3 Principi Fondamentali per Ottenere un Maggiore Ritorno sugli Investimenti da GenAI

I leader aziendali sono ansiosi di implementare l’intelligenza artificiale generativa (GenAI) nelle loro aziende. Quindi, perché così tanti progetti non riescono a superare la fase di proof of concept (POC)? In un recente evento Gartner, Rita Sallam, analista vicepresidente, ha affermato che almeno il 30% dei progetti GenAI sarà abbandonato dopo le POC entro la fine del 2025 a causa di problemi come la scarsa qualità dei dati, i controlli di rischio insufficienti, i costi in rapida crescita o l’incapacità di realizzare il valore aziendale desiderato.

Questi problemi sono tra le ragioni per cui Gartner ha affermato che GenAI sta iniziando a entrare nel trough of disillusionment nel suo ultimo Hype Cycle per le tecnologie emergenti, 2024. Tuttavia, in un sondaggio Gartner separato, i rispondenti hanno riferito che i loro progetti GenAI hanno aiutato le aziende a ottenere aumenti di entrate del 15,8%, risparmi di costi del 15,2% e miglioramenti della produttività del 22,6%.

Quindi, cosa distingue le aziende che hanno successo nell’integrare GenAI nei flussi di lavoro chiave da quelle che non riescono a realizzare il valore aziendale previsto? Questi leader e team utilizzano un approccio diverso caratterizzato da una rigorosa preparazione e gestione del cambiamento. Ecco tre principi fondamentali per guidare la valutazione, la selezione e l’abilitazione dei casi d’uso con GenAI, in modo che i team possano mitigare i rischi e gestire i costi mentre trasformano i processi aziendali.

1. Principio fondamentale 1: Quantificare rigorosamente il valore aziendale fin dall’inizio:

Mentre i leader aziendali potrebbero aver prioritizzato l’esperimentazione GenAI inizialmente, ora sono ansiosi di ottenere un valore aziendale tangibile dagli investimenti.

I partner possono aiutare le aziende a sviluppare casi d’affari dettagliati organizzando workshop per comprendere gli obiettivi generali, lo stato attuale dei processi di dati e delle infrastrutture tecnologiche e altro. Come parte di questo processo, lavorano con i team aziendali per valutare i casi d’uso potenziali, priorizzandoli in base alla risoluzione dei problemi aziendali, determinando il livello di sforzo e il ROI previsto e sviluppando indicatori di prestazione chiave per misurare i progressi. Al Google Cloud Next ’24, l’azienda ha evidenziato 101 storie di organizzazioni che hanno avuto successo con GenAI implementando agenti customer, employee, creative, data, code e security.

Le capacità di mercato continuano a evolversi, semplificando il percorso verso la creazione di valore. Microsoft e Google hanno integrato grandi modelli linguistici nei loro motori di ricerca. Gli utenti di Internet possono ora ricevere risposte riassunte e collegamenti, velocizzando il loro tempo di insight. Allo stesso modo, i partner offrono piattaforme di accelerazione GenAI con modelli di intelligenza artificiale e apprendimento automatico che le aziende possono personalizzare e distribuire nel proprio ambiente in poche settimane. Le aziende traggono vantaggio ottenendo strumenti provati, riducendo i costi e i rischi di distribuzione e ampliando nuove capacità aziendali più velocemente.

2. Principio fondamentale 2: Garantire la qualità, la privacy e la sicurezza dei dati.

Fornire dati di alta qualità, conformi alla privacy e sicuri per l’addestramento e l’inferenza del modello è la base di ogni implementazione GenAI di successo. Le aziende devono preparare i dati per garantire che i modelli di intelligenza artificiale producano output accurati e affidabili. Inoltre, stanno implementando sistemi di protezione e nuovi strumenti per proteggere le informazioni sensibili, compresi gli output del modello, dall’esposizione. Allo stesso modo, GenAI può essere utilizzato per identificare problemi di sicurezza che possono essere risolti dai team o dall’automazione.

