Несмотря на значительные инвестиции в современные платформы ИИ, передовые модели и талантливых специалистов по науке о данных, многие бизнес-лидеры еще не признали полную ценность этих инициатив. Для всех обещаний ИИ остается одна неприятная правда: слишком многие модели никогда не выходят за рамки стадии прототипа, особенно в критических функциях выхода на рынок (GTM).

Проблема не в самой технологии, а в разрыве между разработкой модели и бизнес-исполнением. Недавние исследования Alexander Group показали, что 83% компаний называют отсутствие соответствующих случаев использования основной причиной, по которой они не инвестируют进一步 в ИИ. Это говорит о том, что проблема ROI ИИ может не быть связана с данными, а с стратегическим выравниванием.

Перевод ИИ из экспериментального в операционный требует поддержки со стороны всех областей бизнеса, начиная с операций по доходам (RevOps). От определения случаев использования до обеспечения готовности к развертыванию RevOps может помочь мостить разрыв в ценности ИИ и раскрыть мир возможностей.

RevOps + Наука о данных = Успех ИИ

Модели ИИ не создают ценность сами по себе, и их эффективное развертывание требует больше, чем просто технической изощренности. Хотя команды по науке о данных сосредоточены на построении моделей с использованием стандартных рамок, таких как CRISP-DM, — охватывающих понимание бизнеса, понимание данных, подготовку данных, моделирование, оценку и развертывание, — RevOps является функцией, которая обеспечивает выравнивание этих моделей с реальными бизнес-приоритетами.

Фактически, RevOps часто владеет большей частью жизненного цикла развертывания ИИ, чем типичная команда по науке о данных. Действуя как переводчик между бизнес-стратегией и техническим исполнением, RevOps помогает определять KPI, уточнять цели GTM, и курировать правильные входные данные. Как только модель построена, RevOps проверяет ее выходные данные против реальной бизнес-логики, встраивает ее в существующие системы GTM, автоматизирует рабочие процессы продаж и маркетинга вокруг нее и обучает команды доходов, как интерпретировать и действовать на основе полученных выводов.

Без этой соединительной функции модели ИИ находятся под угрозой продолжения служить высокопотенциальным программным обеспечением на полке.

Стратегическое выравнивание стимулирует осязаемую отдачу от инвестиций

Чтобы получить реальную ценность от ИИ, RevOps и команды по науке о данных должны выравниваться по трем ключевым областям: случаям использования, управлению данными и ясности ролей.

Существует соответствующий случай использования ИИ/МЛ для каждой стадии жизненного цикла клиента. Будь то решение проблем генерации спроса, прогнозирование отказов или расширение клиентов, ИИ может стимулировать влияние на весь жизненный цикл, от базовых моделей машинного обучения до передовых генеративных моделей ИИ.

Обмен данными также имеет решающее значение для обеспечения выравнивания ИИ между RevOps и командами по науке о данных. Вместе эти команды могут построить прочные, объединенные наборы данных для стимулирования успеха ИИ, выравниваясь по общим определениям данных и используя свою объединенную организационную досягаемость для доступа к информации, которую они cần.

Ясные роли и полосы являются ключевыми на протяжении этих движений, с каждой командой, активно участвующей в связывании ИИ с бизнес-результатами. RevOps служит бизнес-переводчиком, выявляя случаи использования, формируя KPI и обеспечивая, что выходные данные модели являются действенными. Тем временем команды по науке о данных остаются тесно вовлеченными, чтобы обеспечить, что их работа соответствует более широким организационным целям стимулирования роста.

Работа не заканчивается там

Обеспечение выравнивания между RevOps и командами по науке о данных не заканчивается проведением совместных заседаний и обменом электронными письмами. Истинная интеграция команд зависит от взаимного, непрерывного обучения и усилий.

Лучшие команды RevOps все чаще увеличивают свои технические знания, чтобы улучшить свои возможности бизнес-перевода, глубже погружаясь в области, такие как бизнес-интеллект и хранилище данных, самообслуживание и анализ, системная администрация и конфигурация, а также поддержка разработки программного обеспечения. С глубокими знаниями более технических тем RevOps может извлечь еще больше выводов с помощью ИИ и говорить на языке команд по науке о данных, чтобы стимулировать успех.

Тем временем лучшие команды по науке о данных остаются в шаге с RevOps, чтобы понять, как меняются бизнес-потребности и цели, включая то, о чем говорит руководство и что оно отдает приоритет, когда происходят рыночные сдвиги. Это означает, что команда по науке о данных тратит больше времени в поле, участвуя в поездках, проводя интервью с клиентами и глядя на решения с точки зрения конечного пользователя, чтобы получить более глубокое, целостное понимание создания ценности.

Пора операционализировать ИИ с RevOps

Раскрытие полного потенциала ИИ не является вопросом больше данных, лучших моделей или даже больших инвестиций — это вопрос объединения основных бизнес-функций, чтобы оказать реальное влияние. Действуя как мост между технической возможностью и коммерческим исполнением, RevOps — в тандеме с командами по науке о данных — обеспечивает, что инициативы ИИ не являются просто экспериментальными. От определения случаев использования высокого влияния и формирования правильной основы данных до стимулирования развертывания и принятия на протяжении всей организации GTM RevOps имеет возможность превратить ИИ из простой идеи в настоящий стимулятор роста.