CIO:t tarvitsevat paremman tavan kirjata tekoälyn työ IT:ssä

Viimeisen kahden vuoden ajan CIO:t ovat olleet yksinkertaisessa tavoitteessa tekoälyn suhteen IT:ssä: saada se organisaatioon, antaa tiimien kokeilla ja nähdä, missä se voisi parantaa palveluntuotantoa.

IT-organisaatiot ostivat lisenssejä, toteuttivat pilotteja ja lisäsivät tekoälyominaisuuksia jo valmiiksi kömpelöihin ohjelmistopinoihin. Se oli järkevää, kun tiimit vielä selvittivät, mitä tekoäly pystyi tekemään. Nyt kun kulut ovat oikeissa budjeteissa, ja CFO:t haluavat tietää, mitä yritys saa rahoilleen.

Ongelma on, että monet CIO:iden käyttämät tekoälyn mittaamiseen tarkoitetut luvut eivät vastaa siihen kysymykseen. CIO:t voivat näyttää, kuinka monta työntekijää käyttää tekoälyä, kuinka usein he sitä käyttävät ja kuinka paljon aikaa heidän mukaansa se säästää. Talousosasto haluaa tietää, kuluttiko yritys vähemmän rahaa, saiko se enemmän tehtyä vai välttikö se lisähenkilöstön palkkaamisen.

Työntekijän viiden tunnin viikkosäästö kuulostaa arvokkaalta, mutta yrityksen on silti tiedettävä, mitä näille viidelle tunnille tapahtui. Jos työntekijä hoitaa enemmän työtä tai tiimi pystyy tukemaan kasvavaa työkuormaa palkkaamatta lisähenkilöä, yritys näkee taloudellisen tuloksen. Jos mikään muu ei muutu, ajansäästöt eivät ehkä koskaan näy budjetissa.

Kun yritykset käyttävät yhä enemmän rahaa tekoälyyn, CIO:n on oltava paljon tarkempia siitä, mitä tekoäly tekee ja mitä tuo työ maksaa.

Säästetty aika ei välttämättä tarkoita säästettyä rahaa

Monet tekoälyn ROI-laskelmat alkavat ajasta kriteerinä – esimerkiksi jos tekoäly säästää työntekijältä 30 minuuttia päivässä, yritys voi kertoa nämä minuutit tuhansille työntekijöille ja saada erittäin suuren luvun.

Mutta liiketoimintaprosessit harvoin toimivat näin siististi. Työ siirtyy henkilöltä toiselle, odottaa hyväksyntöjä ja istuu jonoissa. Jos tekoäly säästää kymmenen minuuttia prosessin yhdestä osasta ja työ sitten odottaa kuusi tuntia toiselta henkilöltä, yritys ei ole saanut kymmentä hyödyllistä minuuttia kapasiteettia.

CIO:ille hyödyllisempi kysymys on, muuttaako tekoäly itse palvelun suorituskykyä. Jos käyttöoikeuspyynnöt kulkevat jonossa nopeammin, vähemmän tukipyyntöjä tarvitsee ihmisen käsittelyä tai pyyntöjen kustannus laskee, IT voi mitata tuloksen samoilla operatiivisilla mittareilla, joita se jo seuraa.

Aviva on hyvä esimerkkiVakuutusyhtiö käytti yli 80 tekoälymallia osana muutoksia korvausprosessissaan ja raportoi vastuullisuuden arviointiajan lyhentäneen 23 päivällä sekä valituksia 65 prosentilla. Nämä luvut kertovat johdolle, mitä operaatiossa on muuttunut, ja antavat talousosastolle mitattavan kohdan.

CIO:n on sovellettava samaa ajattelua tekoälyinvestointeihinsa. Ennen pilotin laajentamista heidän tulisi tietää, mitä liiketoiminnan osaa he odottavat muuttuvan ja kuinka paljon työtä tekoälyn täytyy ottaa hoitaakseen muutoksen.

Tekoälyn suorittama työ on parempi lähtökohta

Ajatellaan tavallista IT-käyttöoikeuspyyntöä. Avustaja voi tiivistää tukipyyntötiketin ja laatia vastauksen, kun taas IT-asiakaspalvelija tarkistaa yrityksen politiikan, varmistaa pyytävän, saa hyväksynnän, muuttaa oikeuden ja sulkee pyynnön.

Avustaja saattaa säästää työntekijälle muutaman minuutin, mutta suurin osa työstä kuuluu edelleen työntekijälle.

Kuvitellaan nyt tekoälyjärjestelmä, joka voi tarkistaa pyynnön yrityksen politiikkaa vastaan, kerätä puuttuvat tiedot, ohjata pyynnön hyväksyntään ja tehdä muutoksen, kun se saa hyväksynnän. IT voi nähdä, kuinka monta pyyntöä tekoälyjärjestelmä suorittaa, kuinka usein työntekijän täytyy puuttua asiaan ja kuinka paljon ihmistyötä kukin pyyntö edelleen vaatii.

Tämä antaa CIO:ille paljon selkeämmän tavan kirjata tekoäly. Sen sijaan että arvioitaisiin, kuinka monta minuuttia teknologia säästi, he voivat mitata, kuinka paljon työtä se suoritti ja mitä sen suorittaminen maksoi.

Sama lähestymistapa voidaan soveltaa työntekijöiden perehdytys, sisäinen tuki ja poikkeaman hallinta. Tärkeä osa on antaa tekoälylle vastuu työstä, jonka yritys jo ymmärtää ja osaa mitata.

