Genpact και HFS Research Αναφέρουν ότι το Χρέος Επιχειρήσεων είναι $18 Τρισεκατομμύρια που Παγώνουν τις Λειτουργίες της Τεχνητής Νοημοσύνης

Η τεχνητή νοημοσύνη έχει γίνει το κεντρικό σημείο της στρατηγικής των επιχειρήσεων, με τις οργανώσεις σε όλο τον κόσμο να επενδύουν δισεκατομμύρια δολάρια σε πρωτοβουλίες τεχνητής νοημοσύνης, συστήματα και προγράμματα ψηφιακής μεταμόρφωσης. Ωστόσο, σύμφωνα με την The $18 Trillion Opportunity: Four Enterprise Debts Will Make or Break Your AI Future, μια νέα έκθεση από την Genpact σε συνεργασία με την HFS Research, οι περισσότερες επιχειρήσεις δυσκολεύονται να μετατρέψουν τις επενδύσεις σε τεχνητή νοημοσύνη σε μετρήσιμη επιχειρηματική αξία. Ο λόγος, όπως υποστηρίζει η έκθεση, δεν είναι η έλλειψη τεχνολογίας τεχνητής νοημοσύνης. Αντίθετα, οι οργανώσεις εμποδίζονται από τέσσερις διασυνδεδεμένες μορφές χρέους επιχειρήσεων: χρέος διαδικασιών, χρέος δεδομένων, χρέος τεχνολογίας και χρέος ταλέντου. Μαζί, αυτά τα κρυφά χρέη παγώνουν μια εκτιμώμενη αξία $17,9 τρισεκατομμυρίων σε αξία επιχειρήσεων.

Η Φιλοδοξία της Τεχνητής Νοημοσύνης Είναι Υψηλή, Αλλά Η Ετοιμότητα των Επιχειρήσεων Παραμένει Χαμηλή

Η έκθεση βασίζεται σε μια έρευνα 2.002 εκτελεστικών στελεχών επιχειρήσεων σε 16 βιομηχανίες και 14 επιχειρηματικές λειτουργίες. Τα ευρήματα αποκαλύπτουν μια εντυπωσιακή απόσταση μεταξύ των φιλοδοξιών της τεχνητής νοημοσύνης και της ετοιμότητας των οργανισμών. Ενώ το 92% των ανώτερων εκτελεστικών στελεχών στις εταιρείες Global 2000 πιστεύουν ότι η ατζεντική τεχνητή νοημοσύνη θα αλλάξει θεμελιωδώς τον τρόπο εκτέλεσης της εργασίας, μόνο το 13% αναφέρει ότι η ατζεντική τεχνητή νοημοσύνη έχει ήδη ενταχθεί στις επιχειρηματικές τους λειτουργίες.

Αυτή η διαφορά έχει γίνει ολοένα και πιο σημαντική καθώς οι επιχειρήσεις μεταβαίνουν από την πειραματική στην εφαρμογή. Σύμφωνα με τον CEO της Genpact, Balkrishan “BK” Kalra, οι επιχειρήσεις μεταβαίνουν από έναν κόσμο όπου η εργασία επεξεργάζεται και επικυρώνεται από ανθρώπους σε έναν κόσμο που οδηγείται ολοένα και περισσότερο από ροές εργασίας που επεξεργάζονται μηχανές με ανθρώπινη εποπτεία. Ωστόσο, το απλό στρώσιμο της τεχνητής νοημοσύνης πάνω στις υπάρχουσες συστήματα δεν είναι αρκετό. Οι οργανώσεις πρέπει πρώτα να αντιμετωπίσουν τις υποκείμενες βάσεις που καθορίζουν εάν η τεχνητή νοημοσύνη θα επιτύχει ή θα αποτύχει.

Η έκθεση περιγράφει αυτή την πρόκληση ως “χρέος ταχύτητας της τεχνητής νοημοσύνης”, τη διαφορά μεταξύ того που μπορούν να επιτύχουν οι εργαζόμενοι με τη τεχνητή νοημοσύνη ατομικά και того που μπορεί να επιτύχει η ευρύτερη επιχείρηση μέσω της δομημένης εφαρμογής.

