คู่มือผู้ดำเนินการในการสร้าง ROI จาก AI

สำหรับทุกข้อดีของการบูมด้านปัญญาประดิษฐ์ (AI) ก็ได้สร้างความท้าทายหลักสำหรับผู้ดำเนินการด้วย โดย尽管มีการลงทุนอย่างมีนัยสำคัญในการนำ AI มาใช้ แต่ผู้ดำเนินการหลายรายยังไม่ได้เห็น ROI ที่มีความหมายเกิดขึ้นบนงบดุล

ในความเป็นจริง การใช้จ่ายทั่วโลกในการนำ AI มาใช้คาดว่าจะถึง 632 พันล้านดอลลาร์สหรัฐฯ ภายในปี 2028 แต่การวิเคราะห์ของ MIT พบว่าเพียง 5% ของการนำ AI มาใช้ในองค์กรที่สามารถสร้างผลตอบแทนทางการเงินได้จริง โดยส่วนใหญ่ไม่ได้สร้าง ROI เลย ซึ่งทำให้เกิดแรงกดดันที่เพิ่มขึ้นต่อผู้ดำเนินการในการเปลี่ยนเงินให้เป็นผลกระทบ ซึ่งมักจะส่งผลให้ใช้ทรัพยากรไปกับการทดลองที่ล้มเหลวหรือการลงทุนอย่างเร่งด่วนในโซลูชันที่ดูสัญญาสัญญาว่าจะประสบความสำเร็จบนกระดาษ แต่ไม่ประสบความสำเร็จในทางปฏิบัติ

ความเป็นจริงคือความสำเร็จในยุค AI จะไม่ได้ถูกกำหนดโดยความใหม่หรือความซับซ้อนของเทคโนโลยีใหม่ แต่โดยความสามารถของทีมในการเข้าใจความท้าทายพื้นฐานและเลือกโซลูชันที่ใช้เทคโนโลยีที่สามารถสร้างมูลค่าที่แท้จริงได้ ไม่มีวิธีแก้ปัญหาแบบง่ายๆ ในการทำสิ่งนี้ให้ถูกต้อง แต่มีหลายสิ่งที่สามารถช่วยให้ทีมของคุณเคลื่อนไปในทิศทางที่ถูกต้องได้

หลีกเลี่ยงภาษีเร่งด่วน

อุปสรรคหลักในการสร้าง ROI จาก AI คือการปล่อยให้ความกลัวที่จะถูกทิ้งไว้เบื้องหลังเป็นแนวทางในการตัดสินใจ เมื่อแนวคิดนี้มีอิทธิพลต่อกลยุทธ์ องค์กรสามารถจ่ายภาษีเร่งด่วนได้ โดยใช้เวลา พลังงาน และทรัพยากรที่มีค่าในการพยายามที่จะตามทันเทรนด์ใหม่ๆ

ทั้งภายในและภายนอกสามารถกระตุ้นให้เกิดแรงกดดันนี้ เมื่อผู้นำเห็นคู่แข่งที่มีความสามารถ AI ใหม่ๆ การตกอยู่ในกับดักการเปรียบเทียบสามารถเกิดขึ้นได้ และสิ่งที่เริ่มต้นด้วยความปรารถนาที่จะอยู่ในระดับเดียวกันสามารถเปลี่ยนเป็นการแข่งขันที่ตอบสนองได้อย่างรวดเร็ว

การลงทุนที่ทำจากจุดเริ่มต้นนี้ล้มเหลวเนื่องจากหลายสาเหตุ แต่หนึ่งในสาเหตุที่พบบ่อยที่สุดคือการเตรียมพร้อมที่ไม่เพียงพอ ในขณะที่คู่แข่งอาจเสนอสินค้าหรือบริการที่คล้ายคลึงกัน แต่พื้นฐานข้อมูลหรือความเป็นมืออาชีพในการดำเนินงานขององค์กรอาจไม่แข็งแกร่งพอที่จะรองรับเทคโนโลยีเท่าเดียวกัน ทำให้สิ่งที่ดูเหมือนจะเป็นการเคลื่อนไหวเชิงกลยุทธ์กลายเป็นการเดิมพันที่มีความเสี่ยง

