Як монетизація штучного інтелекту переписує правила програмного забезпечення для підприємств

Лідери галузі описали майбутнє, в якому штучний інтелект надається на вимогу та оплачується залежно від того, скільки його використовують, як електрика чи вода. На практиці це означає, що витрати відображають споживання; вони зростають і знижуються разом з активністю, а не фіксуються на місці.

Програмне забезпечення для підприємств давно віддавало перевагу цінуванню за користувача. Незалежно від того, чи організація використовувала систему інтенсивно чи лише періодично, вартість залишалася відносно стабільною. Штучний інтелект змінює це для всіх моделей. Як і в будь-якій системі з оплатою за користування, не кожен запит потребує однакової кількості потужності. Прості запити потребують мало обробки, тоді як більш складні завдання можуть споживати значно більше. Ця мінливість вводить рівень варіативності використання, який тепер багато організацій повинні керувати. По мірі зростання прийняття штучного інтелекту організації повинні зрозуміти не тільки, де вони використовують штучний інтелект, але й яку вартість має це використання і як воно перекладається у вартість для бізнесу.

Від доступу до результатів: Нова міра вартості штучного інтелекту

Когда компанії починають розуміти, наскільки змінними можуть бути витрати на штучний інтелект, виникає більш фундаментальне питання: як можна знати, що штучний інтелект дійсно допомагає бізнесу? Перша хвиля прийняття штучного інтелекту була здебільшого підштовхнута ентузіазмом і експериментами. Наступна хвиля повинна бути підштовхнута вимірюваними результатами.

Найефективніші розгортання штучного інтелекту мають спільну ознаку: інтелект вбудований безпосередньо туди, де відбувається робота. Натомість ніж вимагати від працівників експортувати дані в окремий інструмент і інтерпретувати результати самостійно, штучний інтелект надає уявлення про результати у робочих процесах, які вони вже використовують щодня. Коли виявлення аномалій підкреслює розбіжність у фінансовому звіті, коли передбачувана аналітика пропонує коригування запасів до того, як виникне нестача, або коли панель висвітлює тенденцію потоку грошей, яка заслуговує уваги, ці речі не є виходами окремої системи штучного інтелекту. Вони інтегровані в інструменти, які вже використовуються фінансовими, операційними та ланцюжками постачання команд.

Ця відмінність має значення, особливо для компаній середнього рівня без великих ІТ-команд для керування складними інтеграціями. Коли штучний інтелект вбудований у платформу, де живе бізнес-дані, команди можуть діяти негайно на основі отриманих уявлень. Вартість проявляється у скороченні циклів, меншій кількості винятків і кращих рішеннях.

Зростання витрат і тиск на демонстрацію вартості

По мірі того, як штучний інтелект стає все більш інтегрованим у щоденні операції, лічильник починає працювати, і витрати починають зростати. У деяких організаціях вартість виконання завдань штучного інтелекту вже наближається або перевищує вартість певних ролей. Команди керівництва хочуть зрозуміти, що вони отримують в результаті. Збільшення продуктивності, прискорення процесів і покращення прийняття рішень – все це частина обіцянки, але вони повинні бути вимірюваними.

У середовищі розподілу, наприклад, штучний інтелект може бути застосований для автоматизації обробки винятків при обробці замовлень. Натомість ніж ручне перегляд підкреслених замовлень, система автоматично маршрутизує і вирішує звичайні питання, скорочуючи затримки і звільняючи персонал для більш цінної роботи. Вплив видно у скороченні циклів і меншій кількості瓶еньків. Ці результати є видимими, обґрунтованими і повторюваними – це атрибути, які роблять фінансових директорів і операційних директорів комфортними при розширенні використання штучного інтелекту, а не обмеженні його.

Моделі цінуванню, які відповідають тому, як штучний інтелект дійсно надає вартість

У відповідь на зростання витрат і зростаючий тиск на демонстрацію повернення інвестицій, ринок повинен рухатися від моделей цінуванню “один розмір для всіх” до моделей цінуванню, які краще відображають, як бізнес використовує системи штучного інтелекту. Цей зсув матиме значні наслідки для того, як організації бюджетують на штучний інтелект і оцінюють постачальників.

Традиційне цінуванню програмного забезпечення часто не відповідає компаніям середнього рівня. Фіксовані ліцензійні збори застосовуються незалежно від того, чи команда використовує систему інтенсивно чи лише трохи, що означає, що компанії часто платять за можливості, які залишаються невикористаними. По мірі того, як штучний інтелект стає більш значущим пунктом у бюджеті, ця невідповідність стає все більш важкою для виправдання.

