CIOs Cần Một Cách Tốt Hơn Để Tính Toán Công Việc AI Trong IT

Trong hai năm qua, các CIO đã có một mục tiêu đơn giản cho AI trong IT: đưa nó vào tổ chức, để các đội thử nghiệm và xem nó có thể cải thiện việc cung cấp dịch vụ như thế nào.

Tổ chức IT đã mua giấy phép, chạy các dự án thí điểm và thêm các tính năng AI vào các ngăn xếp phần mềm đã quá tải. Điều đó hợp lý khi các đội vẫn đang tìm hiểu AI có thể làm gì. Bây giờ chi tiêu nằm trong ngân sách thực tế, và Giám đốc tài chính muốn biết công ty đang nhận được gì so với số tiền đã bỏ ra.

Vấn đề là nhiều con số CIO dùng để đo lường AI không trả lời câu hỏi đó. CIO có thể cho thấy bao nhiêu nhân viên sử dụng AI, họ sử dụng bao nhiêu lần và họ nói rằng nó tiết kiệm bao nhiêu thời gian. Bộ tài chính muốn biết liệu công ty có chi ít tiền hơn, hoàn thành nhiều công việc hơn hay tránh phải thuê thêm người không.

Tiết kiệm năm giờ cho một nhân viên mỗi tuần nghe có vẻ có giá trị, nhưng công ty vẫn cần biết những năm giờ đó đã đi đâu. Nếu nhân viên xử lý nhiều công việc hơn, hoặc đội ngũ có thể hỗ trợ khối lượng công việc tăng mà không cần tuyển thêm người, công ty có thể thấy kết quả tài chính. Nếu không có gì thay đổi, thời gian tiết kiệm có thể không bao giờ xuất hiện trong ngân sách.

Khi các công ty chi nhiều hơn cho AI, các CIO cần phải cụ thể hơn rất nhiều về công việc AI thực hiện và chi phí của công việc đó.

Thời Gian Tiết Kiệm Không Nhất Thiết Nghĩa Là Tiết Kiệm Tiền

Nhiều tính toán ROI AI bắt đầu bằng thời gian làm tiêu chí – tức là, nếu AI tiết kiệm cho một nhân viên 30 phút mỗi ngày, công ty có thể nhân các phút này với hàng nghìn nhân viên và ra một con số rất lớn.

Nhưng các quy trình kinh doanh hiếm khi hoạt động một cách gọn gàng như vậy. Công việc di chuyển từ người này sang người khác, chờ phê duyệt và nằm trong hàng đợi. Nếu AI tiết kiệm mười phút ở một phần của quy trình và công việc sau đó chờ sáu giờ cho người khác, công ty không thu được mười phút năng lực hữu ích.

Đối với các CIO, câu hỏi hữu ích hơn là liệu AI có thay đổi hiệu suất của dịch vụ tự nó hay không. Nếu các yêu cầu truy cập di chuyển qua hàng đợi nhanh hơn, ít vé cần xử lý bởi con người hoặc chi phí mỗi yêu cầu giảm, IT có thể đo kết quả bằng cùng các chỉ số vận hành mà họ đã theo dõi.

Aviva là một ví dụ tốt. Nhà bảo hiểm đã sử dụng hơn 80 mô hình AI như một phần của các thay đổi trong hoạt động xử lý yêu cầu bồi thường và báo cáo đã giảm thời gian đánh giá trách nhiệm xuống 23 ngày và khiếu nại giảm 65 phần trăm. Những con số này cho ban quản lý biết những gì đã thay đổi trong hoạt động và cung cấp cho bộ tài chính một chỉ số có thể đo lường.

Các CIO cần áp dụng cùng cách suy nghĩ cho các khoản đầu tư AI của họ. Trước khi mở rộng một dự án thí điểm, họ nên biết phần nào của doanh nghiệp họ mong muốn thay đổi và AI cần thực hiện bao nhiêu công việc để điều đó xảy ra.

Công Việc AI Hoàn Thành Là Điểm Bắt Đầu Tốt Hơn

Hãy xem xét một yêu cầu truy cập IT phổ biến. Một trợ lý AI có thể tóm tắt vé và soạn phản hồi, trong khi một nhân viên IT kiểm tra chính sách công ty, xác minh người yêu cầu, nhận phê duyệt, thay đổi quyền và đóng yêu cầu.

Trợ lý AI có thể tiết kiệm cho nhân viên vài phút, nhưng phần lớn công việc vẫn thuộc về nhân viên.

Bây giờ hãy xem một hệ thống AI có thể kiểm tra yêu cầu so với chính sách công ty, thu thập thông tin thiếu, chuyển yêu cầu để phê duyệt và thực hiện thay đổi ngay khi nhận được phê duyệt. IT có thể thấy bao nhiêu yêu cầu hệ thống AI hoàn thành, bao nhiêu lần nhân viên cần can thiệp và mỗi yêu cầu vẫn yêu cầu bao nhiêu công việc của con người.

Điều đó cung cấp cho các CIO một cách rõ ràng hơn nhiều để tính toán AI. Thay vì ước tính bao nhiêu phút công nghệ đã tiết kiệm, họ có thể đo lượng công việc mà nó đã hoàn thành và chi phí để hoàn thành công việc đó.

Cùng một cách tiếp cận có thể áp dụng cho tiếp nhận nhân viên, hỗ trợ nội bộ và phản hồi sự cố. Phần quan trọng là giao trách nhiệm cho AI thực hiện công việc mà công ty đã hiểu và biết cách đo lường.