Τα Τέσσερα Χρέη Επιχειρήσεων που Υπονομεύουν τη Μεταμόρφωση

Η έρευνα αναγνωρίζει τέσσερις κατηγορίες χρέους που συλλογικά εμποδίζουν τις οργανώσεις από το να πραγματοποιήσουν αξία από την τεχνητή νοημοσύνη.

Το χρέος τεχνολογίας παραμένει η πιο οικεία πρόκληση. Περισσότεροι από τους μισούς εκτελεστικούς στελεχούς ταξινομούν το χρέος τεχνολογίας τους ως σοβαρό, οδηγούμενο από παλιά πυρήνα συστήματα, σύνθετη ενοποίηση, συγκέντρωση προμηθευτών και επιβαρύνσεις υποδομής. Το μέσο σύστημα πυρήνα μιας επιχείρησης είναι περίπου δέκα ετών, ενώ οι ομάδες ανάπτυξης dànhουν περισσότερο από το 40% του χρόνου τους στη συντήρηση των υφιστάμενων τεχνολογιών αντί να xây dựng νέες ικανότητες.

Το χρέος δεδομένων εμφανίστηκε ως ο μεγαλύτερος κίνδυνος για την τεχνητή νοημοσύνη. Περισσότεροι από τους μισούς εκτελεστικούς στελεχούς θεωρούν ότι τα δεδομένα τους είναι χαμηλής ποιότητας, μόνο το 33% θεωρείται έτοιμο για τεχνητή νοημοσύνη και οι εργαζόμενοι dànhουν μέχρι και το 40% του χρόνου τους για την επανένωση, διόρθωση ή προετοιμασία δεδομένων. Η έκθεση εκτιμά ότι οι αποτυχίες ποιότητας δεδομένων συμβάλλουν στο 42% των πρωτοβουλιών ανάλυσης και τεχνητής νοημοσύνης να καθυστερούν, να υποπερφέρουν ή να αποτυγχάνουν εντελώς.

Το χρέος διαδικασιών αντανακλά την πραγματικότητα ότι πολλές οργανώσεις εξακολουθούν να βασίζονται σε χειροκίνητες, θραυσματικές και κακοδιαχειριζόμενες ροές εργασίας. Λίγο περισσότερο από το μισό των διαδικασιών της επιχείρησης απαιτούν ακόμη χειροκίνητη παρέμβαση, ενώ λιγότερο από το μισό έχουν τεκμηριωθεί και διαχειριστούν正式ικά. Οι ανεφάρμοστες διαδικασίες καταναλώνουν περίπου το 40% του χρόνου εργασίας των εργαζομένων και δημιουργούν σημαντικά εμπόδια για την αυτοματοποίηση και την εφαρμογή της τεχνητής νοημοσύνης.

Το χρέος ταλέντου μπορεί να είναι το λιγότερο ορατό, αλλά ίσως το πιο σημαντικό. Μόνο το 32% της εργατικής δύναμης θεωρείται έτοιμο για τεχνητή νοημοσύνη, ενώ μέχρι και το μισό των γνώσεων εργαζομένων αναφέρουν δυσαρέσκεια και αποσύνδεση που προκαλείται από τις λειτουργικές ανεπάρκειες. Η έλλειψη ταλέντου, τα κενά δεξιοτήτων και η χαμηλή ετοιμότητα για τεχνητή νοημοσύνη ενισχύουν κάθε άλλη κατηγορία χρέους, επιβραδύνοντας την υιοθέτηση και περιορίζοντας την επιχειρηματική ευελιξία.

Το Χρέος Επιχειρήσεων Κοστίζει στις Εταιρείες Περισσότερο από Ό,τι Νομίζουν

Σχεδόν το 90% των ηγετών των επιχειρήσεων αναγνωρίζουν ότι το χρέος επιχειρήσεων已经 επηρεάζει την επιχειρηματική απόδοση. Οι συνέπειες εκτείνονται πολύ πέρα από τα τμήματα IT.