ดังนั้น ผู้จัดการและผู้อำนวยการซึ่งอยู่ใกล้กับการดำเนินงานประจำวันจึงมักจะอยู่ในตำแหน่งที่ดีที่สุดในการแจ้งการตัดสินใจด้านเทคโนโลยี เมื่อเทคโนโลยีที่ดูเหมือนจำเป็นต้องมาตลาด ทีมเหล่านี้ควรได้รับมอบหมายให้ประเมินก่อนว่ามีปัญหาอย่างชัดเจนที่สามารถแก้ไขได้หรือไม่ และว่าองค์กรพร้อมที่จะรองรับเทคโนโลยีนั้นหรือไม่ เนื่องจากพวกเขาเข้าใจว่าความเสี่ยงอยู่ที่ไหน เวลาถูกสูญเสียไปที่ไหน และเทคโนโลยีอาจมีผลกระทบได้ที่ไหน พวกเขาจึงสามารถช่วยให้การตัดสินใจเกี่ยวกับ AI มีเหตุผลและเป็นจริงมากกว่าการไล่ตามความใหม่ๆ

การตรวจสอบจักรยาน

อีกหนึ่งอุปสรรคทั่วไปในการจัดซื้อเทคโนโลยีคือการซื้อมากเกินไป ซึ่งแตกต่างจากภาษีเร่งด่วนเนื่องจากเกิดขึ้นหลังจากที่ตัดสินว่ามีความต้องการที่แท้จริงและคุณพร้อมที่จะซื้อโซลูชัน AI แล้ว ในจุดนี้ คำถามไม่ใช่ “เราต้องการอะไร” แต่เป็น “เราต้องการอะไรจริงๆ”

ปัญหานี้พบได้บ่อยโดยเฉพาะในอุตสาหกรรมที่มีประวัติยาวนาน เช่น การขนส่ง ซึ่งเปลี่ยนจาก 0 ถึง 60 ด้วยความเป็นไปได้ทางเทคโนโลยีในไม่กี่ปีที่ผ่านมา ที่ไหนที่เราเคยต้องเผชิญกับความซับซ้อนที่ทันสมัยด้วยระบบและกระบวนการเก่าๆ แต่ปัจจุบันเราต้องเลือกจากรายการสินค้าเทคโนโลยีที่ไม่สิ้นสุดจากผู้ให้บริการที่สามหรือการพัฒนาภายใน

การตรวจสอบจักรยานสามารถช่วยได้มากก่อนที่จะถึงจุดซื้อ สิ่งนี้ท้าทายผู้ตัดสินใจให้ตอบคำถามง่ายๆ ว่า: เราต้องการเฟอร์รารี่หรือจักรยาน? ทีมเทคโนโลยีที่มีความทะเยอทะยานรักในการฝันใหญ่ และผู้ให้บริการที่สามมักจะพยายามนำเสนอโซลูชันที่ดีที่สุดของตนออกมาในทันที ทั้งสองอย่างนี้ถูกต้อง แต่การลงทุนในพลังเฟอร์รารี่ไม่มีเหตุผลเมื่อจักรยานจะพาคุณไปถึงที่คุณต้องการ

การตรวจสอบด้วยเมตริก

วิธีหนึ่งในการตัดสินใจนี้คือการเข้าใจปัญหาที่คุณพยายามแก้ไขผ่านสามระดับของเมตริก: ระดับหลัก ระดับที่สอง และระดับที่สาม การประเมินทั้งสามอย่างนี้จะช่วยให้เข้าใจว่าความเสี่ยงอยู่ที่ไหน การทำงานที่เหมาะสมดูเหมือนอย่างไรที่แต่ละระดับ และการลงทุนเท่าใดที่จำเป็นในการปิดช่องว่าง

