ROI på anvendt AI: Skifter forretning til en ny gear

AI er overalt, og alle taler om det, men kun få virksomheder leverer i øjeblikket forretningsværdi med AI.

Der er en falsk beretning i dag om, at mange organisationer med held adopterer AI i hurtigt tempo, når få i virkeligheden får værdi ud af teknologien. I 2022 rapporterede Gartner , at gennemsnitligt set halvdelen (54%) af AI-projekter når produktionsskeden. Dette er en lille stigning i forhold til Gartners rapport om AI i organisationer fra 2019, der fastslog, at 53% af AI-projekter typisk ikke når fra pilot til produktion.

Forretningsledere er nu skeptiske over for AI’s fordele, fordi de har investeret tid, penge og andre ressourcer i at påbegynde AI-drevne løsninger, men de har ikke kunnet se de resultater, de havde forventet. I stedet for at give op på AI helt – hvilket de fleste virksomheder ikke har råd til at gøre – bør organisationerne reducere investeringerne i generel AI og fokusere på at adoptere anvendt AI for at opnå meningfuld ROI i 2024.

Fremtiden er lys med AI – hvis man kan nå ROI

AI vil fortsat spille en kritisk rolle på tværs af virksomheden, trods bekymringer om dets værdi. Nu er ikke tidspunktet at løsne grebet, men snarere et godt tidspunkt til at korrigere kursen.

Hos OneStream Software har vi nylig gennemført en undersøgelse blandt 800 finansledere verden over om deres brug og opfattelse af AI-teknologi i branchen, hvilket afslørede, at mere end halvdelen (55%) af respondenterna var enige om, at AI vil blive en kernekomponent i finansielle processer i løbet af de næste fem år. Holdene må nu finde AI-drevne løsninger, der kan opnå betydelig ROI. Indtast: Anvendt AI.

Anvendt AI bruger forudbygget funktionalitet drevet af AI til at imødekomme et specifikt finans- eller forretningsbehov. Disse løsninger er hurtigere og mere effektive at implementere, fordi de sigter mod et specifikt brugstilfælde, genererer højere ROI og accelererer tid til værdi. Anvendt AI bruges ofte på tværs af finanshold til at accelerere hastigheden og nøjagtigheden af forudsætninger om efterspørgsel og omsætningsprognoser, til at registrere afvigelser i historiske data og til at automatisere rutineopgaver. Alt dette er ekstremt fordelagtigt i lyset af den pågående regnskabsmæssige manglende arbejdskraft.

Samlet set tilbyder anvendt AI værdifulde indsigt i de interne og eksterne faktorer, der påvirker forretningen, og giver ledere mulighed for at styre deres organisation med tillid. Disse indsigt kan reducere risikoen, identificere nye forretningsmuligheder og effektivt forbedre den overordnede beslutningstagning. Disse formål-byggede løsninger udgør kraftfulde forretningsværktøjer for den moderne virksomhed.

Fordele ved anvendt AI: Hastighed og nøjagtighed

Virksomhederne har brug for rettidige og nøjagtige indsigt for at understøtte selvbevidst og fleksibel beslutningstagning. Dette udsagn kan synes åbenlyst, men mange generelle AI-modeller kan ikke implementeres hurtigt nok til at give indsigt til at understøtte beslutninger, der skal træffes i dag.

I modsætning til generel AI er anvendt AI hurtigere at implementere, og resultaterne er ofte mere nøjagtige. Organisationerne kan implementere AI-drevne prognosemodeller på få dage, hvilket giver dem hurtig adgang til relevante og afgørende indsigt til at påvirke forretningen.

På markedsføringssiden kan anvendt AI give mere nøjagtige forudsætninger om efterspørgsel efter produkt, kanal, geografi og kundesegment, hvilket muliggør mere effektiv markedsføring ved at målrette bestemte markedssegmenter mere præcist. Denne strategi maksimerer effekten af kampagner og minimiserer spild af ressourcer.

