Hur man övervinner innovationsångest och använder AI/GenAI för att lösa specifika affärsproblem

Nu går vi in i den hektiska säsongen för företagsledningar när chefer från alla avdelningar möts för att utvärdera prestationer och planera för vad som kommer härnäst. Efter ett år med stigande kostnader, ihållande leveransproblem och pågående ansträngningar för att uppfylla hållbarhetsmål, finns det gott om utmaningar. Men ett ämne som fortfarande tycks vara i fokus för alla är artificiell intelligens (AI)/generativ AI (GenAI).

Det är eran av innovationsångest, och ledare uppmanas överväldigande att införa någon form av AI/GenAI-funktionalitet i sina verksamheter så att deras företag inte hamnar på efterkälken. Men mitt i all uppståndelse är det viktigt att komma ihåg att innovation är en process, inte en lösning. För att skapa varaktig effekt måste organisationer säkerställa att alla nya förmågor matchas till specifika behov, utvärderas för risk och kopplas till mätbara affärsresultat.

Här är tre vanliga frågor/utmaningar från företagsledningar och hur AI/GenAI kan hjälpa, tillsammans med exempel från flera branscher där denna innovation redan gör skillnad:

Det känns som om det finns ny teknik som introduceras varje dag, och vår budget är redan ansträngd. Hur kan vi avgöra var vår investering i AI/GenAI-innovation kommer att ge mest avkastning?

Paradoxalt nog, när alla börjar öka takten, är det dags för er ledningsgrupp att sakta ner och fokusera på grunderna. Först och främst, se till att alla är överens om hur ni tänker kring AI/GenAI. AI har funnits i ett tag nu, och på en hög nivå är det bäst att tänka på det som ett verktyg för att analysera data, samla in insikter och arbeta smartare. GenAI är mer outvecklad och handlar om hur man använder alla dessa insikter för att autonomt generera faktiskt innehåll och rekommendationer. Varje företag kan dra nytta av att införa AI/GenAI-förmågor, men det hjälper att demokratisera övergången så att arbetare känner sig värderade.

Företag som vill bygga ett företagsomfattande AI-ekosystem kan ta inspiration från “Kaizen”-metoden som utvecklats av Toyota. Denna metod innebär kontinuerlig förbättring, där team på alla nivåer i organisationen uppmuntras att göra små, inkrementella förändringar för att eliminera slöseri och optimera processer. Inte bara hjälper detta till att identifiera var AI/GenAI kan ha störst inverkan, utan det börjar också främja en “testa-och-lära”-mentalitet som kommer att genomsyra organisationens kultur och resultera i lyckligare, mer produktiva anställda.

Fokusera på: Transportbranschen

I transportbranschen hjälper AI/GenAI företag att förbättra allt från efterfrågeprognoser och lagerhantering till prediktivt underhåll och ruttoptimering. Delta Air Lines använder GenAI för att analysera kunddata och tillhandahålla personliga reseupplevelser, UPS använder sitt AI-drivna ORION-system för att justera leveransrutter när trafikförhållandena förändras, och New York City MTA använder AI för att minska undandragande av avgifter.

När vi expanderar upptäcker vi att kommunikationsgap utvecklas mellan ledningen och funktionella ledare, särskilt IT. Hur kan vi använda AI/GenAI för att skapa mer effektiva interna och externa meddelanden utan att förlora vår autenticitet?

Medan GenAI kan producera anmärkningsvärt realistiska meddelanden, är det viktigt att upprätthålla vissa standarder för att skydda varumärkesryktet. Med andra ord, stil räknas, och människor vill kommunicera på ett sätt som känns äkta. Enligt en nylig undersökning från PwC är det alltmer viktigt att etablera förtroende bland ledningen, konsumenterna och anställda, och 93% av företagsledare är överens om att bygga och upprätthålla förtroende förbättrar resultatet. Detsamma gäller inom en organisation, och det är vanligt att arbetare är försiktiga med nya ledningsdirektiv som låter falska eller misstänksamma mot ny teknik som inte presenteras i rätt sammanhang.

