વ્યવસાયના પુનઃઆવિષ્કારને આગળ ધપાવતા પાંચ AI મૂલ્ય મોડલ્સ

મોટાભાગની સંસ્થાઓ આજે પણ AI ને ઉપયોગ કેસોની શ્રેણી તરીકે સંભાળે છે: અહીં એક પાયલોટ, ત્યાં એક વર્કફ્લો, એક કાર્યક્ષેત્રની અંદર એક આશાસ્પદ ટૂલ. આ અભિગમ સ્થાનિક જીતો આપી શકે છે, પરંતુ તે બહુ ઓછા પ્રસંગોમાં વ્યવસાય મૂલ્ય કેવી રીતે સર્જે છે તેમાં રૂપાંતર લાવે છે.

તે ઇન્ટરનેટના આગમન સમયે ઇન્ટરેક્ટિવ બેનર્સ અને drip email campaigns બનાવવાના અને eCommerce ક્રાંતિના મૂળ મુદ્દાને ચૂકી જવાના સમાન છે.

આગળ નીકળતી સંસ્થાઓ અલગ અને વધુ મહત્ત્વાકાંક્ષી તર્કનો ઉપયોગ કરે છે. તેઓ AI ને વિખૂટા પ્રયોગોના સમૂહ તરીકે નહીં, પરંતુ મૂલ્ય મોડલ્સના પોર્ટફોલિયો તરીકે જુએ છે. દરેકનું પોતાનું અર્થતંત્ર, time-to-value અને ગવર્નન્સ આવશ્યકતાઓ છે, અને દરેક આગળના મોડલને સ્કેલ કરવાનું વધુ સરળ બનાવે છે.

આ કારણથી AIમાંથી સૌથી વધુ લાભ મેળવનારી કંપનીઓ તે નહીં હોય જે સૌથી વધુ પાયલોટ્સ ચલાવે છે. તે તો એ હશે જે સમજે છે કે કયા મૂલ્ય મોડલ્સ બનાવવા, કયા ક્રમમાં બનાવવા અને કયા પાયાઓ સાથે પોતાના વ્યવસાયને ફરીથી ઘડવો.

એન્ટરપ્રાઇઝમાં પાંચ AI મૂલ્ય મોડલ્સ સૌથી સ્પષ્ટ રીતે ઉભરી રહ્યા છે. દરેક અલગ રીતે મૂલ્ય સર્જે છે. દરેકનું પોતાનું અર્થતંત્ર, સમય પરિધિ અને ગવર્નન્સ છે. અને દરેક આગળના મોડલને સ્કેલ કરવા માટેની પરિસ્થિતિઓ ઊભી કરી શકે છે.

વર્કફોર્સ સશક્તિકરણ પ્રવાહિતા બનાવે છે. પ્રવાહિતા ગવર્નન્સને કાર્યક્ષમ બનાવે છે. ગવર્નન્સ વધુ ઊંડા સિસ્ટમ ઇન્ટિગ્રેશનને સક્ષમ કરે છે. ઇન્ટિગ્રેશન નિર્ભરતા વ્યવસ્થાપનને શક્ય બનાવે છે. નિર્ભરતા વ્યવસ્થાપન એજન્ટ-આધારિત ઓપરેશન્સને સલામત બનાવે છે.

આ રીતે સંસ્થાઓ અલગ પડેલી AI જીતોમાંથી વ્યાપક વ્યવસાયિક પુનઃઆવિષ્કાર તરફ આગળ વધે છે. વ્યૂહાત્મક પ્રશ્ન કયો મોડલ પસંદ કરવો તે નથી. પ્રશ્ન એ છે કે શરૂઆત કયા મોડલથી કરવી, તે કયો પાયો બાંધે છે અને આગળ શું અનલોક કરે છે.

