Jon Pollock, CPO, Acumatica Jon Pollock CPO, Acumatica

AIの収益化はエンタープライズソフトウェアのルールを書き換えている

業界のリーダーは、AIが需要に応じて提供され、使用量に応じて課金される未来を描写している。電気や水のように。実践では、コストは消費に反映され、活動に応じて上下するのではなく、固定されているのではなく、上下する。エンタープライズソフトウェアは長年にわたり1ユーザーあたりの価格設定を好んできた。組織がシステムを重度に使用したり、ほとんど使用しなかったりしても、コストは相対的に安定していた。AIはすべてのモデルに対してこれを変えている。メータードシステムと同様に、すべてのリクエストが同じ量の電力を必要としない。シンプルなクエリにはわずかな処理しか必要とせず、より複雑なタスクにははるかに多くの処理能力が必要になる。この可変性は、多くの組織が今や管理しなければならない使用量の変動性を導入する。AIの採用が増えるにつれて、組織はAIをどこで使用しているかだけでなく、その使用量のコストとビジネスへの価値を理解する必要がある。アクセスから成果へ：AIの価値の新しい尺度企業がAIの可変コストを理解し始めると、より根本的な質問が浮かび上がってくる：AIが実際にビジネスに役立っているかどうかをどう判断するのか。AIの採用の最初の波は、主に興奮と実験によって推進された。次の波は、計測可能な結果によって推進されるべきである。最も効果的なAIの展開は、共通の特徴を持っている：知能が直接作業が行われる場所に埋め込まれている。従業員がデータを別のツールにエクスポートし、結果を自分で解釈するのではなく、AIは既存のワークフロー内で洞察を提示する。財務報告書の不一致を異常検出がフラグする場合、在庫調整の前に予測分析が不足を予測する場合、またはダッシュボードが注意を必要とするキャッシュフロー傾向を強調する場合、これらはスタンドアロンのAIシステムの出力ではない。これらは、財務、運用、サプライチェーンチームが毎日使用するツールに統合されている。この違いは、特に大きなITチームを持たない中堅企業にとって重要である。AIがビジネスデータが存在するプラットフォームに埋め込まれている場合、チームは洞察にすぐに取り組むことができる。価値はサイクルタイムの短縮、例外の減少、そしてより良い意思決定に現れる。支出の増加と価値の実証の圧力AIが日常業務にさらに統合されるにつれて、メーターが動き始め、支出が増加し始める。いくつかの組織では、AIワークロードの実行コストはすでに特定の役割のコストに近づいたり上回ったりしている。経営陣は、返り値を理解したい。生産性の向上、プロセスの高速化、意思決定の改善はすべて約束されているが、計測可能である必要がある。配送環境では、例えば、注文処理における例外ハンドリングの自動化にAIを適用することができる。手動でフラグ付き注文を確認するのではなく、システムはルーティングと解決の問題を自動的に処理し、遅延を短縮し、スタッフをより高価値の作業に解放する。影響はサイクルタイムの短縮とボトルネックの減少に現れる。これらの成果は追跡可能で、防御可能で、再現可能である——CFOとCOOがAIの使用を制限するのではなく、拡大することを快適に感じる属性である。AIが実際に価値を提供する方法に合った価格モデルコストの増加とROIの実証の圧力の増加に応じて、市場はワンサイズフィットオールの価格設定から、ビジネスがAIシステムを使用する方法をよりよく反映した価格モデルへの移行が必要である。この移行は、組織がAIに予算を割り当て、ベンダーを評価する方法に重大な影響を及ぼす。従来のソフトウェアの価格設定は、特に中堅企業にとって、しばしば失敗する。固定ライセンス料金は、システムの使用状況に関係なく適用されるため、会社は頻繁に使用されていない機能に対して支払うことになる。AIがより重要な項目になるにつれて、この不一致はより難しくなり、正当化することが難しくなります。使用量ベースの価格設定は、コストを実際の使用量に結び付けることでこれに対処する。企業は特定の機能（例：自動請求書処理、需要予測、例外ハンドリング）から始め、投資収益率を検証し、そこから拡大することができる。コストは活動に比例して増加し、組織は価値を証明する前にツールに対して支払わなければならないことはない。いくつかのベンダーは、完了したタスク（例：サポートリクエストの解決、ワークフローのクローズ）に結び付けたアウトカムベースの価格設定をさらに実験している。これらのモデルにより、ベンダーは価格設定を、従来はソフトウェアライセンスではなく、人間の労働に結び付けられた運用予算に合わせることができる。これらの違いは、プラットフォームを評価する買い手にとって重要である。同等の機能セットを持つ2つのソリューションは、リクエストのルーティング、モデル選択、データ構造化の効率性に応じて、非常に異なるコスト構造を持つ可能性がある。バックグラウンドで効率的に動作するプラットフォームは、コストを節約する。効率的に動作しないプラットフォームは、使用量が増加するにつれて予期せぬコストを生み出す可能性がある。採用は加速するが、成果はまだ変動する価格とコスト構造の変化に伴い、採用は続々と進展している。クラウドプラットフォームを通じての低コストでのエントリとアクセスの容易化により、より多くの組織がAIツールを実験し、展開することができるようになった。特に小規模および中規模企業は、これらの技術を以前の世代よりも早く採用している。しかし、採用が常に影響を及ぼすわけではない。いくつかの組織は、AIをターゲットにした、明確に定義された方法で展開し、明確な利益を得ている。他の組織は、ビジネス目標に結び付ける計画なしに、広範囲にわたって使用を拡大している。活動は増加するが、結果はより難しくなり、ピンポイントで難しい。2つのグループの間のギャップは、日常の意思決定を担当する人々が、AI生成の洞察に本当に取り組むことができるか、またはそれらの洞察がデータサイエンティストとITスタッフのみによって使用されるかどうか、に帰着する。仕事をする人々のためにAIを使用可能にするAIが一貫した価値を生み出すには、技術的な背景を持たない、業務上の意思決定を担当する人々によって使用できる必要がある。財務マネージャーが平易な言語で運用データを照会し、有意義な回答を得ることができる場合、ITからの報告を待つ必要はない。倉庫の監督者が既存のワークフロー内で需要予測を見ることができる場合、別のシステムを使用してそれに応じる必要はない。これは、実用的なAIの採用において、自然言語処理機能が最も大きな違いを生み出している場所である。ユーザーが会話コマンドを使用してレポートを生成したりデータを照会したりできる場合——SQL、技術トレーニング、チケットの提出なしで——AIの使用のハードルは大幅に低くなる。技術が必要とする人々にアクセス可能になるにつれて、採用は加速する。成功の尺度は、展開から日常の使用、使用から成果へシフトする。先を見据えてエンタープライズソフトウェアは、AIの使用方法によって形作られる新しい段階に入っている。成功している組織は、必ずしも最も大きなAI予算を持っているわけではない。コアワークフローに知能を埋め込んだ組織、支出を提供するワークフローの価値と一致させた組織、そしてワークフローを実行する人々が利用可能なツールを使用できるようにした組織である。ビジネスリーダーがAI戦略を評価する際に、より厳しい質問をしなければならない。「私たちにAIがあるか？」という質問よりも、より役立つ質問は次のとおりである： 成果をもたらす作業にAIが埋め込まれている場所はどこか？ 価格モデルは価値を報いるものか、それとも活動のみか？ 毎日決定を下す人々が私たちが構築したものを使用できるか？ これらの質問に明確さと規律で取り組む組織は、次に何が起こるかをよりよく航海するために、よりよい位置にいることになる。