Hvordan overvinne innovasjons-FOMO og bruke AI/GenAI til å løse spesifikke forretningsproblemer

Vi er i gang med den travle sesongen for bedriftsledere når ledere fra alle funksjoner møtes for å evaluere resultater og planlegge hva som kommer neste. Etter et år med stigende kostnader, vedvarende forsyningskjede-problemer og pågående arbeid for å møte bærekraftsmål, er det mange utfordringer. Men ett tema synes å være fremst i alle sinn – kunstig intelligens (AI)/generativ AI (GenAI).

Dette er tiden for innovasjons-FOMO, og ledere blir overveldende bedt om å inkorporere noen AI/GenAI-funksjoner i sine operasjoner så bedriftene deres ikke blir liggende etter. Men midt i all opphetning er det viktig å huske at innovasjon er en prosess, ikke en løsning. For å skape varig innvirkning, må organisasjonene sikre at alle nye evner er tilpasset spesifikke behov, evaluert for risiko og knyttet til målbare forretningsresultater.

Her er tre vanlige spørsmål/utfordringer fra bedriftsledere og hvordan AI/GenAI kan hjelpe, sammen med eksempler fra flere bransjer hvor denne innovasjonen allerede gjør en forskjell:

Det føles som om det introduseres ny teknologi hver dag, og vårt budsjett er allerede stramt. Hvordan kan vi bestemme hvor vårt investering i AI/GenAI-innovasjon vil gi størst avkastning?

Parodiskt, når alle begynner å skynde seg, er det på tide for ledelseslaget ditt å sakke ned og fokusere på grunnleggende prinsipper. Først, sikre at alle er enige om hvordan dere tenker om AI/GenAI. AI har vært rundt en stund nå, og på et høyt nivå er det best å tenke på det som et verktøy for å analysere data, samle inn sight og arbeide smartere. GenAI er mer ny og handler om hvordan man kan bruke alle disse innsiktene til å autonomt generere faktisk innhold og anbefalinger. Hvert selskap kan dra nytte av å inkorporere AI/GenAI-evner, men det hjelper å demokratisere overgangen så arbeidere føler seg verdifulle.

Selskaper som ønsker å bygge en bedriftsvid AI-økosystem kan hente inspirasjon fra “Kaizen”-metoden som er pioneerert av Toyota. Denne tilnærmingen innebærer kontinuerlig forbedring, hvor team på alle nivåer i en organisasjon oppmuntres til å gjøre små, inkrementelle endringer for å eliminere avfall og optimalisere prosesser. Ikke bare hjelper dette med å identifisere hvor AI/GenAI kanskje har størst innvirkning, men det begynner også å fostre en “test-og-lær”-holdning som vil gå igjennom kulturen i en organisasjon og resultere i lykkeligere, mer produktive ansatte.

Fokus på: Transportindustrien

I transport, hjelper AI/GenAI selskaper med å forbedre alt fra etterspørselsprognose og lagerstyring til prediktivt vedlikehold og ruteoptimalisering. Delta Air Lines bruker GenAI til å analysere kundedata og gi personlige reiseopplevelser, UPS bruker sitt AI-drevne ORION-system til å justere leveringsruter når trafikkbetingelser endrer seg, og New York City MTA setter i verk AI for å kutte ned på billettsvindel.

Ettersom vi skalerer, oppdager vi at kommunikasjonsgapene utvikler seg mellom C-Suite og funksjonell ledelse, spesielt IT. Hvordan kan vi bruke AI/GenAI til å skape mer effektive interne og eksterne meldinger uten å tape vår autentisitet?

Mens GenAI kan produsere merkbart realistiske meldinger, er det viktig å opprettholde visse standarder for å beskytte merkevaren. Med andre ord, stil teller, og folk ønsker å kommunisere på en måte som føles ekte. Ifølge en nylig undersøkelse fra PwC, er det å etablere tillit stadig viktigere blant C-Suite, forbrukere og ansatte, og 93% av forretningsledere er enige om at å bygge og opprettholde tillit forbedrer resultatene. Det samme gjelder innen en organisasjon, og det er vanlig at arbeidere er forsiktige med nye ledelsesdirektiver som ringer falskt, eller mistenksomme overfor ny teknologi som ikke er satt i riktig kontekst.

