Cambiando Come Pensiamo a GenAI nella Sala Riunioni: Navigare nel ROI a Breve e Lungo Termine

Mentre le squadre di leadership in tutto il mondo iniziano a pianificare per il 2025, l’argomento che tutti hanno in mente è quando aspettarsi che i loro investimenti in AI e/o generative AI (GenAI) si ripagano. Nuove ricerche di Google Cloud hanno rivelato che più di 6 su 10 grandi aziende (con più di 100 dipendenti) utilizzano GenAI e il 74% sta già vedendo un ritorno sull’investimento (ROI) considerevole. Tuttavia, massimizzare il ROI da AI/GenAI richiede un approccio strategico che vada oltre la giustificazione dei costi, comprendendo sia i ritorni diretti che indiretti, una chiara comprensione dei tempi di attesa e delle spese nascoste, e l’integrazione di funzionalità centrate sull’uomo per garantire processi affidabili e scalabili.

Ridefinire il ROI

Considerando tutta l’attenzione che AI/GenAI hanno ricevuto quest’anno nei media, può essere facile dimenticare che questi investimenti sono ancora relativamente nuovi, il che significa che la maggior parte delle aziende non ha ancora iniziato a vedere il tipo di ROI che è possibile. Ciò rende ancora più importante gestire le aspettative nella sala riunioni fin dall’inizio, poiché qualsiasi valutazione precoce creerà impressioni critiche che influenzeranno come la leadership vedrà gli investimenti futuri. Se hanno grandi speranze per un cambiamento immediato e trasformativo, la loro opinione potrebbe peggiorare se quei cambiamenti sono ancora in via di sviluppo nelle fasi iniziali. In altre parole, nuove innovazioni richiedono nuove prospettive di misurazione e i leader dovrebbero ridefinire come pensano al ROI a breve e lungo termine.

In termini di cosa costituisce una trasformazione di successo, il progresso è spesso meglio misurato nell’occhio di chi osserva, ma anche “piccole” vittorie possono portare a risultati più grandi lungo la strada. Ecco tre modi per aiutare a contestualizzare i vostri investimenti in AI/GenAI, nonché alcuni esempi di coloro che sono in un percorso simile.

1. Distinguere tra ROI diretto e indiretto

In alcuni settori, un ROI diretto è più facile da individuare. Ad esempio, se un’azienda di retail o CPG inizia a offrire nuove funzionalità GenAI, probabilmente otterrà un’immediata sensazione dai clienti di come le funzionalità vengono recepite. Mentre in altri settori come la produzione, c’è più un ROI indiretto che dipende da investimenti a lungo termine. Con quei tipi di ritorni “soft”, è solitamente l’impatto “a goccia” che può creare nuove opportunità o sbloccare nuovo valore. Immagina di implementare una nuova soluzione AI per migliorare la produttività del team. Mentre il tuo obiettivo iniziale potrebbe essere stato l’output, quell’aumento di attività potrebbe anche portare a scoprire interamente nuovi percorsi di crescita che non erano stati considerati. Quella è la parte più emozionante e entusiasmante di AI/GenAI – il potenziale sconosciuto. E sebbene il potenziale sia difficile da misurare, dovrebbe sempre essere incluso come fattore nel calcolo del ritorno.

Un buon esempio di entrambi i ROI diretti e indiretti può essere trovato nell’azienda di e-commerce Mercari, che l’anno scorso ha aggiunto un assistente di shopping ChatGPT alla sua piattaforma di mercato per articoli usati. Il loro nuovo “Merchant AI” avrebbe permesso ai clienti di “accedere al sito, attivare l’assistente di shopping in conversazione naturale, rispondere a domande sulle loro esigenze e poi ricevere una serie di raccomandazioni” per i prossimi passi. Il ROI diretto di questo è stato una riduzione del 74% del volume dei biglietti su Mercari, mentre il ROI indiretto è stato che i risparmi di tempo risultanti hanno permesso all’azienda di ridurre gradualmente il debito tecnico e di scalare le sue operazioni.

