Å endre hvordan vi tenker om GenAI i styret: Navigering av kort- og langtids ROI

Mens lederteam rundt om i verden begynner å planlegge for 2025, er temaet på alle sine tanker når de kan forvente at investeringene i AI og/eller generativ AI (GenAI) skal gi avkastning. Ny forskning fra Google Cloud har avdekket at over 6 av 10 store (mer enn 100 ansatte) selskaper bruker GenAI, og 74% ser allerede en betydelig avkastning på investeringen (ROI). Men å maksimere ROI fra AI/GenAI krever en strategisk tilnærming som går utenfor å bare rettferdiggjøre kostnader, og omfatter både direkte/indirekte avkastning, en klar forståelse av lead tid og skjulte utgifter, og integrering av menneskesentrerte funksjoner for å sikre pålitelige, skalerbare prosesser.

Omdefinere ROI

Gitt all oppmerksomheten som AI/GenAI har fått i media det siste året, kan det være lett å glemme at disse investeringene fortsatt er relativt nye, noe som betyr at de fleste selskaper ennå ikke har sett den type ROI som er mulig. Dette gjør det enda viktigere å håndtere forventninger i styret fra begynnelsen, siden enhver tidlig evaluering vil skape kritiske inntrykk som vil påvirke hvordan ledelsen ser på fremtidige investeringer. Hvis de har høye forventninger til umiddelbar, transformasjonell forandring, kan deres mening endre seg hvis disse forandringene fortsatt er under utvikling i de tidlige fasene. Med andre ord, nye innovasjoner krever nye målemetoder, og ledere bør omdefinere hvordan de tenker om kort- og langtids ROI.

I forhold til hva som utgjør en vellykket transformasjon, måles fremgang ofte best i øynene på betrakteren, men selv “små” seirer kan føre til større potensielle resultater lengre fram. Her er tre måter å hjelpe med å sette AI/GenAI-investeringer i perspektiv, samt noen eksempler fra de som er på en lignende reise.

1. Skille mellom direkte og indirekte ROI

I noen bransjer er det enklere å se en direkte ROI. For eksempel, hvis et detaljhandels- eller CPG-selskap begynner å tilby nye GenAI-funksjoner, vil de sannsynligvis få en umiddelbar tilbakemelding fra kundene om hvordan funksjonene mottas. I andre bransjer, som produksjon, er det mer en indirekte ROI som avhenger av lengre tid investeringer. Med slike “myke” avkastninger er det vanligvis “trickle-down-effekten” som kan skape nye muligheter eller låse opp ny verdi. Forestill deg at du implementerer en ny AI-løsning for å forbedre teamproduktiviteten. Mens ditt opprinnelige mål kanskje var å øke utproduktet, kan økningen i aktivitet også føre til å avdekke helt nye vekstveier som ikke hadde blitt vurdert. Dette er den mest spennende og begeistringende delen om AI/GenAI – det ukjente potensialet. Og selv om potensialet er vanskelig å måle, bør det alltid inkluderes som en faktor i beregningen av avkastning.

Et godt eksempel på både direkte og indirekte ROI kan sees hos e-handelselskapet Mercari, som i fjor la til en ChatGPT-drevet handlehjelper på sin markedsplass for brukte varer. Deres nye “Merchant AI” ville tillate kundene å “logge på nettstedet, engasjere handlehjelperen i naturlig samtale, svare på spørsmål om deres behov, og deretter motta en rekke anbefalinger” for neste steg. Den direkte ROI av dette var en 74% reduksjon i billettvolymen hos Mercari, mens den indirekte ROI var at de resulterende tidssparingene tillot selskapet å gradvis redusere teknisk gjeld og skalerer sine operasjoner.

