Ang 5 AI value model na nagtutulak sa pag-reinvent ng negosyo

Karamihan sa mga organisasyon ay pinamamahalaan pa rin ang AI bilang isang serye ng mga use case: isang pilot dito, isang workflow doon, isang promising na tool sa loob ng isang function. Ang pamamaraang iyon ay maaaring maghatid ng mga lokal na tagumpay ngunit bihira nitong baguhin kung paano lumilikha ng halaga ang isang negosyo.

Ito ay katulad ng paglikha ng mga interactive na banner at mga drip email campaign sa pagdating ng internet, at hindi nakikita ang diwa ng rebolusyon sa eCommerce.

Ang mga organisasyong sumusulong ay gumagamit ng iba, at mas ambisyosong lohika. Tinuturing nila ang AI hindi bilang koleksiyon ng magkakahiwalay na eksperimento, kundi bilang isang portfolio ng mga modelo ng halaga. Bawat isa ay may sariling ekonomiya, oras bago makamit ang halaga (time-to-value), at mga kinakailangan sa pamamahala, at bawat isa ay nagpapadali sa pagpapalawak ng susunod.

Bawat isa ay may sariling ekonomiya, oras bago makamit ang halaga (time-to-value), at mga kinakailangan sa pamamahala, at bawat isa ay nagpapadali sa pagpapalawak ng susunod. Sila ang magiging mga organisasyong makauunawa kung aling mga modelo ng halaga ang dapat buuin, sa anong pagkakasunod-sunod, at sa anong mga pundasyon para muling likhain ang sarili nilang negosyo.

May limang modelo ng halaga ng AI na pinakamalinaw na lumilitaw sa enterprise. Bawat isa ay lumilikha ng halaga sa iba’t ibang paraan. Ang bawat isa ay may sarili nitong ekonomiya, time horizon, at pamamahala. At bawat isa ay maaaring gumawa ng mga kundisyon para sa susunod na magpalawak.

Ang pagbibigay-kapangyarihan sa workforce ay nagpapalago ng kasanayan. Ginagawang magagawa ng kahusayan ang pamamahala. Ang pamamahala ay nagbibigay-daan sa mas malalim na pagsasama ng system. Ginagawang posible ng integrasyon ang pamamahala ng dependency. Ginagawang ligtas ng pamamahala ng dependency ang mga operasyon na pinangungunahan ng agent.

Ganito lumilipat ang mga organisasyon mula sa nakahiwalay na mga tagumpay sa AI patungo sa mas malawak na muling pag-imbento ng negosyo. Ang estratehikong tanong ay hindi kung aling modelo ang pipiliin. Ito ay kung alin ang sisimulan, kung anong pundasyon ang itatayo nito, at kung ano ang susunod nitong bubuksan.

Ito ang pinakamabilis na ma-activate na value model. Ipinapalaganap nito ang praktikal na kakayahan ng AI sa buong workforce, na lumilikha ng panandaliang pagtaas ng produktibidad habang binubuo ang kahusayang kinakailangan para sa mas malalim na pagbabago. Ang mas malaking benepisyo ay hindi ang mas mabilis na pagbalangkas, synthesis, o pagsusuri kundi ang kahandaan ng organisasyon. Puwedeng mag-enable ang HR, magtakda ng pamamahala ang Legal, magpondo ang Finance, at puwedeng makipagtulungan ang mga business team nang may iisang pag-unawa kung saan gumagana ang AI at kung paano ito gagamitin nang ligtas.

• Paulit-ulit na paggamit ayon sa tungkulin, at antas ng kasanayan
• Mga magagamit na muli na prompt, workflow, at asset sa kabuuan ng mga team
• Ebidensya ng cross-functional na pagpapagana
• Paglitaw ng mga bagong paraan ng pagtatrabaho

Isang two-tier na workforce: maliit na grupo ng mga power user ang sumusulong habang natitigil ang iba pang bahagi ng organisasyon.

Bumuo ng isang network para sa mga champion at mga panimulang daloy ng trabaho, tulad ng pagsusuri ng pagganap, pamamahala ng kontrata, at pagkuha mula sa trabaho hanggang sa pagbabayad, na ginagawang mas madaling maunawaan at nakapagbibigay-inspirasyon ang mga pinakamahuhusay na kasanayan.