Misskommunikation slösar bort tid och pengar, bromsar innovation och operativ effektivitet. GenAI kan proaktivt hantera detta genom att analysera stora datamängder av tidigare interaktioner (med kunder och anställda) för att modellera potentiella reaktioner, erbjuda realtidsinsikter och fungera som en bro mellan två “språk” (dvs. vad företaget vill säga och hur det tas emot av kunder/anställda). När chefer har realtidsinsikter om prestationen, baserat på AI, kan de bättre anpassa operativa beslut till strategiska mål. Och när arbetare görs till en del av processen genom kontinuerlig utbildning och kompetensutveckling, kan AI/GenAI ses som en tillgång istället för ett hot.

Fokusera på: Detaljhandelsbranschen

Efter pandemin har konsumentbeteendet förändrats dramatiskt, så det är avgörande att detaljhandelsföretag använder AI för att analysera kunddata och tillhandahålla högt personliga tjänster, produktrekommendationer och marknadsföringskampanjer. I stor skala kan AI också användas för att hjälpa till att förutsäga framtida beteende, vilket möjliggör riktade försäljningsinsatser och förbättrad kundanskaffning. Framtiden inom detta område är spännande och redo att helt revolutionera hur vi handlar. Till exempel fortsätter Amazon att förbättra sin AI-aktiverade “Just Walk Out”-teknik som analyserar data från kameror och butikssensorer för att driva butiker utan kassor över hela världen.

I vår bransch hanterar vi stora mängder känslig kundinformation och vi är oroliga för hur införandet av ny teknik kan utsätta vår data för ökade sårbarheter. Vilka är fördelarna med att använda AI/GenAI i dessa branscher, och hur kan vi minimera riskerna?

Liksom inom medicinen är den gyllene regeln inom AI/GenAI-omvandling “Först, skada inte”. Vissa branscher, som hälso- och finansväsendet, har haft en långsammare omfattande AI-antagande på grund av deras komplexa, starkt reglerade miljöer, men det har gjorts stora framsteg inom specifika funktioner. Det mest synliga beviset är inom kundtjänst, där AI-aktiverade chattbotar och virtuella assistenter kan ge 24/7-support och hjälpa till att besvara vanliga logistiska frågor. Till exempel har Bank of Americas AI-aktiverade chattbot “Erica” sedan dess lansering 2018 besvarat 800 miljoner förfrågningar från över 42 miljoner kunder och gett personliga insikter/vägledning över 1,2 miljarder gånger.

Ironiskt nog, trots kvarstående farhågor om säkerhet i känsliga branscher, har AI/GenAI haft en nett positiv effekt inom området för bedrägeridetektering. Bedrägeri är ett utbrett problem inom finans som bara blir värre, och experter förutspår att bedrägeri inom bankväsendet kommer att kosta branschen 48 miljarder dollar till 2029. AI-algoritmer kan gå igenom stora datamängder för att identifiera avvikelser som kan indikera bedrägeriaktivitet, och säkerhetsteam kan etablera trösklar för misstänkt aktivitet, vilket utlöser ingripanden endast när dessa trösklar överskrids. GenAI kan också hjälpa till att automatisera vissa rutinuppgifter (datainmatning, avstämning etc.) och frigöra tid för team att fatta mer nyanserade beslut (kreditgodkännanden, förfall etc.) som drar nytta av djupare mänsklig analys.

Fokusera på: Bankbranschen

År 2021 lanserade PNC PINACLE, ett kassahanteringsprogram som använder AI och maskinlärande (ML) för att träna från ett företags historiska data. När modulen är tränad kan den uppdateras dagligen och producera en rullande prognos för att hjälpa till att förutsäga framtida kassaflöde, minska versionskontrollproblem och få bättre insikt i nuvarande och framtida kassalägen för olika scenarier. AI hjälper också till att ge investerare, särskilt de som fokuserar på hållbarhet, mer makt. Morgan Stanley råder att AI:s analytiska förmågor kan hjälpa till att “identifiera företag med starka ESG-prestationer, mildra risker och forma portföljer som bättre överensstämmer med hållbarhetsmål.”

Att sätta tonen för 2025

Företag har en unik möjlighet att optimera sina verksamheter med AI/GenAI, men en sådan omvandling kräver disciplin. Inför nästa år måste ledningen göra det tydligt att: (1) förändring är ett lagspel; (2) avkastningen på alla nya tekniker måste kopplas till specifika affärsresultat; och (3) hastighet utan riktning skapar kaos. Genom att stänga av hype och fokusera på meningsfull effekt kommer organisationer att vara redo för varaktig framgång i denna spännande nya era av innovation.