Avkastning på investert AI: Skifte bedrift inn i en ny gir

AI er overalt og alle snakker om det, men svært få bedrifter leverer forretningsverdi med AI.

Det er en feilaktig fortelling i dag at mange organisasjoner er suksessfulle med å innføre AI i raskt tempo, når få faktisk får verdi ut av teknologien. I 2022 rapporterte Gartner at i gjennomsnitt, halvparten (54%) av AI-prosjekter når produksjonsstadiet. Dette er en liten økning fra Gartners rapport om AI i organisasjoner i 2019, som fastslo at 53% av AI-prosjekter vanligvis ikke kommer fra pilot til produksjon.

Bedriftsledere er nå skeptiske til fordelen av AI fordi de har investert tid, penger og andre ressurser i å innføre AI-drevne løsninger, men de har ikke kunnet se resultatene de forventet. I stedet for å gi opp AI helt – noe de fleste bedrifter ikke har råd til å gjøre – bør organisasjonene redusere investeringene i generell AI og fokusere på å innføre anvendt AI for å oppnå meningsfull avkastning i 2024.

Fremtiden er lys med AI – hvis du kan nå ROI

AI vil fortsette å spille en kritisk rolle på tvers av bedriften, til tross for bekymringer om verdien. Nå er ikke tiden til å slippe gass, men heller en god tid til å korrigere kursen.

Hos OneStream Software har vi nylig undersøkt 800 finansledere verden over om deres bruk og oppfatninger av AI-teknologi i bransjen, som avslørte at mer enn halvparten (55%) av respondentene var enige om at AI vil bli en kjernekomponent i finansielle prosesser de neste fem årene. Teamene må nå finne AI-drevne løsninger som kan oppnå betydelig avkastning. Enter: Anvendt AI.

Anvendt AI bruker forhåndsbygde funksjoner drevet av AI for å løse et spesifikt finansielt eller forretningsmessig behov. Disse løsningene er raskere og mer effektive å deployere fordi de tar sikte på et spesifikt brukstilfelle, genererer høyere avkastning og akselererer tid til verdi. Anvendt AI brukes vanligvis på tvers av finansteam for å akselerere hastigheten og nøyaktigheten av etterspørselsplaner og inntektsprognoser, å detektere unormaliteter i historiske data og å automatisere rutineoppgaver. Alt dette er ekstremt nyttig i lys av den pågående regnskaps talentmangel.

I alt tilbyr anvendt AI verdifulle innsikter i interne og eksterne faktorer som påvirker bedriften, og gir ledere mulighet til å styre organisasjonen med tillit. Disse innsiktene kan redusere risiko, identifisere nye forretningsmuligheter og effektivt forbedre den overordnede beslutningstakingen. Disse formål-bygde løsningene utmerker seg som kraftfulle forretningsverktøy for den moderne bedriften.

Anvendt AI-fordeler: hastighet og nøyaktighet

Bedrifter trenger rettidige og nøyaktige innsikter for å støtte trygge og agile beslutninger. Dette uttalelsen kan synes åpenbart, men mange generelle AI-modeller kan ikke deployeres raskt nok til å gi innsiktene som støtter beslutninger som må tas i dag.

I motsetning til generell AI er anvendt AI raskere å deployere, og resultater er ofte mer nøyaktige. Organisasjoner kan deployere AI-drevne prognosemodeller på noen dager, noe som gir dem raskere tilgang til relevante og kritiske innsikter som kan påvirke forretningen.

På markedsføringssiden kan anvendt AI gi mer nøyaktige etterspørselsprognoser etter produkt, kanal, geografi og kundesegment, noe som muliggjør mer effektiv markedsføring ved å målrette spesifikke markedssegmenter mer presist. Denne strategien maksimerer effekten av kampanjene og minimerer ressursforbruk.

