Zmiana sposobu myślenia o GenAI w sali konferencyjnej: Navigacja po krótko- i długoterminowym ROI

Podczas gdy zespoły kierownicze na całym świecie zaczynają planować rok 2025, temat, który jest na ustach wszystkich, to kiedy można spodziewać się, że ich inwestycje w AI i/lub generatywny AI (GenAI) przyniosą zysk. Nowe badania przeprowadzone przez Google Cloud ujawniły, że ponad 6 na 10 dużych firm (ponad 100 pracowników) używa GenAI, a 74% już widzi pewne znaczące zwroty z inwestycji (ROI). Ale maksymalizacja ROI z AI/GenAI wymaga strategicznego podejścia, które wykracza poza uzasadnianie kosztów, obejmując zarówno bezpośrednie, jak i pośrednie zwroty, jasne zrozumienie czasu realizacji i ukrytych wydatków, oraz integrację cech humanistycznych, aby zapewnić niezawodne i skalowalne procesy.

Przebudowanie ROI

Biorąc pod uwagę całą uwagę, jaką AI i GenAI otrzymały w mediach w ciągu ostatniego roku, można łatwo zapomnieć, że te inwestycje są nadal stosunkowo nowe, co oznacza, że większość firm jeszcze nie zobaczyła tego rodzaju ROI, jaki jest możliwy. To sprawia, że zarządzanie oczekiwaniami w sali konferencyjnej od samego początku jest jeszcze ważniejsze, ponieważ każda wczesna ocena stworzy krytyczne wrażenia, które wpłyną na to, jak kierownictwo postrzega przyszłe inwestycje. Jeśli mają wysokie nadzieje na natychmiastową, przełomową zmianę, ich opinia może się pogorszyć, jeśli te zmiany są jeszcze w powijakach we wczesnych stadiach. Innymi słowy, nowe innowacje wymagają nowych perspektyw pomiaru, a liderzy powinni zmienić sposób myślenia o krótko- i długoterminowym ROI.

W kwestii tego, co stanowi udaną transformację, postęp jest często najlepiej mierzony oczami obserwatora, ale nawet „małe” zwycięstwa mogą prowadzić do większych potencjalnych wyników w przyszłości. Oto trzy sposoby, aby pomóc umieścić Wasze inwestycje w AI/GenAI w kontekście, a także przykłady z tych, którzy są na podobnej drodze.

1. Rozróżnienie między bezpośrednim a pośrednim ROI

W niektórych branżach bezpośredni ROI jest łatwiejszy do zauważenia. Na przykład, jeśli firma detaliczna lub CPG zacznie oferować nowe funkcjonalności GenAI, prawdopodobnie uzyska natychmiastowe wrażenie od klientów na temat tego, jak są one odbierane. Natomiast w innych branżach, takich jak produkcja, jest więcej pośredniego ROI, który zależy od dłuższych inwestycji. Z tymi rodzajami miękkich zwrotów jest to zwykle „efekt kaskady”, który może stworzyć nowe możliwości lub odblokować nową wartość. Wyobraź sobie, że wdrażasz nowe rozwiązanie AI, aby poprawić produktywność zespołu. Podczas gdy Twoim początkowym celem mogło być zwiększenie wydajności, to zwiększenie aktywności mogło również prowadzić do odkrycia całkowicie nowych ścieżek wzrostu, które nie były nawet brane pod uwagę. To najbardziej ekscytująca i ekscytująca część AI/GenAI – nieznany potencjał. I chociaż ten potencjał jest trudny do pomiaru, powinien zawsze być uwzględniony jako czynnik w obliczaniu zwrotu.

Dobrym przykładem zarówno bezpośredniego, jak i pośredniego ROI może być firma e-commerce Mercari, która w zeszłym roku dodała asystenta zakupowego opartego na ChatGPT do swojej platformy marketplace dla przedmiotów używanych. Ich nowy „Merchant AI” pozwoliłby klientom „zalogować się na stronie, zaangażować asystenta zakupowego w naturalnej rozmowie, odpowiedzieć na pytania o ich potrzeby, a następnie otrzymać serię rekomendacji” dotyczących następnych kroków. Bezpośredni ROI tego był 74% redukcja objętości biletów w Mercari, podczas gdy pośredni ROI był taki, że wynikające oszczędności czasu pozwoliły firmie stopniowo zmniejszyć dług techniczny i skalować swoje operacje.

