3 Kernbeginselen om ROI van GenAI-implementaties te verhogen

Bedrijfsleiders zijn enthousiast om generatieve AI (GenAI) in hun bedrijven te implementeren. Waarom zijn zo veel projecten dan niet in staat om de proof of concept (POC)-fase te doorbreken? Tijdens een recent Gartner-evenement zei Rita Sallam, vice-president analyst, dat minstens 30% van de GenAI-projecten tegen het einde van 2025 na POC’s zal worden stopgezet vanwege problemen zoals slechte gegevenskwaliteit, onvoldoende risicobeheersing, snel stijgende kosten of het onvermogen om de gewenste bedrijfswaarde te realiseren.

Deze problemen zijn onder andere de reden waarom Gartner zei dat GenAI begint te komen in de trog van teleurstelling in zijn laatste Hype Cycle voor Emerging Technology, 2024. Echter, in een afzonderlijk Gartner-onderzoek meldden de respondenten dat hun GenAI-implementaties hebben geholpen om bedrijven een omzetstijging van 15,8% te behalen, 15,2% kostenbesparingen en 22,6% productiviteitsverbeteringen.

Wat onderscheidt bedrijven die slagen in het integreren van GenAI in sleutelprocessen van diegenen die niet in staat zijn om de verwachte bedrijfswaarde te realiseren? Deze leiders en teams gebruiken een andere aanpak die wordt gekenmerkt door grondige voorbereiding en veranderingenbeheer. Hier zijn drie belangrijke principes om de evaluatie, selectie en inzet van use cases met GenAI te begeleiden, zodat teams risico’s kunnen mitigeren en kosten kunnen beheren terwijl ze bedrijfsprocessen transformeren.

1. Kernbeginsel 1: Rigoureus de bedrijfswaarde vanaf het begin kwantificeren:

Terwijl bedrijfsleiders misschien eerst GenAI-experimenten hebben geprioriteerd, zijn ze nu enthousiast om tastbare bedrijfswaarde uit hun investeringen te halen.

Partners kunnen bedrijven helpen bij het ontwikkelen van gedetailleerde business cases door workshops te organiseren om de algemene doelen, de huidige staat van gegevensprocessen en technologie-infrastructuur te begrijpen en meer. Als onderdeel van dit proces werken ze met bedrijfstaken samen om potentiële use cases te evalueren, prioriteit te geven aan het oplossen van bedrijfsproblemen, het niveau van inspanning en verwachte ROI te bepalen en belangrijke prestatie-indicatoren te ontwikkelen om de voortgang te meten. Tijdens Google Cloud Next ’24 benadrukte het bedrijf 101 verhalen van organisaties die succesvol zijn met GenAI door het inzetten van klant-, medewerker-, creatieve, gegevens-, code- en beveiligingsagenten.

De marktcapaciteiten blijven evolueren, waardoor de weg naar waardecreatie wordt gestroomlijnd. Microsoft en Google hebben grote taalmodellen geïntegreerd in hun zoekmachines. Internetgebruikers kunnen nu samengevatte antwoorden en links ontvangen, waardoor hun tijd tot inzicht wordt versneld. Op dezelfde manier bieden partners GenAI-acceleratorplatforms met AI- en machine learning-modellen die bedrijven kunnen aanpassen en implementeren in hun omgeving binnen weken. Bedrijven profiteren door bewezen tools te verkrijgen, de kosten en risico’s van implementatie te verminderen en nieuwe bedrijfs capaciteiten sneller te schalen.

2. Kernbeginsel 2: Zorg voor gegevenskwaliteit, privacy en beveiliging.

Het bieden van hoge kwaliteit, privacy-compliant en beveiligde gegevens voor modeltraining en inferentie is de basis van elke succesvolle GenAI-implementatie. Bedrijven moeten gegevens voorbereiden om ervoor te zorgen dat AI-modellen nauwkeurige en betrouwbare uitvoer genereren. Bovendien implementeren ze beveiligingsmaatregelen en nieuwe tools om gevoelige informatie, waaronder modeluitvoer, te beschermen tegen blootstelling. Op dezelfde manier kan GenAI worden gebruikt om beveiligingsproblemen te identificeren die door teams of automatisering kunnen worden hersteld.