I finansafdelingen kan holdene bruge anvendt AI til at generere mere nøjagtige forudsætninger om efterspørgsel for at give en solid grundlag for finansielle planer, hvilket giver virksomheder mulighed for at allokerer budgetter mere effektivt og træffe mere informerede investeringsbeslutninger.

AI-Driven Finance-undersøgelsen viste også, at globale finansledere mener, at AI allerede har givet deres hold hurtigere beslutningstagning (49%), forbedret dataindsigt (48%), forbedret kvalitet af udgangspunkter (48%) og optimeret ressourceallokering (38%). Når AI anvendes til et specifikt brugstilfælde, kan det være betydeligt mere effektivt og handlekraftigt.

Rydning af AI-udfordringer

Selv om anvendt AI tilbyder bedre ROI end generel AI i de fleste scenarier, er der stadig nogle tilbageværende udfordringer, der skal være opmærksom på.

Forretningsledere har manglende tillid til AI-drevne udgangspunkter, fordi de tidligere er blevet brændt af de mangelfulde resultater fra generel AI, som nævnt tidligere. Ledere kan have oplevet mangel på gennemsigtighed i modellerne bag resultaterne eller mislykkedes med at integrere AI i forretningsprocesser på grund af misalignering af AI-modeller og forretningsværdier. Her kan anvendt AI’s formål-byggede funktionalitet øge hastigheden til værdi og ROI.

En løsning er at give gennemsigtighed i data og resultater, der er afledt fra den anvendte AI-model. Holdene kan arbejde med teknologipartnere for at forstå modellens sammensætning og køre gennem scenarie-test for at vise, hvordan de fastslog den mest nøjagtige model. Desuden skal man lede efter indbygget, formål-bygget AI, enten til finans eller en specifik forretningsafdeling, for at muliggøre ubesværet forbrug og analyse.

Medarbejdertræning er endnu en hindring, når det kommer til implementering af AI. Ifølge den samme AI-Driven Finance-rapport nævnte næsten en tredjedel (32%) af finansledere verden over implementering af AI som den største udfordring, over dataretsreguleringer og procedurer (31%). Organisationerne bør samarbejde med teknologipartnere, der har bedste praksis og træningsmateriale udviklet til at uddanne medarbejdere. En rigtig partner vil hjælpe med at imødekomme medarbejdertræningsbehov i stedet for blot at overdrage nøglerne til maskinen. Formål-bygget Auto AI til finans eller forretning kan også støtte kompetencegab ved at tilbyde indbyggede arbejdsgange og drill-back-funktioner, så medarbejderne kan have mere støtte, mens de lærer.

Dataretsbeskyttelse og -sikkerhed kan ikke være den største udfordring for AI-implementering, men det er stadig højt på listen. Den største bekymring her er, at deling af fortrolig data med generel formål GenAI-værktøjer som ChatGPT kunne bringe følsomme oplysninger i hænderne på konkurrenter og offentligheden.

For at mindske denne risiko kan virksomhederne udnytte formål-byggede LLM’er og GenAI-værktøjer med robuste sikkerhedsstrukturer, der kan integreres med eksisterende systemer, der giver brugerne mulighed for at forespørge “kurateret” data om deres kunder, finansielle oplysninger, virksomhed eller softwareapplikationen, de bruger. I virkeligheden findes der måder at tilføje sikkerhedsforanstaltninger på uden at udsætte højt følsomme oplysninger for risiko.

Skift forretning til en ny gear med anvendt AI

Fremtiden for AI forbliver lys, da flere ledere erkender AI’s fordele for holdproduktivitet, samarbejde og forretningsresultater. Mange organisationer vil stadig være udfordret med at demonstrere ROI, mens de også begrænser ikke-essentiel udgift i lyset af den nuværende økonomiske situation. Vend til anvendt AI og softwareleverandører, der inkorporerer det i eksisterende applikationer for at øge produktiviteten og løse virkelige forretningsproblemer.

Anvendt AI-løsninger kan hjælpe virksomhederne med at opnå maksimale resultater fra deres investering og få prognoseindsigt, der hjælper dem med at vokse profitabelt. Forretningerne vil skifte til en ny gear med ROI og muligheder, der følger med formål-byggede AI-funktioner.