2. Considerare il tempo di attesa per gli investimenti in AI/GenAI e i costi nascosti che li accompagnano

Considerando la costante pressione sulla C-Suite per aumentare i profitti, c’è poca possibilità che improvvisamente adottino una mentalità “tutto arriva a chi sa aspettare”. Ma la realtà è che qualsiasi incursione in AI/GenAI richiede tempo e denaro, anche prima di raggiungere la linea di partenza. Dall’investimento in infrastrutture e formazione all’acquisto di diversi API e dati rilevanti, possono essere mesi di lavoro di preparazione che non mostreranno alcun “ritorno” se non essere pronti a iniziare. Un altro costo nascosto (di cui molte persone non parlano) è la realtà che si otterranno allucinazioni ed errori creati da AI che possono costare alle aziende grandi quantità di denaro inviandole nella direzione sbagliata, aprendo una falla o potenzialmente scatenando un costoso problema di PR. L’intera esperienza è molto nuova, il che rende tutto un po’ più rischioso e costoso, quindi è importante che i leader prendano questo in considerazione quando valutano il ROI.

McKinsey ha offerto insight in questo processo decisionale e nei costi associati, rifacendosi allo scenario classico “noleggia, compra o costruisci”. Nel loro archetipo, i CIO o i CTO dovrebbero considerare se sono un “Taker” (utilizzando LLM pubblicamente disponibili con poca personalizzazione), uno “Shaper” (integrando modelli con dati di proprietà per ottenere risultati più personalizzati) o un “Maker” (costruendo un modello personalizzato per affrontare un caso d’uso aziendale specifico). Ogni archetipo ha i propri costi che i leader tecnologici dovranno valutare, dal “Taker” che costa fino a 2 milioni di dollari, al “Maker” che a volte può estendersi fino a 100 volte quel importo.

Cercare di rendere l’investimento in AI/GenAI più centrato sull’uomo

C’è ancora molta paura (soprattutto tra i lavoratori) che l’AI sostituirà gli esseri umani. Invece di liquidare queste preoccupazioni, le aziende dovrebbero posizionare qualsiasi trasformazione come un miglioramento anziché una sostituzione e cercare di trovare modi per rendere il loro investimento più centrato sull’uomo. Con GenAI, non si tratta di una transazione; è una partnership e c’è ancora un reale bisogno di esseri umani per valutare l’efficacia di qualsiasi insight o materiale generato per assicurarsi che siano liberi da pregiudizi, allucinazioni o altre interpretazioni errate. È per questo che è fondamentale che le aziende sfidino costantemente l’AI a fornire la ragione dietro ogni decisione per garantire l’accuratezza. Darà al contenuto più validazione, i lavoratori vedranno un ruolo definito nel processo e alla fine aiuterà il ROI perché si impara a ogni fase.

È anche una buona idea stabilire fermi limiti per fornire limiti stretti su quali informazioni l’AI possa raccogliere. Chiediti, “Dovremmo permettere all’AI di accedere a Internet?” Forse no. Il punto è considerare il bisogno prima e se si hanno altre metodologie provate, utilizzarle. A volte, l’AI è utile solo per riassumere, non “pensare”. Si tratta di creare l’equilibrio giusto e gli esseri umani hanno ancora un ruolo critico da svolgere. Secondo ricerche di Accenture, il 94% degli esecutivi ritiene che le tecnologie di interfaccia umana permetteranno di comprendere meglio i comportamenti e le intenzioni, trasformando l’interazione uomo-macchina.

Chiudere il Divario tra Promessa e Realtà

Gli esperti concordano che, mentre la bassa barriera all’ingresso di GenAI è una caratteristica fantastica, il suo “potenziale a lungo termine dipende dalla dimostrazione del suo valore a breve termine”. Ciò significa che qualsiasi pilot di AI/GenAI dovrebbe avere una serie di criteri di successo chiaramente definiti (ma flessibili) prima del lancio e le aziende dovrebbero costantemente monitorare i processi per assicurarsi che continuino a fornire valore. Quando si tratta di questa nuova era di innovazione digitale, potrebbe non esserci mai una tradizionale “linea del traguardo” verso cui stiamo correndo. Invece, cambiando come pensiamo al ROI a breve e lungo termine di AI/GenAI, le aziende possono essere più sagge con i loro investimenti e concentrarsi sullo sviluppo di capacità che possano scalare insieme all’azienda.