Miksi useimmat tekoälyyn tehdyt investoinnit jäävät odotettavissa olevasta tuloksesta tai epäonnistuvat

Ihmiset ja yritykset ovat pakkomielteisesti kiinnostuneita tekoälyn potentiaalista, mutta 80% tekoälyprojekteista epäonnistuu – eikä se johdu halusta tai innostuksesta. 

Vaikka tekoäly läpäiseekin kaikki toimialat ja sektorit, ongelmana on, etteivät yritykset ole riittävästi valmistautuneita tähän teknologiseen muutokseen. 

Boston Consulting Group raportoi, että joka kolmas yritys maailmanlaajuisesti aikoo käyttää yli $ 25 euroa tekoälyyn. Siksi miljoonia dollareita menee hukkaan, jos yritykset jatkavat tekoälyratkaisujen hyödyntämistä ilman ennakkosuunnittelua. 

Vahvojen muutoshallinta-aloitteiden ja uusia innovaatioita ja mitattavia suorituskykyindikaattoreita tukevan järjestelmän avulla yritykset voivat kuitenkin kääntää tekoälynsä menestystarinan suunnan.

Sukelletaanpa kolmeen tärkeimpään syyhyn, miksi tekoälyhankkeet epäonnistuvat. 

Teknologia etusijalla ja liiketoiminta toissijaisena

Satoja raportteja ja tutkimuksia, erityisesti koskien generatiivinen tekoäly, osoittavat tekoälyalgoritmien ja -ohjelmien nopeuden ja vaikuttavan älyllisen näppäryyden. 

Tekoälyyn on investoitu paljon innovaatioita, minkä vuoksi yritykset haluavat hypätä jalat edellä ja investoida huippuluokan prototyyppien hyödyntämiseen. Riskinä on kuitenkin se, että ne saattavat käyttää miljoonia dollareita ratkaisuun, jonka liiketoimintatavoite on epäselvä tai jolla ei ole mitattavissa olevaa vaikutusta.

Itse asiassa Gartner ennustaa, että ainakin 30% generatiivisista tekoälyprojekteista hylätään vuoden 2025 loppuun mennessä heikon datan laadun, riittämättömien riskienhallinnan ja kasvavien kustannusten tai epäselvän liiketoiminta-arvon vuoksi.

Huonolaatuinen data on erityinen este, jota useimmat yritykset eivät pysty voittamaan, varsinkaan tekoälyratkaisujen tehokkuuden ja vaikuttavuuden maksimoinnissa. Siiloutunut data on yksi merkittävimmistä ongelmista, eikä sitä voida sivuuttaa. Tiimit voivat tuhlata tuntikausia yrittäessään löytää puuttuvaa tietoa, joka on ratkaisevan tärkeää strategiselle päätöksenteolle. 

Eikä kyse ole vain tiimeistä, vaan myös työkaluista. Esimerkiksi koneoppimismallit eivät pysty toimimaan kunnolla, jos data on irrallaan ja täynnä virheitä. 

Jotta investoinnille saataisiin positiivinen ROI ja ennen teknisen työn aloittamista, organisaatioiden on tunnistettava ne liiketoimintaongelmat, jotka tekoälyratkaisun on tarkoitus ratkaista. Tähän sisältyy mitattavien KPI-mittareiden ja tavoitteiden asettaminen, kuten kustannusten vähentäminen, tulojen lisääminen tai tehokkuuden parantaminen, kuten tiedon hakemiseen kuluvan ajan lyhentäminen.

Tarkemmin sanottuna liiketoimintastrategian tulisi olla etusijalla, ja teknologian käyttöönoton tulisi seurata sen mukaisesti. Viime kädessä teknologisten ratkaisujen tulisi toimia keinona edistää liiketoiminnan tuloksia. Lisäksi liiketoiminnan tarve on pohjimmiltaan tekoälyn ja muiden teknologisten käyttöönottojen selkäranka. 

Esimerkiksi logistiikkayritys, joka haluaa hyödyntää tekoälyä, voi asettaa mitattavia tavoitteita tekoälyohjelmistolleen kysynnän ennustamisen optimoimiseksi ja kaluston hallinnan parantamiseksi, vähentäen vajaakäytössä olevien kuorma-autojen määrää 25 %:lla ensimmäisen kuuden kuukauden aikana ja auttaen heitä kasvattamaan voittoja 5 %:lla. 