સક્રિય કરવા માટે આ સૌથી ઝડપી મૂલ્ય મોડલ છે. તે વર્કફોર્સમાં વ્યવહારુ AI ક્ષમતા ફેલાવે છે, ટૂંકા ગાળાના ઉત્પાદકતા લાભો સર્જે છે અને સાથે સાથે વધુ ઊંડા રૂપાંતર માટે જરૂરી પ્રવાહિતા બનાવે છે. વધુ મોટો લાભ ઝડપી ડ્રાફ્ટિંગ, સંશ્લેષણ અથવા વિશ્લેષણમાં નથી, પરંતુ સંસ્થાકીય તૈયારીમાં છે. HR સક્ષમ કરી શકે, Legal ગવર્નન્સ કરી શકે, Finance ફંડિંગ કરી શકે અને બિઝનેસ ટીમો AI ક્યાં કામ કરે છે અને તેનો સલામત ઉપયોગ કેવી રીતે કરવો તેની સંયુક્ત સમજ સાથે સહકાર આપી શકે.

• ભૂમિકાઓ મુજબ પુનરાવર્તિત ઉપયોગ અને પ્રાવીણ્ય સ્તર
• ટીમો વચ્ચે પુનઃઉપયોગી પ્રોમ્પ્ટ્સ, વર્કફ્લોઝ અને એસેટ્સ
• ક્રોસ-ફંક્શનલ સક્ષમીકરણના પુરાવા
• કામ કરવાની નવી રીતોની ઉદ્ભવ

બે-સ્તરીય વર્કફોર્સ: power users નો નાનો જૂથ આગળ વધી જાય જ્યારે બાકીની સંસ્થા અટકી જાય.

champions નેટવર્ક અને સ્ટાર્ટર વર્કફ્લોઝ બનાવો, જેમ કે performance evaluation, contract management અને procure to pay, જેથી શ્રેષ્ઠ પ્રથાઓને સંબંધિત અને પ્રેરણાદાયક બનાવાય.

આ મોડલ મહત્વનું છે કારણ કે AI ગ્રાહકો કેવી રીતે પ્રોડક્ટ્સ અને સેવાઓ શોધે છે, મૂલ્યાંકન કરે છે અને પસંદ કરે છે તે બદલી રહ્યું છે, અને તે પણ સંપૂર્ણપણે નવા સ્તરના એન્ગેજમેન્ટ સાથે. AI-નેટિવ ચેનલોમાં, કન્વર્ઝન વધતી જતી રીતે સંવાદની અંદર થાય છે. તેથી વૃદ્ધિનો પ્રશ્ન પહોંચમાંથી બદલાઈને ઇરાદાના ક્ષણોમાં વિશ્વાસ અને હાજરી તરફ વળી જાય છે. વિજેતાઓ ફક્ત સૌથી વધુ દેખાતા નહીં હોય. તેઓ ત્યારે સૌથી વધુ ઉપયોગી, વિશ્વસનીય અને યોગ્ય સમયે હાજર હશે જ્યારે નિર્ણય લેવાઈ રહ્યો હોય.

• લાયકાતસભર ઇરાદો અને વપરાશકર્તાની પ્રતિબદ્ધતા પહેલાંના iteration ની સંખ્યા
• કન્વર્ઝન ગુણવત્તા, જેમાં retention, upsell અને lifetime value શામેલ છે
• વિશ્વાસ સંકેતો જેમ કે return behavior, પુનરાવર્તિત એન્ગેજમેન્ટ અને referral
• તમારા વ્યવસાય સાથે સંબંધિત સમર્પિત data connectors અથવા apps નું સક્રિયકરણ

AI-નેટિવ ડિસ્ટ્રિબ્યુશનને legacy demand funnel જેવી રીતે જોવું અને પ્રાસંગિકતા તથા લાંબા ગાળાના વિશ્વાસના નુકસાન પર માત્ર વોલ્યુમ માટે ઑપ્ટિમાઇઝ કરવું.

એક સપાટી પસંદ કરો, જેમ કે vertical experience, embedded app અથવા ચોક્કસ ad objective, અને તમારા રોકાણને સ્કેલ કરતા પહેલાં કન્વર્ઝન ગુણવત્તા નિર્ધારિત કરો.