Mastercard utilizza GenAI per facilitare le interazioni con i clienti e ridurre le frodi. I suoi chatbot guidati da intelligenza artificiale forniscono ai clienti l’accesso istantaneo a raccomandazioni personalizzate, informazioni sui conti e storia delle transazioni.

L’azienda utilizza anche GenAI per la modellazione predittiva per identificare modelli di spesa insoliti, che potrebbero indicare potenziali frodi. Con GenAI, Mastercard ha raddoppiato il tasso di rilevamento delle carte compromesse; ha ridotto i falsi positivi fino al 200%; e ha aumentato la velocità di identificazione dei commercianti vulnerabili alle frodi del 300%.

3. Principio fondamentale 3: Rafforzare la collaborazione umana-GenAI.

Mentre GenAI automatizzerà alcuni processi, la maggior parte delle volte assisterà gli esseri umani nel prendere decisioni migliori. GenAI può creare dati sintetici, elaborare dati, riconoscere modelli e creare analisi predittive per potenziare il lavoro di squadra e la creazione di nuovi servizi. Ad esempio, GenAI può fornire scenari e raccomandazioni per i responsabili delle decisioni in modo che possano ottimizzare i risultati. Gli esseri umani portano consapevolezza del mercato e della contestualizzazione, conoscenza aziendale, giudizio ed empatia alla decisione, costruendo sulle capacità di GenAI.

Quindi, come possono le aziende massimizzare il potenziale della collaborazione umana-GenAI? I leader dovrebbero prendersi il tempo per definire ruoli e responsabilità chiaramente definiti, formare continuamente i team sulle ultime capacità e fornire sistemi di protezione ed escalation quando GenAI non funziona come previsto. Inoltre, dovrebbero condividere la loro visione per GenAI che ridisegna l’azienda e sottolineare che stanno potenziando le capacità umane piuttosto che sostituirle. Un sondaggio Forrester ha scoperto che 36% dei dipendenti temono di perdere il lavoro a causa dell’automazione o dell’intelligenza artificiale, ma solo l’1,5% lo farà, mentre il 6,5% avrà il ruolo influenzato da GenAI. Di conseguenza, i dipendenti dovrebbero abbracciare questa tecnologia piuttosto che evitarla.

Allstate ha implementato un chatbot GenAI che sfrutta l’elaborazione del linguaggio naturale per fornire supporto in tempo reale e multilingue e ottenere una maggiore comprensione del comportamento dei clienti. Ad esempio, cerca di migliorare le prestazioni dei modelli precedenti di tre volte identificando quei percorsi dei clienti che richiedono il supporto degli agenti.

Il chatbot semplifica il processo di gestione dei sinistri fornendo una piattaforma centralizzata per la raccolta e la revisione delle informazioni rilevanti. Mentre gli agenti umani continuano a gestire i sinistri complessi che richiedono un giudizio esperto, il chatbot migliora notevolmente l’efficienza automatizzando le attività di routine e riducendo i tempi di elaborazione. Utilizzando l’intelligenza artificiale per semplificare il completamento dei moduli, Allstate migliora l’accuratezza e la soddisfazione dei clienti.

Ottenere un Maggiore Ritorno sugli Investimenti da GenAI Adottando questi 3 Principi Fondamentali

Quando GenAI è emerso nella coscienza del mondo, i leader hanno applicato rapidamente questa tecnologia alle loro aziende, incoraggiando l’esperimentazione e l’innovazione. Tuttavia, a volte le POC sono state eseguite prima dei fondamentali, aumentando i costi e creando soluzioni che non hanno fornito il valore desiderato.

I leader possono utilizzare questi tre principi fondamentali – sviluppare un caso d’affari solido, affrontare le esigenze dei dati e aiutare i team a collaborare con l’intelligenza artificiale – per rendere i nuovi progetti GenAI di successo. Saranno in grado di indicare casi d’uso e strumenti ad alto valore, salvaguardie dei dati e miglioramenti della produttività e dell’innovazione che entusiasmeranno la C-suite, i consigli di amministrazione, i clienti e gli investitori.