เสริมศักยภาพองค์กรด้วยแพลตฟอร์ม AI

ทั่วทั้งอุตสาหกรรม ฉันเห็นรูปแบบเดียวกัน: กรณีการใช้งาน AI ที่มีค่าแรกสุดไม่เคยมาจากคณะกรรมการอำนวยการ แต่มาจากทีมที่ใกล้กับแรงเสียดทานการดำเนินงานมากที่สุด

ฉันใช้เวลาอยู่กับทีมผู้นำมาก โดยตอบคำถามเดียวกัน: “เราลงทุนใน AI แล้ว แต่ธุรกิจมีค่าใช้จ่ายใดบ้าง?” เป็นคำถามที่เป็นธรรม และคำตอบที่ตรงไปตรงมา คือ สำหรับองค์กรส่วนใหญ่ ค่าใช้จ่ายไม่ปรากฏขึ้นอย่างรวดเร็ว RAND ประมาณการว่ามากกว่า 80% ของโครงการ AI ล้มเหลว ซึ่งมากกว่าโครงการ IT ที่ไม่ใช่ AI ถึงสองเท่า การวิจัยของ BCG ก็ไม่น่าปลาบปลื้มเช่นกัน: ในปลายปี 2025 60% ของบริษัทไม่ได้สร้างมูลค่าที่สำคัญใดๆ จาก AI และเพียง 5% เท่านั้นที่สร้างมูลค่าที่สำคัญ MIT’s NANDA initiative ระบุว่าเพียง 5% ขององค์กร AI ที่สร้างขึ้นในองค์กรสามารถเพิ่มรายได้อย่างรวดเร็วได้

ทำไมจุดหน้าเป็นที่ที่ค่าเริ่มต้น

ในองค์กรใดๆ ที่มีประชากรพนักงานที่มีความรู้สูง ค่าใช้จ่ายมักจะพบได้ง่ายหากคุณถามคนถูกต้อง และมันใหญ่กว่าการถาม chatbot ให้สรุปเอกสาร ความเป็นไปได้จริงๆ คือ AI ที่ฝังตัวในกระบวนการดำเนินงาน เราใช้แพลตฟอร์ม low-code ในการบัญชีเพื่อเร่งการประมวลผลใบแจ้งหนี้และตอบคำถามบัญชีจ่ายโดยอัตโนมัติ ในการสนับสนุนลูกค้า ตัวแทนสามารถจัดลำดับความสำคัญของกรณีที่เข้ามา ดึงประวัติลูกค้า และสร้างคำตอบสำหรับการทบทวนของมนุษย์ ซึ่งสามารถปรับปรุงอัตรการตอบสนองและความพึงพอใจของลูกค้าได้อย่างมีนัยสำคัญ สิ่งเหล่านี้เป็นกระบวนการหลายขั้นตอนที่ครอบคลุมระบบต่างๆ ต้องการการตัดสินใจและอยู่ใกล้กับคนๆ ที่รู้ว่าความเสียดสานั้นอยู่ที่ไหน พวกเขาไม่ต้องการระยะการค้นพบหกเดือนเพื่อบอกว่าอะไรผิด พวกเขาต้องเผชิญกับมันทุกวัน

มีสองวิธีที่ทำงานร่วมกัน คือ การให้อำนาจพนักงานด้วยเครื่องมือ AI ที่มีการควบคุมและ low-code/no-code เพื่อให้พวกเขาสามารถปรับปรุงกระบวนการทำงานของตนเอง และการสร้างหน้าที่วิศวกรรม AI สำหรับทีมธุรกิจสำหรับกรณีการใช้งานที่ยากขึ้น ทั้งสองวิธีนี้สร้างมูลค่า และองค์กรที่แข็งแกร่งที่สุดทำทั้งสองอย่าง แต่ไม่มีอะไรขยายตัวโดยไม่มีแพลตฟอร์มที่ใช้ร่วมกันสำหรับการระบุตัวตน การเข้าถึง ข้อมูล การผสานรวม และการดำเนินงาน

