Przewodnik operatora po generowaniu zwrotu z inwestycji (ROI) ze sztucznej inteligencji

Mimo wszystkich swoich zalet, boom na sztuczną inteligencję stworzył również zasadnicze wyzwanie dla operatorów. Pomimo znacznych inwestycji we wdrażanie sztucznej inteligencji, wielu operatorów nadal nie dostrzega znaczącego zwrotu z inwestycji (ROI) w bilansie.

W rzeczywistości, podczas gdy globalny wydatki MIT szacuje, że do 2028 roku wartość inwestycji w sztuczną inteligencję osiągnie 632 miliardy dolarów analiza Stwierdzono, że tylko około 5% pilotaży AI w przedsiębiorstwach przynosi wymierne korzyści finansowe, a zdecydowana większość generuje niewielki lub żaden zwrot z inwestycji (ROI). Ta luka wywiera rosnącą presję na operatorów, aby przeliczali pieniądze na realne korzyści, co często prowadzi do marnowania zasobów na nieudane pilotaże lub pochopnych inwestycji w rozwiązania, które na papierze wyglądają obiecująco, ale w praktyce okazują się nieskuteczne.

Prawda jest taka, że ​​sukces w erze sztucznej inteligencji nie będzie zależeć wyłącznie od nowatorstwa czy wyrafinowania nowej technologii, ale od tego, jak wnikliwe potrafią być zespoły w zrozumieniu swoich fundamentalnych wyzwań i wyborze rozwiązań technologicznych, które przynoszą realną wartość. Nie ma jednego, idealnego rozwiązania, ale kilka wskazówek może pomóc Twojemu zespołowi podążać we właściwym kierunku.

Unikaj podatku pilności

Jedną z kluczowych barier dla zwrotu z inwestycji w AI jest to, że strach przed pozostaniem w tyle wpływa na proces decyzyjny. Kiedy takie nastawienie wpływa na strategię, organizacje mogą płacić podatek od pilności, marnując cenny czas, energię i zasoby, aby nadążać za najnowszymi trendami.

Siły wewnętrzne i zewnętrzne mogą wywołać tę presję. Kiedy kierownictwo widzi, że konkurent zachwala nową funkcję sztucznej inteligencji, może to prowadzić do szybkiego wpadnięcia w pułapkę porównywania, a to, co zaczyna się jako chęć utrzymania się na topie, szybko przeradza się w reaktywny wyścig o odpowiedź.

Inwestycje podejmowane z tego punktu wyjścia kończą się niepowodzeniem z wielu powodów, ale jednym z najczęstszych jest niewystarczające przygotowanie. Chociaż konkurent może oferować podobny produkt lub usługę, organizacja baza danych lub dojrzałość operacyjna może nie być wystarczająco duża, aby obsługiwać tę samą technologię, co sprawia, że ​​pozornie strategiczny ruch staje się ryzykownym zakładem.

Dlatego menedżerowie i dyrektorzy najbliżsi codziennej działalności często są najlepiej przygotowani do podejmowania decyzji technologicznych. Kiedy na rynku pojawia się technologia, która wydaje się niezbędna, zespoły te powinny najpierw ocenić, czy istnieje wyraźny problem, który może ona rozwiązać i czy organizacja jest rzeczywiście gotowa na jej wdrożenie. Rozumiejąc, gdzie występują tarcia, gdzie marnowany jest czas i gdzie technologia może mieć wpływ, mogą pomóc w podejmowaniu decyzji dotyczących sztucznej inteligencji w oparciu o rzeczywistość operacyjną, zamiast gonić za nowościami.

Przeprowadź audyt rowerowy

Kolejną częstą pułapką w zaopatrzeniu technologicznym jest nadmierne kupowanieRóżni się to od podatku od pilności, ponieważ jest naliczane po stwierdzeniu rzeczywistej potrzeby i gotowości operacyjnej do zakupu rozwiązania AI. W tym momencie pytanie brzmi nie „czy czegoś potrzebujemy”, ale „czego tak naprawdę potrzebujemy”?

Problem ten jest szczególnie powszechny w branżach opartych na przestarzałych technologiach, takich jak logistyka, która w ostatnich latach przeszła od 0 do 60 dzięki możliwościom technologicznym. Podczas gdy kiedyś naszym wyzwaniem było radzenie sobie z nowoczesnymi problemami za pomocą przestarzałych systemów i procesów, dziś polega to na wyborze spośród nieskończonych list życzeń technologicznych dostępnych u zewnętrznych dostawców lub w ramach rozwoju wewnętrznego.

„Audyt rowerowy” może być niezwykle pomocny jeszcze przed zakupem. Stawia on przed decydentami wyzwanie, jakim jest odpowiedź na proste pytanie: czy potrzebujemy Ferrari, czy roweru? Ambitne zespoły technologiczne uwielbiają marzyć o wielkich rzeczach, a zewnętrzni dostawcy zazwyczaj dążą do oferowania swoich rozwiązań najwyższej klasy już na starcie. Oba te podejścia są słuszne, ale inwestowanie w moc na poziomie Ferrari nie ma sensu, skoro rower dowiezie Cię tam, gdzie chcesz.