Yritykset tarvitsevat mitattavia tavoitteita varmistaakseen jatkuvasti, että tekoäly ei ainoastaan ​​paranna tehokkuutta, vaan että se on mitattavissa. Tämä on olennaista, kun yrityksen sidosryhmille selitetään, että kallis tekoälyriski ei ollut vain vaivan arvoinen, vaan heillä on myös dataa sen todistamiseksi.  

Liian kunnianhimoinen tekoälyn käyttöönotto

Tekoälyn lupaus mullistaa kaiken toistetaan jatkuvasti mediassa, ja se esitetään usein virheellisesti ihmeluotina. Tämä voi herättää väärän luottamuksen tunteen yritysjohtajissa ja saada heidät uskomaan, että he voivat hyödyntää uusia tekoälyjärjestelmiä ja integroida ne kaikki liiketoimintaprosesseihin samanaikaisesti. 

Liian kunnianhimoiset yritykset ratkaista ongelma yhdellä iskulla johtavat kuitenkin yleensä epäonnistumiseen. Sen sijaan yritysten tulisi aloittaa pienestä ja skaalata strategisesti parempien tulosten saavuttamiseksi. 

Menestystä on nähty laajassa mittakaavassa esimerkiksi Walmart, joka otti käyttöön koneoppimisalgoritmeja asteittain varastonhallinnan optimoimiseksi. Tulos? Ylivarastojen väheneminen 30 % ja hyllysaatavuuden kasvu 20 %.

Tämän helpottamiseksi yritysten tulisi sopeutua 'voittovyöhyke' -kehys tekoälyn käyttöönottoa varten, todistettu menetelmä, joka auttaa tiimejä ymmärtämään, että heidän on tasapainotettava nykyistä toimintaa tulevaisuuden innovaatioiden kanssa. 

Viitekehys jakaa liiketoiminnan neljään vyöhykkeeseen: suorituskyky, tuottavuus, inkubaatio ja transformaatio. Tekoäly ei voi häiritä kaikkea kerralla, ja inkubaatiovyöhyke luo erillisen tilan tekoälyteknologioiden kokeilulle häiritsemättä ydinliiketoimintaa.

Esimerkiksi näin "vyöhyke voittaa" -kehystä voitaisiin soveltaa kylmävarastointilogistiikkayritykseen, joka ottaa käyttöön tekoälyn:

• Suorituskykyalue: Yrityksen ydinliiketoiminta, kuten varaston aikataulutus ja tavaroiden sijoittelu, on avainasemassa tulojen luomisessa. Varaston tehokkuuden parantamiseen liittyvät KPI-mittarit viipymäaikojen lyhentämiseksi ja toimitusten lisäämiseksi ovat ensisijaisen tärkeitä. 
• TuottavuusalueTässä sisäisiä prosesseja ohjataan tehokkuuden lisäämiseksi ja kustannusten, kuten pidätysmaksujen, leikkaamiseksi integroimalla datatieteen ominaisuuksia, kuten ennakoivaa analytiikkaa ja reaaliaikaisia ​​analytiikkatyökaluja. 
• InkubointivyöhykeYritys omistaa aikaa datalähtöisten työkalujen pilottikäyttöön tietyissä varastoissa, minkä ansiosta tiimit voivat määrittää, mistä innovaatioista voisi tulla tulevaisuuden tulonlähteitä.
• MuutosvyöhykeTässä yritys laajentaa digitaalista transformaatiotaan koko organisaation mittakaavaan noudattaen kattavaa digitaalista infrastruktuuria, joka varmistaa toistuvat liiketoimintatulokset. 

Viitekehys auttaa johtoa tekemään päätöksiä resurssien kohdentamisesta nykyisten toimintojen ylläpitämisen ja tekoälypohjaisten tulevaisuuden ominaisuuksiin investoimisen välillä. Tämä tietoisuus auttaa välttämään ongelman ja väistämättömän epäonnistumisen, kun tekoälyinvestoinnit hajautetaan liian ohuelti liian monelle osastolle ja prosessille.

