Bagaimana Monetisasi AI Menulis Ulang Aturan Perangkat Lunak Perusahaan

Pemimpin industri telah menggambarkan masa depan di mana AI disampaikan sesuai permintaan dan dibebankan berdasarkan seberapa banyak digunakannya, seperti listrik atau air. Dalam prakteknya, itu berarti biaya mencerminkan konsumsi; mereka naik dan turun dengan aktivitas, bukan tetap di tempat.

Perangkat lunak perusahaan telah lama mengutamakan harga per-pengguna. Apakah organisasi menggunakan sistem secara intensif atau hanya sesekali, biaya tetap relatif stabil. AI menggeser itu untuk semua model. Seperti dengan sistem yang diukur, tidak semua permintaan menarik sejumlah daya yang sama. Pertanyaan sederhana memerlukan pemrosesan yang sedikit, sedangkan tugas yang lebih kompleks dapat mengonsumsi lebih banyak. Variabilitas ini memperkenalkan tingkat varians penggunaan yang banyak organisasi sekarang perlu kelola. Ketika adopsi AI tumbuh, organisasi perlu memahami tidak hanya di mana mereka menggunakan AI, tetapi apa yang biaya penggunaan itu dan bagaimana itu diterjemahkan menjadi nilai untuk bisnis.

Dari Akses ke Hasil: Pengukuran Baru Nilai AI

Ketika perusahaan mulai memahami bagaimana biaya AI dapat bervariasi, pertanyaan yang lebih mendasar muncul: bagaimana Anda tahu AI sebenarnya membantu bisnis? Gelombang awal adopsi AI sebagian besar didorong oleh kegembiraan dan eksperimen. Gelombang berikutnya harus didorong oleh hasil yang dapat diukur.

Penempatan AI yang paling efektif memiliki ciri umum: kecerdasan yang tertanam langsung di tempat kerja terjadi. Daripada memerlukan karyawan untuk mengekspor data ke alat terpisah dan menafsirkan hasil secara mandiri, AI menyajikan wawasan dalam alur kerja yang mereka gunakan setiap hari. Ketika deteksi anomali menandai kesalahan dalam laporan keuangan, ketika analitik prediktif menyarankan penyesuaian inventaris sebelum kekurangan berkembang, atau ketika dasbor menyoroti tren arus kas yang memerlukan perhatian, ini bukanlah output dari sistem AI yang berdiri sendiri. Mereka terintegrasi ke dalam alat yang sudah digunakan oleh tim keuangan, operasional, dan rantai pasokan.

Perbedaan ini penting, terutama untuk perusahaan menengah tanpa tim TI besar untuk mengelola integrasi yang kompleks. Ketika AI tertanam dalam platform di mana data bisnis hidup, tim dapat bertindak atas wawasan segera. Nilai itu muncul dalam siklus waktu yang lebih singkat, pengecualian yang lebih sedikit, dan keputusan yang lebih baik.

Meningkatnya Pengeluaran dan Tekanan untuk Menunjukkan Nilai

Ketika AI menjadi lebih terintegrasi ke dalam operasional sehari-hari, meter mulai berjalan, dan pengeluaran mulai meningkat. Di beberapa organisasi, biaya menjalankan beban kerja AI sudah mendekati atau melebihi biaya beberapa peran. Tim kepemimpinan ingin memahami apa yang mereka dapatkan sebagai gantinya. Peningkatan produktivitas, proses yang lebih cepat, dan pengambilan keputusan yang lebih baik semuanya merupakan bagian dari janji, tetapi mereka perlu dapat diukur.

Dalam lingkungan distribusi, misalnya, AI mungkin diterapkan untuk mengotomatisasi penanganan pengecualian dalam pemrosesan pesanan. Daripada meninjau secara manual pesanan yang ditandai, sistem secara otomatis merutekan dan menyelesaikan masalah rutin, mengurangi keterlambatan dan membebaskan staf untuk pekerjaan yang lebih berharga. Dampaknya terlihat dalam siklus waktu yang lebih singkat dan pengecualian yang lebih sedikit. Hasil ini dapat dilacak, dapat dipertahankan, dan dapat diulang—atribut yang membuat CFO dan COO merasa nyaman untuk memperluas penggunaan AI daripada membatasinya.

Model Harga yang Selaras dengan Cara AI Mengirimkan Nilai

Sebagai tanggapan atas biaya yang meningkat dan tekanan yang meningkat untuk menunjukkan return on investment, pasar perlu bergerak menjauh dari harga satu-ukuran-untuk-semua menuju model harga yang lebih baik mencerminkan bagaimana bisnis menggunakan sistem AI. Perubahan ini akan memiliki implikasi signifikan bagi bagaimana organisasi menganggarkan untuk AI dan mengevaluasi vendor.

Harga perangkat lunak tradisional sering gagal untuk perusahaan menengah khususnya. Biaya lisensi tetap berlaku apakah tim menggunakan sistem secara intensif atau hampir tidak pernah, yang berarti perusahaan sering membayar untuk kemampuan yang tidak digunakan. Ketika AI menjadi item garis yang lebih signifikan, ketidakcocokan itu menjadi lebih sulit untuk dibenarkan.