આ મોડલ વિશેષ AI ક્ષમતાને સંશોધન, સર્જનાત્મક અને ક્ષેત્ર-કેન્દ્રિત કાર્યમાં દાખલ કરે છે. ટૂંકા ગાળામાં, તે નિષ્ણાત અવરોધોને સંકોચે છે. સમય જતાં, તે ઓપરેટિંગ મોડલ બદલે છે: ટીમો પોતે પ્રથમ ડ્રાફ્ટ બનાવવાને બદલે, વાસ્તવિક સમયમાં સર્જાયેલા ઉચ્ચ-ગુણવત્તાવાળા આઉટપુટને દિશા આપે છે, સમીક્ષા કરે છે અને સંકલિત કરે છે. મૂલ્ય ટીમ શું તપાસી, ચકાસી અથવા બનાવી શકે છે તેનો વ્યાપ વધારવામાં છે, એવા પર્યાવરણમાં જ્યાં દરેક અંતર્દૃષ્ટિને માત્ર અનુમાનના આધારે upstream પ્રાથમિકતા આપવાની બદલે action plans અને ROI potential સાથે તપાસી શકાય.

• નિષ્ણાત અવરોધો પર ચક્ર-સમયમાં ઘટાડો
• ગુણવત્તામાં વધારો, જેમાં reviewer scores, error rates અને rework શામેલ છે
• વ્યાપનો વિસ્તાર, જેમ કે વધુ પ્રયોગો ચલાવ્યા અથવા વધુ સર્જનાત્મક variants ચકાસ્યા
• એવા સંપૂર્ણ નવા આવક સ્ત્રોતો, જેને શક્યતાના અનુમાનને કારણે બહાર રાખવામાં આવ્યા હોત

નિષ્ણાત ક્ષમતાને સ્પષ્ટ જવાબદારી સાથેના વાસ્તવિક વર્કફ્લોમાં સમાવેશ કરવાની બદલે ડેમો તરીકે લેવું.

એક નિષ્ણાત અવરોધ પસંદ કરો અને મૂલ્ય પ્રસ્તાવનાને મંજૂરી આપતા નિર્ણયકારકો પર કેન્દ્રિત કરો, સાથે સ્પષ્ટ સમજૂતી રાખો કે નવા ખ્યાલને તમારા વ્યવસાયના આગામી બાંધકામ બ્લોકમાં ફેરવવા માટે કયા પુરાવાની જરૂર છે.

કોડિંગ એજન્ટ્સ હાલનું સૌથી સ્પષ્ટ ઉદાહરણ છે, પરંતુ વધુ મોટું મૂલ્ય મોડલ એકબીજા સાથે જોડાયેલી કાર્ય પ્રણાલીઓમાં સુરક્ષિત અપગ્રેડ્સ છે. સમય જતાં, સંસ્થાઓ ઇચ્છશે કે આ સમાન ક્ષમતા માત્ર કોડ પર જ નહીં, પરંતુ SOPs, કરારો, પોલિસી દસ્તાવેજો, ગ્રાહક વર્ણનો, ઓનબોર્ડિંગ ફ્લો અને અન્ય આર્ટિફેક્ટ્સ પર પણ લાગુ કરવામાં આવે કે જે તેમના વિકાસની સાથે સુસંગત રહેવા જરૂરી છે. આ જનરેશન કરતાં નિયંત્રણ વિશે વધુ છે: વધુ ઝડપી અપડેટ્સ, ડાઉનસ્ટ્રીમમાં ઓછા ભંગાણ, વધુ મજબૂત અનુપાલન અને બહેતર ઑડિટ ક્ષમતા.

• જોડાયેલા આર્ટિફેક્ટ્સમાં સુરક્ષિત ફેરફાર અને વર્ઝન કન્ફ્લિક્ટના ઉકેલો માટેનો સમય
• ઑડિટ માટેની તૈયારી, જેમાં સંપાદનો, મંજૂરીઓ અને પુરાવાની અનુસરણક્ષમતા સામેલ છે
• ડાઉનસ્ટ્રીમ દસ્તાવેજો, સિસ્ટમો અને વર્કફ્લોમાં સુસંગતતા
• પરસ્પર નિર્ભર પ્રક્રિયાઓના વિશાળ ઇકોસિસ્ટમ્સમાં વિશ્વસનીયતા

નિયમન કરતાં કન્ટેન્ટ અથવા કોડ જનરેશનને વધુ ઝડપથી સ્કેલ કરવું, જે એવો પ્રણાલીગત બોજ ઊભો કરે છે જેનું આગળ જતાં ભારે જહેમતપૂર્વક નિરાકરણ લાવવાની જરૂર પડશે.