I finansavdelingen kan team bruke anvendt AI til å generere mer nøyaktige etterspørselsprognoser for å gi en solid grunnlag for finansiell planlegging, noe som tillater bedrifter å allokerer budsjett mer effektivt og ta mer informerte investeringsbeslutninger.

AI-Driven Finance Survey viste også at globale finansledere tror AI allerede har gitt deres team raskere beslutningstaking (49%), bedre datainnsikter (48%), forbedret kvalitet på utdata (48%) og optimalt ressursallokering (38%). Når AI brukes for et spesifikt brukstilfelle, kan det være betydelig mer effektivt og håndterbart.

Rydding av AI-utfordringer

Selv om anvendt AI tilbyr bedre avkastning enn generell AI i de fleste scenarier, er det fortsatt noen gjenværende utfordringer å være klar over.

Bedriftsledere har manglende tillit til AI-drevne resultater fordi de har blitt brent av mangelfulle resultater fra generell AI, som nevnt tidligere. Ledere kan ha opplevd manglende transparens i modellene bak resultater eller mislyktes i å integrere AI i forretningsprosesser på grunn av misforhold mellom AI-modeller og forretningsverdier. Dette er hvor anvendt AI sin formål-bygde funksjonalitet øker hastighet til verdi og avkastning.

En løsning er å gi transparens i data og resultater som er avledet fra den anvendte AI-modellen. Team kan jobbe med teknologipartnere for å forstå modellens sammensetning og gå gjennom scenariotesting for å vise hvordan de bestemte den mest nøyaktige modellen. Søk også etter innebygd, formål-bygde AI, enten for finans eller en spesifikk forretningsavdeling, for å muliggjøre sømløs forbruk og analyse.

Ansatte trening er en annen hindring når det gjelder å implementere AI. Ifølge den samme AI-Driven Finance-rapporten, navnga nesten en tredjedel (32%) av finansledere verden over implementering av AI som den største utfordringen, over data-privatlivsregler og prosedyrer (31%). Organisasjoner bør samarbeide med teknologileverandører som har beste praksis og opplæringsmateriell utviklet for å utdanne teammedlemmer. En ekte partner vil hjelpe med å løse ansatte treningsbehov i stedet for bare å overlevere nøklene til maskinen. Formål-bygde Auto AI for finans eller forretning kan også støtte ferdighetshull ved å tilby innebygde arbeidsflyter og drill-back-funksjoner, så ansatte kan ha mer støtte mens de lærer.

Data-privatliv og -sikkerhet kan ikke være den største utfordringen for AI-implementering, men det er fortsatt høyt på listen. Den største bekymringen her er at deling av konfidensielle data med generell GenAI-verktøy (Generative AI) som ChatGPT kunne plassere følsom informasjon i hendene på konkurrenter og allmennheten.

For å minimere denne risikoen, kan bedrifter bruke formål-bygde LLM’er og GenAI-verktøy med robuste sikkerhetsstrukturer som kan integreres med eksisterende systemer som tillater brukerne å spørre om “kuratert” data om kunder, finansielle data, selskap eller programvareapplikasjonen de bruker. I virkeligheten er det måter å legge til guardrails uten å eksponere høyt sensitiv informasjon på.

Skifte bedrift inn i en ny gir med anvendt AI

Fremtiden for AI forblir lys mens flere ledere erkjenner fordelen av AI for teamproduktivitet, samarbeid og å drive forretningsresultater. Mange organisasjoner vil fortsatt møte utfordringer med å demonstrere avkastning mens de også begrenser ikke-essensiell utgift i den nåværende økonomiske landskapet. Vende til anvendt AI og programvareleverandører som inkorporerer det i eksisterende applikasjoner for å øke produktivitet og løse virkelige forretningsproblemer.

Anvendt AI-løsninger kan hjelpe bedrifter å oppnå maksimale resultater fra investeringen og få prediktive innsikter som hjelper dem å vokse lønnsomt. Bedrifter vil skifte inn i en ny gir med avkastning og mulighet som følger med formål-bygde AI-funksjoner.