CIOs ต้องการวิธีที่ดีกว่าในการบันทึกงาน AI ใน IT

ในช่วงสองปีที่ผ่านมา CIOs มีเป้าหมายง่าย ๆ สำหรับ AI ใน IT คือ นำมันเข้าสู่องค์กร ให้ทีมทดลองและดูว่ามันจะช่วยปรับปรุงการให้บริการได้อย่างไร

องค์กร IT ซื้อใบอนุญาต, ดำเนินการทดลองและเพิ่มคุณลักษณะ AI เข้าไปในสแต็กซอฟต์แวร์ที่เต็มไปด้วยฟีเจอร์ สิ่งนี้สมเหตุสมผลในขณะที่ทีมยังกำลังค้นหาว่า AI สามารถทำอะไรได้บ้าง ตอนนี้การใช้จ่ายนั้นอยู่ในงบประมาณจริง และ CFOs ต้องการทราบว่าบริษัทได้รับอะไรจากเงินที่จ่าย.

ปัญหาคือ ตัวเลขหลายตัวที่ CIOs ใช้วัด AI ไม่ได้ตอบคำถามนั้น CIOs สามารถแสดงจำนวนพนักงานที่ใช้ AI ความถี่ในการใช้และเวลาที่พวกเขาบอกว่า AI ประหยัดให้ได้ อย่างไรก็ตาม ฝ่ายการเงินต้องการทราบว่าบริษัทใช้เงินน้อยลงหรือทำงานได้มากขึ้นหรือหลีกเลี่ยงการจ้างคนเพิ่ม

การประหยัดเวลาให้พนักงานห้าชั่วโมงต่อสัปดาห์ดูเหมือนมีคุณค่า แต่บริษัทยังต้องการทราบว่าเวลานั้นทำอะไรไปบ้าง หากพนักงานทำงานได้มากขึ้น หรือทีมสามารถรองรับปริมาณงานที่เพิ่มขึ้นโดยไม่ต้องจ้างคนเพิ่ม บริษัทก็จะเห็นผลลัพธ์ทางการเงิน หากไม่มีการเปลี่ยนแปลงอื่น ๆ การประหยัดเวลานั้นอาจไม่ปรากฏในงบประมาณ.

เมื่อบริษัทใช้จ่ายมากขึ้นกับ AI CIOs จำเป็นต้องระบุรายละเอียดเกี่ยวกับงานที่ AI ทำและต้นทุนของงานนั้นให้ชัดเจนยิ่งขึ้น

เวลาที่ประหยัดไม่ได้หมายความว่าเงินก็ประหยัด

การคำนวณ ROI ของ AI จำนวนมากเริ่มจากเวลาที่เป็นเกณฑ์ เช่น หาก AI ประหยัดเวลาให้พนักงาน 30 นาทีต่อวัน บริษัทสามารถคูณเวลานั้นกับพนักงานหลายพันคนและได้ตัวเลขที่ใหญ่มาก

แต่กระบวนการธุรกิจมักไม่เป็นระเบียบขนาดนั้น งานจะย้ายจากคนหนึ่งไปยังอีกคนหนึ่ง รอการอนุมัติและคอยอยู่ในคิว หาก AI ประหยัดสิบนาทีในส่วนหนึ่งของกระบวนการแล้วงานนั้นต้องรอหกชั่วโมงสำหรับคนอื่น บริษัทจึงไม่ได้รับประโยชน์จากสิบนาทีของความจุที่ใช้ได้

สำหรับ CIOs คำถามที่มีประโยชน์มากกว่าคือ AI ทำให้ประสิทธิภาพของบริการเปลี่ยนแปลงหรือไม่ หากคำขอการเข้าถึงเคลื่อนผ่านคิวได้เร็วขึ้น ตั๋วที่ต้องการการจัดการของมนุษย์น้อยลง หรือค่าใช้จ่ายต่อคำขอลดลง IT สามารถวัดผลลัพธ์โดยใช้เกณฑ์การดำเนินงานเดียวกันที่เคยติดตาม

Aviva เป็นตัวอย่างที่ดี. บริษัทประกันภัยใช้โมเดล AI มากกว่า 80 โมเดลเป็นส่วนหนึ่งของการเปลี่ยนแปลงการดำเนินงานการเคลมและรายงานว่าลดระยะเวลาการประเมินความรับผิดลง 23 วันและลดข้อร้องเรียนลง 65 เปอร์เซ็นต์ ตัวเลขเหล่านี้บอกผู้บริหารว่ามีการเปลี่ยนแปลงอะไรในกระบวนการและให้ฝ่ายการเงินมีสิ่งที่สามารถวัดได้

