व्यवसायाचे पुनर्रचना पुढे नेणारी पाच AI मूल्य मॉडेल

बहुतेक संस्था अजूनही AI चे व्यवस्थापन वापर प्रकरणांच्या मालिकेप्रमाणे करतात: इथे एक पायलट, तिथे एक कार्यप्रवाह, एका कार्यामध्येच एक आशादायक साधन. तो दृष्टिकोन स्थानिक पातळीवर यश देऊ शकतो, परंतु व्यवसाय मूल्य कसे निर्माण करतो यामध्ये तो क्वचितच परिवर्तन घडवतो.

हे इंटरनेटच्या आगमनासह इंटरॅक्टिव्ह बॅनर्स आणि ड्रिप ईमेल कॅम्पेन्स तयार करण्यासारखे आहे, आणि eCommerce क्रांतीचा गाभा चुकवण्यासारखे आहे.

पुढे जात असलेल्या संस्था वेगळा आणि अधिक महत्त्वाकांक्षी तर्क वापरतात. ते AI ला परस्परांशी असंबंधित प्रयोगांचा संग्रह म्हणून नव्हे, तर मूल्य मॉडेल्सचा पोर्टफोलिओ म्हणून पाहतात. प्रत्येकाचे स्वतःचे अर्थकारण, मूल्य मिळण्यास लागणारा वेळ आणि गव्हर्नन्स आवश्यकता असतात, आणि प्रत्येक पुढच्या गोष्टीला स्केल करणे अधिक सोपे करते.

म्हणूनच AI मधून जास्तीत जास्त लाभ मिळवणाऱ्या कंपन्या सर्वाधिक पायलट्स चालवणाऱ्या कंपन्या नसतील. तेच असे असतील ज्यांना त्यांच्या स्वतःच्या व्यवसायाचा पुनर्निर्माण करण्यासाठी कोणते मूल्य मॉडेल तयार करायचे, कोणत्या क्रमाने, आणि कोणत्या पायावर हे समजेल.

एंटरप्राइझमध्ये पाच AI मूल्य मॉडेल स्पष्टपणे उदयास येत आहेत. प्रत्येक वेगळ्या पद्धतीने मूल्य निर्माण करतो. प्रत्येकाचे स्वतःचे अर्थकारण, कालावधी आणि शासन व्यवस्था असते. आणि प्रत्येकजण पुढच्याला विस्तारासाठी अटी निर्माण करू शकतो.

वर्कफोर्स सशक्तीकरणामुळे प्रवाहीपणा निर्माण होतो. प्रवाहीपणा शासन कार्यक्षम बनवतो. शासन अधिक सखोल प्रणाली एकत्रीकरण सक्षम करते. समाकलनामुळे अवलंबित्व व्यवस्थापन शक्य होते. अवलंबित्व व्यवस्थापनामुळे एजंट-चालित ऑपरेशन्स सुरक्षित होतात.

अशा प्रकारे संस्था वेगळ्या AI यशांपासून व्यापक व्यवसाय पुनर्निर्मितीकडे वाटचाल करतात. धोरणात्मक प्रश्न कोणते मॉडेल निवडायचे हा नाही. ते कोणते आधी सुरू करायचे, ते कोणता पाया घडवते, आणि पुढे काय उपलब्ध होते याबद्दल आहे.

हे सक्रिय करण्यासाठीचे सर्वात जलद व्हॅल्यू मॉडेल आहे. हे संपूर्ण कार्यबलामध्ये व्यावहारिक AI क्षमता पसरवते, ज्यामुळे तात्काळ उत्पादकतेतील वाढ होते, तसेच अधिक सखोल रूपांतरणासाठी आवश्यक असलेला AI प्रवाहीपणा विकसित करते. मोठा फायदा हा अधिक जलद मसुदा तयार करणे, संकलन, किंवा विश्लेषण नाही, तर संस्थात्मक तयारी आहे. HR सक्षम करू शकते, लीगल शासित करू शकते, फायनान्स निधी देऊ शकते, आणि बिझनेस संघ AI कुठे प्रभावी आहे आणि ते सुरक्षितपणे कसे वापरायचे याबाबतच्या सामायिक समजुतीसह सहकार्य करू शकतात.