એક ઉચ્ચ-નિર્ભરતા ધરાવતા ડોમેનથી શરૂઆત કરો અને AI નિયંત્રણ સ્તર દ્વારા ફેરફારોને સ્વચાલિત કરતા પહેલા નિર્ભરતા ગ્રાફ, મંજૂરીનો માર્ગ અને પુરાવાની જરૂરિયાતો સ્પષ્ટ કરો.

આ વ્યાપક સ્તરે વિસ્તારવા માટેનું સૌથી ધીમું મોડલ છે અને ઘણીવાર સૌથી વધુ પરિવર્તનકારી હોય છે. અહીં, એજન્ટ્સ કાર્યોની અંદર અને કાર્યો વચ્ચે અંતથી અંત સુધીના વર્કફ્લોને સંકલિત રીતે સંચાલિત કરે છે: પ્રોક્યોર-ટુ-પે, દાવાઓ, ઉત્પાદન ફેરફાર નિયંત્રણ, ક્લિનિકલ કામગીરી અને વધુ. ફાયદા અનેકગણા છે, પરંતુ માત્ર ત્યારે જ જ્યારે પાયા વાસ્તવિક અને મજબૂત હોય: ઓળખ અને ઍક્સેસ નિયંત્રણો, ડેટાસેટ્સ અને ઉપ-ઘટકો પર સ્પષ્ટ પરવાનગીઓ, મોટા પાયે અવલોકન ક્ષમતા, વિશ્વાસ સૂચકો સાથે અપવાદ સંભાળ અને સ્પષ્ટ માલિકી. તેમના વિના, ઓટોમેશન મૂલ્ય કરતાં વધુ ઝડપથી જોખમ ઊભું કરે છે.

ફરી એકવાર, તેનો ફાયદો માત્ર કાર્યક્ષમતા કરતાં ઘણો મોટો છે. વર્કફ્લોનું પુનઃનિર્માણ તમારી સંસ્થાને એ પુનર્વિચાર કરવાની ફરજ પાડે છે કે પ્રક્રિયા શેના માટે છે, વિવેકબુદ્ધિનો ઉપયોગ ક્યાં થવો જોઈએ અને નવું મૂલ્ય ક્યાં ઊભું કરી શકાય છે. આ એ છુપો દરવાજો છે જ્યાંથી વ્યવસાય-મોડલમાં ફેરફારની શરૂઆત થાય છે.

• શરૂઆતથી અંત સુધીનો સાયકલ સમય
• અપવાદ દર અને નિરાકરણ સમય
• અનુપાલન અને ઓડિટનાં પરિણામો
• નવીનતાના આઉટપુટ, જેમ કે સામે આવેલી નવી તકો અથવા પરીક્ષણ કરાયેલી નવી પરિકલ્પનાઓ

પરવાનગીઓ, નિયંત્રણો અને જવાબદેહી પરિપક્વ થાય તે પહેલાં શરૂઆતથી અંત સુધીના વર્કફ્લોને સ્વચાલિત કરવાનો પ્રયાસ કરવો.

એક વર્કફ્લો પસંદ કરો અને ઓળખ, અધિકારો, સાધન એકીકરણ, લોગિંગ, અપવાદ સંભાળ અને માલિકી સંબંધિત તૈયારીનું મૂલ્યાંકન ચલાવો.

AI વ્યૂહરચનામાં નિષ્ફળતાનું કારણ માત્ર અલગ-અલગ પાયલોટ પ્રોજેક્ટ્સ જ નથી, પરંતુ પરિવર્તનને માત્ર વિશ્વાસના આધારે લેવાયેલું મોટું પગલું માનવું પણ છે: અત્યારે રોકાણ કરો, લાંબા સમય સુધી રાહ જુઓ અને આશા રાખો કે પછીથી મોટા પાયે મૂલ્ય દેખાશે. વધુ સશક્ત અભિગમ વધુ શિસ્તબદ્ધ અને વધુ મહત્ત્વાકાંક્ષી છે. તે સતત ROI શૃંખલામાં મૂલ્યને બહુગુણિત કરે છે.

