AI:s takt: Nästa fas i innovationens framtid

Sedan ChatGPT uppkom, har världen gått in i en AI-boomcykel. Men det som de flesta människor inte förstår är att AI inte är något nytt – det har funnits i ganska lång tid. Redan i de tidiga dagarna av Googles allmänt använda sökmotor, var automatisering i hjärtat av resultaten. Nu börjar världen att vakna och inse hur mycket AI redan är inbäddat i våra dagliga liv och hur mycket outnyttjad potential det fortfarande har.

Takten i AI-antagande och innovation går så snabbt – nådde runt 1 biljon dollar i utgifter – att många undrar om vi kan förutsäga expansionen av framtida modeller ens två år från nu. Detta drivs ännu mer av tekniska företag som Meta, Alphabet, Microsoft, Oracle och OpenAI, som avslöjar omgång efter omgång av nya AI-framsteg och modeller för att försöka hålla jämna steg med branschens efterfrågan. AI-chiptillverkaren Nvidia växer så snabbt att dess verksamhet inte ens kan värderas ordentligt.

Vad vi vet om AI-takten är att allteftersom datamängden ökar och datakvaliteten fortsätter att förbättras, kommer AI:s förmåga att driva innovation för affärsaktiviteter, applikationer och processer över alla branscher att öka. För att uppskatta var AI kommer att vara om bara några år, måste vi först förstå att användningsfallen för AI är tvåfaldiga. Det första är att det är en teknik aktiverare, som förbättrar befintliga lösningar för att göra dem mer effektiva, exakta och effektiva. Det andra är att AI har potentialen att vara en teknik innovatör genom att göra otänkbara framsteg eller lösningar möjliga.

Omprövning av AI:s takt genom historien

Även om det känns som att buzzet kring AI började när OpenAI lanserade ChatGPT 2022, går ursprunget till artificiell intelligens och naturlig språkbehandling (NLPs) tillbaka decennier. Algoritmer, som är grunden för AI, utvecklades först på 1940-talet, vilket lade grunden för maskinlärande och dataanalys. Tidiga användningar av AI inom branscher som supply chain management (SCM) går tillbaka till 1950-talet, med automatisering för att lösa problem inom logistik och lagerhantering. På 1990-talet var data-drivna metoder och maskinlärande redan vanliga inom affärer. När 2000-talet framskred, strömlinjeformade tekniker som robotisk processautomatisering (RPA) meniala uppgifter över många komplexa och administrativa affärsfunktioner.

Sedan kom ChatGPT. Det är mycket tydligt att uppfattningen om AI har förändrats på grund av generativ AI. Innan GenAI:s tillkomst, förstod konsumenterna inte mekanismen bakom automatisering, än mindre kraften i automatisering för företag. AI ligger till grund för mycket av vår moderna teknik, som Google-sökningen. De flesta konsumenter litar på Google för att leverera exakta svar på otaliga frågor, men de överväger sällan de komplexa processer och algoritmer som ligger bakom resultaten på deras datorskärm. Men att se är att tro – med ChatGPT, började världen att se verkliga användningsfall. Trots allt finns det en missuppfattning om hur integrerad AI är i våra dagliga liv – även i affärsvärlden. Som nämnts ovan, möjliggör AI befintlig teknik att bli bättre och, likt Intels mikrochip, sitter AI i bakgrunden av de tekniker vi använder varje dag.

Om ledare inte kan förstå omfattningen av AI, hur kan de då förväntas att framgångsrikt anta AI i sin dagliga affärsverksamhet? Det är exakt problemet.

Utmaningar för antagande och tillväxt

Om någon skulle fråga ett GPT-verktyg, “Vad säger inköps- och supply chain-proffs om AI?”, skulle det troligen betona kunskapsluckorna relaterade till AI-antagande. Globalt sett ökade AI-antagandet exponentiellt under det senaste året efter begränsad tillväxt under tidigare år. Under de senaste sex åren, sa endast 50% av affärsledare att de investerade i AI-teknik över hela sin verksamhet. 2024 ökade antagandet till 72%, vilket visar att affärsledare precis börjar vakna till AI:s potential att förbättra sin organisation över alla affärsområden.