เมตริกระดับที่สามแสดงถึงพฤติกรรมในการดำเนินงานที่สำคัญ ความไม่มีประสิทธิภาพที่สำคัญมักจะอาศัยอยู่ที่ระดับนี้ และโซลูชันที่ระดับจักรยานที่ช่วยให้สามารถปรับปรุงได้ เช่น การจับข้อมูลที่สะอาดและกระบวนการที่มีประสิทธิภาพมากขึ้น สามารถมีผลกระทบใหญ่ด้วยการลงทุนที่ค่อนข้างน้อย

เมตริกระดับที่สองสะท้อนถึงปัจจัยที่ขับเคลื่อนประสิทธิภาพที่แท้จริง เช่น อัตราการแปลงลูกค้า และปัจจัยอื่นๆ ที่ทีมสามารถมีอิทธิพลผ่านการเพิ่มประสิทธิภาพได้ การแก้ไขความไม่มีประสิทธิภาพที่นี่มักต้องการอะไรที่ซับซ้อนกว่าจักรยาน แต่น้อยกว่าเฟอร์รารี่ เช่น การอัตโนมัติที่ซับซ้อนซึ่งสามารถจัดการข้อมูลขนาดใหญ่ได้

เมตริกระดับหลักคือหินขนาดใหญ่ เช่น รายได้ นี่คือที่ที่โซลูชันระดับเฟอร์รารี่มักจะปรากฏขึ้น ซึ่งเป็นเทคโนโลยีที่มีราคาแพงซึ่งสัญญาว่าจะมีผลกระทบอย่างมีนัยสำคัญต่อบรรทัดล่าง อย่างไรก็ตาม สิ่งสำคัญคือต้องจำไว้ว่าหากไม่ได้แก้ไขความท้าทายระดับที่สองและระดับที่สามก่อน โซลูชันเหล่านี้อาจไม่บรรลุผลตอบแทนที่แท้จริง

การลงทุนที่เล็กและเป็นเป้าหมายที่ระดับต่ำกว่านี้มักเป็นจุดเริ่มต้นที่ดีที่สุด เนื่องจากมักจะให้ผลลัพธ์อย่างรวดเร็ว นอกจากนี้ยังสร้างโอกาสให้เรียนรู้ว่าสิ่งใดที่ได้ผลในขณะที่ให้ผลตอบแทนที่เพิ่มขึ้นซึ่งสะสมตลอดเวลา ในที่สุดก็ช่วยให้สร้างผลกระทบที่เท่ากันหรือมากกว่าการลงทุนที่ใหญ่กว่า โดยมีความเสี่ยงที่น้อยกว่ามาก

ด้วยการตรวจสอบจักรยานและเฟรมเวิร์กเมตริกสามระดับนี้ องค์กรสามารถลดความเสี่ยงโดยการปรับขนาดโซลูชันให้เหมาะสมกับปัญหา จุดสำคัญไม่ใช่การหลีกเลี่ยง AI ที่ซับซ้อน แต่เพื่อเริ่มต้นด้วยการแก้ไขปัญหาที่มีผลกระทบมากที่สุดด้วยการลงทุนที่ต้องการน้อยที่สุด และปรับขนาดจากที่นั่น

เป็นกลยุทธ์เกี่ยวกับคู่ค้าสตาร์ทอัพ

การเพิ่มขึ้นของการลงทุนใน AI ที่เกี่ยวข้องกับสตาร์ทอัพได้ทำให้ตลาดมีผู้เข้าใหม่จำนวนมาก สตาร์ทอัพเหล่านี้จะเข้ามาพร้อมกับการเสนอขายที่สัญญาว่าจะมีนวัตกรรมและผลลัพธ์ที่น่าเชื่อถือเพียงพอที่จะชักชวนให้ทีมจัดซื้อที่มีความรอบคอบที่สุด

