Hướng dẫn dành cho người vận hành về cách tạo ra lợi nhuận đầu tư từ AI

Bên cạnh những lợi ích tích cực, sự bùng nổ trí tuệ nhân tạo cũng tạo ra một thách thức cốt lõi cho các nhà điều hành. Mặc dù đã đầu tư đáng kể vào việc ứng dụng AI, nhiều nhà điều hành vẫn chưa thấy lợi tức đầu tư (ROI) đáng kể trên bảng cân đối kế toán.

Trên thực tế, trong khi toàn cầu chi tiêu Theo một nghiên cứu của MIT, thị trường trí tuệ nhân tạo (AI) dự kiến ​​sẽ đạt 632 tỷ đô la vào năm 2028. phân tích Nghiên cứu cho thấy chỉ khoảng 5% các dự án thí điểm AI trong doanh nghiệp mang lại lợi nhuận tài chính có thể đo lường được, phần lớn còn lại tạo ra rất ít hoặc không có lợi tức đầu tư (ROI). Khoảng cách này đã tạo ra áp lực ngày càng lớn đối với các nhà điều hành trong việc chuyển đổi tiền bạc thành tác động thực tế, thường dẫn đến việc lãng phí nguồn lực vào các dự án thí điểm thất bại hoặc đầu tư vội vàng vào các giải pháp trông có vẻ đầy hứa hẹn trên lý thuyết nhưng lại không hiệu quả trong thực tế.

Thực tế là thành công trong kỷ nguyên AI sẽ không chỉ được định nghĩa bởi tính mới lạ hay sự tinh vi của một công nghệ mới, mà còn bởi khả năng sáng suốt của các nhóm trong việc hiểu rõ những thách thức cơ bản của họ và lựa chọn các giải pháp công nghệ mang lại giá trị thực sự. Không có công thức thần kỳ nào để làm đúng, nhưng một vài yếu tố cần xem xét có thể giúp nhóm của bạn đi đúng hướng.

Tránh thuế khẩn cấp

Một rào cản chính đối với việc thu hồi vốn đầu tư (ROI) từ AI là để nỗi sợ bị tụt hậu chi phối quá trình ra quyết định. Khi tư duy này ảnh hưởng đến chiến lược, các tổ chức có thể phải trả giá bằng sự vội vàng, lãng phí thời gian, năng lượng và nguồn lực quý báu trong nỗ lực bắt kịp các xu hướng mới nhất.

Các yếu tố nội bộ và bên ngoài đều có thể tạo ra áp lực đó. Khi ban lãnh đạo thấy đối thủ cạnh tranh quảng bá khả năng AI mới, họ có thể nhanh chóng rơi vào bẫy so sánh, và điều bắt đầu như một mong muốn duy trì vị thế nhanh chóng biến thành một cuộc chạy đua phản ứng.

Các khoản đầu tư được thực hiện từ điểm xuất phát này thường thất bại vì nhiều lý do, nhưng một trong những lý do phổ biến nhất là sự chuẩn bị chưa đầy đủ. Mặc dù đối thủ cạnh tranh có thể cung cấp sản phẩm hoặc dịch vụ tương tự, nhưng tổ chức lại thiếu sự chuẩn bị cần thiết. nền tảng dữ liệu hoặc mức độ trưởng thành về mặt vận hành có thể chưa đủ mạnh để hỗ trợ cùng một công nghệ, biến điều tưởng chừng là một bước đi chiến lược thành một canh bạc đầy rủi ro.

Đó là lý do tại sao các nhà quản lý và giám đốc gần gũi nhất với hoạt động hàng ngày thường là những người có vị trí tốt nhất để đưa ra quyết định về công nghệ. Khi một công nghệ dường như "cần thiết" xuất hiện trên thị trường, các nhóm này nên được giao nhiệm vụ đầu tiên là đánh giá xem liệu công nghệ đó có thể giải quyết được vấn đề rõ ràng nào hay không và liệu tổ chức đã thực sự sẵn sàng hỗ trợ nó hay chưa. Bởi vì họ hiểu được những trở ngại tồn tại, thời gian bị lãng phí ở đâu và công nghệ có thể tạo ra tác động ở đâu, họ có thể giúp đưa ra các quyết định về AI dựa trên thực tế hoạt động thay vì chỉ chạy theo sự mới lạ.

