3 kjerneprinsipper for å drive ROI fra GenAI-utviklinger

Ledere i bedrifter er ivrige etter å implementere generativ AI (GenAI) i sine virksomheter. Hvorfor feiler likevel så mange prosjekter med å komme utenfor proof of concept (POC)-stadiet? På et nylig Gartner-arrangement sa Rita Sallam, distingvert visepresident og analytiker, at minst 30% av GenAI-prosjektene vil bli avsluttet etter POC-er innen utgangen av 2025 på grunn av problemer som dårlig datakvalitet, utilstrekkelige risikokontroller, raskt voksende kostnader eller en evne til å realisere ønsket forretningsverdi.

Disse problemene er blant årsakene til at Gartner sier at GenAI begynner å gå inn i trøkket av desillusjon i sin siste Hype Cycle for Emerging Technology, 2024. Likevel har respondenter i en separat Gartner-undersøkelse rapportert at deres GenAI-utviklinger har hjulpet bedrifter å oppnå 15,8% økning i omsetning, 15,2% kostnadsbesparelse og 22,6% produktivitetsforbedring.

Hva skiller bedrifter som lykkes i å integrere GenAI i nøkkelprosesser fra de som feiler i å realisere prosjektet forretningsverdi? Disse lederne og teamene bruker en annen tilnærming karakterisert av rigorøs forberedelse og endringsledelse. Her er tre nøkkelprinsipper for å veilede evaluering, valg og aktivering av brukstilfeller med GenAI, så team kan minimere risiko og håndtere kostnader samtidig som de transformerer forretningsprosesser.

1. Kjerneprinsipp 1: Kvantifiser forretningsverdi fra starten:

Mens forretningsledere kan ha prioritet GenAI-eksperimentering initialt, er de nå ivrige etter å høste konkrete forretningsverdier fra investeringene.

Partnere kan hjelpe bedrifter med å utvikle detaljerte forretningscase ved å holde workshop for å forstå overordnede mål, nåværende tilstand av dataprosesser og teknologiske infrastrukturer og mer. Som en del av denne prosessen arbeider de med bedriftsteam for å evaluere potensielle brukstilfeller, prioritere dem ved å løse forretningsproblemer, bestemme nivået av innsats og forventet ROI, og utvikle nøkkelindikatorer for å måle fremgang. På Google Cloud Next ’24, viste selskapet 101 historier om organisasjoner som lykkes med GenAI ved å deployere kunde-, ansatt-, kreativ-, data-, kode- og sikkerhetsagenter.

Markedskapabiliteter fortsetter å utvikle seg, og å strømlinjeforme veien til verdiskaping. Microsoft og Google har integrert store språkmodeller i sine søkemotorer. Internettbrukere kan nå motta sammenfatte svar og lenker, og akselerere tiden til innsikt. Liksom partnere tilbyr GenAI-akseleratorplattformer med AI- og maskinlæringsmodeller som bedrifter kan tilpasse og deployere i sin egen miljø innen noen uker. Bedrifter nyter godt av å få beviste verktøy, redusere kostnader og risiko ved deployering, og skalere nye forretningskapasiteter raskere.

2. Kjerneprinsipp 2: Sikre datakvalitet, personvern og sikkerhet.

Å tilby høykvalitets-, personvernsgodkjent og sikker data for modelltrening og inferens er grunnlaget for hver vellykket GenAI-implementering. Bedrifter må forberede data for å sikre at AI-modellene genererer nøyaktige og pålitelige utdata. I tillegg implementerer de sikringsmekanismer og nye verktøy for å beskytte følsom informasjon, inkludert modellutdata, fra eksponering. Liksom kan GenAI brukes til å identifisere sikkerhetsproblemer som kan rettes av team eller automatisering.

Mastercard bruker GenAI til å fasilitere kundeinteraksjoner og redusere svindel. Deres AI-drevne chatboter gir kundene umiddelbar tilgang til personlige anbefalinger, kontoinformasjon og transaksjonshistorikk.

Selskapet bruker også GenAI-prediktiv modellering til å identifisere uvanlige betalingsmønster, som kan indikere potensiell svindel. Med GenAI har Mastercard doblet oppdagingen av kompromitterte kort; redusert feilpositive med opptil 200%; og økt hastigheten på å identifisere handlere som er sårbare for svindel med 300%.

3. Kjerneprinsipp 3: Styrke menneske-GenAI-samarbeid.

Mens GenAI vil automatisere noen prosesser, vil det oftest assistere mennesker i å ta bedre beslutninger. GenAI kan skape syntetisk data, prosessere data, gjenkjenne mønster og skape prediktive analyser for å styrke samarbeid og skape nye tjenester. For eksempel kan GenAI gi scenarier og anbefalinger for beslutningstakere å vurdere, slik at de kan optimalisere resultater. Mennesker bringer marked- og kontekstbevissthet, forretningskunnskap, dømmekraft og empati til beslutningstaking, bygging på GenAI-kapasiteter.

Så, hvordan kan bedrifter maksimere potensialet for menneske-GenAI-samarbeid? Ledere bør ta tiden til å definere tydelige roller og ansvar, kontinuerlig trene team på de siste kapasitetene, og tilby sikringsmekanismer og eskalasjonsveier når GenAI ikke fungerer som forventet. I tillegg bør de dele sin visjon for GenAI omforming av bedriften og betone at de komplementerer menneskelige kapasiteter i stedet for å erstatte dem. En Forrester-undersøkelse fant at 36% av ansatte frykter å tape jobben sin til automatisering eller AI, men bare 1,5% vil, mens 6,5% vil ha rollene sine påvirket av GenAI. Derfor bør ansatte omfavne denne teknologien i stedet for å unngå den.

Allstate har implementert en GenAI-drevet chatbot som utnytter naturlig språkbehandling til å levere sanntids-, flerspråklig støtte og øke innsikt i kundeatferd. For eksempel søker de å forbedre ytelsen til tidligere modeller tre ganger ved å identifisere kundeferder som krever støtte fra agenter.

Chatboten strømlinjeformerer skadebehandlingsprosessen ved å tilby en sentral plattform for innhenting og gjennomgang av relevante informasjon. Mens menneskelige agenter fortsatt håndterer komplekse skader som krever ekspertdømmekraft, forbedrer chatboten betydelig effektiviteten ved å automatisere rutinemessige oppgaver og redusere behandlingstiden. Ved å bruke AI til å strømlinjeforme skjemaoppfylling, forbedrer Allstate nøyaktigheten og kundetilfredsheten.

Oppnå mer ROI fra GenAI ved å adoptere disse 3 kjerneprinsippene

Da GenAI brøt inn i verdens bevissthet, appliserte ledere raskt det til sine bedrifter, oppmuntret til eksperimentering og innovasjon. Likevel har noen POC-er løpt foran grunnleggende prinsipper, eskalert kostnader og skapt løsninger som ikke leverer ønsket verdi.

Ledere kan bruke disse tre kjerneprinsippene – utvikle en solid forretningscase, håndtere datakrav og hjelpe team med å samarbeide med AI – for å gjøre nye GenAI-initiativer suksessfulle. De vil kunne peke på høyverdige brukstilfeller og verktøy, datasikkerhetstiltak og produktivitets- og innovasjonsforbedringer som begeistrer C-suit, styre, kunder og investorer.