I CIO hanno bisogno di un modo migliore per contabilizzare il lavoro dell’IA nell’IT

Negli ultimi due anni, i CIO hanno avuto un obiettivo semplice per l’IA nell’IT: inserirla nell’organizzazione, lasciare che i team sperimentino e vedere dove potrebbe migliorare la fornitura dei servizi.

Le organizzazioni IT hanno acquistato licenze, avviato progetti pilota e aggiunto funzionalità IA su stack software già gonfi. Questo aveva senso mentre i team cercavano ancora di capire cosa potesse fare l’IA. Ora che la spesa è inserita nei budget reali, e i CFO vogliono sapere cosa sta ottenendo l’azienda per i suoi soldi.

Il problema è che molti dei numeri che i CIO usano per misurare l’IA non rispondono a quella domanda. I CIO possono mostrare quanti dipendenti usano l’IA, con quale frequenza la usano e quanto tempo affermano che loro risparmia. La finanza vuole sapere se l’azienda ha speso meno soldi, ha ottenuto più lavoro svolto o ha evitato di assumere più persone.

Risparmiare cinque ore a settimana per un dipendente sembra prezioso, ma l’azienda ha ancora bisogno di sapere cosa è successo a quelle cinque ore. Se il dipendente gestisce più lavoro, o il team può supportare un carico di lavoro crescente senza assumere un’altra persona, l’azienda può vedere il risultato finanziario. Se non cambia nient’altro, i risparmi di tempo potrebbero non comparire mai nel budget.

Man mano che le aziende spendono di più per l’IA, i CIO devono diventare molto più specifici sul lavoro che l’IA svolge e su quanto costi quel lavoro.

Il tempo risparmiato non significa necessariamente denaro risparmiato

Molti calcoli del ROI dell’IA partono dal tempo come criterio – ad esempio, se l’IA fa risparmiare a un dipendente 30 minuti al giorno, un’azienda può moltiplicare quei minuti per migliaia di dipendenti e ottenere un numero molto elevato.

Ma i processi aziendali raramente funzionano così in modo ordinato. Il lavoro passa da una persona all’altra, attende approvazioni e resta in coda. Se l’IA fa risparmiare dieci minuti in una parte di un processo e il lavoro poi attende sei ore per qualcun altro, l’azienda non ha guadagnato dieci minuti di capacità utile.

Per i CIO, la domanda più utile è se l’IA cambia le prestazioni del servizio stesso. Se le richieste di accesso attraversano la coda più velocemente, meno ticket richiedono l’intervento umano o il costo per richiesta diminuisce, l’IT può misurare il risultato utilizzando gli stessi benchmark operativi già monitorati.

Aviva è un buon esempio. L’assicuratore ha utilizzato più di 80 modelli di IA come parte delle modifiche alla sua operazione di sinistri e ha riportato una riduzione del tempo di valutazione delle responsabilità di 23 giorni e dei reclami del 65 percento. Questi numeri mostrano alla direzione cosa è cambiato nell’operazione e forniscono alla finanza qualcosa che può misurare.

I CIO devono applicare lo stesso ragionamento ai loro investimenti in IA. Prima di espandere un progetto pilota, dovrebbero sapere quale parte dell’azienda si prevede di modificare e quanta attività l’IA deve assumere affinché ciò avvenga.

Il lavoro completato dall’IA è un punto di partenza migliore

Consideriamo una tipica richiesta di accesso IT. Un copilota potrebbe riassumere il ticket e redigere una risposta, mentre un operatore IT verifica la politica aziendale, conferma il richiedente, ottiene l’approvazione, modifica l’autorizzazione e chiude la richiesta.

Il copilota può far risparmiare al dipendente qualche minuto, ma la maggior parte del lavoro appartiene ancora al dipendente.

Ora consideriamo un sistema IA che può verificare la richiesta rispetto alla politica aziendale, raccogliere le informazioni mancanti, instradare la richiesta per l’approvazione e apportare la modifica una volta ricevuta l’approvazione. L’IT può vedere quante richieste il sistema IA completa, quanto spesso un dipendente deve intervenire e quanta attività umana richiede ancora ogni richiesta.

Ciò offre ai CIO un modo molto più chiaro per contabilizzare l’IA. Invece di stimare quanti minuti ha risparmiato la tecnologia, possono misurare quanta attività ha completato e quanto è costato completare quell’attività.

Lo stesso approccio può essere applicato a inserimento dei dipendenti, supporto interno e risposta agli incidenti. La parte importante è dare all’IA la responsabilità del lavoro che l’azienda già comprende e sa come misurare.