Käyttäjien omaksumisen puute

Yritykset kiirehtivät hyödyntämään kaikkia tekoälyn ja koneoppimisen tarjoamia etuja ottamatta ensin huomioon niitä käyttäviä ihmisiä. Jopa kehittyneimmät tekoälyratkaisut epäonnistuvat, jos loppukäyttäjät eivät ymmärrä teknologiaa – kaikki riippuu luottamuksesta ja kattavasta koulutuksesta.

Tekoälyn integroinnin keskeinen perusta on sen käyttöönotto. Tämä tarkoittaa sen varmistamista, että tekoälytyökalut on kytketty työnkulkuihin ja että ne otetaan käyttöön liiketoimintaprosesseissa. 

Muut työvälineet, kuten asiakkuudenhallintajärjestelmät (CRM), optimoivat ja hallitsevat koko prosessia alusta loppuun. Tämä helpottaa koulutusta, koska prosessin jokainen vaihe voidaan näyttää ja selittää. Generatiivinen tekoäly toimii kuitenkin rakeisemmalla "tehtävätasolla" sen sijaan, että se kattaisi kokonaisia ​​prosesseja. Sitä voidaan käyttää satunnaisesti eri menetelmien eri vaiheissa; kokonaisen työnkulun tukemisen sijaan jokainen käyttäjä saattaa soveltaa tekoälyä hieman eri tavalla omiin tehtäviinsä. 

Ruth Svensson, KPMG UK:n osakas, kertoi Forbes: ”Koska generatiivinen tekoäly toimii tehtävätasolla eikä prosessitasolla, koulutusvajeita ei voida nähdä yhtä helposti.” Tämän seurauksena työntekijät saattavat käyttää tekoälytyökalua ymmärtämättä, miten se sopii laajempiin liiketoimintatavoitteisiin, mikä johtaa piileviin koulutusvajeisiin. Näihin aukkoihin voi kuulua ymmärryksen puute siitä, miten tekoälyn ominaisuuksia hyödynnetään täysimääräisesti, miten järjestelmän kanssa ollaan tehokkaasti vuorovaikutuksessa tai miten varmistetaan, että sen tuottamaa dataa käytetään oikein.

Tässä tapauksessa tehokas muutoksenhallinta on ratkaisevan tärkeää käyttäjien omaksumisen kannalta. Muutoksenhallinnan avulla organisaatiot voivat varmistaa, että työntekijät eivät ainoastaan ​​ota uutta teknologiaa käyttöön, vaan myös ymmärtävät sen kaikki vaikutukset tehtäviinsä ja liiketoimintaprosesseihinsa. 

Ilman asianmukaista muutoshallintaa yritykset epäonnistuvat tekoälytyökalujen käyttäjien käyttöönotossa ja ottavat riskin pahentaa teknologiakuiluja, jotka johtavat tehottomuuteen, virheisiin ja tekoälyratkaisun potentiaalin maksimoimatta jättämiseen.

Jotta muutosjohtamisaloitteet toimisivat, ne tarvitsevat nimetyn pätevän johtoryhmän johtamaan liikettä. Johtajien on tunnistettava koulutusvajeet tehtävätasolla ja tarjottava tai järjestettävä räätälöityä koulutusta työntekijöille niiden tehtävien perusteella, joissa he käyttävät tekoälyä.

Ajatuksena on voimaannuttaa ja kannustaa työntekijöitä ymmärtämään uutta järjestelmää ja luottamaan siihen paremmin. Vain silloin ymmärrys ja hyväksyntä tulevat, mikä johtaa teknologian laajaan käyttöön ja parempaan soveltamiseen yrityksissä.

On selvää, että tekoäly on tämän vuosikymmenen määrittelevä teknologia, mutta ilman sen operationalisointia sen vaikutus menee hukkaan. Päivittämällä muutosjohtamisen aloitteita, toteuttamalla tekoälyaloitteita hitaasti ja käyttämällä mitattavia suorituskykyindikaattoreita yritykset eivät ainoastaan ​​kuluta rahaa tekoälyyn, vaan ne myös hyötyvät siitä.