Pet AI modela vrijednosti koji pokreću transformaciju poslovanja

Većina organizacija i dalje upravlja umjetnom inteligencijom kroz niz pojedinačnih primjena: pilot-projekt ovdje, radni tijek ondje, obećavajući alat unutar jedne funkcije. Takav pristup može donijeti lokalne uspjehe, ali rijetko mijenja način na koji tvrtka stvara vrijednost.

To je slično kao kad su se s dolaskom interneta izrađivali interaktivni banneri i drip e-mail kampanje, a propuštala suština e-commerce revolucije.

Organizacije koje prednjače koriste drugačiju i ambiciozniju logiku. AI ne tretiraju kao skup nepovezanih eksperimenata, već kao portfelj modela vrijednosti. Svaki ima vlastitu ekonomsku isplativost, vrijeme do stvaranja vrijednosti i zahtjeve upravljanja, a svaki sljedeći olakšava skaliranje.

Zato tvrtke koje će izvući maksimum iz AI-ja neće biti one koje provode najviše pilot-projekata. Imat će je one koje razumiju koje modele vrijednosti treba izgraditi, kojim redoslijedom i na kojim temeljima kako bi transformirale vlastito poslovanje.

U poslovnom svijetu se najjasnije izdvaja pet AI modela vrijednosti. Svaki stvara vrijednost na drugačiji način. Svaki ima vlastitu ekonomiju, vremenski horizont i upravljanje. I svaki može stvoriti uvjete za skaliranje sljedećeg.

Osnaživanje zaposlenika gradi sigurnost u radu s AI-jem. Ta sigurnost čini upravljanje provedivim. Upravljanje omogućuje dublju integraciju sustava. Integracija omogućuje upravljanje ovisnostima. Upravljanje ovisnostima osigurava sigurnost operacija koje vodi agent.

Tako organizacije prelaze s izoliranih AI uspjeha na širu transformaciju poslovanja. Ključno pitanje nije koji model odabrati. Ključno je pitanje ono s kojim započeti, kakve temelje on stvara i što otključava sljedeće.

Ovo je najbrži model vrijednosti za aktivaciju. Širi praktične mogućnosti umjetne inteligencije među radnom snagom, stvarajući kratkoročne dobitke u produktivnosti uz izgradnju razine znanja o umjetnoj inteligenciji potrebne za dublju transformaciju. Veća korist nije brža izrada skica, sinteza ili analiza, već organizacijska spremnost. HR može omogućiti, Pravna služba može upravljati, Financije mogu financirati, a poslovni timovi mogu surađivati uz zajedničko razumijevanje gdje AI funkcionira i kako ga sigurno koristiti.

• Ponovljeno korištenje po ulozi i razina vještine
• Ponovno upotrebljivi upiti, radni tijekovi i resursi među timovima
• Dokazi o osposobljenosti među funkcijama
• Pojava novih načina rada

Dvostruki sloj zaposlenika: mala skupina naprednih korisnika ide naprijed, dok ostatak organizacije stagnira.

Izgradite mrežu ambasadora i početne radne tijekove, poput procjene učinka, upravljanja ugovorima i procesa od nabave do plaćanja, koji najbolje prakse čine razumljivima i poticajnima.

Ovaj je model važan jer umjetna inteligencija mijenja način na koji kupci otkrivaju, procjenjuju i biraju proizvode i usluge uz potpuno novu razinu angažmana. U AI-podržanim kanalima konverzija se sve češće događa unutar razgovora. To pomiče pitanje rasta s dosega na povjerenje i prisutnost u trenucima namjere. Pobjednici neće biti samo najvidljiviji. Bit će to oni koji su najkorisniji, najvjerodostojniji i najbolje tempirani u trenutku donošenja odluke.

• Kvalificirana namjera i broj ponavljanja prije nego što se korisnik obveže
• Kvaliteta konverzije, uključujući zadržavanje, nadogradnju i životnu vrijednost
• Signali povjerenja, poput ponašanja pri povratu, ponovnog angažmana i preporuka
• Aktivacija namjenskih podatkovnih konektora ili aplikacija povezanih s vašim poslovanjem

Pristup distribuciji temeljnoj na umjetnoj inteligenciji kao tradicionalnom prodajnom lijevku te optimizacija za količinu na račun relevantnosti i trajnog povjerenja.

Odaberite jedno sučelje, poput vertikalnog iskustva, ugrađene aplikacije ili određenog oglasnog cilja, i definirajte kvalitetu konverzije prije nego što skalirate ulaganje.