Audyt z metrykami

Jednym ze sposobów podjęcia tej decyzji jest zrozumienie problemu, który próbujesz rozwiązać, na trzech poziomach metryk: podstawowym, drugorzędnym i trzeciorzędnym. Ocena wszystkich trzech poziomów razem pomaga określić, gdzie występuje tarcie, jak wygląda optymalna wydajność na każdym poziomie i ile inwestycji jest potrzebnych, aby zniwelować tę lukę.

Metryki trzeciorzędne reprezentują podstawowe zachowania operacyjne. Na tym poziomie często występują poważne nieefektywności, a rozwiązania na poziomie roweru, które umożliwiają ulepszenia, takie jak czystsze gromadzenie danych i sprawniejsze wykonywanie zadań, mogą przynieść duże efekty przy stosunkowo niewielkich nakładach inwestycyjnych.

Wskaźniki drugorzędne odzwierciedlają rzeczywiste czynniki wpływające na wydajność – takie jak wskaźniki konwersji klientów i inne czynniki, na które zespoły mogą wpływać poprzez zwiększenie produktywności. Rozwiązanie problemów z nieefektywnością w tym przypadku zazwyczaj wymaga czegoś bardziej zaawansowanego niż rower, ale mniej skomplikowanego niż Ferrari, na przykład zaawansowanej automatyzacji obsługującej większe zbiory danych.

Metryki podstawowe to kamienie milowe, takie jak przychody. To właśnie tam zazwyczaj pojawiają się rozwiązania na poziomie Ferrari. To zazwyczaj drogie technologie, które obiecują znaczący wpływ na wynik finansowy. Choć warto je zbadać, należy pamiętać, że jeśli najpierw nie zostaną rozwiązane problemy drugorzędne i trzeciorzędne, rozwiązania te mogą nie osiągnąć swojego rzeczywistego potencjału zwrotu z inwestycji (ROI).

Mniejsze, ukierunkowane inwestycje na niższych poziomach są często najlepszym punktem wyjścia, ponieważ zazwyczaj przynoszą szybkie rezultaty. Stwarzają również okazję do nauczenia się, co działa, jednocześnie zapewniając stopniowe zyski, które z czasem się kumulują, ostatecznie pomagając osiągnąć taki sam lub większy całkowity wpływ jak większe inwestycje, przy znacznie mniejszym ryzyku.

Audyt Rowerowy i ten trzypoziomowy system metryk wspólnie pomagają organizacjom ograniczać ryzyko poprzez odpowiednie dopasowanie rozwiązań do rzeczywistych problemów. Nie chodzi o unikanie zaawansowanej sztucznej inteligencji, ale o to, aby zacząć od małych kroków, rozwiązując najbardziej uciążliwe problemy przy jak najmniejszych nakładach inwestycyjnych, a następnie stopniowo zwiększać skalę.

Bądź strategiczny w kwestii partnerów startupów

Niedawna powstaje Kapitał wysokiego ryzyka związany ze sztuczną inteligencją zalał rynek nowymi startupami. Ci innowatorzy przedstawią propozycje obiecujące innowacje i wyniki na tyle przekonujące, że przekonają nawet najbardziej wymagające zespoły ds. zakupów.

Ale uwaga, kupujący: zarówno produkty, jak i ludzie stojący za wieloma z tych nowości często nie są sprawdzeni. Zostanie wczesnym użytkownikiem wiąże się z ryzykiem, w tym z możliwością nieświadomego tworzenia produktu równolegle z nimi. Chociaż może to przynieść korzyści, powinno być świadomym wyborem – ponieważ próbując rozwiązać problemy o realnych konsekwencjach finansowych, wydatkowanie cennych zasobów na pomoc dostawcy w dopracowaniu najnowszej aktualizacji może przynieść niepotrzebne problemy.

Po zintegrowaniu dostawcy, wiele z rezultatów pozostaje poza Twoją kontrolą. Jego plan działania, skalowalność obsługi klienta, dynamika cen i zdolność do utrzymania wydajności w miarę rozwoju – wszystko to może ulec zmianie. Te zmiany mogą wpłynąć na długoterminową wartość partnerstwa w sposób, który nie jest w pełni widoczny na początku.

Poruszanie się w tej niepewności wymaga cierpliwości i rozwagi na samym początku. Poświęcenie czasu na walidację rozwiązania poprzez proof of concept, zrozumienie zobowiązań umownych przed głębszą integracją oraz bezpośrednia rozmowa z obecnymi użytkownikami pomaga zespołom wybrać dostawców, którzy będą w stanie zapewnić wartość przez cały okres trwania partnerstwa.

Opłacalność sztucznej inteligencji

Łącznie, te rozważania potwierdzają, że praktykowanie głębokiej analizy jest pierwszym i najważniejszym czynnikiem generowania zwrotu z inwestycji (ROI) w AI. Kiedy zespoły koncentrują się na identyfikowaniu rzeczywistych problemów, wyniki poprawiają się, ponieważ nieefektywności są eliminowane, a czas jest przeznaczany na zadania o wyższej wartości. Tak właśnie wygląda prawdziwy ROI, a można go osiągnąć tylko dzięki dyscyplinie, jasności i pragmatycznemu podejmowaniu decyzji, które z czasem przekładają się na zyski.