CIOs ควรนำแนวคิดเดียวกันไปใช้กับการลงทุน AI ของตน ก่อนขยายการทดลอง พวกเขาควรทราบว่าต้องการเปลี่ยนแปลงส่วนใดของธุรกิจและ AI ต้องทำงานเท่าใดเพื่อให้เกิดการเปลี่ยนแปลงนั้น

งานที่ AI ทำให้เสร็จเป็นจุดเริ่มต้นที่ดีกว่า

พิจารณาตัวอย่างคำขอการเข้าถึง IT ที่พบบ่อย Copilot อาจสรุปตั๋วและร่างการตอบกลับ ในขณะที่เจ้าหน้าที่ IT ตรวจสอบนโยบายของบริษัท ยืนยันผู้ร้องขอ รับการอนุมัติ เปลี่ยนสิทธิ์และปิดคำขอ

Copilot อาจช่วยประหยัดเวลาพนักงานไม่กี่นาที แต่ส่วนใหญ่ของงานยังคงเป็นของพนักงาน

ต่อไปพิจารณาระบบ AI ที่สามารถตรวจสอบคำขอตามนโยบายของบริษัท รวบรวมข้อมูลที่ขาดหาย ส่งคำขอเพื่อขออนุมัติ และทำการเปลี่ยนแปลงเมื่อได้รับการอนุมัติ IT สามารถเห็นจำนวนคำขอที่ระบบ AI ทำให้เสร็จ ความถี่ที่พนักงานต้องเข้ามาแทรกแซง และปริมาณงานมนุษย์ที่แต่ละคำขอยังต้องการ

สิ่งนี้ทำให้ CIOs มีวิธีที่ชัดเจนมากขึ้นในการบันทึก AI แทนการประมาณจำนวนนาทีที่เทคโนโลยีประหยัด พวกเขาสามารถวัดปริมาณงานที่ AI ทำเสร็จและต้นทุนของการทำงานนั้น

แนวทางเดียวกันนี้สามารถนำไปใช้กับ การรับพนักงานใหม่, การสนับสนุนภายในและการตอบสนองต่อเหตุการณ์. ส่วนสำคัญคือการมอบความรับผิดชอบให้ AI ทำงานที่บริษัทเข้าใจอยู่แล้วและรู้วิธีวัด

แต่คุณต้องนับงานของมนุษย์ด้วย

ระบบ AI อาจเริ่มต้นคำขอการรับพนักงานใหม่ 1,000 รายการและต้องการให้พนักงานแทรกแซงใน 600 รายการ การบอกว่าทั้ง 1,000 รายการเป็นอัตโนมัติจะทำให้ผู้บริหารเห็นภาพที่ผิดพลาดเกี่ยวกับปริมาณงานที่ AI จัดการจริง

การแทรกแซงเหล่านั้นมีค่าใช้จ่าย หากเจ้าหน้าที่ทำงานบนคำขอเป็นเวลาหลายนาทีแล้วส่งต่อให้พนักงานที่ใช้เวลาอีกยี่สิบนาทีในการทำให้เสร็จ ยี่สิบนาทีเหล่านั้นต้องรวมเป็นต้นทุนของกระบวนการ

ซึ่งหมายความว่า IT จำเป็นต้อง บันทึกของสิ่งที่เกิดขึ้นในแต่ละงาน. ต้องทราบว่า AI ทำอะไรบ้าง ระบบใดที่เข้าถึง ที่ต้องการการอนุมัติเมื่อใด พนักงานเข้ามาแทรกแซงเมื่อไหร่ และงานนั้นเสร็จสมบูรณ์หรือไม่ บันทึกเหล่านี้สามารถใช้เป็นข้อมูลสำหรับมาตรการดั้งเดิมของศูนย์บริการ เช่น เวลาเฉลี่ยในการแก้ไขปัญหา พร้อมกับเพิ่มมาตรการที่สำคัญเฉพาะสำหรับ AI รวมถึงอัตราการแทรกแซงและต้นทุนต่อภารกิจที่เสร็จ

ทีมความปลอดภัยต้องการข้อมูลที่คล้ายกันเมื่อเกิดปัญหา หากระบบ AI ปรับสิทธิ์ผิดหรือทำการที่ไม่ควรทำ พวกเขาต้องสืบค้นเหตุการณ์และทำความเข้าใจสาเหตุ

การบันทึกข้อมูลนั้นทำให้ CIO สามารถวัดผลการลงทุนจากสองด้านได้ พวกเขาเห็นต้นทุนการดำเนิน AI และแรงงานมนุษย์ที่ยังต้องใช้เพื่อดูแลและทำงานให้เสร็จ

