Panduan Operator untuk Menghasilkan ROI dari AI

Untuk semua kelebihannya, booming kecerdasan buatan juga menciptakan tantangan inti bagi operator. Meskipun investasi signifikan dalam adopsi AI, banyak operator masih belum melihat ROI yang berarti muncul di neraca.

Pada kenyataannya, sementara pengeluaran global pada AI diharapkan mencapai $632 miliar pada tahun 2028, analisis MIT menemukan bahwa hanya sekitar 5% dari pilot AI perusahaan menghasilkan pengembalian keuangan yang dapat diukur, dengan sebagian besar tidak menghasilkan ROI yang signifikan. Kesenjangan ini telah menciptakan tekanan yang meningkat pada operator untuk menerjemahkan dolar menjadi dampak, sering kali menghasilkan sumber daya yang terbuang pada pilot yang gagal atau investasi yang terburu-buru pada solusi yang terlihat menjanjikan di atas kertas tetapi gagal dalam praktek.

Kenyataannya adalah bahwa kesuksesan di era AI tidak akan ditentukan hanya oleh kebaruan atau kesophistikasian teknologi baru, tetapi oleh seberapa bijak tim dapat memahami tantangan dasar mereka dan memilih solusi yang didukung teknologi yang menghasilkan nilai nyata. Tidak ada solusi ajaib untuk mendapatkan hasil yang tepat, tetapi beberapa pertimbangan dapat membantu tim Anda bergerak dalam arah yang benar.

Hindari Pajak Kedaruratan

Salah satu hambatan utama untuk ROI AI adalah membiarkan rasa takut ketinggalan memandu pengambilan keputusan. Ketika pola pikir ini mempengaruhi strategi, organisasi dapat membayar pajak kedaruratan, membakar waktu, energi, dan sumber daya berharga dalam upaya untuk tetap bersaing dengan tren terbaru.

Internal dan eksternal dapat memicu tekanan tersebut. Ketika kepemimpinan melihat pesaing yang mempromosikan kemampuan AI baru, penurunan cepat ke dalam perangkap perbandingan dapat terjadi, dan apa yang dimulai sebagai keinginan untuk tetap relevan dengan cepat berubah menjadi balapan reaktif untuk merespons.

Investasi yang dilakukan dari titik awal ini gagal karena banyak alasan, tetapi salah satu yang paling umum adalah kurangnya kesiapan. Sementara pesaing mungkin menawarkan produk atau layanan yang serupa, fondasi data atau kematangan operasional organisasi mungkin tidak cukup kuat untuk mendukung teknologi yang sama, mengubah apa yang tampaknya menjadi langkah strategis menjadi taruhan yang berisiko.

Itulah mengapa manajer dan direktur yang paling dekat dengan operasi sehari-hari sering kali paling baik posisinya untuk mempengaruhi keputusan teknologi. Ketika teknologi yang tampaknya harus dimiliki muncul di pasar, tim tersebut harus diberi tugas untuk pertama-tama menilai apakah ada masalah yang jelas yang dapat diselesaikan dan apakah organisasi benar-benar siap untuk mendukungnya. Karena mereka memahami di mana gesekan ada, di mana waktu hilang, dan di mana teknologi mungkin memiliki dampak, mereka dapat membantu mengarahkan keputusan AI ke dalam kenyataan operasional daripada mengejar kebaruan.

Lakukan Audit Sepeda

Celah lain dalam pengadaan teknologi yang umum adalah over-buying. Ini berbeda dari pajak kedaruratan karena terjadi setelah menentukan bahwa kebutuhan yang sebenarnya ada dan Anda siap operasional untuk membeli solusi AI. Pada titik ini, pertanyaannya bukanlah “apakah kita membutuhkan sesuatu” tetapi “apa yang kita butuhkan sebenarnya”?

Masalah ini khususnya umum di industri warisan seperti logistik, yang telah berubah dari 0 menjadi 60 dengan kemungkinan teknologi dalam beberapa tahun terakhir. Di mana tantangan kita sebelumnya adalah mengatasi kompleksitas modern dengan sistem dan proses yang ketinggalan zaman, sekarang kita memilih dari daftar keinginan teknologi yang tak terbatas yang tersedia dari penyedia pihak ketiga atau melalui pengembangan internal.

“Audit Sepeda” dapat sangat membantu sebelum mencapai titik pembelian. Ini menantang pengambil keputusan untuk menjawab pertanyaan sederhana: Apakah kita membutuhkan Ferrari atau sepeda? Tim teknologi yang ambisius suka bermimpi besar, dan penyedia pihak ketiga biasanya bertujuan untuk menawarkan solusi tingkat atas mereka langsung dari awal. Keduanya valid, tetapi berinvestasi pada tenaga kuda Ferrari tidak masuk akal ketika sepeda akan membawa Anda ke tempat yang Anda butuhkan.

Audit Dengan Metrik

Salah satu cara untuk membuat keputusan itu adalah dengan memahami masalah yang Anda coba selesaikan melalui tiga tingkat metrik: Primer, Sekunder, dan Tersier. Menganalisis ketiganya bersama-sama membantu memperjelas di mana gesekan ada, apa yang terlihat seperti kinerja optimal pada setiap lapisan, dan berapa banyak investasi yang diperlukan untuk menutup kesenjangan.

