CIO potrzebują lepszego sposobu rozliczania pracy AI w IT

Przez ostatnie dwa lata CIO mieli prosty cel dotyczący AI w IT: wprowadzić ją do organizacji, pozwolić zespołom eksperymentować i zobaczyć, gdzie może usprawnić świadczenie usług.

Organizacje IT kupowały licencje, prowadziły pilotaże i dodawały funkcje AI do już rozbudowanych stosów oprogramowania. To miało sens, gdy zespoły wciąż odkrywały, co AI może zrobić. Teraz, gdy wydatki znajdują się w rzeczywistych budżetach, a CFO chcą wiedzieć, co firma otrzymuje za swoje pieniądze.

Problem polega na tym, że wiele liczb, które CIO używają do mierzenia AI, nie odpowiada na to pytanie. CIO mogą pokazać, ilu pracowników korzysta z AI, jak często z niej korzystają i ile czasu twierdzą, że im oszczędza. Finanse chcą wiedzieć, czy firma wydała mniej pieniędzy, wykonała więcej pracy lub uniknęła zatrudnienia dodatkowych osób.

Oszczędzanie pięciu godzin tygodniowo pracownikowi wydaje się cenne, ale firma nadal musi wiedzieć, co stało się z tymi pięcioma godzinami. Jeśli pracownik obsłuży więcej pracy, lub zespół może obsłużyć rosnące obciążenie bez zatrudniania kolejnej osoby, firma może zobaczyć wynik finansowy. Jeśli nic innego się nie zmieni, oszczędności czasu mogą nigdy nie pojawić się w budżecie.

W miarę jak firmy wydają więcej na AI, CIO muszą być znacznie bardziej precyzyjni co do pracy, którą AI wykonuje, oraz jakie są koszty tej pracy.

Zaoszczędzony czas niekoniecznie oznacza zaoszczędzone pieniądze

Wiele kalkulacji ROI AI zaczyna się od czasu jako kryterium – np. jeśli AI oszczędza pracownikowi 30 minut dziennie, firma może pomnożyć te minuty przez tysiące pracowników i uzyskać bardzo dużą liczbę.

Jednak procesy biznesowe rzadko działają tak schludnie. Praca przechodzi od jednej osoby do drugiej, czeka na zatwierdzenia i zalega w kolejkach. Jeśli AI zaoszczędzi dziesięć minut w jednej części procesu, a następnie praca czeka sześć godzin na kogoś innego, firma nie zyskała dziesięciu minut użytecznej pojemności.

Dla CIO bardziej przydatnym pytaniem jest, czy AI zmienia wydajność samej usługi. Jeśli wnioski o dostęp przechodzą przez kolejkę szybciej, mniej zgłoszeń wymaga obsługi ludzkiej lub koszt na wniosek spada, IT może zmierzyć wynik, używając tych samych operacyjnych wskaźników, które już monitoruje.

Aviva jest dobrym przykładem. Ubezpieczyciel użył ponad 80 modeli AI w ramach zmian w swojej operacji roszczeń i zgłosił skrócenie czasu oceny odpowiedzialności o 23 dni oraz liczby skarg o 65 procent. Te liczby informują zarząd, co się zmieniło w operacji i dają finansom coś, co mogą zmierzyć.

CIO powinni zastosować to samo podejście do swoich inwestycji w AI. Przed rozszerzeniem pilota powinni wiedzieć, którą część biznesu zamierzają zmienić i ile pracy AI musi podjąć, aby to się stało.

Praca wykonywana przez AI jest lepszym punktem wyjścia

Rozważmy typowy wniosek o dostęp w IT. Kopilot może podsumować zgłoszenie i przygotować odpowiedź, podczas gdy agent IT sprawdza politykę firmy, weryfikuje zgłaszającego, uzyskuje zatwierdzenie, zmienia uprawnienie i zamyka wniosek.

Kopilot może zaoszczędzić pracownikowi kilka minut, ale większość pracy nadal należy do pracownika.

Teraz rozważmy system AI, który może sprawdzić wniosek pod kątem polityki firmy, zebrać brakujące informacje, skierować wniosek do zatwierdzenia i wprowadzić zmianę po otrzymaniu zatwierdzenia. IT może zobaczyć, ile wniosków system AI realizuje, jak często pracownik musi się wtrącić i ile pracy ludzkiej każdy wniosek nadal wymaga.

Daje to CIO znacznie jaśniejszy sposób rozliczania AI. Zamiast szacować, ile minut technologia zaoszczędziła, mogą zmierzyć, ile pracy wykonała i jaki koszt poniosło jej wykonanie.

To samo podejście może mieć zastosowanie do wdrażanie pracowników, wsparcie wewnętrzne i reagowanie na incydenty. Ważna część polega na przekazaniu AI odpowiedzialności za pracę, którą firma już rozumie i wie, jak ją zmierzyć.

Jednak musisz także liczyć pracę ludzką

System AI może rozpocząć 1 000 wniosków o wdrożenie i wymagać interwencji pracownika w 600 z nich. Uznać wszystkie 1 000 za zautomatyzowane dałoby zarządowi błędny obraz tego, ile pracy AI faktycznie obsłużyło.