ระดับความรับผิดชอบของ AI มีผลต่อด้านเศรษฐศาสตร์

CIO ยังต้องตัดสินใจว่าจะมอบอำนาจให้ AI มากแค่ไหน

ระบบ AI ที่มีสิทธิ์จำกัดอาจต้องให้พนักงานอนุมัติการกระทำหลายครั้ง ซึ่งทำให้คนยังคงมีส่วนร่วม แต่ก็หมายความว่าบริษัทต้องจ่ายค่าแรงมนุษย์เพิ่มขึ้นต่อเนื่อง

การมอบอำนาจมากขึ้นให้ระบบอาจทำให้มันทำงานได้เองมากขึ้น แต่ก็เพิ่มความเสี่ยงที่ IT ต้องจัดการ ระบบที่สามารถสร้างบัญชีหรือเปลี่ยนสิทธิ์ได้อาจทำความเสียหายมากกว่าเมื่อทำผิดพลาดเมื่อเทียบกับระบบที่เพียงแค่แนะนำให้พนักงานทำ การต้นทุนอาจพุ่งสูงโดยไม่คาดคิดเมื่อเอเจนต์ติดลูป ทำซ้ำงานเดิมหรือใช้ทรัพยากรคอมพิวเตอร์มากเกินไปเพราะคำสั่งไม่ชัดเจน ความล้มเหลวเหล่านี้ก็ต้องนำมาพิจารณาในด้านเศรษฐศาสตร์ด้วย

แต่ละบริษัทจะกำหนดเส้นแบ่งนี้ต่างกันตามลักษณะงาน สิ่งสำคัญสำหรับการคำนวณ ROI คือการรู้ว่าขอบเขตอยู่ที่ไหนและสร้างการมีส่วนร่วมของมนุษย์เท่าใด

หากระบบ AI สามารถทำกระบวนการได้อย่างปลอดภัย 90% เศรษฐศาสตร์ของมันอาจแตกต่างอย่างมากจากระบบที่ต้องพึ่งพาพนักงานทุกขั้นตอนครึ่งหนึ่ง

เริ่มจากงานที่มีค่าใช้จ่ายอยู่แล้ว

CIO ที่กำลังวางแผนการใช้จ่าย AI ครั้งต่อไปควรเริ่มจากงานที่ใช้เวลา หรือจำนวนพนักงานอย่างมีนัยสำคัญอยู่แล้ว

คำขอเข้าถึง, การรับพนักงานใหม่, การตอบสนองเหตุการณ์และการสนับสนุนภายในทั้งหมดให้ IT มีข้อมูลที่เป็นรูปธรรมในการวัด บริษัทมักทราบโดยประมาณจำนวนคำขอที่จัดการ เวลาแรงงานของพนักงานที่ใช้และจุดที่งานมักติดขัด

จากนั้น IT สามารถระบุส่วนที่ AI สามารถจัดการได้อย่างปลอดภัยและส่วนที่พนักงานยังต้องเข้ามามีส่วนร่วม แล้วจึงกำหนดเป้าหมายที่คาดหวังจากการลงทุน

ทีมอาจต้องการจัดการตั๋วเพิ่มขึ้น 30% โดยไม่ต้องจ้างเพิ่ม พวกเขาอาจต้องการลดต้นทุนต่อคำขอเข้าถึง หรือให้พนักงานใช้เวลาน้อยลงในงานสนับสนุนประจำเพื่อให้สามารถทำงานที่ค้างอยู่ใน backlog ได้ เมื่อ IT รู้ต้นทุนทั้งหมดของการทำงานด้วย AI รวมถึงการแทรกแซงของมนุษย์แล้ว สามารถตั้งค่าเป้าหมายต้นทุนสำหรับงานนั้นและตัดสินใจว่าการอัตโนมัติคุ้มค่าหรือไม่

เมื่อ AI เริ่มทำงานแล้ว CIO สามารถเปรียบเทียบสิ่งที่คาดหวังกับสิ่งที่เกิดขึ้นจริง พวกเขาเห็น AI ทำงานได้เท่าไหร่ คนต้องแทรกแซงบ่อยแค่ไหน และต้นทุนทั้งหมดของกระบวนการเป็นเท่าไร

สิ่งนี้ทำให้ CIO มีวิธีที่ง่ายขึ้นมากในการพูดคุยเรื่องการใช้จ่าย AI กับฝ่ายการเงิน แทนที่จะพยายามกำหนดมูลค่าเป็นดอลลาร์ให้กับนาทีที่คาดว่าจะประหยัดได้เป็นพัน ๆ พวกเขาสามารถแสดงงานที่ AI ทำ, แรงงานมนุษย์ที่ยังต้องใช้และบริษัทใช้เงินน้อยลงหรือไม่ในการทำงานนั้น