• भूमिकेनुसार, आणि प्रावीण्य स्तरानुसार वारंवार वापर
• संघांमध्ये पुनर्वापरयोग्य प्रॉम्प्ट, कार्यप्रवाह, आणि मालमत्ता
• क्रॉस-फंक्शनल सक्षमीकरणाचे पुरावे
• काम करण्याच्या नवीन पद्धतींचा उदय

दोन-स्तरीय वर्कफोर्स: पॉवर युजर्सचा एक लहान गट पुढे जातो, तर उर्वरित संस्था ठप्प राहते.

चॅम्पियन्सचे नेटवर्क आणि स्टार्टर वर्कफ्लोज तयार करा, जसे की कार्यक्षमता मूल्यांकन, करार व्यवस्थापन आणि procure to pay, जे सर्वोत्तम पद्धतींना संबंधित आणि प्रेरणादायी बनवतात.

हे मॉडेल महत्त्वाचे आहे कारण AI ग्राहक उत्पादने आणि सेवा कशा शोधतात, मूल्यांकन करतात आणि निवडतात हे पूर्णपणे नवीन स्तराच्या सहभागासह बदलत आहे. AI-स्वरूप चॅनेल्समध्ये, रूपांतरण अधिकाधिक संभाषणाच्या आत घडते. यामुळे वाढीचा प्रश्न reach वरून trust आणि हेतूच्या क्षणांमध्ये उपस्थितीकडे सरकतो. विजेते फक्त सर्वात जास्त दृश्यमान असणारे नसतील. निर्णय घेतला जात असताना ते सर्वात उपयुक्त, विश्वासार्ह, आणि योग्य वेळी असतील.

• पात्र हेतू, आणि वापरकर्त्याची वचनबद्धता होण्यापूर्वीच्या पुनरावृत्त्यांची संख्या
• कन्व्हर्जनची गुणवत्ता, ज्यामध्ये धारणा, अपसेल आणि आयुष्यभराचा मूल्य समाविष्ट आहे
• परतावा वर्तन, पुनरावृत्ती सहभाग, आणि संदर्भ यांसारखे विश्वासाचे संकेत
• तुमच्या व्यवसायाशी संबंधित विशिष्ट डेटा कनेक्टर्स किंवा ॲप्सचे सक्रियकरण

AI-नेटीव्ह वितरणाला लेगसी डिमांड फनेलसारखे हाताळणे आणि सुसंगतता व टिकाऊ विश्वास गमावून व्हॉल्यूमसाठी ऑप्टिमाइझ करणे.

उभ्या अनुभवाचा एक प्रकार, एम्बेड केलेले ॲप किंवा विशिष्ट जाहिरात उद्दिष्ट निवडा आणि तुमची गुंतवणूक मोठ्या प्रमाणावर वाढवण्यापूर्वी रूपांतरणाची गुणवत्ता स्पष्ट करा.

हे मॉडेल संशोधन, सर्जनशील आणि क्षेत्र-प्रधान कामांमध्ये विशेष AI क्षमता समाविष्ट करते. निकट काळात, ते तज्ञांच्या अडथळ्यांना कमी करते. कालांतराने, ते ऑपरेटिंग मॉडेल बदलते: संघ स्वतः पहिले मसुदे तयार करण्याऐवजी रिअल-टाइममध्ये तयार होणाऱ्या उच्च-गुणवत्तेच्या आउटपुटचे निर्देशन, पुनरावलोकन आणि एकत्रीकरण करतात. मूल्य हे संघ तपासू, चाचणी करू किंवा तयार करू शकतो त्या गोष्टींचा विस्तार करण्यामधून येते, अशा वातावरणात जे प्रत्येक अंतर्दृष्टीची क्रिया योजना आणि ROI क्षमतेसह तपासणी करण्यास सक्षम करते, केवळ अंतःप्रेरणेवर प्राधान्य न देता.

• तज्ञांच्या अडथळ्यांवरील चक्रावधी कमी करणे
• गुणवत्तेतील वाढ, ज्यामध्ये पुनरावलोकनकर्त्यांचे गुण, त्रुटी दर आणि पुन्हा काम समाविष्ट आहे
• व्याप्तीचा विस्तार, जसे की अधिक प्रयोग चालवणे किंवा अधिक सर्जनशील व्हेरिएंटची चाचणी घेणे
• शक्यता गृहितकांवर वगळले गेले असते असे निव्वळ नवीन महसूल प्रवाह

तज्ज्ञ क्षमतेला स्पष्ट जबाबदारीसह वास्तविक कार्यप्रवाहात समाविष्ट करण्याऐवजी, तिला केवळ प्रात्यक्षिक म्हणून वागवणे.