Η έκθεση βρήκε ότι το χρέος επιχειρήσεων αυξάνει τους λειτουργικούς κόστους κατά μέσο όρο 34%, καθυστερεί τις κυκλοφορίες προϊόντων περίπου οκτώ μήνες, προκαλεί περίπου το 34% των πρωτοβουλιών μεταμόρφωσης να μην παραδώσουν τα αναμενόμενα αποτελέσματα και περιορίζει την αξία της τεχνητής νοημοσύνης για το 85% των ερωτηθέντων οργανισμών.

Είναι σημαντικό, αυτά τα χρέη δεν λειτουργούν ανεξάρτητα. Το χρέος τεχνολογίας μπορεί να υποβαθμίσει την ποιότητα των δεδομένων. Η слабή διακυβέρνηση μπορεί να δημιουργήσει ανεπάρκειες διαδικασιών και προκλήματα ταλέντου ταυτόχρονα. Οι χειροκίνητες ροές εργασίας συχνά παράγουν τόσο χρέος διαδικασιών όσο και χρέος δεδομένων την ίδια στιγμή. Η έκθεση υποστηρίζει ότι οι οργανώσεις συχνά αποτυγχάνουν επειδή προσπαθούν να λύσουν μια κατηγορία σε απομόνωση αντί να αντιμετωπίσουν το χρέος επιχειρήσεων ως ένα σύστημα-πρόβλημα.

Καταμετρήοντας την Ευκαιρία των $18 Τρισεκατομμυρίων

Ένα από τα πιο εντυπωσιακά ευρήματα της έκθεσης είναι η εκτίμησή της ότι η επίλυση του χρέους επιχειρήσεων θα μπορούσε να απελευθερώσει σχεδόν $17,9 τρισεκατομμύρια σε αξία σε εταιρείες Global 2000. Οι μεγαλύτερες ευκαιρίες προέρχονται από το χρέος διαδικασιών και το χρέος δεδομένων, κάθε ένα αντιπροσωπεύοντας περίπου $7,7 τρισεκατομμύρια σε αξία που μπορεί να ανακτηθεί. Το χρέος τεχνολογίας αντιστοιχεί σε $1,5 τρισεκατομμύρια, ενώ το χρέος ταλέντου αντιπροσωπεύει περίπου $1 τρισεκατομμύριο.

Οι ερευνητές υπολόγισαν αυτά τα στοιχεία χρησιμοποιώντας εκτιμήσεις των εκτελεστικών στελεχών για τον πιθανό ρυθμό αύξησης εσόδων και μείωσης κόστους που προκύπτει από την επίλυση του χρέους. Βασισμένοι στις απαντήσεις της έρευνας, η επίλυση του χρέους επιχειρήσεων θα μπορούσε να οδηγήσει σε περίπου 8% ταχύτερη ετήσια αύξηση εσόδων και περίπου 16% ετήσια μείωση κόστους σε μεγάλες εταιρείες.

Πιθανότατα, η έκθεση καταλήγει στο συμπέρασμα ότι οι οικονομίες κόστους δεν λένε ολόκληρη την ιστορία. Η επίλυση του χρέους δημιουργεί ευκαιρίες για ταχύτερες κυκλοφορίες προϊόντων, μικρότερες πωλήσεις, βελτιωμένες αποφάσεις, καλύτερες εμπειρίες πελατών και πιο αποτελεσματικές εφαρμογές της τεχνητής νοημοσύνης. Με άλλα λόγια, οι οργανώσεις κερδίζουν και από την αποτελεσματικότητα και την αύξηση ταυτόχρονα.

Γιατί οι Πρωτοβουλίες Τεχνητής Νοημοσύνης Σταματάνε

Παρά την αυξανόμενη επένδυση, πολλές πρωτοβουλίες τεχνητής νοημοσύνης δυσκολεύονται να προχωρήσουν πέρα από τα προγράμματα πιλότου.

Σύμφωνα με την έρευνα, το χρέος δεδομένων είναι ο κύριος λόγος για τον οποίο οι οργανώσεις δεν μπορούν να πραγματοποιήσουν αξία από την τεχνητή νοημοσύνη, αναφερόμενο από το 33% των ερωτηθέντων. Το χρέος τεχνολογίας ακολουθεί στο 28%, το χρέος διαδικασιών στο 23% και το χρέος ταλέντου στο 16%.