Mahalaga ang modelo na ito dahil binabago ng AI kung paano natutuklasan, sinusuri, at pinipili ng mga kustomer ang mga produkto at serbisyo sa ganap na bagong antas ng pakikipag-ugnayan. Sa mga AI-native na channel, mas lalo nang nangyayari ang pag-convert sa loob ng pag-uusap. Inililipat nito ang tanong tungkol sa paglago mula sa abot patungo sa tiwala at presensya sa mga sandali ng intensyon. Ang mga mananalo ay hindi lang mga pinaka-nakikita. Sila ang magiging pinakakapaki-pakinabang, pinakakapani-paniwala, at napapanahon kapag gumagawa na ng desisyon.

• Kwalipikadong layunin, at bilang ng mga pag-ulit bago ang pangako ng gumagamit
• Kalidad ng conversion, kabilang ang retention, upsell, at lifetime value
• Mga signal ng tiwala gaya ng gawi sa pagbabalik, paulit-ulit na pakikipag-ugnayan, at rekomendasyon
• Pag-activate ng mga nakalaang data connector o mga app na nauugnay sa iyong negosyo

Itinuturing ang AI-native na distribution na parang legacy demand funnel at nag-o-optimize para sa volume kapalit ng relevance at pangmatagalang tiwala.

Pumili ng surface gaya ng vertical experience, isang naka-embed na app, o partikular na layunin ng ad, at tukuyin ang kalidad ng conversion bago palawakin ang iyong pamumuhunan.

Isinisingit ng modelong ito ang espesyalisadong kakayahan ng AI sa pananaliksik, malikhain, at mga gawaing maraming sakop. Sa malapit na termino, pinaiikli nito ang mga hadlang ng eksperto. Sa paglipas ng panahon, binabago nito ang modelo ng pagpapatakbo: lumilipat ang mga team mula sa paggawa ng mga unang draft mismo tungo sa pagdidirekta, pagrerepaso, at pag-iintegrate ng mga de-kalidad na output na binubuo nang real-time. Nagmumula ang halaga sa pagpapalawak ng mga kayang suriin, i-test, o likhain ng team sa isang environment na nagbibigay-daan para maimbestigahan ang bawat pananaw gamit ang mga plano ng aksyon at potensyal na ROI sa halip na magbigay-priyoridad nang mas maaga batay lang sa intuwisyon.

• Pagbawas ng oras ng siklo sa mga bottleneck ng eksperto
• Pagtaas ng kalidad, kabilang ang mga marka ng tagasuri, mga rate ng error, at muling paggawa
• Pagpapalawak ng saklaw, tulad ng mas maraming eksperimentong isinasagawa o mas maraming malikhaing variant na sinubukan
• Mga bagong pinagkukunan ng kita na dati’y hindi isinama dahil sa mga palagay tungkol sa kakayahang maisagawa

Itinuring ang kakayahan ng eksperto na parang demo sa halip na i-embed ito sa tunay na workflow na may malinaw na pananagutan.

Pumili ng pangunahing hadlang na may kinalaman sa eksperto at ituon ang value proposition sa mga gumagawa ng desisyon na nagbibigay ng pinal na pag-apruba, na may malinaw na kasunduan kung anong ebidensya ang kinakailangan para gawing susunod na building block ng iyong negosyo ang bagong konsepto.

Ang mga coding agent ang pinakamalinaw na kasalukuyang halimbawa, pero ang mas malaking modelo ng halaga ay ang ligtas na mga pag-upgrade sa magkakaugnay na mga sistema ng trabaho. Sa paglipas ng panahon, gugustuhin ng mga organisasyon na i-apply ang parehong kakayahan hindi lang sa code, kundi sa mga SOP, kontrata, mga dokumento ng patakaran, mga salaysay ng customer, daloy ng onboarding, at iba pang mga materyales na kailangang manatiling pare-pareho habang umuunlad ang mga ito. Mas nakatuon ito sa kontrol kaysa sa pagbuo: mas mabilis na mga update, mas kaunting mga problemang dulot sa mga susunod na proseso, mas matibay na pagsunod sa mga regulasyon, at mas mahusay na kakayahang ma-audit.