Harga berbasis konsumsi mengatasi ini dengan mengikat biaya ke penggunaan yang sebenarnya. Bisnis dapat memulai dengan kemampuan tertentu (misalnya, pemrosesan faktur otomatis, peramalan permintaan, penanganan pengecualian), memvalidasi return on investment, dan memperluas dari sana. Biaya berskala dengan aktivitas, dan organisasi tidak terkunci untuk membayar untuk alat sebelum mereka menunjukkan nilai. Beberapa vendor lebih jauh, bereksperimen dengan harga berbasis hasil yang terkait dengan tugas yang diselesaikan, seperti menyelesaikan permintaan dukungan atau menutup alur kerja. Model ini memungkinkan vendor untuk menyelaraskan harga mereka dengan anggaran operasional yang telah tradisional terkait dengan tenaga kerja manusia daripada lisensi perangkat lunak.

Perbedaan ini penting bagi pembeli yang mengevaluasi platform. Dua solusi dengan set fitur yang sama dapat membawa struktur biaya yang sangat berbeda tergantung pada seberapa efisien mereka merutekan permintaan, memilih model, dan membangun data. Platform yang beroperasi secara efisien di belakang layar akan meneruskan penghematan itu. Platform yang tidak beroperasi secara efisien dapat menghasilkan biaya yang tidak terduga ketika penggunaan meningkat.

Adopsi Mengakselerasi, tetapi Hasil Masih Bervariasi

Adopsi terus mengakselerasi ketika pergeseran muncul dalam harga dan struktur biaya. Biaya masuk yang lebih rendah dan akses yang lebih mudah melalui platform cloud telah memungkinkan lebih banyak organisasi untuk bereksperimen dengan dan menerapkan alat AI. Bisnis kecil dan menengah, khususnya, mengadopsi teknologi ini lebih cepat daripada generasi sebelumnya mengadopsi inovasi sebelumnya.

Namun, adopsi tidak selalu diterjemahkan menjadi dampak. Beberapa organisasi menerapkan AI dalam cara yang terarah dan terdefinisi dengan baik dan melihat manfaat yang jelas. Yang lain memperluas penggunaan secara luas tanpa rencana yang terdefinisi untuk bagaimana itu terhubung ke tujuan bisnis. Aktivitas meningkat, tetapi hasilnya lebih sulit untuk ditentukan. Jarak antara kedua kelompok sering kali turun ke apakah orang-orang yang bertanggung jawab untuk keputusan sehari-hari dapat benar-benar bertindak atas wawasan yang dihasilkan AI, atau apakah wawasan itu hanya digunakan oleh ilmuwan data dan staf TI.

Membuat AI Dapat Digunakan oleh Orang-orang yang Melakukan Pekerjaan

Agar AI menghasilkan nilai konsisten, itu harus dapat digunakan oleh orang-orang yang bertanggung jawab untuk keputusan operasional, bukan hanya mereka dengan latar belakang teknis. Seorang manajer keuangan yang dapat mengquery data operasional menggunakan bahasa sederhana dan mendapatkan jawaban yang bermakna tidak perlu menunggu laporan dari TI. Seorang supervisor gudang yang dapat melihat peramalan permintaan di dalam alur kerja yang ada tidak perlu sistem terpisah untuk bertindak atasnya.

Inilah di mana kemampuan pemrosesan bahasa alami membuat perbedaan terbesar dalam adopsi AI yang praktis. Ketika pengguna dapat menghasilkan laporan atau mengquery data melalui perintah percakapan—tanpa SQL, tanpa pelatihan teknis, tanpa mengirimkan tiket—hambatan untuk menggunakan AI turun secara signifikan. Adopsi akselerasi ketika teknologi menjadi dapat diakses oleh mereka yang membutuhkannya. Ukuran keberhasilan bergeser dari penerapan ke penggunaan sehari-hari, dan dari penggunaan ke hasil.

Melihat ke Depan

Perangkat lunak perusahaan memasuki fase baru, yang dibentuk oleh bagaimana AI sekarang digunakan. Organisasi yang sukses tidak selalu mereka yang memiliki anggaran AI terbesar. Mereka adalah mereka yang telah menanamkan kecerdasan ke dalam alur kerja inti mereka, menyelaraskan pengeluaran mereka dengan nilai yang disampaikan oleh alur kerja tersebut, dan memastikan orang-orang yang menjalankan alur kerja tersebut dapat menggunakan alat yang tersedia untuk mereka.

Pemimpin bisnis yang mengevaluasi strategi AI mereka harus mengajukan pertanyaan yang lebih sulit daripada “Apakah kita memiliki AI?” Pertanyaan yang lebih berguna adalah:

• Di mana AI tertanam dalam pekerjaan yang menghasilkan hasil?
• Apakah model harga kami menghargai nilai atau hanya aktivitas?
• Dapatkah orang-orang yang membuat keputusan setiap hari menggunakan apa yang telah kita bangun?

Organisasi yang mendekati pertanyaan ini dengan kejelasan dan disiplin akan lebih baik dalam menghadapi apa yang akan datang. Pertanyaan-pertanyaan ini adalah: Di mana AI tertanam dalam pekerjaan yang menghasilkan hasil? Apakah model harga kami menghargai nilai atau hanya aktivitas? Dapatkah orang-orang yang membuat keputusan setiap hari menggunakan apa yang telah kita bangun? Organisasi yang mendekati pertanyaan ini dengan kejelasan dan disiplin akan lebih baik dalam menghadapi apa yang akan datang.