מדריך למפעיל ליצירת החזר השקעה (ROI) מבינה מלאכותית

למרות כל היתרונות, פריחת הבינה המלאכותית יצרה גם אתגר מרכזי עבור מפעילים. למרות השקעה משמעותית באימוץ בינה מלאכותית, מפעילים רבים עדיין לא רואים החזר השקעה משמעותי במאזן.

למעשה, בעוד שגלובלית הוצאות על בינה מלאכותית צפויה להגיע ל-632 מיליארד דולר עד 2028, כך עולה ממחקר של MIT. אנליזה נמצא כי רק כ-5% מפרויקטי הבינה המלאכותית הארגונית מניבים תשואות כספיות מדידות, כאשר הרוב המכריע מייצר החזר השקעה מועט, אם בכלל. פער זה יצר לחץ גובר על מפעילים לתרגם כספים לתוצאות, מה שמוביל לעתים קרובות לבזבוז משאבים על פרויקטים כושלים או השקעות חפוזות בפתרונות שנראים מבטיחים על הנייר אך אינם מועילים בפועל.

המציאות היא שהצלחה בעידן הבינה המלאכותית לא תוגדר רק על ידי החידוש או התחכום של טכנולוגיה חדשה, אלא על ידי מידת האבחנה של צוותים בהבנת האתגרים הבסיסיים שלהם ובבחירת פתרונות מבוססי טכנולוגיה המספקים ערך אמיתי. אין פתרון קסם שיעזור לכם לעשות את זה נכון, אבל כמה שיקולים יכולים לעזור לצוות שלכם לנוע בכיוון הנכון.

הימנעו ממס הדחיפות

מחסום מרכזי אחד להחזר השקעה (ROI) של בינה מלאכותית הוא לתת לפחד להישאר מאחור להנחות את קבלת ההחלטות. כאשר חשיבה זו משפיעה על האסטרטגיה, ארגונים עלולים לשלם מס דחיפות, ולשרוף זמן, אנרגיה ומשאבים יקרים במאמץ לעמוד בקצב המגמות האחרונות.

כוחות פנימיים וחיצוניים יכולים להפעיל את הלחץ הזה. כאשר ההנהלה רואה מתחרה שמציע יכולת בינה מלאכותית חדשה, היא עלולה להידחק למלכודת ההשוואה, ומה שמתחיל כרצון להישאר רלוונטי הופך במהרה למרוץ תגובתי.

השקעות שבוצעו מנקודת התחלה זו נכשלות מסיבות רבות, אך אחת הנפוצות ביותר היא חוסר מוכנות מספקת. בעוד שמתחרה עשוי להציע מוצר או שירות דומים, של ארגון... בסיס נתונים או שהבגרות התפעולית עשויה לא להיות חזקה מספיק כדי לתמוך באותה טכנולוגיה, מה שהופך את מה שנראה כמהלך אסטרטגי להימור מסוכן.

זו הסיבה שמנהלים ודירקטורים הקרובים ביותר לתפעול היומיומי נמצאים לעתים קרובות בעמדה הטובה ביותר כדי ליידע החלטות טכנולוגיות. כאשר טכנולוגיה שנראית חובה מגיעה לשוק, צוותים אלה צריכים להיות מוטלים עליהם להעריך תחילה האם יש בעיה ברורה שהיא יכולה לפתור והאם הארגון באמת מוכן לתמוך בה. מכיוון שהם מבינים היכן קיים חיכוך, היכן זמן הולך לאיבוד והיכן טכנולוגיה עשויה להשפיע, הם יכולים לסייע בביסוס החלטות בינה מלאכותית במציאות התפעולית במקום לרדוף אחר חידושים.

ערוך ביקורת אופניים

מלכודת נפוצה נוספת ברכש טכנולוגי היא קנייה יתרהזה שונה ממס דחיפות מכיוון שהוא מתרחש לאחר קביעת קיומו של צורך אמיתי ואתם מוכנים מבחינה תפעולית לרכוש פתרון בינה מלאכותית. בנקודה זו, השאלה אינה "האם אנחנו צריכים משהו" אלא "מה אנחנו באמת צריכים"?

בעיה זו נפוצה במיוחד בתעשיות מדור קודם כמו לוגיסטיקה, אשר עלתה מ-0 ל-60 בשנים האחרונות בזכות האפשרויות הטכנולוגיות. פעם האתגר שלנו היה להתמודד עם מורכבויות מודרניות באמצעות מערכות ותהליכים מיושנים, כיום מדובר בבחירה מתוך רשימות משאלות טכנולוגיות אינסופיות הזמינות מספקי צד שלישי או באמצעות פיתוח פנימי.

"ביקורת אופניים" יכולה לעזור רבות עוד לפני שמגיעים לנקודת הרכישה. היא מאתגרת את מקבלי ההחלטות לענות על שאלה פשוטה: האם אנחנו צריכים פרארי או אופניים? צוותי טכנולוגיה שאפתניים אוהבים לחלום בגדול, וספקי צד שלישי בדרך כלל שואפים להציע את הפתרון המוביל שלהם כבר מההתחלה. שניהם תקפים, אבל השקעה בכוחות סוס ברמת פרארי לא הגיונית כאשר אופניים ייקחו אתכם לאן שאתם צריכים.