ช่องว่างระหว่างการบินและการผลิตคือปัญหาแพลตฟอร์ม

หลายองค์กรติดอยู่ในการถกเถียงว่าจะใช้แบบจำลองใด นั่นสำคัญ แต่ไม่ใช่ข้อจำกัดหลัก ปัญหาใหญ่กว่าคือความตั้งใจของแพลตฟอร์ม ทีมสามารถสร้างต้นแบบได้อย่างรวดเร็ว แต่ไม่สามารถใช้งานได้อย่างต่อเนื่องในองค์กรเมื่อไม่มีฐานร่วม: การควบคุมการเข้าถึงและการระบุตัวตนที่ทีมธุรกิจสามารถใช้ได้ ขอบเขตข้อมูลที่ชัดเจน รูปแบบการผสานรวมที่สามารถใช้ซ้ำได้ และกระบวนการที่เป็นไปได้ในการทบทวน การเผยแพร่ และการตรวจสอบ S&P Global พบ (SPGI ) ว่าองค์กรโดยเฉลี่ยทิ้ง 46% ของการ chứng明แนวคิด AI ก่อนที่จะถึงการผลิต

นี่คือเหตุผลที่แพลตฟอร์มข้อมูลมีความสำคัญมาก AI ที่พร้อมใช้งานไม่ใช่สิ่งที่ดี แต่เป็นกุญแจสำคัญในการประสบความสำเร็จในการผลิต โดยไม่มีข้อมูลที่เชื่อถือได้ เข้าถึงได้ และมีการควบคุมตามนโยบาย แม้แต่กรณีการใช้งานที่แข็งแกร่งก็หยุดชะงัก

กับดักข้อมูล และเหตุผลที่คุณไม่ควร等待

สิ่งนี้คือสิ่งที่หยุดโปรแกรมส่วนใหญ่: ข้อมูล Gartner คาดการณ์ ว่าจนถึงปี 2026 องค์กรจะละทิ้ง 60% ของโครงการ AI ที่ไม่ได้รับการสนับสนุนจากข้อมูล AI ที่พร้อมใช้งาน การตอบสนองตามปกติคือการเปิดตัวโปรแกรมแพลตฟอร์มข้อมูลขนาดใหญ่ ก่อนอื่นให้ปรับปรุงทุกสิ่งให้สมบูรณ์แบบ และทำ AI ต่อไป

ลำดับนั้นดูเป็นระเบียบ แต่มักจะชะลอการสร้างมูลค่าหลายปี การปรับปรุงแพลตฟอร์มข้อมูลเป็นสิ่งจำเป็นและไม่สามารถหลีกเลี่ยงได้ แต่ก็ใช้เวลาหลายปีในองค์กรส่วนใหญ่ หากทุกกรณีการใช้งาน AI ต้องรอจนกว่าโครงสร้างพื้นฐานจะเสร็จสิ้น ความมั่นใจของผู้บริหารจะเสื่อมลงก่อนที่ผลลัพธ์ที่มีความหมายจะมาถึง

วิธีการที่ดีกว่าคือการดำเนินการขนานกัน: ยังคงสร้างแพลตฟอร์มข้อมูลองค์กรในขณะเดียวกันก็ให้ความสำคัญกับการเปิดใช้งาน AI ในพื้นที่กระบวนการที่มีแรงเสียดสันการดำเนินงานสูงสุด

การกำกับดูแลแบบ Just-in-Time สำหรับกระบวนการทำงานที่มีแรงเสียดสันสูง

เริ่มต้นด้วยการระบุกระบวนการที่มีปัญหา ไม่ใช่การวางแผนเทคโนโลยี ระบุว่ากระบวนการใดที่มีแรงเสียดสันสูงสุดและผลกระทบทางธุรกิจที่ชัดเจนที่สุด: วงจรการเรียกเก็บเงินที่ล่าช้า การแก้ไขกรณีที่ช้า การอนุมัติที่มีข้อยกเว้นสูง การค้นหาข้อมูลซ้ำๆ หรือการปรับสมดุลแบบแมนนวล จากนั้นจึงมุ่งเน้นไปที่การเปิดใช้งาน AI สำหรับกระบวนการเหล่านั้นก่อน