Οι συνέπειες διαφέρουν ανάλογα με το είδος του χρέους. Το χρέος δεδομένων παγώνει τις πρωτοβουλίες της τεχνητής νοημοσύνης σε στάδια απόδειξης της концепής. Το χρέος τεχνολογίας αυξάνει το κόστος της εφαρμογής και περιπλέκει την κλίμακα. Το χρέος διαδικασιών δημιουργεί αξιόπιστες εξελίξεις όταν οι πράκτορες της τεχνητής νοημοσύνης λειτουργούν μέσα σε ασυνεπείς ροές εργασίας. Το χρέος ταλέντου επιβραδύνει την υιοθέτηση και περιορίζει την ανθρώπινη εποπτεία που απαιτείται για την επιτυχή εφαρμογή της τεχνητής νοημοσύνης.

Η έκθεση επαναλαμβάνει ότι η τεχνητή νοημοσύνη δεν μπορεί να αντισταθμίσει τις κατεστραμμένες βάσεις για πάντα. Οι οργανώσεις που προσπαθούν να αυτοματοποιήσουν ελαττωματικές διαδικασίες ή να εφαρμόσουν τεχνητή νοημοσύνη πάνω σε δεδομένα χαμηλής ποιότητας κινδυνεύουν να αυξήσουν τις ανεπάρκειες αντί να τις λύσουν.

Ορισμένες Βιομηχανίες Αντιμετωπίζουν Μεγαλύτερες Ευκαιρίες από Άλλες

Η ευκαιρία επίλυσης του χρέους δεν είναι κατανεμημένη ομοιόμορφα σε όλες τις βιομηχανίες.

Η βιομηχανία κατασκευής προηγείται της λίστας, με μια εκτιμώμενη ευκαιρία $4,8 τρισεκατομμυρίων που συνδυάζει αύξηση εσόδων και οικονομίες κόστους. Οι υγειονομική περίθαλψη και οι βιοεπιστήμες ακολουθούν με περίπου $3,3 τρισεκατομμύρια, ενώ ο λιανικό εμπόριο και τα καταναλωτικά προϊόντα αντιπροσωπεύουν άλλα $2,7 τρισεκατομμύρια. Η ενέργεια, η τεχνολογία, η τραπεζική, η μεταφορά και η ασφάλιση επίσης αντιπροσωπεύουν σημαντικές ευκαιρίες.

Η φύση του χρέους διαφέρει ανάλογα με τον τομέα. Οι finanziικές υπηρεσίες οργανώσεις τείνουν να πλήττονται περισσότερο από το χρέος δεδομένων λόγω δεκαετιών συγχωνεύσεων, αγορών και απαιτήσεων ρυθμίσεων. Η βιομηχανία, το λιανικό εμπόριο και η υγειονομική περίθαλψη βιώνουν το μεγαλύτερο χρέος διαδικασιών λόγω μακρών, πολυμερών ροών εργασίας. Οι εταιρείες βιοεπιστημών και υλικού τεχνολογίας συχνά αντιμετωπίζουν το υψηλότερο χρέος τεχνολογίας λόγω ενσωματωμένων συστημάτων λογισμικού και περιορισμών ρυθμίσεων.

Στο λειτουργικό επίπεδο, οι ομάδες μηχανικής, ανάπτυξης προϊόντων και IT προσφέρουν τις μεγαλύτερες ευκαιρίες για δημιουργία αξίας. Αυτές οι περιοχές βρίσκονται πιο κοντά στα τεχνολογικά στάκια, υποδομές και ροές εργασίας που καθορίζουν εάν η επιχειρηματική τεχνητή νοημοσύνη μπορεί να κλιμακωθεί επιτυχώς.

Το 6% που Έχουν Καταφέρει

Ένα από τα πιο αποκαλυπτικά ευρήματα της έκθεσης είναι ότι μόνο το 6% των επιχειρήσεων ταιριάζουν με ό,τι οι ερευνητές ονομάζουν “αποδεδειγμένα λύση χρέους”. Αυτές οι οργανώσεις έχουν καθιερώσει, εκτελέσει και μετρήσει επιτυχείς προγράμματα επίλυσης χρέους. Άλλο 43% εργάζονται ενεργά για την επίλυση του χρέους, ενώ το 51% δεν έχει σχέδιο, έχει ένα μη εγκεκριμένο σχέδιο ή δεν έχει ξεκινήσει ακόμη.