તે શૃંખલા વ્યાપક સશક્તિકરણથી શરૂ થાય છે, જે અન્ય તમામ મૂલ્ય મોડલ માટેની આવશ્યક શરત છે. સંસમગ્ર સંસ્થામાં નિપુણતાનું વિશાળ વન ઉચ્ચ-મૂલ્ય ધરાવતા ઉપયોગના કિસ્સાઓ રૂપી વૃક્ષોનું નિર્માણ કરે છે.. જ્યારે વધુ લોકો સમજે છે કે AI કેવી રીતે કાર્ય કરે છે, તે ક્યાં મૂલ્યનું સર્જન કરે છે અને તેનો સુરક્ષિત રીતે કેવી રીતે ઉપયોગ કરવો, ત્યારે વધુ સારી તકો વધુ ઝડપથી સામે આવે છે. નિયમન વધુ વ્યવહારુ બને છે. સંકલન વધુ શક્ય બને છે. અને ઉચ્ચ-મૂલ્ય ધરાવતી સિસ્ટમ્સ સ્થિતિસ્થાપક બને છે અને દીવાદાંડી રૂપ ઉદાહરણો તથા ઓળખના પ્રતીકો તરીકે વિવિધ કાર્યક્ષેત્રોમાં વહેંચાય છે.

આ રીતે સંસ્થાઓ સારા થી ભિન્ન વ્યવસાય મોડલ તરફ આગળ વધે છે. AI પહેલાં કાર્યોમાં સુધારો કરે છે. પછી તે કાર્યપ્રવાહોને ફરીથી ડિઝાઇન કરે છે. ત્યારબાદ તે નિયંત્રણ સ્તરો, ચાલન મોડલ અને અંતે વ્યવસાય મોડલ બદલે છે. સ્ટોરને થોડા વધુ કાર્યક્ષમ બનાવીને રિટેલ ઈ-કોમર્સ બન્યું નહોતું. પરિસ્થિતિ ત્યારે બદલાઈ જ્યારે નેતાઓએ દુકાનોને સંપૂર્ણપણે બાકાત રાખીને અને માર્કેટિંગને લોજિસ્ટિક્સ સાથે એક જ વપરાશકર્તા-કેન્દ્રિત પ્રક્રિયામાં જોડીને સંપૂર્ણપણે નવો મૂલ્ય પ્રસ્તાવ બનાવવાનું શીખ્યું. AI એ જ નમૂનો અનુસરશે.

કેટલાક ઉદાહરણો:

• એક રિટેલર વ્યાપક સ્વીકૃતિથી શરૂઆત કરે છે, પછી AI-નેટિવ શોધ અને વાતચીત આધારિત કોમર્સને સુધારે છે અને અંતે વ્યક્તિગત વેચાણ માટે નવી ચેનલ બનાવે છે.
• એક ફાર્માસ્યુટિકલ કંપની કાર્યબળની પ્રાવિણ્યતા અને R&D તથા ક્લિનિકલ ઓપરેશન્સમાં નિષ્ણાત ક્ષમતાથી શરૂઆત કરે છે, ત્યારબાદ સુશાસિત સંશોધન વર્કફ્લો બનાવે છે જે અંતિમ તબક્કાની મંજૂરીઓ માટે નવા ઉપચારાત્મક સંકેતો ઉજાગર કરે છે અને પાઇપલાઇનના આર્થિક માળખાને નવો આકાર આપે છે.
• એક ઉત્પાદક વિવિધ કાર્યોમાં કોપાઇલોટ્સથી શરૂઆત કરે છે, ત્યારબાદ ચેન્જ કંટ્રોલ, SOPs અને ગુણવત્તા વર્કફ્લોઝમાં AI લાગુ કરે છે, જ્યાં સુધી કામગીરીને સ્થિર સિસ્ટમ તરીકે નહીં પરંતુ બજારના આર્થિક સમીકરણોને નવેસરથી વ્યાખ્યાયિત કરતી અનુકૂલનશીલ સિસ્ટમ તરીકે સંચાલિત કરી શકાય.
• એક વીમાકર્તા દાવા-સહાયતા ટૂલથી શરૂઆત કરે છે, પછી નિયંત્રિત નિષ્ણાત સમીક્ષા અને વર્કફ્લો ઓર્કેસ્ટ્રેશન વિકસાવે છે અને અંતે ઝડપી નિર્ણયો, ઓછા અપવાદો અને વધુ સારા ગ્રાહક પરિણામોને કેન્દ્રમાં રાખીને દાવાઓના સંચાલનની પુનઃરચના કરે છે.

