20% på næsten alle brancher.

I 1965 forudsagde Gordon Moore, at antallet af transistorer på en chip ville fordobles hvert andet år, hvilket ville muliggøre tilsvarende fremskridt i beregningskraft, dataopbevaring og algoritme-effektivitet. I kølvandet på denne forudsigelse betyder den næsten eksponentielle vækst i cloud og betal-per-brug-modellen nu, at selv mindre organisationer har adgang til højtskalerbar beregningsinfrastruktur til en relativt lav pris. Dette har fjernet behovet for store forhåndsinvesteringer i beregningsinfrastruktur og har gjort det muligt for mindre organisationer at konkurrere med større organisationer på lige fod.

Desuden har dataeksplosionen spillet en afgørende rolle i reduktionen af intelligenskostnadernes. Med væksten af internettet og udbredelsen af sensorer er der nu en overflod af data tilgængelig for analyse. Dette har gjort det muligt for maskinlæringsalgoritmer at blive trænet på store datasæt, hvilket har ført til forbedret nøjagtighed og præstation. Derudover har open-source-bevægelsen gjort det muligt for udviklere at få adgang til og bruge store datasæt gratis, hvilket har reduceret barriererne for at udvikle intelligente systemer. Endelig har fremskridt i algoritme-effektivitet også bidraget til reduktionen af intelligenskostnadernes. Forskere har udviklet nye teknikker til træning og optimering af maskinlæringsalgoritmer, hvilket har resulteret i hurtigere og mere nøjagtige modeller. Dette har gjort det muligt at udvikle intelligente systemer med færre beregningsressourcer, hvilket har reduceret udviklings- og implementeringsomkostningerne.

I en æra, hvor AI- og ML-teknologier er almindelige, kan vi forvente at se betydelige ændringer i, hvordan virksomheder opererer og innovere på tværs af brancher. I fintech, for eksempel, bruger agile startups AI til at levere alt fra STP til kunde-KYC og onboarding til finansielle og budgetmæssige indsigt. Og i sundhedssektoren muliggør det små teknologi-virksomheder at forudsige patienters symptomer via input fra wearables og levere tidlige nødhjælps-tjenester.

At opbygge en forbundet virksomhed er afgørende

Forbundne virksomheder er langt bedre positioneret til at udnytte den faldende intelligenskostnad end deres traditionelle modparter. En del af årsagen er, at forbundne virksomheder bruger digital teknologi til at forbinde sig med kunder, medarbejdere, leverandører og partnere i realtid. De følger også en cloud-first-tilgang til infrastruktur, hvilket hjælper dem med at let bearbejde store mængder data fra mobile enheder, sociale medier og andre værktøjer til at strømline processer og få indsigt i kundeadfærd. De fleste forbundne virksomheder er bygget på tre store søjler.

Forstærket menneskelig potentiale: Ofte er forbundne virksomheder vært for en kultur af innovation, agility og samarbejde. Den høje grad af automatisering og end-to-end digitalisering betyder, at medarbejdere er befriet fra tyranniet af repetitive manuelle opgaver og har mere tid til kreativt problemløsning og højere ordensarbejde. Faktisk er det at have den digitale infrastruktur til at støtte innovationskulturen lige så vigtigt som at bygge kulturen selv.

Værdinettværk: Ledere i forbundne virksomheder forstår, at den lineære forsyningskæde har overlevet sin nyttighed, og investerer i stedet i økosystemer af teknologileverandører, samler, distributører og startups. Lav-forsinkelsesforbindelser i disse økosystemer eller værdinettværk betyder, at alle interessenter har adgang til en strøm af realtidsinformation til at føre beslutninger, optimere processer og accelerere produktlevering. Et solidt eksempel ligger i, hvordan bilforsikringsvirksomheder har samarbejdet med producenter og telematikvirksomheder om at lancere betal-per-kørsel-modeller, hvor forsikringstagerne betales en lavere præmie, hvis de konsekvent viser sig at være sikre kørende. Samtidig hjælper den information, der indsamles af den ombord-telematik, med at hurtigt spore ulykkesstedet og føre kritisk data tilbage til producenterne, så de kan optimere sikkerhedskomponenter.

