CIO membutuhkan cara yang lebih baik untuk mengakuntansi pekerjaan AI dalam TI

Selama dua tahun terakhir, CIO memiliki tujuan sederhana untuk AI dalam TI: memasukkannya ke dalam organisasi, membiarkan tim bereksperimen, dan melihat di mana AI dapat meningkatkan penyampaian layanan.

Organisasi TI membeli lisensi, menjalankan pilot, dan menambahkan fitur AI ke dalam tumpukan perangkat lunak yang sudah berlebihan. Itu masuk akal ketika tim masih mencari tahu apa yang dapat dilakukan AI. Sekarang pengeluaran tersebut berada dalam anggaran nyata, dan CFO ingin mengetahui apa yang perusahaan dapatkan dari uangnya.

Masalahnya adalah banyak angka yang digunakan CIO untuk mengukur AI tidak menjawab pertanyaan itu. CIO dapat menunjukkan berapa banyak karyawan yang menggunakan AI, seberapa sering mereka menggunakannya, dan berapa banyak waktu yang mereka katakan AI menghemat. Keuangan ingin tahu apakah perusahaan menghabiskan lebih sedikit uang, menyelesaikan lebih banyak pekerjaan, atau menghindari merekrut lebih banyak orang.

Menghemat lima jam per minggu untuk seorang karyawan terdengar berharga, tetapi perusahaan masih perlu mengetahui apa yang terjadi dengan lima jam tersebut. Jika karyawan menangani lebih banyak pekerjaan, atau tim dapat mendukung beban kerja yang meningkat tanpa mempekerjakan orang lain, perusahaan dapat melihat hasil keuangannya. Jika tidak ada perubahan lain, penghematan waktu mungkin tidak pernah muncul dalam anggaran.

Seiring perusahaan menghabiskan lebih banyak untuk AI, CIO perlu menjadi jauh lebih spesifik tentang pekerjaan yang dilakukan AI dan berapa biaya pekerjaan tersebut.

Waktu yang Dihemat Tidak Selalu Berarti Uang yang Dihemat

Banyak perhitungan ROI AI dimulai dengan waktu sebagai kriteria – misalnya, jika AI menghemat 30 menit per hari untuk seorang karyawan, perusahaan dapat mengalikan menit tersebut ke ribuan karyawan dan menghasilkan angka yang sangat besar.

Namun proses bisnis jarang bekerja begitu rapi. Pekerjaan berpindah dari satu orang ke orang lain, menunggu persetujuan, dan berada dalam antrean. Jika AI menghemat sepuluh menit pada satu bagian proses dan pekerjaan tersebut kemudian menunggu enam jam untuk orang lain, perusahaan tidak memperoleh sepuluh menit kapasitas yang berguna.

Bagi CIO, pertanyaan yang lebih berguna adalah apakah AI mengubah kinerja layanan itu sendiri. Jika permintaan akses bergerak lebih cepat melalui antrean, lebih sedikit tiket yang memerlukan penanganan manusia atau biaya per permintaan turun, TI dapat mengukur hasilnya menggunakan tolok ukur operasional yang sama yang sudah dipantau.

Aviva adalah contoh yang baik. Perusahaan asuransi tersebut menggunakan lebih dari 80 model AI sebagai bagian dari perubahan pada operasi klaimnya dan melaporkan pemotongan waktu penilaian kewajiban sebesar 23 hari serta pengurangan keluhan sebesar 65 persen. Angka-angka tersebut memberi tahu manajemen apa yang berubah dalam operasi dan memberikan keuangan sesuatu yang dapat diukur.

CIO perlu menerapkan pemikiran yang sama pada investasi AI mereka. Sebelum memperluas pilot, mereka harus mengetahui bagian bisnis mana yang diharapkan berubah dan berapa banyak pekerjaan yang harus diambil AI untuk mewujudkannya.

Pekerjaan yang Diselesaikan AI Lebih Baik untuk Memulai

Pertimbangkan permintaan akses TI yang umum. Seorang copilot mungkin merangkum tiket dan menyiapkan respons, sementara agen TI memeriksa kebijakan perusahaan, memverifikasi peminta, mendapatkan persetujuan, mengubah izin, dan menutup permintaan.

Copilot mungkin menghemat beberapa menit bagi karyawan, tetapi sebagian besar pekerjaan tetap menjadi tanggung jawab karyawan.

Sekarang pertimbangkan sistem AI yang dapat memeriksa permintaan terhadap kebijakan perusahaan, mengumpulkan informasi yang hilang, mengarahkan permintaan untuk persetujuan, dan melakukan perubahan setelah persetujuan diterima. TI dapat melihat berapa banyak permintaan yang diselesaikan sistem AI, seberapa sering karyawan harus turun tangan, dan berapa banyak pekerjaan manusia yang masih diperlukan untuk setiap permintaan.

Itu memberi CIO cara yang jauh lebih jelas untuk mengakuntansi AI. Alih-alih memperkirakan berapa menit teknologi menghemat, mereka dapat mengukur berapa banyak pekerjaan yang diselesaikan dan berapa biaya untuk menyelesaikan pekerjaan tersebut.

Pendekatan yang sama dapat diterapkan pada penerimaan karyawan, dukungan internal, dan penanganan insiden. Bagian pentingnya adalah memberikan tanggung jawab AI atas pekerjaan yang sudah dipahami perusahaan dan diketahui cara mengukurnya.

