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

Vi går inn i 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 i fokus på alle sine sinn — kunstig intelligens (AI)/generativ AI (GenAI).

Det 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 spenningen er det viktig å huske at innovasjon er en prosess, ikke en løsning. For å skape varig effekt, må organisasjonene sikre at alle nye evner er tilpasset bestemte 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 strekt til det ytterste. Hvordan kan vi bestemme hvor vårt investering i AI/GenAI-innovasjon vil gi den største avkastningen?

Parodoksalt, når alle begynner å øke farten, er det på tide for lederteamet ditt å sakke ned og fokusere på grunnleggende ting. Først, sikre at alle er enige om hvordan dere tenker om AI/GenAI. AI har vært her en stund nå, og på et høyt nivå er det best å tenke på det som et verktøy for å analysere data, samle inn informasjon og arbeide smartere. GenAI er mer ny og handler om hvordan man kan bruke all denne informasjonen til å generere faktisk innhold og anbefalinger på en autonom måte. Hver bedrift kan dra nytte av å inkorporere AI/GenAI-evner, men det hjelper å demokratisere overgangen så arbeidere føler seg verdifulle.

Bedrifter som ønsker å bygge et bedriftsomspennende AI-økosystem kan hente inspirasjon fra “Kaizen“-metoden som er pionerert 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 kan ha størst effekt, men det begynner også å fostre en “test-og-lær”-holdning som vil permeere gjennom organisasjonens kultur og resultere i lykkeligere, mer produktive ansatte.

Fokus på: Transportindustrien

I transport, hjelper AI/GenAI bedrifter 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.

Når vi skalerer, finner 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 bedriftens omdømme. Med andre ord, stil teller, og mennesker 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 bedriftsledere 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 mistenker nye teknologier som ikke er satt i riktig kontekst.

Misforståelser koster tid og penger, og bremser 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 bedriften ønsker å si, og hvordan det mottas av kunder/ansatte). Når ledere har sanntidsinnsikt i ytelse, drevet av AI, kan de bedre tilpasse operasjonelle beslutninger med strategiske mål. Og når arbeidere blir en del av prosessen gjennom kontinuerlig utdanning og oppskolering, kan AI/GenAI sees på som en ressurs i stedet for en trussel.

Fokus på: Detaljhandelsindustrien

Etter pandemien har forbrukeratferd endret seg dramatisk, så det er kritisk at detaljhandelsbedrifter bruker AI til å analysere kundedata og levere høyt personlige tjenester, produktanbefalinger og markedsføringskampanjer. I stor skala kan AI også brukes til å hjelpe med å forutsi fremtidig atferd, muliggjøre målrettede salgsinnsats og forbedre kundeoppsøking. Fremtiden i dette området er spennende og klar til å fullstendig revolusjonere hvordan vi handler. For eksempel, Amazon fortsetter å forbedre sin AI-drevne “Just Walk Out”-teknologi som analyserer data fra kameraer og butikkssensorene for å drive butikker uten kasser over 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 økte sårbarheter. Hva er noen fordeler med å bruke AI/GenAI i disse industrene, og hvordan kan vi minimere risiko?

Liksom i medisin, er den gylne regel i AI/GenAI-transformasjon “Først, gjør ingen skade.” Visse industrier som helsevesen og finansielle tjenester har hatt en langsommere utbredt AI-adoptsjon på grunn av deres komplekse, høyt regulerte miljøer, men det har vært store fremskritt i bestemte 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 på vanlige logistiske spørsmål. For eksempel, siden lanseringen i 2018, har Bank of America sin AI-drevne chatbot “Erica” svart på 800 millioner forespørsler fra over 42 millioner kunder og gitt personlige innsikter/veiledning over 1,2 milliarder ganger.

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

Fokus på: Bankindustrien

I 2021, PNC lanserte 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 gi 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 sine analytiske evner kan hjelpe “identifisere selskaper med sterk ESG-ytelse, mitigere risiko og forme porteføljer som bedre tilpasser bærekraftsmål.”

Setter tonen for 2025

Bedrifter har en en-gangs-i-livet mulighet til å optimalisere sine operasjoner med AI/GenAI, men en slik transformasjon krever disiplin. I forkant av neste år, må ledere gjøre det klart at: (1) endring er et lagsport; (2) avkastningen på noen nye teknologier må knyttes til bestemte forretningsresultater; og (3) hastighet uten retning skaper kaos. Ved å tune ut hypen og holde fokus på meningsfull effekt, vil organisasjonene være godt posisjonert for varig suksess i denne spennende nye æraen for innovasjon.