• Oras para maisagawa ang ligtas na pagbabago sa magkakaugnay na mga artifact at sa pagresolba ng mga salungatan sa bersyon
• Kahandaan sa pag-audit, kabilang ang pagsubaybay ng mga pag-edit, pag-apruba, at ebidensya
• Pagiging pare-pareho sa iba’t ibang downstream na dokumento, system, at mga daloy ng trabaho
• Pagiging maaasahan sa malawak na mga ecosystem ng magkakaugnay na mga prosesong umaasa sa isa’t isa

Pagpapalawak ng pagbuo ng nilalaman o code nang mas mabilis kaysa sa pamamahala, na lumilikha ng sistemikong utang na mangangailangan ng masusing pagresolba sa hinaharap.

Magsimula sa isang domain na may mataas na dependency at tukuyin ang grap ng dependency, landas ng pag-apruba, at mga kinakailangan sa ebidensya bago i-automate ang mga pagbabago gamit ang AI control layer.

Ito ang pinakamabagal na i-scale na modelo at kadalasan ang pinaka-transformative. Dito, inaayos ng mga agent ang mga workflow mula simula hanggang katapusan sa loob at sa iba’t ibang function: pagkuha-para-bayaran, mga paghahabol, pagkontrol sa pagbabago sa pagmamanupaktura, mga klinikal na operasyon, at marami pang iba. Eksponensiyal ang potensyal na benepisyo, ngunit mangyayari lang ito kapag matibay ang mga pundasyon: pagkakakilanlan at mga kontrol sa pag-access, malinaw na mga pahintulot sa mga dataset at sub-component, kakayahang masubaybayan ang mga sistema sa malawak na saklaw, maayos na paghawak sa mga eksepsyon na may mga tagapagpahiwatig ng kumpiyansa, at malinaw na pananagutan. Kung wala ang mga ito, ang automation ay lumilikha ng panganib nang mas mabilis kaysa sa halaga.

Mas malaki na naman ang benepisyo kaysa sa simpleng kahusayan. Ang muling pagdisenyo ng workflow ay nag-uudyok sa iyong organisasyon na muling suriin kung para saan ang proseso, kung saan dapat ilapat ang pagpapasya, at kung saan puwedeng makalikha ng bagong halaga. Ito ang nakatagong pintuan kung saan nagsisimula ang pagbabago ng modelo ng negosyo.

• End-to-end na cycle time
• Rate ng exception at oras ng paglutas
• Pagsunod at mga resulta ng pag-audit
• Output ng innovation, gaya ng mga bagong pagkakataong natuklasan o mga bagong hypothesis na sinubukan

Sinusubukang i-automate ang mga end-to-end na daloy ng trabaho bago maging mature ang mga pahintulot, kontrol, at pananagutan.

Pumili ng isang daloy ng trabaho at magsagawa ng pagtatasa ng kahandaan sa pagkakakilanlan, mga karapatan, integrasyon ng tool, pag-log, paghawak ng mga exception, at pagmamay-ari.

Ang punto ng pagkabigo sa estratehiya sa AI ay hindi lang ang mga hiwa-hiwalay na pilot project, kundi pati ang pagtrato sa pagbabago bilang hakbang na nakabatay sa bulag na paniniwala: mag-invest ngayon, maghintay nang matagal, at umasa na lilitaw ang halaga sa kalaunan sa malawak na saklaw. Ang mas matibay na pamamaraan ay mas may disiplina at mas ambisyoso. Pinagsasama-sama nito ang halaga sa isang tuloy-tuloy na ROI sequence.

Nagsisimula ang pagkakasunod-sunod na iyon sa malawak na pagbibigay-lakas, na siyang kundisyong nagbibigay-daan para sa lahat ng iba pang mga modelo ng halaga. Ang kagubatan ng kahusayan sa buong organisasyon ay lumilikha ng mga puno ng mga mahahalagang gamit. Ang kagubatan ng kahusayan sa buong organisasyon ay lumilikha ng mga puno ng mga mahahalagang gamit. Nagiging mas praktikal ang pamamahala. Nagiging mas posible ang integrasyon. At ang mga sistemang may mas mataas na halaga ay nagiging matatag at ibinabahagi sa iba't ibang tungkulin bilang mga halimbawa ng parola at mga pananda ng pagkakakilanlan.