2. Ta med lead tid for AI/GenAI-investeringer og de tilhørende skjulte kostnadene

Med den konstante pressen på C-Suite for å øke profittene, er det liten sjanse for at de plutselig skal adoptere en “godt kommer til de som venter” mentalitet. Men virkeligheten er at enhver innføring av AI/GenAI tar tid og penger, selv før du når startlinjen. Fra investering i infrastruktur og opplæring til å skaffe ulike API-er og relevante data, kan det være måneder med forberedelsesarbeid som ikke vil vise noen “avkastning” annet enn å være klar til å begynne. En annen skjult kostnad (som mange ikke snakker om) er virkeligheten at du kommer til å få hallucinasjoner og feil skapt av AI som kan koste selskaper store summer ved å sende dem i feil retning, åpne en løkke eller potensielt utløse en kostbar PR-problem. Hele opplevelsen er svært ny, noe som gjør alt litt riskier og mer kostbart, så det er viktig for ledere å ta dette med i betraktning når de vurderer ROI.

McKinsey tilbød innsikt i denne beslutningsprosessen og de tilhørende kostnadene, og sammenlignet med den klassiske “leie, kjøp eller bygge”-scenariet. I deres arketype bør CIO-er eller CTO-er vurdere om de er en “Taker” (bruker offentlig tilgjengelige LLM-er med liten tilpasning), en “Shaper” (integrerer modeller med egen data for å få mer tilpassede resultater) eller en “Maker” (bygger en skreddersydd modell for å løse et bestemt forretningsproblem). Hver arketype har sine egne kostnader som teknologiledere må vurdere, fra “Taker” som kan koste opp til 2 millioner dollar, til “Maker” som kan strekke seg til 100 ganger så mye.

Bestræbe seg for å gjøre investering i AI/GenAI mer menneskesentrert

Det finnes fortsatt mye frykt (spesielt blant arbeidere) om at AI vil erstatte mennesker. I stedet for å avvise disse bekymringene, bør selskaper presentere enhver transformasjon som en forbedring i stedet for en erstatning, og prøve å finne måter å gjøre investeringen mer menneskesentrert. Med GenAI er det ikke en transaksjon; det er et samarbeid, og det er fortsatt et reelt behov for mennesker å evaluere effikheten av enhver generert innsikt eller materiale for å sikre at de er fri for fordommer, hallucinasjoner eller andre misforståelser. Derfor er det kritisk at selskaper kontinuerlig utfordrer AI til å gi grunnlag for hver beslutning for å sikre nøyaktighet. Dette vil gi innholdet mer validering, arbeiderne vil se en definert rolle i prosessen, og det vil til slutt hjelpe ROI fordi du lærer på hvert stadium.

Det er også en god idé å sette faste retningslinjer for å gi strenge begrensninger for hva slags informasjon AI kan samle inn. Spør deg selv, “Bør vi tillate AI å få tilgang til internettet?” Kanskje ikke. Poenget er å vurdere behovet først, og hvis du har andre bevarte metoder, bruk dem. Noen ganger er AI bare nyttig for å sammenfatte, ikke “tenke”. Det handler om å skape riktig balanse, og mennesker spiller fortsatt en kritisk rolle. Ifølge forskning fra Accenture, mener 94% av ledere at menneskegrensesnittsteknologier vil la oss bedre forstå atferd og intensjoner, og omdefinere menneske-maskin-interaksjon.

Lukke gapet mellom løfte og virkelighet

Eksperter er enige om at, selv om GenAIs lav terskel til inngang er en fin funksjon, avhenger deres “langtids potensial av å dokumentere deres korttidsverdi”. Dette betyr at enhver AI/GenAI-pilot bør ha en rekke tydelig definerte (men fleksible) suksesskriterier før de lanseres, og selskaper bør kontinuerlig overvåke prosesser for å sikre at de fortsatt gir verdi. Når det gjelder denne nye æraen av digital innovasjon, kan det hende at det aldri blir en tradisjonell “mål” vi alle løper mot. I stedet, ved å endre hvordan vi tenker om kort- og langtids ROI av AI/GenAI, kan selskaper være mer fornuftige med sine investeringsdollarene og fokusere på å utvikle evner som kan skaleres sammen med bedriften. i denne nye eraen av digital innovasjon, kan det hende at det aldri blir en tradisjonell “mål” vi alle løper mot. I stedet, ved å endre hvordan vi tenker om kort- og langtids ROI av AI/GenAI, kan selskaper være mer fornuftige med sine investeringsdollarene og fokusere på å utvikle evner som kan skaleres sammen med bedriften.