AI’s tempo: Den næste fase i innovationens fremtid

Siden opkomsten af ChatGPT er verden gået ind i en AI-boom-cyklus. Men det, som de fleste mennesker ikke er klar over, er, at AI ikke er helt nyt – det har været til stede i lang tid. Allerede i de tidlige dage af Googles meget brugte søgemaskine var automation i hjertet af resultaterne. Nu begynder verden at vågne op og indse, hvor meget AI allerede er integreret i vores daglige liv og hvor meget uudnyttet potentiale det stadig har.

Tempoet for AI-adopterings- og innovationsudvikling bevæger sig så hurtigt – når omkring 1 billion dollars i udgifter – at mange undrer sig over, om vi kan nøjagtigt forudsige udviklingen af fremtidige modeller, selv to år fra nu. Dette fremmes endnu mere, da teknologivirksomheder som Meta, Alphabet, Microsoft, Oracle og OpenAI afslører omgang efter omgang af nye AI-fremgangsmåder og -modeller for at følge med industriel efterspørgsel. AI-chip-fabrikanten Nvidia vokser så hurtigt, at virksomhedens forretning ikke engang kan værdisættes ordentligt.

Hvad vi ved om AI’s tempo er, at jo mere data, der er til rådighed, og jo bedre datakvaliteten er, jo bedre vil AI være i stand til at fremme innovation for forretningsaktiviteter, -applikationer og -processer på tværs af alle brancher. For at kunne anslå, hvor AI vil være om få år, må vi først forstå, at anvendelsesmulighederne for AI er todelt. Den første er, at det er en teknologi muliggører, der forbedrer eksisterende løsninger for at gøre dem mere effektive, præcise og væsentlige. Den anden er, at AI har potentialet til at være en teknologi innovator ved at gøre utænkelige fremskridt eller løsninger konkrete.

Omtilægning af AI’s tempo gennem historien

Selv om det føles, som om AI-buzzet begyndte, da OpenAI lancerede ChatGPT i 2022, går AI’s og natur-sprogprocessering (NLP) oprindelse tilbage til årtier. Algoritmer, der er grundlaget for AI, blev først udviklet i 1940’erne og lagde grundlaget for maskinlæring og dataanalyse. Tidlige anvendelser af AI i brancher som supply chain management (SCM) kan spores tilbage til 1950’erne, hvor automation blev brugt til at løse problemer i logistik og lagerstyring. I 1990’erne var data-drevne tilgange og maskinlæring allerede almindelige i forretningslivet. Da 2000’erne skred frem, blev teknologier som robotic process automation (RPA) brugt til at strømline menialopgaver på tværs af mange komplekse og administrative forretningsfunktioner.

Så kom ChatGPT. Det er meget klart, at opfattelsen af AI er ændret på grund af generativ AI. Før opfindelsen af GenAI forstod forbrugerne ikke mekanismerne bag automation, endsige kraften af automation for virksomheder. AI ligger under meget af vores moderne teknologi, som f.eks. Google-søgemaskinen. De fleste forbrugere stoler på, at Google leverer præcise svar på utallige spørgsmål, og de overvejer sjældent de komplekse processer og algoritmer, der ligger bag, hvordan disse resultater vises på deres computerskærm. Men at se er at tro — med ChatGPT begyndte verden at se virkelige anvendelsesmuligheder. Alligevel er der en misforståelse om, hvor integreret AI er i vores daglige liv — selv i forretningsverdenen. Som nævnt ovenfor muliggør AI eksisterende teknologi for at blive bedre, og ligesom Intels mikrochipper sidder AI i baggrunden af de teknologier, vi bruger hver dag.

Hvis ledere ikke kan forstå omfanget af AI, hvordan kan de så forventes at kunne adoptere AI i deres daglige forretningsoperationer med succes? Det er netop problemet.

Adoptions- og vækstudsfordringer

Hvis man spurgte et GPT-værktøj, “Hvad siger procurement- og supply chain-fagfolk sandsynligvis om AI?”, ville det sandsynligvis højligte videnstomrum relateret til AI-adopteringsmuligheder. Verdensomspændende steg AI-adopteringsraten eksponentielt i det sidste år efter begrænset vækst i årene før. I de sidste seks år har kun 50% af virksomhedsledere sagt, at de investerede i AI-teknologi på tværs af deres operationer. I 2024 steg adoptionsraten til 72%, hvilket viser, at virksomhedsledere lige vågner op til AI’s potentiale til at forbedre deres organisation på tværs af alle forretningsområder.