Tiến hành kiểm tra xe đạp

Một sai lầm phổ biến khác trong việc mua sắm công nghệ là mua quá nhiềuĐiều này khác với thuế khẩn cấp vì nó phát sinh sau khi xác định rằng nhu cầu thực sự tồn tại và bạn đã sẵn sàng về mặt vận hành để mua một giải pháp AI. Tại thời điểm này, câu hỏi không còn là "chúng ta có cần thứ gì đó không" mà là "chúng ta thực sự cần gì"?

Vấn đề này đặc biệt phổ biến trong các ngành công nghiệp truyền thống như logistics, một ngành đã phát triển vượt bậc nhờ những khả năng công nghệ trong những năm gần đây. Trước đây, thách thức của chúng ta là giải quyết những phức tạp hiện đại với các hệ thống và quy trình lỗi thời, thì ngày nay, thách thức là lựa chọn từ vô số công nghệ mong muốn có sẵn từ các nhà cung cấp bên thứ ba hoặc thông qua phát triển nội bộ.

Một "Kiểm tra xe đạp" có thể giúp ích rất nhiều trước khi đến giai đoạn mua hàng. Nó thách thức những người ra quyết định trả lời một câu hỏi đơn giản: Chúng ta cần một chiếc Ferrari hay một chiếc xe đạp? Các nhóm công nghệ đầy tham vọng thích mơ ước lớn, và các nhà cung cấp bên thứ ba thường hướng đến việc cung cấp giải pháp hàng đầu của họ ngay từ đầu. Cả hai đều hợp lý, nhưng đầu tư vào sức mạnh ngang tầm Ferrari không có ý nghĩa gì khi một chiếc xe đạp có thể đưa bạn đến nơi cần đến.

Kiểm toán dựa trên số liệu

Một cách để đưa ra quyết định đó là hiểu rõ vấn đề bạn đang cố gắng giải quyết ở ba cấp độ đo lường: Cấp độ chính, Cấp độ phụ và Cấp độ thứ ba. Đánh giá cả ba cấp độ cùng nhau giúp làm rõ những điểm cản trở, hiệu suất tối ưu ở mỗi cấp độ trông như thế nào và cần đầu tư bao nhiêu để thu hẹp khoảng cách.

Các chỉ số cấp ba thể hiện các hành vi vận hành cốt lõi. Những sự thiếu hiệu quả đáng kể thường nằm ở lớp này, và các giải pháp ở cấp độ chi tiết giúp cải thiện việc thu thập dữ liệu chính xác hơn và thực thi hiệu quả hơn có thể tạo ra tác động lớn với chi phí đầu tư tương đối nhỏ.

Các chỉ số thứ cấp phản ánh các yếu tố thúc đẩy hiệu suất thực sự — ví dụ như tỷ lệ chuyển đổi khách hàng và các đòn bẩy khác mà các nhóm có thể tác động thông qua việc tăng năng suất. Giải quyết các vấn đề thiếu hiệu quả ở đây thường đòi hỏi một giải pháp tiên tiến hơn một chiếc xe đạp nhưng không quá phức tạp như một chiếc Ferrari, chẳng hạn như hệ thống tự động hóa tinh vi có thể xử lý các tập dữ liệu lớn hơn.

Các chỉ số chính là những "tảng đá tảng" lớn như doanh thu. Đây là nơi mà các giải pháp "cấp độ Ferrari" thường xuất hiện. Đó thường là những công nghệ đắt tiền hứa hẹn tác động đáng kể đến lợi nhuận. Mặc dù đáng để tìm hiểu, điều quan trọng cần nhớ là trừ khi các thách thức thứ cấp và thứ ba được giải quyết trước, những giải pháp này có thể không đạt được tiềm năng lợi tức đầu tư (ROI) thực sự.