ใช้การกำกับดูแลแบบ Just-in-Time เพื่อให้สามารถทำได้ แทนที่จะพยายามควบคุมทุกอย่างล่วงหน้า ให้ควบคุมเฉพาะข้อมูลที่จำเป็นสำหรับกรณีการใช้งานที่ให้ความสำคัญเมื่อกรณีการใช้งานนั้นพร้อมที่จะเคลื่อนไหว ทีมข้ามฟังก์ชันที่เล็กๆ สามารถตัดสินใจเรื่องการเป็นเจ้าของ การเข้าถึง คุณภาพ และการควบคุมในไม่กี่วัน ไม่ใช่หลายเดือนในรอบการประชุม

ใช้การควบคุมเพียงพอเพื่อให้ตรงกับความเสี่ยงจริง กรณีการใช้งานที่จัดการเนื้อหาสินค้าให้กับสาธารณะไม่ต้องการการป้องกันเช่นเดียวกับกรณีที่จัดการข้อมูลส่วนบุคคลของลูกค้า แบบจำลองความเสี่ยงที่สอดคล้องกันจะช่วยปกป้ององค์กรในขณะเดียวกันก็รักษาความเร็วในการส่งมอบ และลดพฤติกรรม AI ที่ไม่เป็นทางการที่เกิดขึ้นเมื่อเส้นทางอย่างเป็นทางการช้าเกินไป

แบ็คล็อกคือสะพานเชื่อมถึงความพร้อมของข้อมูลเต็มรูปแบบ

การนำ AI ไปใช้ในการทำงานหน้าจุดควรสร้างการเรียนรู้แบบมีโครงสร้าง: ข้อมูลใดที่ใช้ ข้อบกพร่องด้านคุณภาพใดที่ปรากฏขึ้น การแปลง nào ที่จำเป็น และการตัดสินใจด้านการกำกับดูแลใดที่ทำ การจับแต่ละช่องว่างเป็นรายการแบ็คล็อกสำหรับการปรับปรุงแพลตฟอร์ม

แบ็คล็อกนั้นกลายเป็นแผนที่ที่ขับเคลื่อนด้วยความต้องการสำหรับการปรับปรุงข้อมูล แทนที่จะเดาใจว่าจะลงทุนก่อนที่ไหน ให้ปรับปรุงชุดข้อมูลและผลิตภัณฑ์ข้อมูลที่เชื่อมโยงกับผลลัพธ์ทางธุรกิจที่วัดผลได้ เมื่อเวลาผ่านไป สิ่งนี้จะสร้างวงจรที่เสริมซึ่งกันและกัน: กรณีการใช้งาน AI ในการทำงานหน้าจุดเปิดเผยช่องว่างข้อมูลที่สำคัญที่สุด ทีมแพลตฟอร์มแก้ไขปัญหาเหล่านั้น และคลื่นต่อไปของโซลูชัน AI ออกสู่ตลาดเร็วขึ้นด้วยความเสี่ยงที่ลดลง

ความคิดสุดท้าย: แพลตฟอร์มคือการตัดสินใจ

การตัดสินใจไม่ใช่ “การบินหรือไม่บิน” แต่เป็นว่าคุณจะสร้างแพลตฟอร์ม AI และข้อมูลที่มีการควบคุมหรือไม่ ซึ่งจะช่วยให้องค์กรของคุณเรียนรู้ ส่งมอบ และขยายตัวได้อย่างปลอดภัย

รักษาข้อมูล AI ที่พร้อมใช้งานให้เป็นภารกิจที่สำคัญ ยังคงสร้างแพลตฟอร์มข้อมูลเป็นโปรแกรมเชิงกลยุทธ์ แต่อย่า等待จนกว่าทุกสิ่งจะเสร็จสิ้น ให้优先พื้นที่กระบวนการที่มีแรงเสียดสันสูงสุด เปิดใช้งาน AI และควบคุมข้อมูลแบบ Just-in-Time นั่นคือวิธีที่คุณสร้างมูลค่าในขณะเดียวกันก็สร้างรากฐานที่ยั่งยืนมูลค่าในระดับใหญ่