Misforståelser sløser bort tid og penger, og sakte ned innovasjon og operasjonell effisiens. GenAI kan proaktivt håndtere dette ved å analysere enorme datamengder av tidligere interaksjoner (med kunder og ansatte) for å modellere potensielle reaksjoner, tilby sanntidsinnsikt og fungere som en bro mellom to “språk” (dvs. hva forretningen ønsker å si, og hvordan det mottas av kunder/ansatte). Når ledere har sanntidsinnsikt i ytelse, drevet av AI, kan de bedre tilpasse operative beslutninger med strategiske mål. Og når arbeidere er en del av prosessen gjennom kontinuerlig utdanning og oppgradering, kan AI/GenAI sees på som en ressurs i stedet for en trussel.

Fokus på: Detaljhandelsindustrien

Forbrukeratferd etter pandemien har skiftet dramatisk, så det er kritisk at detaljhandels-selskaper bruker AI til å analysere kundedata og levere høyt personligservis, produktanbefalinger og markedsføringskampanjer. I stor skala kan AI også brukes til å hjelpe med å forutsi fremtidig atferd, muliggjøre målrettede salgsinnsats og forbedre kundeoppkjøp. Fremtiden i dette området er spennende og klar til å fullstendig revolusjonere hvordan vi handler. For eksempel fortsetter Amazon å forbedre sin AI-aktiverte “Just Walk Out”-teknologi som analyserer data fra kameraer og butikk-sensorene for å aktivere butikk-utgang uten kasseverk i hele verden.

I vår bransje, har vi å gjøre med store mengder følsomme kundedata, og vi er bekymret for hvordan innføring av ny teknologi kan eksponere våre data for økt sårbarhet. Hva er noen fordeler med å bruke AI/GenAI i disse bransjene, og hvordan kan vi minimere risiko?

Lignende medisin, er den gyldne regelen i AI/GenAI-transformasjon “Først, gjør ingen skade.” Visse bransjer som helse og finansielle tjenester har hatt langsommere utstrakt AI-tilpasning på grunn av deres komplekse, høyt regulerte miljøer, men det har vært store fremskritt i spesifikke funksjoner. Det mest synlige beviset er i kundeservice, hvor AI-drevne chatboter og virtuelle assistenter kan gi 24/7-støtte og hjelpe med å svare vanlige logistiske spørsmål. For eksempel, siden lanseringen i 2018, har Bank of America’s AI-drevne chatbot “Erica” svart på 800 millioner forespørsler fra over 42 millioner kunder og gitt personlige innsikt/guidance over 1,2 milliarder ganger.

Ironisk nok, til tross for vedvarende bekymringer over sikkerhet i følsomme bransjer, har AI/GenAI hatt en nettopositiv innvirkning på området for svindelforebygging. Svindel er et endemisk problem i finans som bare blir verre, og eksperter forutser at svindel i bankvirksomhet vil koste industrien 48 milliarder dollar innen 2029. AI-algoritmer kan gjennomgå enorme datamengder for å identifisere anomalier som kan indikere svindelaktivitet, og sikkerhetsteam kan etablere terskler for mistenkelig aktivitet, utløse inngrep bare når disse tersklene overskrides. GenAI kan også hjelpe med å automatisere visse rutineoppgaver (datainnsamling, avstemming osv.) og frigjøre tid for team til å ta mer nyanserte beslutninger (lånegodkjenninger, default osv.) som drar nytte av dypere menneskelig analyse.

Fokus på: Bankindustrien

I 2021 lanserte PNC PINACLE, en kontantstyringsapplikasjon som bruker AI og maskinlæring (ML) til å trene fra et selskaps historiske data. Når modulen er trent, kan den oppdateres daglig og produsere en rullende prognose for å hjelpe med å forutsi fremtidig kontantstrøm, redusere versjonskontrollproblemer og få bedre innsikt i nåværende og fremtidige kontantstillinger for ulike scenarier. AI hjelper også med å empowerment investorer, spesielt de som fokuserer på bærekraft. Morgan Stanley råder at AI’s analytiske evner kan hjelpe med å “identifisere selskaper med sterk ESG-ytelse, minimere risiko og forme porteføljer som bedre tilpasser bærekraftsmål.”

Setting the Tone for 2025

Selskaper har en enestående mulighet til å optimalisere sine operasjoner med AI/GenAI, men en slik transformasjon krever disiplin. Inn i neste år, må ledere gjøre det klart at: (1) endring er et lagspill; (2) avkastningen på enhver ny teknologi må knyttes til spesifikke forretningsresultater; og (3) hastighet uten retning skaper kaos. Ved å tune ut hype og fokusere på meningsfull innvirkning, vil organisasjonene være godt posisjonert for varig suksess i denne spennende nye æraen for innovasjon.