Hoe innovatie-FOMO te overwinnen en AI/GenAI te gebruiken om specifieke bedrijfsproblemen op te lossen

We gaan de drukke periode voor corporate leadership in, waarin managers van alle afdelingen samenkomen om prestaties te evalueren en te plannen wat er vervolgens gaat gebeuren. Na een jaar van stijgende kosten, hardnekkige supply chain-problemen en voortdurende inspanningen om duurzaamheidsdoelen te halen, zijn er veel uitdagingen. Maar één onderwerp lijkt nog steeds centraal te staan in ieders gedachten – kunstmatige intelligentie (AI)/generatieve AI (GenAI).

Het is het tijdperk van innovatie-FOMO, en leiders worden overweldigend gevraagd om enige AI/GenAI-functionaliteit in hun operaties op te nemen, zodat hun bedrijven niet achterblijven. Maar te midden van alle opwinding is het belangrijk om te onthouden dat innovatie een proces is, geen oplossing. Om een duurzame impact te creëren, moeten organisaties ervoor zorgen dat elke nieuwe capaciteit wordt afgestemd op specifieke behoeften, wordt geëvalueerd voor risico’s en wordt gekoppeld aan meetbare bedrijfsresultaten.

Hier zijn drie veelvoorkomende vragen/uitdagingen van corporate leadership teams en hoe AI/Gen AI kan helpen, samen met voorbeelden uit verschillende branches waar deze innovatie al een verschil maakt:

Het lijkt erop dat er elke dag nieuwe technologie wordt geïntroduceerd, en ons budget is al dun gespreid. Hoe kunnen we bepalen waar onze investering in AI/GenAI-innovatie het meeste rendement oplevert?

Paradoxaal genoeg, wanneer iedereen begint te versnellen, is het tijd voor uw leiderschapsteam om te vertragen en zich te concentreren op de basisbeginselen. Zorg eerst dat iedereen op één lijn zit over hoe u over AI/GenAI denkt. AI bestaat al een tijdje en op hoog niveau is het het beste om het te zien als een tool om gegevens te analyseren, inzichten te verzamelen en slimmer te werken. GenAI is meer embryonaal en gaat over hoe al die inzichten te gebruiken om autonomously echte inhoud en aanbevelingen te genereren. Elk bedrijf kan profiteren van het integreren van AI/GenAI-capaciteiten, maar het helpt om de overgang te democratiseren, zodat werknemers zich gewaardeerd voelen.

Bedrijven die een ondernemingsbrede AI-ecosysteem willen opbouwen, kunnen inspiratie putten uit de “Kaizen“-methode die door Toyota is gepionierd. Deze benadering omvat continue verbetering, waarbij teams op alle niveaus van een organisatie worden aangemoedigd om kleine, incrementele veranderingen aan te brengen om verspilling te elimineren en processen te optimaliseren. Dit helpt niet alleen om te identificeren waar AI/GenAI het meeste impact kan hebben, maar het begint ook een “test-en-learn”-mentaliteit te creëren die door de cultuur van een organisatie zal resoneren en zal resulteren in gelukkigere, productievere werknemers.

Focus On: Transportsector

In de transportsector helpt AI/GenAI bedrijven om alles te verbeteren, van vraagprognoses en voorraadbeheer tot voorspellend onderhoud en route-optimalisatie. Delta Air Lines gebruikt GenAI om klantgegevens te analyseren en gepersonaliseerde reiservaringen te bieden, UPS gebruikt zijn AI-gebaseerde ORION-systeem om leveringsroutes aan te passen aan veranderende verkeersomstandigheden, en de New York City MTA gebruikt AI om kaartjesmijding terug te dringen.

Naarmate we groeien, merken we dat er communicatiegaten ontstaan tussen de C-Suite en functioneel leiderschap, vooral IT. Hoe kunnen we AI/GenAI gebruiken om effectievere interne en externe berichten te creëren zonder onze authenticiteit te verliezen?

Hoewel GenAI opmerkelijk realistische berichten kan produceren, is het belangrijk om bepaalde standaarden te handhaven om de reputatie van het merk te beschermen. Met andere woorden, stijl telt, en mensen willen op een manier communiceren die echt aanvoelt. Volgens een recente enquête van PwC is het vestigen van dat vertrouwen steeds kritieker onder de C-Suite, consumenten en werknemers, en 93% van de zakenleiders is het erover eens dat het opbouwen en behouden van vertrouwen de onderkant van de lijn verbetert. Hetzelfde geldt voor binnen een organisatie, en het is gebruikelijk dat werknemers voorzichtig zijn met nieuwe managementrichtlijnen die onecht klinken, of wantrouwig staan tegenover nieuwe technologie die niet in de juiste context wordt geplaatst.