Цінуванню на основі споживання вирішує цю проблему, прив’язуючи вартість до фактичного використання. Бізнес може почати з певної можливості (наприклад, автоматизованої обробки інвойсів, прогнозування попиту, обробки винятків), перевірити повернення інвестицій і розширити подальше використання. Витрати зростають разом з активністю, і організації не блокуються платою за інструменти, перш ніж вони не продемонстрували свою вартість. Деякі постачальники йдуть далі, експериментуючи з моделями цінуванню на основі результатів, пов’язаних з виконаними завданнями, такими як вирішення запиту на підтримку або завершення робочого процесу. Ці моделі дозволяють постачальникам прив’язати свої ціни до операційних бюджетів, які традиційно були прив’язані до праці людини, а не ліцензій на програмне забезпечення.

Ці відмінності важливі для покупців, які оцінюють платформи. Дві рішення з подібними наборами функцій можуть мати дуже різні структури витрат, залежно від того, наскільки ефективно вони маршрутизують запити, вибирають моделі і структурують дані. Платформа, яка працює ефективно на задньому плані, передає ці заощадження далі. Платформа, яка не працює ефективно, може генерувати несподівані витрати при зростанні використання.

Приняття прискорюється, але результати все ще різняться

Приняття продовжує прискорюватися, оскільки відбуваються зміни у цінуванні та структурах витрат. Нижчі витрати на входження і легший доступ через хмарні платформи дозволили більшій кількості організацій експериментувати з інструментами штучного інтелекту та розгортати їх. Малі та середні підприємства, зокрема, приймають ці технології швидше, ніж попередні покоління приймали попередні інновації.

Все ж таки, приняття не завжди перекладається у вплив. Деякі організації розгортають штучний інтелект у цілевих, добре визначених способах і бачать чіткі вигоди. Інші розширюють використання широкомасштабно без чіткого плану того, як воно пов’язано з бізнес-цілями. Активність зростає, але результати важче визначити. Пропуск між двома групами часто полягає в тому, чи можуть люди, відповідальні за щоденні рішення, дійсно діяти на основі уявлень, отриманих штучним інтелектом, чи ці уявлення використовуються лише фахівцями з даних і ІТ-спеціалістами.

Розробка штучного інтелекту для людей, які виконують роботу

Для того, щоб штучний інтелект генерував постійну вартість, він повинен бути доступний людям, відповідальних за операційні рішення, а не лише тим, хто має технічний досвід. Фінансовий менеджер, який може запитувати операційні дані за допомогою простої мови і отримувати змістовну відповідь, не потребує чекати звіту від ІТ. Супервайзер складу, який може бачити прогнози попиту всередині свого робочого процесу, не потребує окремої системи для дії на їх основі.

Це саме те місце, де можливості обробки природної мови роблять найбільшу різницю у практичному прийнятті штучного інтелекту. Коли користувачі можуть генерувати звіти або запитувати дані за допомогою розмовних команд – без SQL, без технічної підготовки, без подачі заявки – бар’єр для використання штучного інтелекту знижується значно. Приняття прискорюється, оскільки технологія стає доступною тим, хто її потребує. Міра успіху зсувається від розгортання до щоденного використання, а від використання до результатів.

Погляд у майбутнє

Програмне забезпечення для підприємств вступає у нову фазу, сформовану тим, як зараз використовується штучний інтелект. Організації, які успішно працюють, не обов’язково ті, у яких найбільші бюджети на штучний інтелект. Це ті, хто вбудував інтелект у свої основні робочі процеси, прив’язав свої витрати до вартості цих робочих процесів і забезпечив можливість людям, які керують цими процесами, використовувати інструменти, які доступні їм.

Бізнес-лідери, які оцінюють свою стратегію штучного інтелекту, повинні ставити складніші питання, ніж “Чи маємо ми штучний інтелект?” Більш корисні питання такі:

• Де штучний інтелект вбудований у роботу, яка приводить до результатів?
• Чи我们的 цінуванню модель винагороджує вартість або лише активність?
• Чи можуть люди, які приймають рішення щодня, використовувати те, що ми побудували?

Організації, які підходять до цих питань з ясністю і дисципліною, будуть краще підготовлені до того, що прийде далі. питання є: Де штучний інтелект вбудований у роботу, яка приводить до результатів? Чи我们的 цінуванню модель винагороджує вартість або лише активність? Чи можуть люди, які приймають рішення щодня, використовувати те, що ми побудували? Організації, які підходять до цих питань з ясністю і дисципліною, будуть краще підготовлені до того, що прийде далі.