Namun Anda Perlu Menghitung Pekerjaan Manusia Juga

Sebuah sistem AI dapat memulai 1,000 permintaan penerimaan dan memerlukan karyawan untuk turun tangan pada 600 di antaranya. Menganggap semua 1,000 sebagai otomatis akan memberi manajemen gambaran yang salah tentang berapa banyak pekerjaan yang sebenarnya ditangani AI.

Intervensi tersebut memerlukan biaya. Jika seorang agen mengerjakan permintaan selama beberapa menit dan kemudian menyerahkannya kepada karyawan yang menghabiskan dua puluh menit lagi untuk menyelesaikannya, dua puluh menit itu harus dimasukkan ke dalam biaya proses.

Itu berarti TI membutuhkan catatan tentang apa yang terjadi selama setiap pekerjaan. TI perlu mengetahui apa yang dilakukan AI, sistem mana yang diaksesnya, di mana ia memerlukan persetujuan, kapan seorang karyawan turun tangan, dan apakah pekerjaan tersebut benar‑benar selesai. Catatan tersebut dapat melengkapi ukuran tradisional meja layanan seperti rata‑rata waktu penyelesaian, sambil menambahkan ukuran yang khusus penting bagi AI, termasuk tingkat intervensi dan biaya per tugas yang selesai.

Tim keamanan membutuhkan sebagian besar informasi yang sama ketika sesuatu berjalan salah. Jika sistem AI mengubah izin yang salah atau melakukan tindakan yang seharusnya tidak dilakukan, mereka perlu merekonstruksi apa yang terjadi dan memahami mengapa.

Menyimpan catatan itu memberi CIO cara mengukur kedua sisi investasi. Mereka dapat melihat biaya menjalankan AI serta tenaga kerja manusia yang masih diperlukan untuk mengawasi dan menyelesaikan pekerjaannya.

Seberapa Besar Tanggung Jawab AI Mempengaruhi Ekonomi

CIO juga harus memutuskan seberapa banyak wewenang yang bersedia mereka berikan kepada AI.

Sistem AI dengan izin terbatas mungkin memerlukan seorang karyawan untuk menyetujui banyak tindakannya. Itu membuat orang terlibat, tetapi juga berarti perusahaan terus membayar lebih banyak tenaga kerja manusia.

Memberikan sistem lebih banyak wewenang dapat memungkinkannya menyelesaikan lebih banyak pekerjaan secara mandiri, tetapi hal itu juga menambah risiko yang harus dikelola oleh TI. Sistem yang dapat membuat akun atau mengubah izin dapat menyebabkan kerusakan lebih besar ketika melakukan kesalahan dibandingkan dengan yang hanya dapat merekomendasikan apa yang harus dilakukan karyawan. Biaya juga dapat naik secara tak terduga ketika agen terjebak dalam loop, mengulangi tugas yang sama, atau menghabiskan sumber komputasi karena instruksi yang terlalu samar. Kegagalan tersebut juga termasuk dalam perhitungan ekonomi.

Perusahaan akan menggambar batas itu secara berbeda tergantung pada pekerjaan yang terlibat. Yang penting untuk perhitungan ROI adalah mengetahui di mana batas itu berada dan berapa banyak keterlibatan manusia yang dihasilkannya.

Jika sebuah sistem AI dapat menyelesaikan 90 persen proses dengan aman, ekonominya mungkin sangat berbeda dibandingkan dengan sistem yang membutuhkan karyawan pada setiap langkah lainnya.

Mulailah dengan Pekerjaan yang Sudah Menghabiskan Uang

CIO yang merencanakan putaran pengeluaran AI berikutnya sebaiknya memulai dengan pekerjaan yang sudah menghabiskan waktu atau tenaga kerja yang signifikan.

Permintaan akses, onboarding karyawan, respons insiden, dan dukungan internal semuanya memberikan TI sesuatu yang konkret untuk diukur. Perusahaan sudah kira-kira mengetahui berapa banyak permintaan yang ditangani, berapa banyak waktu karyawan yang dibutuhkan, dan di mana pekerjaan cenderung terhambat.

Dari situ, TI dapat menentukan bagian mana yang dapat ditangani AI dengan aman dan di mana karyawan masih perlu terlibat. Kemudian dapat memutuskan apa yang diharapkan dari investasi tersebut.

Mungkin tim ingin menangani 30 persen tiket lebih banyak tanpa menambah karyawan. Mungkin mereka ingin menurunkan biaya setiap permintaan akses. Mungkin mereka ingin karyawan menghabiskan lebih sedikit waktu untuk dukungan rutin sehingga dapat menangani pekerjaan yang saat ini menumpuk. Setelah TI mengetahui total biaya menyelesaikan tugas dengan AI, termasuk intervensi manusia, mereka dapat menetapkan biaya target untuk tugas tersebut dan memutuskan apakah otomatisasi memang layak.

Setelah AI mulai melakukan pekerjaan, CIO dapat membandingkan apa yang mereka harapkan dengan apa yang sebenarnya terjadi. Mereka dapat melihat berapa banyak pekerjaan yang diselesaikan AI, seberapa sering orang harus turun tangan, dan berapa biaya keseluruhan proses.

Hal itu memberi CIO cara yang jauh lebih sederhana untuk membicarakan pengeluaran AI dengan keuangan. Alih-alih mencoba memberi nilai dolar pada ribuan menit yang diperkirakan dihemat, mereka dapat menunjukkan pekerjaan apa yang ditangani AI, berapa banyak tenaga kerja manusia yang masih diperlukan, dan apakah perusahaan menghabiskan lebih sedikit uang untuk menyelesaikan pekerjaan tersebut.