Nhưng Bạn Cũng Cần Tính Toán Công Việc Của Con Người

Một hệ thống AI có thể bắt đầu 1.000 yêu cầu tiếp nhận và yêu cầu một nhân viên can thiệp vào 600 trong số chúng. Gọi tất cả 1.000 là tự động sẽ cho ban quản lý hình ảnh sai về lượng công việc AI thực sự xử lý.

Những can thiệp đó tốn tiền. Nếu một nhân viên làm việc trên một yêu cầu trong vài phút và sau đó chuyển cho một nhân viên khác nữa chi tiêu hai mươi phút để hoàn thành, hai mươi phút đó phải tính vào chi phí của quy trình.

Điều đó có nghĩa là IT cần một hồ sơ về những gì đã xảy ra trong mỗi công việc. Nó cần biết AI đã làm gì, hệ thống nào nó truy cập, nơi nào cần phê duyệt, khi nào nhân viên can thiệp và liệu công việc có thực sự được hoàn thành không. Những hồ sơ này có thể cung cấp dữ liệu cho các chỉ số truyền thống của bàn dịch vụ như thời gian trung bình để giải quyết, đồng thời thêm các chỉ số quan trọng riêng cho AI, bao gồm tỷ lệ can thiệp và chi phí mỗi nhiệm vụ đã hoàn thành.

Nhóm bảo mật cũng cần hầu hết các thông tin tương tự khi có sự cố xảy ra. Nếu một hệ thống AI thay đổi quyền sai hoặc thực hiện hành động mà nó không nên thực hiện, họ cần tái tạo lại những gì đã xảy ra và hiểu lý do.

Việc lưu giữ hồ sơ này cung cấp cho các CIO một cách để đo lường cả hai mặt của khoản đầu tư. Họ có thể thấy chi phí vận hành AI và công sức nhân lực vẫn cần thiết để giám sát và hoàn thành công việc của nó.

Mức Trách Nhiệm mà AI Nhận Được Ảnh Hưởng Đến Kinh Tế

Các CIO cũng phải quyết định mức độ quyền hạn họ sẵn sàng giao cho AI.

Một hệ thống AI với quyền hạn hạn chế có thể cần một nhân viên phê duyệt nhiều hành động của nó. Điều này giữ cho con người tham gia, nhưng đồng thời cũng đồng nghĩa công ty phải trả thêm chi phí cho nhân lực.

Việc trao thêm quyền cho hệ thống có thể cho phép nó tự hoàn thành nhiều công việc hơn, nhưng cũng làm tăng rủi ro mà bộ phận IT phải quản lý. Một hệ thống có thể tạo tài khoản hoặc thay đổi quyền sẽ gây thiệt hại lớn hơn khi mắc lỗi so với hệ thống chỉ đề xuất những gì nhân viên nên làm. Chi phí cũng có thể tăng bất ngờ khi một tác nhân bị kẹt trong vòng lặp, thực hiện lại cùng một nhiệm vụ hoặc tiêu tốn tài nguyên tính toán vì hướng dẫn quá mơ hồ. Những thất bại này cũng thuộc về khía cạnh kinh tế.

Các công ty sẽ vẽ ra ranh giới này khác nhau tùy theo công việc liên quan. Điều quan trọng đối với tính toán ROI là biết ranh giới nằm ở đâu và mức độ tham gia của con người là bao nhiêu.

Nếu một hệ thống AI có thể an toàn hoàn thành 90 % một quy trình, kinh tế của nó có thể trông rất khác so với một hệ thống cần nhân viên can thiệp ở mỗi bước xen kẽ.

Bắt Đầu Với Công Việc Đã Tốn Tiền

Các CIO lên kế hoạch cho đợt chi tiêu AI tiếp theo nên bắt đầu với những công việc đã tiêu tốn thời gian hoặc nhân lực đáng kể.

Yêu cầu truy cập, onboarding nhân viên, phản hồi sự cố và hỗ trợ nội bộ đều cung cấp cho bộ phận IT những dữ liệu đo lường cụ thể. Công ty đã biết tương đối số lượng yêu cầu xử lý, thời gian nhân viên cần và những điểm thường bị tắc nghẽn.

Từ đó, IT có thể xác định phần nào AI có thể xử lý an toàn và phần nào vẫn cần sự can thiệp của nhân viên. Sau đó họ có thể quyết định mục tiêu mà khoản đầu tư muốn đạt được.

Có thể đội ngũ muốn xử lý thêm 30 % vé mà không cần tuyển thêm nhân viên. Hoặc muốn giảm chi phí cho mỗi yêu cầu truy cập. Hoặc muốn nhân viên dành ít thời gian hơn cho hỗ trợ thường ngày để họ có thể giải quyết công việc đang tồn đọng. Khi IT nắm rõ tổng chi phí hoàn thành một nhiệm vụ bằng AI, bao gồm cả can thiệp của con người, họ có thể đặt mục tiêu chi phí cho nhiệm vụ đó và quyết định liệu tự động hoá có thực sự đáng giá hay không.

Khi AI bắt đầu thực hiện công việc, các CIO có thể so sánh những gì họ mong đợi với những gì thực tế đã xảy ra. Họ có thể thấy AI đã hoàn thành bao nhiêu công việc, tần suất con người phải can thiệp và toàn bộ quy trình đã tốn bao nhiêu chi phí.

Điều này cung cấp cho các CIO một cách đơn giản hơn để thảo luận về chi tiêu AI với bộ phận tài chính. Thay vì cố gắng đưa ra giá trị tiền tệ cho hàng ngàn phút tiết kiệm ước tính, họ có thể trình bày công việc AI đã xử lý, lượng nhân lực còn cần thiết và liệu công ty có chi ít tiền hơn để hoàn thành công việc đó hay không.