ביקורת עם מדדים

דרך אחת לקבל החלטה זו היא להבין את הבעיה שאתם מנסים לפתור על פני שלוש רמות מדד: ראשוניות, משניות ושלישוניות. הערכת שלושתן יחד עוזרת להבהיר היכן קיים חיכוך, כיצד נראים ביצועים אופטימליים בכל שכבה, וכמה השקעה נדרשת כדי לסגור את הפער.

מדדים שלישוניים מייצגים התנהגויות תפעוליות מרכזיות. חוסר יעילות משמעותי קיים לעתים קרובות בשכבה זו, ופתרונות ברמת האופניים המאפשרים שיפורים כמו לכידת נתונים נקייה יותר וביצוע יעיל יותר יכולים להשפיע רבות בהשקעה קטנה יחסית.

מדדים משניים משקפים את גורמי הביצועים האמיתיים - חשבו על שיעורי ההמרה של הלקוחות ומנופים אחרים שצוותים יכולים להשפיע עליהם באמצעות עלייה בפריון. פתרון חוסר יעילות כאן דורש בדרך כלל משהו מתקדם יותר מאופניים אך פחות מורכב מפרארי, כמו אוטומציה מתוחכמת שיכולה להתמודד עם מערכי נתונים גדולים יותר.

מדדים ראשוניים הם הסלעים הגדולים כמו הכנסות. כאן נוטים להופיע פתרונות ברמת פרארי. בדרך כלל מדובר בטכנולוגיה יקרה שמבטיחה השפעה מהותית על השורה התחתונה. אמנם כדאי לבחון זאת, אך חשוב לזכור שאם לא יטופלו תחילה אתגרים משניים ושלישוניים, פתרונות אלה עלולים לא להגיע לפוטנציאל ה-ROI האמיתי שלהם.

השקעות קטנות וממוקדות ברמות נמוכות יותר הן לרוב המקום הטוב ביותר להתחיל בו, משום שהן נוטות להניב תוצאות מהירות. הן גם יוצרות הזדמנויות ללמוד מה עובד, תוך מתן רווחים מצטברים שמצטברים לאורך זמן, ובסופו של דבר עוזרים לבנות את אותה השפעה כוללת או גדולה יותר כמו השקעות גדולות יותר, עם הרבה פחות סיכון.

יחד, ביקורת האופניים ומסגרת המדדים התלת-שכבתית הזו עוזרים לארגונים להפחית סיכונים על ידי התאמת פתרונות לבעיות אמיתיות. המטרה אינה להימנע מבינה מלאכותית מתקדמת, אלא להתחיל בקטן על ידי פתרון הבעיות בעלות ההשפעה הגדולה ביותר בהשקעה המינימלית הנדרשת, ומשם להתרחב.

היו אסטרטגיים לגבי שותפי סטארט-אפ

האחרון לְהִתְנַחְשֵׁל בתחום הון סיכון הקשור לבינה מלאכותית הציף את השוק בסטארט-אפים חדשים. חברות פורצות דרך אלו יגיעו לשולחן הפרויקטים עם מצגות המבטיחות חדשנות ותוצאות משכנעות מספיק כדי להרשים אפילו את צוותי הרכש המבחינים ביותר.

אבל קונים שימו לב: גם המוצרים וגם האנשים שמאחורי רבים מהחדשים הללו לרוב לא מוכחים. להפוך לאמץ מוקדם טומן בחובו סיכון מובנה, כולל האפשרות שאתם בונים את המוצר לצידם מבלי דעת. אמנם זה יכול להציע יתרון, אך זו צריכה להיות בחירה מודעת - כי כשמנסים לקדם בעיות בעלות השלכות כלכליות אמיתיות, הוצאת משאבים יקרי ערך בסיוע לספק לכוונן את העדכון האחרון שלו יכולה לגרום לכאבי ראש מיותרים.

ברגע שספק משולב, חלק ניכר מהתוצאה נמצא מחוץ לשליטתך. מפת הדרכים שלו, יכולת ההרחבה של תמיכת הלקוחות, דינמיקת התמחור והיכולת לשמר ביצועים ככל שהוא גדל - כל אלה נתונים לשינוי. שינויים אלה יכולים לעצב את הערך ארוך הטווח של השותפות בדרכים שאינן נראות במלואן בהתחלה.

ניווט בהתמודדות עם אי ודאות זו דורש סבלנות ותבונה בחזית הפרויקט. הקדשת זמן לאימות פתרון באמצעות הוכחת היתכנות, הבנת התחייבויות חוזיות לפני אינטגרציה מעמיקה יותר, ושיחה ישירה עם משתמשים קיימים עוזרת לצוותים לבחור ספקים הממוצבים לספק ערך לאורך חיי השותפות.

לגרום לבינה מלאכותית להשתלם

יחד, שיקולים אלה מחזקים את המציאות שתרגול יכולת הבחנה חזקה הוא הגורם הראשון והקריטי ביותר ביצירת החזר השקעה (ROI) מבינה מלאכותית. כאשר צוותים מתמקדים בזיהוי חיכוכים אמיתיים, התוצאות משתפרות מכיוון שחוסר יעילות מוסר והזמן מוקצה מחדש למשימות בעלות ערך גבוה יותר. כך נראה החזר השקעה אמיתי, והוא מושג רק באמצעות משמעת, בהירות וקבלת החלטות פרגמטית המועילות לשורה התחתונה לאורך זמן.