Att förverkliga AI:s fulla värde kräver mer än att bara distribuera toppmoderna lösningar. Det kräver tillgång till rätt data – data som ger rik kontext på faktiska affärsutgifter, leverantörsprestationer, marknadsdynamik och verkliga begränsningar. Otillräcklig tillgång till data innebär liv eller död för AI-innovation inom företaget. Minst 30% av alla GenAI-projekt förväntas överges på grund av dålig datakvalitet, liksom andra utmaningar som otillräckliga riskkontroller, ökande kostnader eller oklar affärsnytta. Men det finns många andra utmaningar som företag möter när de antar AI och tar det till skala.

I stora organisationer är det tyvärr vanligt att ha silos som kan utsätta företag för stora risker. Ta till exempel supply chain-branschen. Supply chain spelar en kritisk roll inom affärsstrategi och för stora, globala organisationer är den sammanlänkade skalan i sektorn nästan ofattbar. Om en aspekt av företaget fungerar i en silo, kan det sätta hela organisationen i stor fara. Om supply chain-team inte kommunicerar förändringar i efterfrågan till sina leverantörer, hur kan ledare då förväntas skapa exakta prognoser? Om försäljningsteam inte kommunicerar uppdaterade prognoser till inköp, kan de säkra långsiktiga kontrakt baserat på föråldrad information, vilket kan låsa in avtal som inte stämmer överens med nuvarande kundbehov.

Antingen det är en organisatorisk eller informationsmässig silo, kan bristen på kommunikation leda till en nedbrytning av kundservice, skapa ineffektivitet och en total avsaknad av innovation. AI kan visa sin värdering i att hantera dessa silos: om deras teknik är effektivt ansluten, kan deras anställda och leverantörer också vara det.

Affärsledare investerar aktivt i AI-drivna lösningar för att driva processautomatisering, strategisk inköp, utgiftsöversikt och kontroll, samt total vinst. För att lyckas med dessa AI-kapaciteter och uppnå sina totala mål för utgiftshantering, måste företag arbeta tillsammans för att främja transparens och arbeta mot ett gemensamt mål.

Nästa evolution för AI

Just nu är den bästa användningen av AI som faktiskt driver affärseffektivitet och tillväxt att automatisera enkla, administrativa uppgifter. Oavsett om det är arbetsflödeseffektivitet, dataextraktion och analys, lagerhantering eller prediktivt underhåll, inser ledare att AI kan påskynda monotona, tidskrävande uppgifter i en aldrig tidigare skådad takt och med extrem precision. Även om det verkar enkelt, kan användningsfall som dessa i branscher som supply chain eller inköp spara företag otaliga timmar och miljarder dollar.

Vi har diskuterat AI som en teknikaktiverare – men det finns fortfarande outnyttjad potential för AI att bli en teknik innovatör. När vi står inför en ny år, finns det många AI-framsteg som affärsledare bör hålla utkik efter, precis över horisonten.

För supply chain-hantering och inköp specifikt, kommer en av dessa framsteg att vara förbättringar i autonom inköp. Genom att utnyttja AI och andra avancerade tekniker, kan företag automatisera uppgifter som traditionellt förlitade sig på människor, som inköp och kontrakt, för att driva effektivitet och frigöra resurser genom att låta AI analysera stora mängder data, identifiera trender och fatta informerade inköpsbeslut i realtid. Fullt autonomt inköp erbjuder inte bara oöverträffade kostnadsbesparingar genom att spara anställdas tid, främja effektivitet och minska fel, utan kan också mildra risken för bedrägeri och förfalskning genom att kontinuerligt säkerställa efterlevnad av etiska och hållbarhetsstandarder.

Men innan man inför autonomt inköp, bör företag fokusera på att leverera en användarupplevelse (UX) som är intuitiv, effektiv och lätt att navigera för både inköpsteam och leverantörer. När en hyperpersonlig UX skapas, kan företag sammanhängande implementera autonoma lösningar.

Resultatet av AI är inte bara att förbättra företagens ROI, utan också att förbättra beslutsfattande, förutsäga framtida mönster och bygga motståndskraft. C-nivåchefer över hela världen ser alltmer AI-teknik som en nödvändighet för att omvandla och framtidsäkra sina operationer genom automatisering. Med tiden, liksom varje annan teknik före det, kommer AI att bli alltmer billigt medan värdet av dess utdata kommer att fortsätta att öka. Detta ger oss många skäl att vara optimistiska om AI:s framtid och den balanserade roll den kommer att spela i våra liv – både i affärer och privat.