Kognitive operationer: I dag er en “innovationskultur” kun så god som de data, der føder den. Forbundne virksomheder er mere decentrale og fleksible end traditionelle organisationer, med distribuerede teams og fokus på resultater snarere end proces. Agile metoder, AI-drevne processer, der kræver meget lidt menneskelig indgriben, og en høj grad af intern tilkobling er kendetegn for succesfulde forbundne virksomheder. Dette betyder, at data flyder ubesværet på tværs af hele systemet, og interessenter kan øjeblikkeligt få adgang til information, der er kritisk for deres arbejde uden de flaskeshals, der ofte opstår i silo-operationalisering.

Hvad indebærer den reelle virkning?

Med en tilstedeværelse i over 20 lande på tværs af Asien, Mellemøsten og Afrika var en hurtigt voksende FMCG-virksomhed på udkig efter at cementere sin position på tværs af multiple geografier. Men på trods af sin succes havde virksomheden svært ved at udnytte sin fulde regionale salgspotentiale på grund af den fragmenterede detailhandelslandskab i udviklingslande. Specifikt havde virksomheden svært ved at få indsigt i efterspørgsel og øge sin markedsandel på grund af en tung afhængighed af manuelle processer. I forhold til en løsning var det første skridt at bruge en AI-drevet platform til at automatisere operationer og kortlægge kritisk operationsdata. Det næste skridt indebar at oprette en dashboard for deres salgsrepræsentanter og territoriechefer, der hjalp dem med at kortlægge geopenetration, identificere territoriegap og bygge en strategi for effektivt outlet-dækning. På kun få måneder så de en 15% stigning i værdi per størrelse, 15% forbedring af salgsrepræsentantens produktivitet og en 50% stigning i ECO.

Lignende, da pandemien var i fuld gang, spored en CPG-virksomhed COVID-19s udbredelse på tværs af forskellige kvarterer og fødede denne information ind i en AI-platform til at forudsige, hvilke detailhandelslokationer ville blive ramt hårdast af lagerudsalg. Ved at bruge disse indsigt, kombineret med et digitalt forbundet distributionsnetværk, kunne de genopfylde deres produkter på blot et par dage, mens hylderne lå tomme for konkurrenternes mærker.

Etik og agility i intelligens

Disse historier illustrerer, hvordan små virksomheder, der omfatter de tilgængelige AI-værktøjer og -talenter, kan skabe en virkning, som større, mere traditionelle virksomheder ville have svært at genskabe. For at blive resilient i en verden, hvor hver virksomhed har adgang til avancerede intelligens- og analyseværktøjer, er det tydeligt, at det er afgørende at blive en forbundet virksomhed.

Men ud over at skabe mere økonomisk værdi er der en tydelig mulighed for virksomheder at udskille sig selv fra deres ligemænd ved at engagere sig i en etisk brug af AI. Dette indebærer ikke kun at bruge teknologien til at fremme miljømæssige og sociale dagsordener, men også at sikre, at deres AI-modeller er kultursensitivt, upartisk over for minoritetsperspektiver og bruges i overensstemmelse med privatlivsregler. Da AI bliver mere og mere integreret i virksomhedens operationer, er arbejdsstedsforflytning også en vigtig bekymring – en bekymring, som ledere kan adresse via opskolingsprogrammer og effektiv forandringsledelse.

I modeller er kultursensitivt, upartisk over for minoritetsperspektiver og bruges i overensstemmelse med privatlivsregler. Da AI bliver mere og mere integreret i virksomhedens operationer, er arbejdsstedsforflytning også en vigtig bekymring – en bekymring, som ledere kan adresse via opskolingsprogrammer og effektiv forandringsledelse.