แต่ผู้ซื้อควรระวัง: ทั้งผลิตภัณฑ์และบุคคลที่อยู่เบื้องหลังผู้เข้าใหม่เหล่านี้มักจะไม่ได้รับการพิสูจน์แล้ว การเป็นผู้ใช้เริ่มแรกมีความเสี่ยงที่ชัดเจน รวมถึงความเป็นไปได้ที่คุณอาจสร้างผลิตภัณฑ์ขึ้นพร้อมกับพวกเขาโดยไม่ได้ตั้งใจ ในขณะที่สิ่งนี้อาจให้ผลดี แต่ควรเป็นทางเลือกที่ตั้งใจไว้ — เนื่องจากเมื่อคุณพยายามที่จะย้ายเข็มที่ปัญหาเชิงการเงิน คุณไม่ควรใช้ทรัพยากรที่มีค่าในการช่วยให้ผู้ขายปรับปรุงการอัปเดตใหม่ๆ ของตน

เมื่อผู้ขายถูกผสมผสานเข้าด้วยกัน ผลลัพธ์ส่วนใหญ่จะอยู่นอกการควบคุมของคุณ แผนการทำงาน ความสามารถในการปรับขนาดการสนับสนุนลูกค้า ดินามิกของราคาส่วนต่างๆ และความสามารถในการรักษาความสามารถในการทำงานเมื่อเติบโตขึ้นนั้นสามารถเปลี่ยนแปลงได้ การเปลี่ยนแปลงเหล่านี้สามารถกำหนดคุณค่าระยะยาวของการเป็นหุ้นส่วนในทางที่ไม่สามารถมองเห็นได้ที่จุดเริ่มต้น

การนำทางความไม่แน่นอนนี้ต้องใช้ความอดทนและความสามารถในการแยกแยะในตอนต้น การใช้เวลาในการตรวจสอบโซลูชันผ่านการแสดงแนวคิด การทำความเข้าใจพันธกรณีตามสัญญาก่อนที่จะรวมเข้าด้วยกันอย่างลึกซึ้ง และพูดโดยตรงกับผู้ใช้ที่มีอยู่จะช่วยให้ทีมเลือกผู้ให้บริการที่พร้อมที่จะส่งมอบคุณค่าตลอดชีวิตของการเป็นหุ้นส่วน

การสร้าง ROI จาก AI

เมื่อรวมกันแล้ว การพิจารณาเหล่านี้เน้นย้ำถึงความเป็นจริงที่ว่าการฝึกฝนความสามารถในการแยกแยะอย่างเข้มงวดเป็นปัจจัยที่สำคัญที่สุดในการสร้าง ROI จาก AI เมื่อทีมมุ่งเน้นไปที่การระบุความเสี่ยงที่แท้จริง ผลลัพธ์จะดีขึ้นเนื่องจากความไม่มีประสิทธิภาพถูกเอาออก และเวลาได้รับการจัดสรรใหม่ให้กับงานที่มีคุณค่าสูงกว่า นั่นคือสิ่งที่ ROI ที่แท้จริงดูเหมือน และสามารถทำได้เท่านั้นผ่านความมีวินัย ความชัดเจน และการตัดสินใจที่มีเหตุผลซึ่งให้ประโยชน์ต่อบรรทัดล่างในระยะยาว 生成 ROI จาก AI เมื่อทีมมุ่งเน้นไปที่การระบุความเสี่ยงที่แท้จริง ผลลัพธ์จะดีขึ้นเนื่องจากความไม่มีประสิทธิภาพถูกเอาออก และเวลาได้รับการจัดสรรใหม่ให้กับงานที่มีคุณค่าสูงกว่า นั่นคือสิ่งที่ ROI ที่แท้จริงดูเหมือน และสามารถทำได้เท่านั้นผ่านความมีวินัย ความชัดเจน และการตัดสินใจที่มีเหตุผลซึ่งให้ประโยชน์ต่อบรรทัดล่างในระยะยาว