2. Uwzględnienie czasu realizacji inwestycji w AI/GenAI i towarzyszących ukrytych kosztów

Biorąc pod uwagę stałe naciski na zespół kierowniczy, aby zwiększyć zyski, jest małe prawdopodobieństwo, że nagle przyjmą „dobrze się dzieje tym, którzy czekają” mentalność. Ale rzeczywistość jest taka, że każde wejście w AI/GenAI zajmuje czas i pieniądze, nawet przed rozpoczęciem. Od inwestycji w infrastrukturę i szkolenia po pozyskiwanie różnych API i odpowiednich danych, może to być kilka miesięcy przygotowań, które nie pokażą żadnego „zwrotu” poza tym, że są gotowe do rozpoczęcia. Innym ukrytym kosztem (o którym wiele osób nie mówi) jest to, że będziesz mieć halucynacje i błędy wygenerowane przez AI, które mogą kosztować firmy ogromne kwoty pieniędzy, wysyłając je w złym kierunku, otwierając luki lub potencjalnie wywołując drogie problemy PR. Całe doświadczenie jest bardzo nowe, co sprawia, że wszystko jest bardziej ryzykowne i droższe, więc ważne jest, aby liderzy wzięli to pod uwagę przy ocenie ROI.

McKinsey zapewnił wgląd w ten proces decyzyjny i związane z nim koszty, opierając się na klasycznym scenariuszu „wynajmij, kup lub zbuduj”. W ich archetypie, CIO lub CTO powinien rozważyć, czy są „Takerem” (używając publicznie dostępnych LLM z niewielką personalizacją), „Shaperem” (integrującym modele z własnymi danymi, aby uzyskać bardziej spersonalizowane wyniki) czy „Makerem” (budującym model niestandardowy, aby rozwiązać konkretny przypadek biznesowy). Każdy archetyp ma własne koszty, które liderzy techniczni będą musieli ocenić, od „Takera” kosztującego około 2 milionów dolarów do „Makera”, który czasami sięga nawet 100-krotności tej kwoty.

Stawianie na inwestycje w AI/GenAI bardziej humanistyczne

Nadal jest wiele strachu (szczególnie wśród pracowników), że AI zastąpi ludzi. Zamiast odrzucać te obawy, firmy powinny przedstawić każdą transformację jako wzmocnienie, a nie zastąpienie, i szukać sposobów, aby uczynić swoje inwestycje bardziej humanistycznymi. Z GenAI nie jest to transakcja, ale partnerstwo, i nadal jest potrzeba ludzi, aby ocenić skuteczność wygenerowanych spostrzeżeń lub materiałów, aby upewnić się, że są one wolne od uprzedzeń, halucynacji lub innych nieprawidłowości. Dlatego jest krytyczne, aby firmy ciągle wyzywały AI do dostarczania uzasadnienia za każdą decyzją, aby zapewnić dokładność. To da treści więcej walidacji, Twoim pracownikom pokaże określoną rolę w procesie, i ostatecznie pomoże ROI, ponieważ uczysz się na każdym etapie.

Jest to również dobry pomysł, aby ustalić ścisłe ograniczenia, aby zapewnić ścisłe limity na rodzaj informacji, do których AI może uzyskać dostęp. Zapytaj siebie, „Czy powinniśmy pozwolić AI na dostęp do Internetu?” Być może nie. Chodzi o to, aby rozważyć potrzebę najpierw, a jeśli masz inne sprawdzone metody, użyj ich. Czasami AI jest po prostu przydatne do podsumowania, a nie „myślenia”. To wszystko o tworzeniu odpowiedniej równowagi, a ludzie nadal mają krytyczną rolę do odegrania. Według badań Accenture, 94% dyrektorów wykonawczych uważa, że technologie interfejsu ludzkiego pozwolą nam lepiej zrozumieć zachowania i intencje, zmieniając interakcję człowiek-maszyna.

Zamknięcie przepaści między obietnicą a rzeczywistością

Eksperci zgadzają się, że chociaż niski próg wejścia do GenAI jest wspaniałą cechą, jego „długoterminowy potencjał zależy od udowodnienia krótkoterminowej wartości”. To oznacza, że każdy pilot AI/GenAI powinien mieć szereg wyraźnie zdefiniowanych (ale elastycznych) kryteriów sukcesu przed rozpoczęciem, a firmy powinny stale monitorować procesy, aby upewnić się, że są one ciągle dostarczające wartość. Gdy chodzi o tę nową erę innowacji cyfrowych, może nigdy nie być tradycyjnej „linii mety”, do której wszyscy biegniemy. Zamiast tego, zmieniając sposób myślenia o krótko- i długoterminowym ROI AI/GenAI, firmy mogą być bardziej rozsądne przy wydawaniu pieniędzy i skupić się na rozwijaniu możliwości, które mogą skalować się wraz z firmą. W tej nowej erze innowacji cyfrowych może nigdy nie być tradycyjnej „linii mety”, do której wszyscy biegniemy. Zamiast tego, zmieniając sposób myślenia o krótko- i długoterminowym ROI AI/GenAI, firmy mogą być bardziej rozsądne przy wydawaniu pieniędzy i skupić się na rozwijaniu możliwości, które mogą skalować się wraz z firmą.