Ganito lumilipat ang mga organisasyon mula sa mas mahusay patungo sa iba't ibang mga modelo ng negosyo. Una, pinapabuti ng AI ang mga gawain. Pagkatapos, muling idinisenyo nito ang mga daloy ng trabaho. Pagkatapos, binabago nito ang mga layer ng kontrol, mga modelo pang-operasyon, at sa kalaunan mga modelo ng negosyo. Hindi naging eCommerce ang retail sa pamamagitan ng paggawa ng mga tindahan nang bahagyang mas mahusay. Nagbago ito nang matutunan ng mga lider na bumuo ng ganap na bagong value proposition na nilalampasan tuluyan ang mga tindahan at pinagdurugtong ang marketing at logistics sa iisang galaw na nakasentro sa user. Susunod ang AI sa parehong pattern.

Narito ang ilang halimbawa:

• Nagsisimula ang retailer sa malawakang pagtanggap sa mga empleyado, pagkatapos ay pinapabuti ang pagtuklas gamit ang AI at pakikipagkalakalan sa pakikipag-usap, at kalaunan ay lumilikha ng isang bagong channel para sa naka-personalize na pagbebenta.
• Nagsisimula ang kompanyang parmasyutiko sa kasanayan ng mga manggagawa at espesyalisadong kakayahan sa R&D at mga operasyong klinikal, pagkatapos ay bumubuo ng mga pinamamahalaang workflow sa pananaliksik na naglalabas ng mga bagong indikasyon para sa mga pag-apruba sa huling yugto at muling hinuhubog ang ekonomiya ng pipeline.
• Ang tagagawa ay nagsisimula sa paggamit ng mga copilot sa iba’t ibang tungkulin, pagkatapos ay inilalapat ang AI sa change control, mga SOP, at workflow sa kalidad hanggang sa mapamahalaan ang mga operasyon bilang adaptibong sistema na muling nagtatakda ng ekonomiya ng merkado sa halip na nakapirming sistema.
• Nagsisimula ang insurer sa mga tool sa tulong sa claim, pagkatapos ay bumubuo ng pinamamahalaang expert review at workflow orchestration, at sa kalaunan ay muling idinisenyo ang paghawak ng mga claim sa mas mabilis na mga pagpapasya, mas kaunting exception, at mas mahusay na mga resulta para sa customer.

Kung nangunguna ka sa isang estratehiya ng AI ngayon, panatilihin itong simple sa tatlong yugto.

• Palakasin ang malawak na workforce gamit ang mga workflow batay sa tungkulin at network ng mga champion.
• Itatag ang mga pangunahing kaalaman sa pamamahala: ano ang pinapayagan, ano ang sinusuri, ano ang naitala, at sino ang may-ari ng adoption.
• Sukatin ang paulit-ulit na paggamit, kahusayan, magagamit muli na mga daloy ng trabaho, at pagpapagana sa iba't ibang uri ng gawain.

• Pumili ng maliit na bilang ng mga motion na may mataas na halaga: isang distribution play, isang expert bottleneck, at isang workflow na may nakikitang ROI.
• Sukatin ang halaga sa mga terminong pangnegosyo: kalidad ng conversion, pagbawas ng cycle-time, pagtaas ng kalidad, pagbawas ng panganib, at bagong potensyal na kita.
• Muling ipuhunan ang mga panalong iyon sa susunod na patong ng mga pundasyon: kalidad ng datos, pagkakakilanlan, integrasyon, kakayahang maobserbahan, at kontrol.

• Palawakin lang ang AI sa mga sistemang may mataas na dependency at sa mga end-to-end na workflow kapag tunay nang naitatag ang mga pahintulot, kakayahang ma-audit, at paghawak sa mga eksepsyon.
• Gamitin ang mga pundasyong iyon para muling idisenyo ang modelo ng operasyon, hindi lang para pabilisin ang luma.
• Tanungin kung saan kayang lumikha ang AI ng ganap na bagong halaga, hindi lang ng mas murang pagpapatupad.

Hindi kailangang nasa call to action kung saan makakatulong ang AI sa legacy na modelo. Itanong kung alin ang value modelo na dapat buuin muna, anong pundasyon ang nililikha nito, at ano ang binubuksan nito sa susunod. Magsimula nang sapat ang lawak para magkaroon ng kahusayan. Maging disiplinado para makuha ang halaga sa bawat hakbang. Pagkatapos, magpalawak nang may sapat na kumpiyansa para lumipat mula sa isang mas mabuting bersyon ng kasalukuyan patungo sa isang ganap na ibang hinaharap.