AI sin honningmåned er over, så hva kommer nå?

Det har vært talløse diskusjoner om AI sin transformative potensial over de siste to årene siden ChatGPTs første utgivelse genererte så mye oppmerksomhet. Ledere i bedrifter har vært ivrige etter å bruke teknologien til å redusere driftskostnader. Kanskje overraskende er det at for mange ledere er den viktigste målingen for å vurdere suksessen til et AI-verktøy ikke den totale avkastningen på investeringen (ROI). Det er hastigheten til ROI.

I en tid med krympende risikotoleranse og økt press for inntjening, forventer ledere at investeringer skal drive endringer og gi rask avkastning. Samtidig dør hypen rundt AI ut, og gjør plass for mer pragmatiske samtaler om avkastningen på AI-investeringer.

Neste fase: Å bli realistisk om hvor AI fungerer

Suksess i dagens marked — der abonnementer er kongen — avhenger av hvor godt du beholder kunder, ikke hvor godt du tilegner deg dem. I de fleste sektorer er markedet mettet, og mange organisasjoner tilbyr lignende tjenester av nesten identisk kvalitet. Legg til en nedgang i kundelojalitet, økende forventninger og en økt villighet til å bytte merke, og organisasjoner finner seg selv med ingen rom for feil for å holde tritt med den harde konkurransen. Kundeperasjon (CX) er den faktoren som bestemmer om abonnementsbaserte organisasjoner lykkes eller ikke.

I denne omgangen kan organisasjoner konkurrere best ved å gå mot inkrementelle forbedringer i stedet for å gå bort fra utgifter. Hver og en valg organisasjonen gjør, må være rettet mot bestemte, kundesentriske mål — selv om det koster en del mer i utgangspunktet. Dette inkluderer AI-implementering. Organisasjoner har spurt hvordan AI kan innfri sin kostnad ved å bruke det som en erstatning for eksisterende ressurser. Nå må de spørre hvordan AI kan skape verdi for organisasjonen ved å forbedre hvordan de arbeider med kunder.

SVaret er rett frem. AI har tallrike potensielle anvendelser som forbedrer CX både direkte og indirekte. AI-drevne verktøy kan forbedre personalisering ved å bruke kundeatferdsdata til å sikre at brukerne ser riktig melding eller tilbud på riktig tid. Samme data kan hjelpe med produktutvikling, ved å peke på hull i markedet som organisasjonen kan utnytte for å bedre betjene kundens behov. De kan også gjøre organisasjoner mer proaktive, ved å hjelpe dem å forutse forstyrrelser, aktivere reserveplaner og kommunisere nødvendig informasjon til brukerne.

Men dette arbeidet skjer primært bak kulissene, og det kan ikke skje over natten.

Ønsker du AI på sitt beste? Start med «usynlige» anvendelser

Den eneste måten å vite med sikkerhet om en bak- eller front-end anvendelse vil gi de resultater du er ute etter, er å utnytte AI sin mer diskrete, bak-kulissene-kapasiteter først.

Bak overskriftene om øyeblikkelig transformasjon ligger AI sin kjernekapasitet: analyse. Store språkmodeller (LLM) som ChatGPT vakte oppmerksomhet for deres åpenbare fleksibilitet, men de utfører bare én oppgave uansett hvor de opererer. De summerer informasjon. Det er opp til organisasjoner å gjøre den riktige informasjonen tilgjengelig, og det tar tid. Disse er to fakta som ofte har blitt tapt i samtalen, og de representerer en slutt på AI sin «rask fiksering»-rykte.

Den neste eraen vil bli definert av de usynlige forbedringene som muliggjøres av AI, mens organisasjoner bygger opp sine tekniske grunnlag. Organisasjoner kan starte med LLM som hjelper til å:

1. Integriere eksisterende databaser og bryte ned siloer for å gi end-to-end-synlighet — og konteksten som følger med det.
2. Implementere sanntidsdatainnsamlingsteknologi for å sikre at innsiktene er oppdaterte og reflekterer de siste trendene, mønstre og forstyrrelser.
3. Fremskynde avstemming og ledelse for å sikre nøyaktighet og frigjøre arbeidere til å fokusere på høyere-nivåoppgaver som krever en menneskelig berøring.