Ovaj model uvodi specijalizirane AI mogućnosti u istraživački, kreativni i stručno zahtjevan rad. U kratkom roku smanjuje uska grla stručnosti. S vremenom mijenja operativni model: timovi prelaze s izrade prvih verzija na usmjeravanje, pregled i integraciju visokokvalitetnih rezultata generiranih u stvarnom vremenu. Vrijednost proizlazi iz proširenja onoga što tim može ispitati, testirati ili producirati u okruženju koje omogućuje da se svaki uvid istraži kroz konkretne planove djelovanja i potencijal povrata ulaganja, umjesto da se prioriteti određuju unaprijed isključivo na temelju intuicije.

• Smanjenje trajanja ciklusa na uskim grlima stručnjaka
• Poboljšanje kvalitete, uključujući ocjene recenzenata, stope pogrešaka i prepravke
• Proširenje opsega, primjerice provođenje više eksperimenata ili testiranje dodatnih kreativnih varijanti
• Novi neto prihodi koji bi bili isključeni na temelju pretpostavki o izvedivosti

Tretiranje stručne sposobnosti kao demonstracije umjesto ugradnje u stvarni radni tijek s jasnom odgovornošću.

Odaberite jedno usko grlo stručnosti i usmjerite vrijednosnu ponudu na donositelje odluka koji daju odobrenje, uz jasan dogovor o tome koji su dokazi potrebni da bi se nova ideja pretvorila u sljedeći gradivni element vašeg poslovanja.

Agenti za programiranje trenutačno su najjasniji primjer, ali veća vrijednost leži u sigurnim nadogradnjama kroz međusobno povezane sustave rada. S vremenom će organizacije željeti primijeniti iste mogućnosti ne samo na kȏd, nego i na standardne operativne postupke, ugovore, pravilnike, narative o klijentima, tijekove uvođenja korisnika i druge artefakte koji moraju ostati dosljedni kako se razvijaju. Ovdje je manje riječ o generiranju, a više o kontroli: brža ažuriranja, manje pogrešaka nizvodno, snažnija usklađenost i bolja mogućnost revizije.

• Vrijeme za sigurnije promjene kroz povezane artefakte i rješavanja sukoba verzija
• Spremnost za reviziju, uključujući sljedivost uređivanja, odobrenja i dokaze
• Dosljednost u povezanim dokumentima, sustavima i radnim tijekovima
• Pouzdanost u velikim ekosustavima međusobno ovisnih procesa

Brže skaliranje generiranja sadržaja ili koda od upravljanja, što stvara sistemski dug koji će kasnije zahtijevati dugotrajno i zahtjevno rješavanje.

Započnite s jednim područjem s visokom razinom ovisnosti i definirajte graf ovisnosti, put odobravanja i zahtjeve za dokazima prije nego što automatizirate promjene uz sloj kontrole temeljen na umjetnoj inteligenciji.

Ovo je najsporiji model za skaliranje i često najtransformativniji. Ovdje agenti orkestriraju radne tijekove od početka do kraja unutar funkcija i između njih: od nabave do plaćanja, obradu zahtjeva, upravljanje promjenama u proizvodnji, kliničke operacije i drugo. Potencijal je eksponencijalan, ali samo kada su temelji postavljeni: kontrole identiteta i pristupa, čiste dozvole na skupovima podataka i podkomponentama, mogućnost praćenja na razini sustava, obrada iznimki uz pokazatelje pouzdanosti te jasno definirano vlasništvo. Bez toga automatizacija stvara rizik brže nego vrijednost.

Dobit je ponovno mnogo veća od puke učinkovitosti. Redizajn radnog tijeka prisiljava vašu organizaciju da preispita svrhu procesa, gdje je potrebna prosudba i gdje se može stvoriti nova vrijednost. To su skrivena vrata na kojima počinje promjena poslovnog modela.

• Ukupno vrijeme ciklusa
• Stopa iznimki i vrijeme njihova rješavanja
• Ishodi usklađenosti i revizije
• Rezultati inovacija, poput novih prilika koje su identificirane ili novih hipoteza koje su testirane

Pokušaj automatizacije radnih tijekova od početka do kraja prije nego što su dozvole, kontrole i odgovornosti dovoljno razvijene.

Odaberite jedan radni tijek i provedite procjenu spremnosti kroz identitet, prava pristupa, integraciju alata, zapisivanje, obradu iznimki i vlasništvo.

Točka neuspjeha u AI strategiji nisu samo izolirani pilot-projekti, nego i pristup koji transformaciju tretira kao skok u nepoznato: investirati sada, dugo čekati i nadati se da će se vrijednost kasnije pojaviti u većem opsegu. Snažniji pristup istodobno je discipliniraniji i ambiciozniji. Vrijednost se postupno povećava kroz kontinuirani niz povrata ulaganja.