Mutta sinun on myös otettava huomioon ihmistyö

Tekoälyjärjestelmä saattaa käynnistää 1 000 perehdytyspyyntöä ja vaatia työntekijän puuttuvan 600:aan niistä. Jos kaikki 1 000 pyyntöä merkitään automatisoiduksi, johto saa väärän kuvan siitä, kuinka paljon työtä tekoäly todella hoiti.

Näillä puuttumisilla on kustannuksia. Jos asiakaspalvelija työskentelee pyynnön parissa muutaman minuutin ja sen jälkeen luovuttaa sen työntekijälle, joka käyttää toiset kaksikymmentä minuuttia sen loppuun saattamiseen, nämä kaksikymmentä minuuttia kuuluvat prosessin kustannuksiin.

Tämä tarkoittaa, että IT tarvitsee tietue siitä, mitä kunkin tehtävän aikana tapahtui. Sen on tiedettävä, mitä tekoäly teki, mitä järjestelmiä se käytti, missä se tarvitsi hyväksynnän, milloin työntekijä puuttui asiaan ja toteutuiko työ todella. Nämä tiedot voivat syöttää perinteisiä palvelupöytämittareita, kuten keskimääräistä ratkaisuun kuluvaa aikaa, samalla kun lisätään tekoälylle erityisesti tärkeitä mittareita, kuten puuttumisprosentti ja kustannus per suoritettu tehtävä.

Turvatiimit tarvitsevat lähes samat tiedot, kun jokin menee pieleen. Jos AI-järjestelmä muuttaa väärän oikeuden tai tekee toiminnon, jota sen ei pitäisi tehdä, heidän täytyy rekonstruoida tapahtumat ja ymmärtää miksi.

Tämän tiedon tallentaminen antaa CIO:ille tavan mitata sekä investoinnin molempia puolia. He voivat nähdä AI:n käyttökustannukset ja ihmistyön, jota edelleen tarvitaan valvomaan ja viimeistelemään sen työ.

Kuinka paljon vastuuta AI:lle annetaan, vaikuttaa taloudellisuuteen

CIO:n on myös päätettävä, kuinka paljon valtuuksia he ovat valmiita antamaan AI:lle.

Rajoitetuilla oikeuksilla varustettu AI-järjestelmä saattaa tarvita työntekijän hyväksynnän moniin toimintoihinsa. Tämä pitää henkilön mukana, mutta se myös merkitsee, että yritys jatkaa maksamista lisääntyneestä ihmistyöstä.

Järjestelmälle enemmän valtuuksia antaminen voi mahdollistaa sen suorittaa enemmän työtä itsenäisesti, mutta se myös lisää IT:n hallittavaa riskiä. Järjestelmä, joka voi luoda tilin tai muuttaa oikeuksia, voi aiheuttaa enemmän vahinkoa virheessään kuin järjestelmä, joka voi vain suositella, mitä työntekijän tulisi tehdä. Kustannukset voivat myös nousta odottamattomasti, kun agentti juuttuu silmukkaan, yrittää samaa tehtävää uudelleen tai kuluttaa laskentatehoa, koska ohje oli liian epämääräinen. Nämä epäonnistumiset kuuluvat myös taloudelliseen laskelmaan.

Yritykset vetävät tämän rajan eri tavoin riippuen työstä. ROI-laskelmassa merkityksellistä on tietää, missä raja kulkee ja kuinka paljon ihmisen osallistumista se aiheuttaa.

Jos AI-järjestelmä pystyy turvallisesti suorittamaan 90 prosenttia prosessista, sen talousnäkymä voi poiketa merkittävästi järjestelmästä, joka tarvitsee työntekijän jokaisessa toisessa vaiheessa.

Aloita työstä, joka jo maksaa rahaa

AI:n seuraavan rahoituskierroksen suunnittelevien CIO:iden tulisi aloittaa työstä, joka jo kuluttaa merkittävää aikaa tai henkilöstöä.

Pääsypyynnöt, työntekijöiden perehdytys, tapahtumavaste ja sisäinen tuki antavat IT:lle konkreettisen mittarin. Yritys tietää jo suunnilleen, kuinka monta pyyntöä se käsittelee, kuinka paljon työntekijäaikaa ne vaativat ja missä työ yleensä juuttuu.

Tästä lähtien IT voi määrittää, mitkä osat AI voi käsitellä turvallisesti ja missä työntekijän täytyy edelleen osallistua. Sen jälkeen se voi päätellä, mitä odottaa investoinnin tuottavan.

Ehkä tiimi haluaa käsitellä 30 prosenttia enemmän tikettejä ilman lisärekrytointia. Ehkä se haluaa alentaa jokaisen pääsypyynnön kustannusta. Ehkä se haluaa, että työntekijät käyttävät vähemmän aikaa rutiinitukeen, jotta he voivat hoitaa työtä, joka tällä hetkellä on takapakissa. Kun IT tietää AI:n avulla tehtävän kokonaiskustannuksen, mukaan lukien ihmisen puuttuminen, se voi asettaa tavoitekustannuksen tälle tehtävälle ja päättää, onko automaatio todella kannattavaa.

Kun AI alkaa tehdä työtä, CIO:t voivat verrata odotettua tulosta toteutuneeseen. He näkevät, kuinka paljon työtä AI suoritti, kuinka usein ihmisten täytyi puuttua ja mikä koko prosessin kustannus oli.

Tämä antaa CIO:ille paljon yksinkertaisemman tavan keskustella AI-rahoituksesta talousosaston kanssa. Sen sijaan, että yritettäisiin asettaa dollaariarvoa tuhansille arvioiduille säästetyille minuuteille, he voivat näyttää, mitä työtä AI hoiti, kuinka paljon ihmistyötä se edelleen vaati ja kuluttiko yritys vähemmän rahaa saadakseen työn tehtyä.