Почему ROI ИИ зависит от благополучия данных и доверия человека

Интеграция ИИ является ключевым моментом в настоящем и будущем бизнес-стратегии. Проблема заключается в том, что многие организации до сих пор рассматривают ИИ как технологическое внедрение, когда на самом деле это операционный и человеческий вопрос.

Этот разрыв начинает проявляться в цифрах. Последние исследования MIT о состоянии ИИ в бизнесе показали, что 95% компаний заявляют, что их инициативы по генеративному ИИ не оправдывают ожиданий. Отчет Deloitte о состоянии ИИ в корпорациях указывает на подобную тенденцию: организации утверждают, что их стратегия готова к ИИ, но они не так уверены в инфраструктуре, данных, рисках и талантах. Другими словами, амбиция масштабировать и полностью разработать системы ИИ есть. Но операционная основа для преодоления финишной черты часто отсутствует.

Многие организации до сих пор не осознают, что ROI ИИ зависит от “благополучия данных” и доверия человека.

Благополучие данных является основой доверия к ИИ

Благополучие данных означает не только чистые записи. Настоящее благополучие данных – это когда данные определяются последовательно, владеются rõчно, управляются вдумчиво и понимаемы людьми, которые должны работать с ними. Во многих предприятиях это еще не реальность. Данные о доходах означают одно для продаж, другое для финансов и что-то еще для доставки. Здоровье клиентов отслеживается в нескольких системах. Методы отчетности и цифры варьируются от команды к команде. Затем на верхнем уровне добавляется слой ИИ, и лидеры удивляются, когда сотрудники сомневаются в выводах.

Этот скептицизм не является сопротивлением. Это рациональная реакция на системы, которые не заслужили доверия.

Недавний отчет IBM Institute for Business Value показал, что 43% руководителей операций определяют качество как свою главную задачу, и более четверти организаций оценивают, что они теряют более 5 миллионов долларов в год из-за плохого качества данных. IBM также отметил, что дубликаты, избыточность и несоответствующие записи увеличивают затраты на хранение, вводят путаницу и ухудшают производительность. Смысл прост: если ваши данные нездоровы до того, как ИИ войдет в картину, ИИ не исправит их. Он усилит их.

Если организация имеет сильные основные бизнес-процессы, четкое управление и здоровую коммуникацию между функциями, ИИ может сделать эти сильные стороны более видимыми и ценными. Прогнозирование становится более точным. Команды по успеху клиентов видят закономерности раньше. Чат-боты и инструменты поддержки становятся более последовательными, потому что они черпают из систем, которые отражают реальность. Но когда эти основные условия слабы, ИИ масштабирует трение. Команды тратят больше времени на проверку выводов, согласование цифр и исправление одних и тех же разрывов в процессах, которые существовали до развертывания.

Это почему так много разговоров об ИИ все еще не попадают в точку. Они остаются сосредоточенными на модели. Реальная проблема заключается в реализации и данных за ней.

Лидерство задает стандарт для принятия

Также существует вопрос лидерства, который упускается из виду. Прежде чем ИИ сможет добиться успеха операционно, лидерство должно принять решение о внутренней повествовании. Вводится ли ИИ для автоматизации человеческой работы или для усиления человеческого суждения и потенциала? Это не одно и то же, и сотрудники сразу же чувствуют разницу.

Если сообщение неясно, люди заполняют пробелы сами. Вот где принятие замедляется. Работники становятся осторожными. Менеджеры колеблются, полагаясь на выводы. Команды начинают использовать инструменты не последовательно или избегают их совсем. Исследование Deloitte о человеческом капитале показало, что лидеры, которые общаются о роли ИИ в трансформации работы, росте карьеры и балансе между работой и личной жизнью, могут помочь построить доверие в рабочей силе. Deloitte также утверждал, что организации должны быть явными о том, как ИИ повлияет на работу и создаст ценность для людей как для человеческих существ.

Это имеет значение, потому что доверие напрямую связано с производительностью.

Если сотрудники доверяют данным и понимают роль ИИ, которую он должен играть, принятие и масштабирование намного более успешны. Если они не доверяют, даже лучшие инструменты будут бороться за то, чтобы выйти за пределы пилотной стадии. Это особенно важно в профессиональных услугах и среде B2B, где решения зависят от общих определений, межфункциональной координации и реального доверия к системам под ними. Вы не можете построить надежную модель прогнозирования, если финансы, продажи и доставка смотрят на разные версии истины. Вы не можете ожидать, что система ИИ, ориентированная на клиента, будет работать хорошо, если записи, которые ее кормят, устарели, изолированы или неполны.

Это почему зрелые организации не только инвестируют в модели. Они инвестируют в оркестраторов. Они обеспечивают, чтобы кто-то владел данными и чтобы данные были чистыми и здоровыми. Они выравнивают системы до того, как масштабировать автоматизацию. Они определяют, что такое успех в операционных терминах, а не только технических.

Исследование IBM о CDO предлагает другой взгляд: организации, которые получают больше ценности от ИИ, не обязательно те, у которых есть доступ к большему количеству данных. Они те, кто использует наиболее ценную информацию для достижения конкретных результатов. Это та дисциплина, которой предприятиям нужно больше. Это означает знание того, что имеет значение, выравнивание команд вокруг общих определений и применение данных с намерением. Это тот образ мышления, который предприятиям нужен, если они хотят, чтобы ИИ производил реальные бизнес-результаты.

Успех ИИ зависит от людей

Следующее поколение успеха ИИ не придет от притворства, что эти системы полностью автономны. Мы еще не достигли этого. ИИ все еще нуждается в управлении, мониторинге и человеческом суждении. Ему все еще нужны люди, которые понимают бизнес, понимают данные и могут различать технически правильный вывод и операционно полезный.

Это должно быть хорошей новостью для лидеров, обеспокоенных долгосрочным потенциалом талантов. Будущее не только модель. Это человек плюс система. Компании, которые серьезно относятся к благополучию данных и строят стратегию, ориентированную на усиление, готовят себя к лучшему ROI ИИ и строят организации, где люди могут делать лучше работу с более сильными системами за ними.

Если предприятия хотят больше, чем пилотные проекты, они должны перестать спрашивать только, достаточно ли мощная модель. Они должны спрашивать, достаточно ли здоровы данные, достаточно ли четко управление и понимают ли люди, использующие систему, почему она существует в первую очередь. Это то, что переводит ИИ из эксперимента в真正щий бизнес-актив, который показывает ценность.