Taj niz započinje širokim osnaživanjem, koje je preduvjet za sve ostale modele vrijednosti. Širina AI pismenosti u organizaciji stvara konkretne primjene visoke vrijednosti.. Kada više ljudi razumije kako umjetna inteligencija funkcionira, gdje stvara vrijednost i kako je sigurno koristiti, bolje se prilike pojavljuju brže. Upravljanje postaje praktičnije. Integracija postaje izvedivija. A sustavi veće vrijednosti postaju otporniji i dijeljeni među funkcijama kao referentni primjeri i nositelji identiteta.

Ovako organizacije prelaze s boljeg na drugačije poslovne modele. Umjetna inteligencija najprije poboljšava zadatke. Zatim redizajnira radne tijekove. Zatim mijenja kontrolne slojeve, operativne modele i na kraju poslovne modele. Maloprodaja nije postala e-trgovina tako što je trgovine učinila tek neznatno učinkovitijima. Do promjene je došlo kad su lideri naučili izgraditi potpuno novu vrijednosnu ponudu – zaobilazeći fizičke trgovine i povezujući marketing s logistikom u jedinstvenom, korisniku usmjerenom procesu. AI će slijediti isti obrazac.

Nekoliko primjera:

• Maloprodajna tvrtka započinje širokim prihvaćanjem među zaposlenicima, unapređuje otkrivanje proizvoda uz pomoć AI-ja i konverzacijsko trgovanje te na kraju stvara novi kanal za personaliziranu prodaju.
• Farmaceutska tvrtka započinje s razinom pismenosti zaposlenika i stručnim kapacitetima u istraživanju i razvoju te kliničkim operacijama, zatim gradi upravljane istraživačke radne tijekove koji otkrivaju nove indikacije za kasne faze odobrenja i mijenjaju ekonomiku portfelja.
• Proizvođač započinje s kopilotima kroz različite funkcije, zatim primjenjuje umjetnu inteligenciju na upravljanje promjenama, standardne operativne postupke i radne tijekove kvalitete, sve dok se operacijama ne može upravljati kao prilagodljivim sustavom koji redefinira tržišnu ekonomiku, a ne kao statičnim.
• Osiguravajuće društvo započinje s alatima za pomoć pri obradi šteta, zatim gradi upravljani stručni pregled i orkestraciju radnih tijekova te na kraju redizajnira obradu šteta oko bržih odluka, manje iznimki i boljih ishoda za korisnike.

Ako danas vodite AI strategiju, pojednostavnite je kroz tri faze.

• Osnažite širi krug zaposlenika radnim tijekovima prilagođenima ulogama i mrežom ambasadora.
• Postavite osnovna pravila upravljanja: što je dopušteno, što se pregledava, što se bilježi i tko je odgovoran za uvođenje.
• Mjerite ponovljeno korištenje, razinu vještine, ponovno upotrebljive radne tijekove i osposobljavanje među funkcijama.

• Odaberite mali broj inicijativa visoke vrijednosti: jednu distribucijsku inicijativu, jedno usko grlo stručnosti i jedan radni tijek s jasno vidljivim povratom ulaganja.
• Mjerite vrijednost kroz poslovne pokazatelje: kvalitetu konverzije, skraćenje vremena ciklusa, poboljšanje kvalitete, smanjenje rizika i potencijal za nove prihode.
• Ta postignuća ponovno uložite u sljedeći sloj temelja: kvalitetu podataka, identitet, integraciju, mogućnost praćenja i kontrolu.

• Proširite primjenu umjetne inteligencije na sustave s visokom razinom ovisnosti i radne tijekove od početka do kraja tek kad su dozvole, mogućnost revizije i obrada iznimki uistinu uspostavljeni.
• Iskoristite te temelje za redizajn operativnog modela, a ne samo za ubrzavanje postojećeg.
• Postavite pitanje gdje umjetna inteligencija može stvoriti potpuno novu vrijednost, a ne samo omogućiti jeftiniju provedbu.

Poziv na djelovanje ne mora se odnositi na to gdje umjetna inteligencija može pomoći u postojećem modelu. Postavite pitanje koji model vrijednosti prvo izgraditi, kakve temelje stvara i što zatim otključava. Započnite dovoljno široko da izgradite sigurnost u radu s AI-jem. Budite dovoljno disciplinirani da na svakom koraku ostvarite vrijednost. Zatim skalirajte s dovoljno povjerenja da prijeđete s bolje verzije sadašnjosti na potpuno drukčiju budućnost.