Miscommunicatie verspilt tijd en geld, vertraagt innovatie en operationele efficiëntie. GenAI kan dit proactief aanpakken door enorme datasets van eerdere interacties (met klanten en werknemers) te analyseren om potentiële reacties te modelleren, real-time inzichten te bieden en te fungeren als een brug tussen twee “talen” (d.w.z. wat het bedrijf wil zeggen en hoe het wordt ontvangen door klanten/werknemers). Wanneer executives tijdige, AI-gedreven inzichten in prestaties hebben, kunnen ze beter operationele beslissingen afstemmen op strategische doelen. En wanneer werknemers deel uitmaken van het proces via voortdurende educatie- en bijscholingsinitiatieven, kan AI/GenAI worden gezien als een activum in plaats van een bedreiging.

Focus On: Detailhandel

Het consumentengedrag na de pandemie is dramatisch veranderd, dus het is cruciaal dat detailhandelsbedrijven AI gebruiken om klantgegevens te analyseren en hoogwaardige, gepersonaliseerde service, productaanbevelingen en marketingcampagnes te bieden. Op grote schaal kan AI ook worden gebruikt om toekomstig gedrag te helpen voorspellen, waardoor gerichte verkoopinspanningen en verbeterde klantacquisitie mogelijk worden. De toekomst in deze ruimte is spannend en staat op het punt om te revolutioneren hoe we winkelen. Bijvoorbeeld, Amazon blijft zijn AI-gebaseerde “Just Walk Out”-technologie verfijnen, die gegevens van camera’s en in-store sensoren analyseert om checkout-vrije winkels wereldwijd te laten functioneren.

In onze branche hebben we te maken met grote hoeveelheden gevoelige klantinformatie en we zijn bezorgd over hoe het introduceren van nieuwe technologie onze gegevens kan blootstellen aan verhoogde kwetsbaarheden. Wat zijn enkele voordelen van het gebruik van AI/GenAI in deze branches, en hoe kunnen we risico’s mitigeren?

Net als in de geneeskunde is de gulden regel in AI/GenAI-transformatie: “Eerst, doe geen kwaad.” Bepaalde branches zoals de gezondheidszorg en financiële dienstverlening hebben een langzamere, bredere AI-adoptie gehad vanwege hun complexe, sterk gereguleerde omgevingen, maar er zijn enorme stappen gezet in specifieke functies. Het meest zichtbare bewijs is in klantenservice, waar AI-gebaseerde chatbots en virtuele assistenten 24/7 ondersteuning kunnen bieden en helpen bij het beantwoorden van veelgestelde logistieke vragen. Bijvoorbeeld, sinds de lancering in 2018, heeft Bank of America’s AI-gebaseerde chatbot “Erica” 800 miljoen vragen van meer dan 42 miljoen klanten beantwoord en meer dan 1,2 miljard keer persoonlijke inzichten/guidance geboden.

Ironisch genoeg, ondanks de aanhoudende zorgen over beveiliging in gevoelige branches, heeft AI/GenAI een netto positief effect gehad in het veld van fraudeopsporing. Fraude is een endemisch probleem in de financiële sector dat alleen maar erger wordt, en deskundigen voorspellen dat frauduleuze bankactiviteiten de industrie $48 miljard zullen kosten in 2029. AI-algoritmen kunnen enorme datasets doorzoeken om afwijkingen te identificeren die op frauduleuze activiteit kunnen duiden, en beveiligingsteams kunnen drempels instellen voor verdachte activiteit, waardoor alleen ingrepen worden geactiveerd wanneer deze drempels worden overschreden. GenAI kan ook helpen bij het automatiseren van bepaalde routine taken (gegevensinvoer, verificatie, enz.) en tijd vrijmaken voor teams om meer nuances beslissingen te nemen (leninggoedkeuringen, wanbetalingen, enz.) die profiteren van diepere menselijke analyse.

Focus On: Banksector

In 2021 lanceerde PNC PINACLE, een cash-managementtoepassing die AI en machine learning (ML) gebruikt om te trainen vanuit een bedrijfs historische gegevens. Zodra de module getraind is, kan deze dagelijks worden bijgewerkt en een rollende prognose produceren om toekomstige kasstroom te helpen voorspellen, versiebeheerproblemen te verminderen en beter inzicht te krijgen in huidige en toekomstige kasposities voor verschillende scenario’s. AI helpt ook om beleggers te empoweren, vooral die met een focus op duurzaamheid. Morgan Stanley adviseert dat de analytische capaciteiten van AI helpen “om bedrijven met een sterk ESG-prestatie te identificeren, risico’s te mitigeren en portefeuilles te vormen die beter aansluiten bij duurzaamheidsdoelstellingen.”

De toon zetten voor 2025

Bedrijven hebben een eenmalige kans om hun operaties te optimaliseren met AI/GenAI, maar zo’n transformatie vereist discipline. Gaande naar volgend jaar, moet het leiderschap duidelijk maken dat: (1) verandering een teamsport is; (2) de ROI van elke nieuwe technologie moet worden gekoppeld aan specifieke bedrijfsresultaten; en (3) snelheid zonder richting chaos creëert. Door de hype uit te schakelen en te blijven focussen op significante impact, zullen organisaties worden ingericht voor duurzaam succes in deze spannende nieuwe tijd van innovatie.