Σύμφωνα με την έρευνα, οι επιτυχείς οργανώσεις μοιράζονται ορισμένα χαρακτηριστικά. Θεωρούν την επίλυση του χρέους ως μια εντολή CEO και όχι ως μια πρωτοβουλία IT. Ακολουθούν μια στρατηγική διπλού ρυθμού που ισορροπεί τη μακροπρόθεσμη θεμελιώδη δουλειά με τις近期 βελτιώσεις. Επενδύουν πολύ σε ικανότητες όπως η ανάπτυξη ταλέντου, η διακυβέρνηση, η ετοιμότητα για τεχνητή νοημοσύνη και οι πλατφόρμες δεδομένων. Χρησιμοποιούν επίσης την τεχνητή νοημοσύνη για να επιταχύνουν την μείωση του χρέους μέσω της ανάλυσης διαδικασιών, της ανάλυσης ροών εργασίας, της βελτίωσης της ποιότητας δεδομένων και της εκπαίδευσης της εργατικής δύναμης.

Πιθανότατα, η έκθεση καταλήγει στο συμπέρασμα ότι οι επιτυχείς οργανώσεις δρουν αντί να σχεδιάζουν αέναα. Η διαφορά μεταξύ των επιτυχημένων και μη επιτυχημένων επιχειρήσεων δεν είναι πρωτίστως τεχνολογική. Είναι μια διαφορά στην εκτέλεση.

Η Πραγματική Πρόκληση της Τεχνητής Νοημοσύνης Μπορεί Ναι Δεν Είναι η Τεχνητή Νοημοσύνη

Ένα από τα ισχυρότερα θέματα σε όλη την έκθεση είναι ότι το χρέος επιχειρήσεων είναι τελικά μια πρόκληση ηγεσίας και όχι μια τεχνολογική πρόκληση. Ενώ οι οργανώσεις συνεχίζουν να αυξάνουν τις δαπάνες για τεχνητή νοημοσύνη, πολλές αποτυγχάνουν να αντιμετωπίσουν τα λειτουργικά, πολιτιστικά και δομικά ζητήματα που καθορίζουν εάν αυτές οι επενδύσεις παραδίδουν αξία.

Όπως The $18 Trillion Opportunity: Four Enterprise Debts Will Make or Break Your AI Future καθιστά σαφές, η μεταμόρφωση της τεχνητής νοημοσύνης και η επίλυση του χρέους δεν είναι πλέον ξεχωριστές πρωτοβουλίες. Είναι ολοένα και περισσότερο το ίδιο πρόγραμμα που θεωρείται από διαφορετικές οπτικές. Οι οργανώσεις που αντιμετωπίζουν το χρέος διαδικασιών, δεδομένων, τεχνολογίας και ταλέντου μαζί μπορεί να απελευθερώσουν σημαντικές αύξησεις και οικονομίες. Αυτές που συνεχίζουν να xâyίζουν τεχνητή νοημοσύνη πάνω σε ασταθείς βάσεις κινδυνεύουν να δαπανήσουν περισσότερα ενώ επιτύγχανον λιγότερα.

Για τους ηγέτες των επιχειρήσεων, το κεντρικό μήνυμα της έκθεσης είναι απλό: να γνωρίζετε πού είναι το χρέος σας, να κατανοήσετε τι σας κοστίζει και να αρχίσετε να το διορθώνετε πριν οι ανταγωνιστές αυξήσουν το χάσμα. Οι οργανώσεις που θα κερδίσουν την εποχή της τεχνητής νοημοσύνης μπορεί να μην είναι αυτές που δαπάνησαν τα περισσότερα για τεχνητή νοημοσύνη, αλλά αυτές που πρώτα xâyίζουν τις λειτουργικές βάσεις που απαιτούνται για την επιτυχία της τεχνητής νοημοσύνης.