Te interwencje kosztują pieniądze. Jeśli agent pracuje nad wnioskiem przez kilka minut, a następnie przekazuje go pracownikowi, który poświęca kolejne dwadzieścia minut na jego dokończenie, te dwadzieścia minut wlicza się w koszt procesu.

To oznacza, że IT potrzebuje rejestru tego, co wydarzyło się podczas każdego zadania. Musi wiedzieć, co AI zrobiło, które systemy były dostępne, gdzie potrzebne było zatwierdzenie, kiedy pracownik się wtrącił i czy praca faktycznie została zakończona. Te rejestry mogą zasilać tradycyjne miary serwisowego biurka, takie jak średni czas rozwiązania, jednocześnie dodając miary istotne specjalnie dla AI, w tym wskaźniki interwencji i koszt na zakończone zadanie.

Zespoły bezpieczeństwa potrzebują w dużej mierze tych samych informacji, gdy coś pójdzie nie tak. Jeśli system AI zmieni niewłaściwe uprawnienie lub podejmie działanie, którego nie powinien był podjąć, muszą odtworzyć, co się stało, i zrozumieć dlaczego.

Utrzymywanie takiego rejestru daje dyrektorom IT (CIO) możliwość mierzenia obu stron inwestycji. Mogą zobaczyć koszt eksploatacji AI oraz pracę ludzką nadal wymaganą do nadzorowania i dokończenia jej zadań.

Ile odpowiedzialności przyznaje się AI, wpływa na ekonomię

Dyrektorzy IT muszą również zdecydować, ile uprawnień są gotowi przyznać AI.

System AI z ograniczonymi uprawnieniami może wymagać zatwierdzenia wielu swoich działań przez pracownika. To utrzymuje osobę w procesie, ale oznacza również, że firma nadal płaci za dodatkową pracę ludzką.

Przyznanie systemowi większych uprawnień może pozwolić mu samodzielnie wykonać więcej zadań, ale jednocześnie zwiększa ryzyko, które IT musi zarządzać. System, który może tworzyć konto lub zmieniać uprawnienie, może spowodować większe szkody w przypadku błędu niż system, który jedynie rekomenduje, co pracownik powinien zrobić. Koszty mogą również nieoczekiwanie wzrosnąć, gdy agent utknie w pętli, powtarza to samo zadanie lub zużywa zasoby obliczeniowe, ponieważ instrukcja była zbyt niejasna. Te niepowodzenia również wchodzą w skład ekonomiki.

Firmy będą wyznaczały tę granicę różnie, w zależności od rodzaju wykonywanej pracy. To, co ma znaczenie przy obliczaniu ROI, to wiedza, gdzie znajduje się ta granica i ile ludzkiego zaangażowania generuje.

Jeśli system AI może bezpiecznie zakończyć 90 procent procesu, jego ekonomika może wyglądać zupełnie inaczej niż w przypadku systemu, który wymaga pracownika co drugi krok.

Zacznij od pracy, która już kosztuje pieniądze

Dyrektorzy IT planujący kolejny etap wydatków na AI powinni zacząć od pracy, która już pochłania znaczący czas lub zasoby ludzkie.

Żądania dostępu, wprowadzanie pracowników, reagowanie na incydenty i wsparcie wewnętrzne dostarczają IT konkretnych danych do pomiaru. Firma już w przybliżeniu wie, ile żądań obsługuje, ile czasu pracownicy poświęcają na ich realizację oraz gdzie praca najczęściej się zaciąga.

Na tej podstawie IT może określić, które części może bezpiecznie obsłużyć AI, a w których sytuacjach nadal potrzebny jest pracownik. Następnie może zdecydować, czego oczekuje od tej inwestycji.

Może zespół chce obsłużyć o 30 procent więcej zgłoszeń bez zatrudniania dodatkowych osób. Może chce obniżyć koszt każdego żądania dostępu. Może chce, aby pracownicy spędzali mniej czasu na rutynowym wsparciu, aby mogli zająć się pracą, która obecnie zalega w backlogu. Gdy IT zna pełny koszt realizacji zadania przy użyciu AI, włączając interwencję ludzką, może ustalić docelowy koszt tego zadania i zdecydować, czy automatyzacja rzeczywiście się opłaca.

Gdy AI zacznie wykonywać pracę, dyrektorzy IT mogą porównać oczekiwania z rzeczywistymi wynikami. Mogą zobaczyć, ile pracy AI wykonało, jak często ludzie musieli interweniować oraz jaki był koszt całego procesu.

Daje to dyrektorom IT znacznie prostszy sposób rozmowy o wydatkach na AI z działem finansów. Zamiast próbować przeliczyć tysiące szacowanych minut oszczędzonych na wartość pieniężną, mogą pokazać, jaką pracę wykonało AI, ile ludzkiej pracy nadal wymagało i czy firma wydała mniej pieniędzy na jej realizację.