Mastercard gebruikt GenAI om klantinteracties te faciliteren en fraude te verminderen. De AI-gestuurde chatbots bieden klanten onmiddellijke toegang tot persoonlijke aanbevelingen, accountinformatie en transactiegeschiedenis.

Het bedrijf gebruikt ook GenAI-predictive modeling om ongebruikelijke bestedingspatronen te identificeren, die potentieel fraude kunnen aangeven. Met GenAI heeft Mastercard de detectie van gecompromitteerde kaarten verdubbeld; valse positieven met maximaal 200% verminderd; en de snelheid van het identificeren van handelaren die kwetsbaar zijn voor fraude met 300% verhoogd.

3. Kernbeginsel 3: Versterk de mens-GenAI-samenwerking.

Terwijl GenAI sommige processen zal automatiseren, zal het meestal mensen helpen bij het nemen van betere beslissingen. GenAI kan synthetische gegevens creëren, gegevens verwerken, patronen herkennen en voorspellende analyses creëren om teamwork en de creatie van nieuwe diensten te ondersteunen. Bijvoorbeeld kan GenAI scenario’s en aanbevelingen voor beslissers bieden, zodat ze resultaten kunnen optimaliseren. Mensen brengen markt- en contextuele bewustzijn, bedrijfskennis, oordeel en empathie bij besluitvorming, gebouwd op GenAI-capaciteiten.

Hoe kunnen bedrijven het potentieel van mens-GenAI-samenwerking maximaliseren? Leiders moeten de tijd nemen om duidelijk gedefinieerde rollen en verantwoordelijkheden in te stellen, teams continu trainen op de laatste capaciteiten en beveiligingsmaatregelen en escalatiepaden bieden wanneer GenAI niet naar verwachting presteert. Bovendien moeten ze hun visie voor GenAI delen die het bedrijf herschapen en benadrukken dat ze menselijke capaciteiten aanvullen in plaats van ze te vervangen. Een Forrester-onderzoek vond dat 36% van de werknemers bang zijn om hun baan te verliezen aan automatisering of AI, maar slechts 1,5% dat zal gebeuren, terwijl 6,5% zal worden beïnvloed door GenAI. Als gevolg daarvan moeten werknemers deze technologie omarmen in plaats van ze te vermijden.

Allstate heeft een GenAI-geactiveerde chatbot geïmplementeerd die natuurlijke taalverwerking gebruikt om real-time, meertalige ondersteuning te bieden en meer inzicht te krijgen in klantgedrag. Bijvoorbeeld probeert het de prestaties van eerdere modellen driemaal te verbeteren door klantreizen te identificeren die agentondersteuning vereisen.

De chatbot stroomlijnt het claimsproces door een centraal platform te bieden voor het verzamelen en bekijken van relevante informatie. Terwijl menselijke agenten nog steeds complexe claims behandelen die expertoordeel vereisen, verbetert de chatbot de efficiëntie aanzienlijk door routine taken te automatiseren en de verwerkingstijd te verminderen. Door AI te gebruiken om formulieren in te vullen, verbetert Allstate de nauwkeurigheid en klanttevredenheid.

Haal meer ROI uit GenAI door deze 3 kernbeginselen toe te passen

Toen GenAI de wereld binnenstormde, pasten leiders het snel toe in hun bedrijven, waardoor experimenten en innovatie werden aangemoedigd. Soms gingen POC’s echter vooruit op de basisbeginselen, waardoor de kosten stegen en oplossingen werden gecreëerd die de gewenste waarde niet leverden.

Leiders kunnen deze drie kernbeginselen gebruiken – een solide business case ontwikkelen, gegevensvereisten aanpakken en teams helpen samen te werken met AI – om nieuwe GenAI-initiatieven succesvol te maken. Ze kunnen wijzen op high-value use cases en tools, gegevensbeveiligingsmaatregelen en verbeteringen in productiviteit en innovatie die de C-suite, raden, klanten en investeerders enthousiast maken.