Organisasjonsendring er det første skrittet til effektiv implementering og omfatter både systemer og personale. På dette punktet bør ledere også vurdere hvordan AI-utplasseringer kan påvirke personale og jobbe for å komme før potensielle hindringer. Utvikling av opplærings- og omplasseringsprogrammer vil hjelpe til å sikre at personale er klar til å arbeide effektivt sammen med de nye teknologiene. AI selv kan hjelpe i disse anstrengelsene — en av sine usynlige anvendelser. For eksempel kan det peke på individuelle kunnskapsluker basert på bruksdata. Denne typen informasjon kan veilede opplæringsprogrammer til å sikre at arbeidere har alt de trenger for å trives.

Når organisasjoner har integrerte, nøyaktige og oppdaterte poster og et personale som forstår hvordan og når å bruke AI, kan de legge til et annet lag med «usynlige» verktøy. Den neste bølgen av løsninger bør fokusere på analyser som hjelper til å dyrke en dyp forståelse av hvordan bedriften fungerer, hva kunder ønsker og hindringer som kommer i veien. Disse løsningene bygger på hverandre, med hver skritt som avdekker et nytt nivå av innsikt.

Mer spesifikt, beskriver analytiske data historiske mønster; de forteller organisasjoner hva som skjedde. Diagnostiske data brukes til å kontekstualisere hva som skjedde, identifisere årsaker og høydepunkter effekter av hendelser og endringer; de forteller organisasjoner hvorfor ting skjedde på den måten de gjorde. Prediktive data brukes til å modellere effektene av foreslåtte endringer og holde øye på trender; de viser organisasjoner hva som kan skje. Preskriptive data brukes til å ta informerte beslutninger; de forteller organisasjoner hva de skal gjøre neste.

Selv om analytiske løsninger som disse kan utnytte AI sin mer avanserte kapasiteter, er det verdt å merke seg at — i utgangspunktet — nesten alle disse prosessene skjer bak kulissene. Til slutt kan prediktive og preskriptive algoritmer komme inn i kundeorienterte løsninger, men det kan bare skje når dette kritiske, interne grunnlaget er lagt.

Da AI sin honningmåned slutter, vil også dens rykte som en magisk fiksering slutte — men å slippe denne forestillingen er kritisk for å realisere teknologiens fulle potensial. Ledere som ønsker å lage overskrifter i morgen med innovative AI-anvendelser, må først fullføre dette grunnarbeidet, som kan være en hard pille å svelge midt i presset for raskere og raskere avkastning. Likevel vil en mer helhetlig, inkrementell og langsiktig vurdering av AI sin verdi muliggjøre at organisasjoner kan fremskynde avkastning. Denne tilnærmingen gir ledere verktøyene og tiden til å utvikle en klar bildet av hva som må fikses, innsikt i de små endringene som vil ha den største innvirkning og evnen til å utvikle solide strategier som gir avkastning i dag uten å skade lønnsomheten i morgen.

Pragmatisme fra ende til ende

Til tross for at flashy anvendelser kan lokke kunder ved første øyekast, og kostnadsbesparende muligheter kan fange øyet til ledere i bedrifter, er det usannsynlig at noen av disse vil definere AI sin innvirkning på lang sikt. I stedet vil teknologien bli synonymt med bak-kulissene-arbeid som driver tangibel forbedring i stor skala.

Slutten på honningmåned-fasen markerer begynnelsen på et mer moden forhold til AI, et som krever en nøye vurdering av hvordan det kan virkelig forbedre kundeperasjoner og drive lønnsomhet. Til slutt er nøkkel til å se AI ikke som en rask fiksering, men som en strategisk partner i jakten på kundelojalitet, tilfredsstillende opplevelser og enkle løsninger i dagens stadig mer komplekse operasjoner.

I de kommende månedene og årene, vil organisasjonene som utmerker seg være de som graver dypere, forplikter seg til endring og anerkjenner AI sin potensial som både en kort- og lang-siktig investering.