Các khoản đầu tư nhỏ, có mục tiêu cụ thể ở mức thấp hơn thường là điểm khởi đầu tốt nhất vì chúng có xu hướng mang lại kết quả nhanh chóng. Chúng cũng tạo cơ hội để tìm hiểu những gì hiệu quả đồng thời mang lại lợi nhuận gia tăng tích lũy theo thời gian, cuối cùng giúp xây dựng nên tác động tổng thể tương đương hoặc lớn hơn so với các khoản đầu tư lớn hơn, với rủi ro thấp hơn nhiều.

Cùng với nhau, Bicycle Audit và khung đo lường ba cấp độ này giúp các tổ chức giảm thiểu rủi ro bằng cách điều chỉnh quy mô giải pháp cho phù hợp với các vấn đề thực tế. Mục đích không phải là tránh sử dụng AI tiên tiến, mà là bắt đầu từ những giải pháp nhỏ, giải quyết những vấn đề có tác động lớn nhất với mức đầu tư tối thiểu và mở rộng dần từ đó.

Hãy có chiến lược trong việc lựa chọn đối tác khởi nghiệp.

Gần đây dâng trào Trong lĩnh vực đầu tư mạo hiểm liên quan đến trí tuệ nhân tạo, thị trường đã tràn ngập các công ty khởi nghiệp mới. Những công ty tiên phong này sẽ đưa ra những lời hứa hẹn về sự đổi mới và kết quả đủ sức thuyết phục ngay cả những đội ngũ mua sắm khó tính nhất.

Nhưng người mua cần cẩn trọng: cả sản phẩm và những người đứng sau nhiều nhà cung cấp mới này thường chưa được chứng minh. Trở thành người tiên phong sử dụng sản phẩm mới tiềm ẩn rủi ro, bao gồm cả khả năng bạn đang vô tình cùng họ phát triển sản phẩm. Mặc dù điều đó có thể mang lại lợi ích, nhưng đó nên là một lựa chọn có ý thức — bởi vì khi bạn đang cố gắng giải quyết các vấn đề có tác động tài chính thực sự, việc dành nguồn lực quý giá để giúp nhà cung cấp tinh chỉnh bản cập nhật mới nhất của họ có thể gây ra những rắc rối không cần thiết.

Sau khi tích hợp với nhà cung cấp, phần lớn kết quả nằm ngoài tầm kiểm soát của bạn. Lộ trình phát triển, khả năng mở rộng dịch vụ hỗ trợ khách hàng, động lực giá cả và khả năng duy trì hiệu suất khi họ phát triển đều có thể thay đổi. Những thay đổi đó có thể định hình giá trị lâu dài của mối quan hệ đối tác theo những cách không hoàn toàn rõ ràng ngay từ đầu.

Vượt qua sự không chắc chắn đó đòi hỏi sự kiên nhẫn và khả năng phán đoán ngay từ đầu. Dành thời gian để xác thực giải pháp thông qua bằng chứng về tính khả thi, hiểu rõ các cam kết hợp đồng trước khi tích hợp sâu hơn và trao đổi trực tiếp với người dùng hiện có sẽ giúp các nhóm lựa chọn nhà cung cấp có khả năng mang lại giá trị trong suốt thời gian hợp tác.

Biến trí tuệ nhân tạo thành lợi nhuận

Tóm lại, những cân nhắc này củng cố thực tế rằng việc rèn luyện khả năng phân biệt đúng sai là yếu tố đầu tiên và quan trọng nhất để tạo ra lợi tức đầu tư (ROI) từ AI. Khi các nhóm tập trung vào việc xác định những trở ngại thực sự, kết quả sẽ được cải thiện vì những điểm không hiệu quả được loại bỏ và thời gian được phân bổ lại cho các nhiệm vụ có giá trị cao hơn. Đó mới là ROI thực sự, và nó chỉ có được thông qua kỷ luật, sự rõ ràng và việc ra quyết định thực tế mang lại lợi ích cho lợi nhuận lâu dài.