જો તમે આજે AI વ્યૂહરચનાનું નેતૃત્વ કરી રહ્યા છો, તો તેને ત્રણ તબક્કામાં સરળ રાખો.

• ભૂમિકા-આધારિત વર્કફ્લો અને ચેમ્પિયન્સ નેટવર્ક દ્વારા વિશાળ કર્મચારીવર્ગને સશક્ત કરો.
• ગવર્નન્સની મૂળભૂત બાબતો સ્થાપિત કરો: શેની મંજૂરી છે, શેની સમીક્ષા કરવામાં આવે છે, શું લૉગ કરવામાં આવે છે અને અપનાવવાની જવાબદારી કોની છે.
• વારંવાર થતા ઉપયોગ, કુશળતા, ફરીથી ઉપયોગ કરી શકાય તેવા વર્કફ્લો અને ક્રોસ-ફંક્શનલ સક્ષમીકરણ માપો.

• ઉચ્ચ-મૂલ્યવાળી કેટલીક પ્રવૃત્તિઓ પસંદ કરો: એક ડિસ્ટ્રિબ્યુશન પ્લે, નિષ્ણાતોને લગતી એક અડચણ અને દેખીતા ROI ધરાવતો એક વર્કફ્લો.
• વ્યાપારિક પરિભાષામાં મૂલ્યનું માપન કરો: રૂપાંતરણની ગુણવત્તા, કાર્યચક્રના સમયમાં ઘટાડો, ગુણવત્તામાં સુધારો, જોખમમાં ઘટાડો અને નવી આવકની સંભાવના.
• એ સફળતાઓમાંથી મળેલા લાભોને પાયાના આગામી સ્તરમાં ફરીથી રોકો: ડેટા ગુણવત્તા, ઓળખ, એકીકરણ, અવલોકનક્ષમતા અને નિયંત્રણ.

• ઉચ્ચ-નિર્ભરતા ધરાવતી સિસ્ટમ્સ અને એન્ડ-ટુ-એન્ડ વર્કફ્લોમાં AI ને માત્ર ત્યારે જ વિસ્તૃત કરો જ્યારે પરવાનગીઓ, ઑડિટ ક્ષમતા અને અપવાદ સંચાલન વાસ્તવિક હોય.
• તે પાયાઓનો ઉપયોગ ઓપરેટિંગ મોડલને ફરીથી ડિઝાઇન કરવા માટે કરો, માત્ર જૂના મોડલને ઝડપી બનાવવા માટે નહીં.
• પૂછો કે AI માત્ર સસ્તા અમલીકરણને બદલે, સંપૂર્ણપણે નવું મૂલ્ય ક્યાં નિર્માણ કરી શકે છે.

પગલાં લેવાનું આહ્વાન એ હોવું જરૂરી નથી કે AI પરંપરાગત મોડલમાં ક્યાં મદદ કરી શકે છે. પૂછો કે સૌપ્રથમ કયું મૂલ્ય મોડલ બનાવવું જોઈએ, તે કેવો પાયો રચે છે અને તે આગળ જતાં શું શક્ય બનાવે છે. પ્રવાહિતા વિકસે તે માટે પૂરતી વ્યાપકતાથી શરૂઆત કરો. દરેક પગલે મૂલ્ય પ્રાપ્ત કરી શકો એટલા શિસ્તબદ્ધ બનો. ત્યારબાદ પૂરતા આત્મવિશ્વાસ સાથે વ્યાપ વધારો જેથી વર્તમાનના વધુ સારા સ્વરૂપમાંથી સંપૂર્ણપણે એક અલગ ભવિષ્ય તરફ આગળ વધી શકાય.