Ma è necessario contare anche il lavoro umano

Un sistema IA può avviare 1,000 richieste di inserimento e richiedere l’intervento di un dipendente in 600 di esse. Definire tutte le 1,000 come automatizzate darebbe alla direzione un’immagine errata di quanto lavoro l’IA abbia effettivamente gestito.

Quegli interventi costano denaro. Se un operatore lavora su una richiesta per diversi minuti e poi la passa a un dipendente che impiega altri venti minuti per completarla, quei venti minuti devono essere inclusi nel costo del processo.

Ciò significa che l’IT ha bisogno di un registro di ciò che è accaduto durante ogni lavoro. Ha bisogno di sapere cosa ha fatto l’IA, a quali sistemi ha avuto accesso, dove ha richiesto approvazione, quando un dipendente è intervenuto e se il lavoro è stato effettivamente completato. Questi registri possono alimentare le misure tradizionali del service desk, come il tempo medio di risoluzione, aggiungendo metriche specifiche per l’IA, incluse le percentuali di intervento e il costo per attività completata.

I team di sicurezza hanno bisogno di molte delle stesse informazioni quando qualcosa va storto. Se un sistema di IA modifica un permesso errato o compie un’azione che non avrebbe dovuto fare, devono ricostruire cosa è successo e capire il motivo.

Mantenere tale registro offre ai CIO un modo per misurare entrambi gli aspetti dell’investimento. Possono vedere il costo di gestione dell’IA e il lavoro umano ancora necessario per supervisionare e completare il suo lavoro.

Quanto Responsabilità Viene Assegnata all’IA Influisce sull’Economia

I CIO devono anche decidere quanta autorità sono disposti a concedere all’IA.

Un sistema di IA con permessi limitati potrebbe richiedere a un dipendente di approvare molte delle sue azioni. Questo mantiene una persona coinvolta, ma implica anche che l’azienda continui a pagare per più lavoro umano.

Concedere al sistema più autorità può consentirgli di completare più lavoro autonomamente, ma comporta anche un rischio maggiore per l’IT da gestire. Un sistema che può creare un account o modificare un permesso può causare più danni quando commette un errore rispetto a uno che può solo consigliare cosa debba fare un dipendente. I costi possono anche aumentare in modo inatteso quando un agente rimane bloccato in un ciclo, ripete lo stesso compito o consuma risorse di calcolo perché un’istruzione era troppo vaga. Anche questi fallimenti rientrano nell’economia.

Le aziende tracceranno quella linea in modo diverso a seconda del lavoro coinvolto. Per il calcolo del ROI è importante sapere dove si colloca la linea e quanto coinvolgimento umano genera.

Se un sistema di IA può completare in modo sicuro il 90 percento di un processo, la sua economia può apparire molto diversa rispetto a un sistema che richiede un dipendente a ogni altro passaggio.

Iniziare con lavori che già comportano costi

I CIO che pianificano il prossimo ciclo di spesa per l’IA dovrebbero iniziare con lavori che già richiedono tempo significativo o personale.

Le richieste di accesso, l’onboarding dei dipendenti, la risposta agli incidenti e il supporto interno forniscono all’IT qualcosa di concreto da misurare. L’azienda conosce già approssimativamente quante richieste gestisce, quanto tempo dei dipendenti richiedono e dove il lavoro tende a bloccarsi.

Da lì, l’IT può determinare quali parti l’IA può gestire in modo sicuro e dove è ancora necessario l’intervento di un dipendente. Può quindi decidere cosa ci si aspetta che l’investimento realizzi.

Forse il team vuole gestire il 30 percento in più di ticket senza assumere nuovo personale. Forse vuole ridurre il costo di ogni richiesta di accesso. Forse desidera che i dipendenti trascorrano meno tempo nel supporto di routine così da poter affrontare il lavoro attualmente in arretrato. Una volta che l’IT conosce il costo totale di completare un compito con l’IA, inclusa l’intervento umano, può fissare un costo target per quel compito e decidere se l’automazione sia davvero conveniente.

Una volta che l’IA inizia a svolgere il lavoro, i CIO possono confrontare ciò che si aspettavano con ciò che è realmente accaduto. Possono vedere quanto lavoro ha completato l’IA, con quale frequenza le persone sono dovute intervenire e quale è stato il costo dell’intero processo.

Ciò offre ai CIO un modo molto più semplice per parlare della spesa per l’IA con la finanza. Invece di cercare di attribuire un valore in dollari a migliaia di minuti stimati risparmiati, possono mostrare quale lavoro è stato gestito dall’IA, quanta manodopera umana ha ancora richiesto e se l’azienda ha speso meno denaro per completare quel lavoro.