Metrik Tersier mewakili perilaku operasional inti. Inefisiensi yang signifikan sering hidup pada lapisan ini, dan solusi sepeda yang memungkinkan perbaikan seperti penangkapan data yang lebih bersih dan eksekusi yang lebih efisien dapat membuat dampak besar dengan investasi yang relatif kecil.

Metrik Sekunder mencerminkan penggerak kinerja nyata — pikirkan tingkat konversi pelanggan dan pengaruh lain yang dapat dipengaruhi tim melalui produktivitas yang meningkat. Mengatasi inefisiensi di sini biasanya memerlukan sesuatu yang lebih maju daripada sepeda tetapi kurang kompleks daripada Ferrari, seperti otomatisasi yang canggih yang dapat menangani dataset yang lebih besar.

Metrik Primer adalah batu besar seperti pendapatan. Ini adalah tempat solusi Ferrari cenderung muncul. Ini biasanya teknologi berbiaya tinggi yang berjanji memiliki dampak material pada garis bawah. Sementara layak untuk dijelajahi, penting untuk diingat bahwa kecuali tantangan Sekunder dan Tersier ditangani terlebih dahulu, solusi ini dapat gagal mencapai potensi ROI sebenarnya.

Investasi yang lebih kecil dan terarah pada tingkat yang lebih rendah sering kali merupakan tempat terbaik untuk memulai karena mereka cenderung menghasilkan hasil yang cepat. Mereka juga menciptakan kesempatan untuk mempelajari apa yang berhasil sambil menyediakan keuntungan inkremental yang berkompilasi dari waktu ke waktu, pada akhirnya membantu membangun menuju dampak total yang sama atau lebih besar daripada investasi yang lebih besar, dengan risiko yang jauh lebih kecil.

Bersama, Audit Sepeda dan kerangka metrik tiga tingkat ini membantu organisasi memitigasi risiko dengan menyesuaikan solusi ke masalah nyata. Tujuannya bukan untuk menghindari AI yang canggih, tetapi untuk memulai dengan kecil dengan menyelesaikan masalah yang paling berdampak dengan investasi yang paling sedikit yang diperlukan dan menskalakan dari sana.

Bersikap Strategis Tentang Mitra Startup

Lonjakan baru-baru ini dalam modal ventura yang terkait AI telah membanjiri pasar dengan startup baru. Pengganggu ini akan datang ke meja dengan presentasi yang menjanjikan inovasi dan hasil yang cukup kuat untuk mempengaruhi bahkan tim pengadaan yang paling bijak.

Tapi waspadalah: produk dan orang-orang di balik banyak pendatang baru ini sering kali tidak terbukti. Menjadi pengadopsi awal membawa risiko bawaan, termasuk kemungkinan bahwa Anda mungkin tanpa sengaja membangun produk bersama mereka. Sementara itu dapat menawarkan keuntungan, itu harus menjadi pilihan yang disadari — karena ketika Anda mencoba memindahkan jarum pada masalah dengan implikasi keuangan nyata, menghabiskan sumber daya berharga untuk membantu vendor memperbarui pembaruan terbaru mereka dapat memperkenalkan sakit kepala yang tidak perlu.

Sekali vendor terintegrasi, sebagian besar hasil berada di luar kendali Anda. Roadmap mereka, skalabilitas dukungan pelanggan, dinamika harga, dan kemampuan mereka untuk mempertahankan kinerja saat mereka tumbuh semua tunduk pada perubahan. Perubahan tersebut dapat membentuk nilai jangka panjang kemitraan dengan cara yang tidak sepenuhnya terlihat pada awalnya.

Mengarungi ketidakpastian itu memerlukan kesabaran dan kebijaksanaan di awal. Mengambil waktu untuk memvalidasi solusi melalui konsep bukti, memahami komitmen kontraktual sebelum integrasi yang lebih dalam, dan berbicara langsung dengan pengguna yang ada membantu tim memilih penyedia yang diposisikan untuk menghasilkan nilai selama masa kemitraan.

Membuat AI Menghasilkan

Diambil bersama, pertimbangan ini memperkuat kenyataan bahwa berlatih diskresi yang kuat adalah faktor pertama dan paling kritis dalam menghasilkan ROI dari AI. Ketika tim fokus pada mengidentifikasi gesekan nyata, hasilnya membaik karena inefisiensi dihilangkan dan waktu dialokasikan kembali ke tugas dengan nilai yang lebih tinggi. Itulah apa yang terlihat seperti ROI yang sebenarnya, dan itu hanya diperoleh melalui disiplin, kejelasan, dan pengambilan keputusan yang pragmatis yang menguntungkan garis bawah dari waktu ke waktu. Menghasilkan ROI dari AI. Ketika tim fokus pada mengidentifikasi gesekan nyata, hasilnya membaik karena inefisiensi dihilangkan dan waktu dialokasikan kembali ke tugas dengan nilai yang lebih tinggi. Itulah apa yang terlihat seperti ROI yang sebenarnya, dan itu hanya diperoleh melalui disiplin, kejelasan, dan pengambilan keputusan yang pragmatis yang menguntungkan garis bawah dari waktu ke waktu.