At realisere AI’s fulde værdi kræver dog mere end blot at implementere avancerede løsninger. Det kræver adgang til de rigtige data — data, der giver rigelig kontekst om virkelige forretningsudgifter, leverandørpræstation, markedsdynamik og virkelige begrænsninger. Utilstrækkelig adgang til data betyder liv eller død for AI-innovation inden for virksomheden. I hvert fald 30% af alle GenAI-projekter forventes at blive opgivet på grund af dårlig datakvalitet, samt andre udfordringer som utilstrækkelige risikokontroller, stigende omkostninger eller uklar forretningsværdi. Men der er mange andre udfordringer, virksomheder står over for, når de adopterer AI og bringer det til skala.

I store organisationer er det desværre almindeligt at have siloer, der kan udsætte virksomheder for store risici. Tag f.eks. supply chain-industrien. Supply chain spiller en kritisk rolle inden for virksomhedsstrategi, og for store, globale organisationer er skalaen af sektoren næsten utænkelig. Hvis en del af virksomheden opererer i en silo, kan det udsætte hele organisationen for stor risiko. Hvis supply chain-holdene ikke kommunikerer ændringer i efterspørgsel til deres leverandører, hvordan kan ledere så forventes at skabe præcise prognoser? Hvis salgsteamet ikke kommunikerer opdaterede prognoser til procurement, kan de sikre langsigtede kontrakter baseret på forældede oplysninger, låse sig fast i aftaler, der måske ikke er i overensstemmelse med nuværende kundebehov.

Uanset om det er en organisations- eller informations-silo, kan manglen på kommunikation føre til en nedbrud i kundeservice, skabe ineffektive processer og en generel stop i innovation. AI kan bevise sin værdi ved at adressere disse siloer: Hvis deres teknologi er effektivt forbundet, kan deres medarbejdere og leverandører også være det.

Virksomhedsledere investerer aktivt i AI-drevne løsninger for at fremme procesautomatisering, strategisk sourcing-kapaciteter, udgiftssynlighed og -kontrol samt samlet lønsomhed. For at opnå succes med disse AI-kapaciteter og opnå deres totale udgiftsadministration-mål må virksomheder arbejde sammen for at fremme gennemsigtighed og arbejde mod et fælles mål.

Den næste udvikling for AI

Lige nu er den bedste anvendelsesmulighed for AI, der faktisk driver forretnings-effektivitet og vækst, automatisering af simple, administrative opgaver. Uanset om det er arbejdsgangeffektivitet, dataekstraktion og -analyse, lagerstyring eller præventivt vedligehold, indser ledere, at AI kan accelerere monotoniske, tidskrævende opgaver i en hidtil uset hastighed og præcision. Selv om det synes enkelt, kan anvendelsesmuligheder som disse i brancher som supply chain eller procurement spare virksomheder utallige timer og milliarder af dollars.

Vi har diskuteret AI som en teknologi muliggører — men der er stadig uudnyttet potentiale for AI til at blive en teknologi innovator. Da vi står på tærsklen til et nyt år, er der mange AI-fremgangsmåder, som virksomhedsledere bør være opmærksomme på lige over horisonten.

For supply chain-styring og procurement specifikt vil en af disse fremgangsmåder være forbedringer i autonom sourcing. Ved at udnytte AI og andre avancerede teknologier kan virksomheder automatisere opgaver, der traditionelt blev afhængigt af mennesker, såsom sourcing og kontraktforhandling, for at fremme effektivitet og frigøre ressourcer ved at lade AI analysere enorme mængder data, identificere tendenser og træffe informerede sourcing-beslutninger i realtid. Fuldt autonom sourcing tilbyder ikke kun ubesvarede omkostningsbesparelser ved at spare medarbejder-tid, fremme effektivitet og reducere fejl, men kan også mindske risikoen for svindel og forfalskning ved at sikre overholdelse af etiske og bæredygtige standarder.

Men før virksomheder introducerer autonom sourcing, bør de fokusere på at levere en brugeroplevelse (UX), der er intuitiv, effektiv og let at navigere for både procurement-hold og leverandører. Når en hyper-personlig UX er skabt, kan virksomheder sammenhængende implementere autonome løsninger.

Resultatet af AI er ikke kun at forbedre virksomheders ROI, men også at forbedre beslutningstagning, forudsige fremtidige mønstre og bygge robusthed. C-niveau-ledere på tværs af sektorer ser stadig mere AI-teknologiens adoption som afgørende for at transformere og fremtidssikre deres operationer gennem automation. Over tid vil AI, ligesom alle andre teknologier før det, blive mere og mere billigt, mens værdien af dens output vil stige. Dette giver os rigelige grunde til at være optimistiske om AI’s fremtid og den balancerede rol, det vil spille i vores liv — både forretnings- og personligt.