एक तज्ञ अडथळा निवडा आणि मूल्य प्रस्तावावर स्वाक्षरी करणाऱ्या निर्णयकर्त्यांवर लक्ष केंद्रित करा. नवीन संकल्पना तुमच्या व्यवसायाच्या पुढील टप्प्यात रूपांतरित करण्यासाठी कोणते पुरावे आवश्यक आहेत यावर स्पष्ट सहमती ठेवा.

कोडिंग एजंट्स हे सध्या सर्वात स्पष्ट उदाहरण आहेत, पण मोठे मूल्य मॉडेल म्हणजे परस्पर जोडलेल्या कामाच्या प्रणालींमध्ये सुरक्षित अपग्रेड्स. कालांतराने, संस्थांना हीच क्षमता केवळ कोडवरच नव्हे, तर SOPs, करार, धोरणात्मक दस्तऐवज, ग्राहक कथन, ऑनबोर्डिंग प्रवाह आणि विकसित होत असताना सुसंगत राहणे आवश्यक असलेल्या इतर कलाकृतींवरही लागू करायची असेल. हे जनरेशनपेक्षा नियंत्रणाबद्दल अधिक आहे: जलद अपडेट्स, कमी डाउनस्ट्रीम बिघाड, अधिक मजबूत अनुपालन, आणि अधिक चांगली ऑडिटयोग्यता.

• कनेक्टेड आर्टिफॅक्ट्समध्ये सुरक्षित बदल आणि आवृत्ती संघर्ष निराकरणांमध्ये लागणारा वेळ
• ऑडिटसाठी तयारी, ज्यामध्ये संपादन, मंजुरी आणि पुराव्याची ट्रेसिबिलिटी समाविष्ट आहे
• डाउनस्ट्रीम दस्तऐवज, प्रणाली आणि कार्यप्रवाहांमध्ये सुसंगतता
• परस्परावलंबी प्रक्रियांच्या विशाल परिसंस्थांमध्ये विश्वासार्हता

गव्हर्नन्सपेक्षा जास्त वेगाने सामग्री किंवा कोड जनरेशन स्केल करणे, सिस्टिमिक डेट निर्माण करणे, ज्याचे पुढे जाऊन कष्टसाध्य निराकरण करावे लागेल.

एका उच्च-अवलंबित्व डोमेनपासून सुरुवात करा आणि AI नियंत्रण स्तरासह बदल स्वयंचलित करण्यापूर्वी अवलंबित्व ग्राफ, मंजुरी मार्ग आणि पुरावा आवश्यकता परिभाषित करा.

हे स्केल करण्यासाठी सर्वात धीमे मॉडेल आहे आणि अनेकदा सर्वात रूपांतरकारी असते. येथे, एजंट्स फंक्शन्सच्या आत आणि फंक्शन्सपलीकडे एंड-टू-एंड वर्कफ्लोचे ऑर्केस्ट्रेशन करतात: procure-to-pay, दावे, उत्पादन बदल नियंत्रण, क्लिनिकल ऑपरेशन्स, आणि आणखी बरेच. फायदा घातांकीय आहे, पण तो फक्त जेव्हा पाया खरा असतो तेव्हाच: ओळख आणि प्रवेश नियंत्रण, डेटासेट्स आणि उप-घटकांवरील स्वच्छ परवानग्या, विस्तारात निरीक्षणक्षमता, आत्मविश्वास निर्देशकांसह अपवाद हाताळणी, आणि स्पष्ट मालकी. त्यांच्याशिवाय, ऑटोमेशन मूल्यापेक्षा वेगाने धोका निर्माण करते.

फायदा पुन्हा एकदा केवळ कार्यक्षमतेपेक्षा खूप मोठा आहे. वर्कफ्लोचे पुनर्रचना करणे तुमच्या संस्थेला हा प्रक्रिया कशासाठी आहे, निर्णय कुठे असावा, आणि कुठे नवीन मूल्य निर्माण करता येईल याचा पुन्हा विचार करण्यास भाग पाडते. ही लपलेली दार आहे जिथे व्यवसाय-मॉडेल बदल सुरू होतो.

• संपूर्ण चक्र वेळ
• अपवाद दर आणि निराकरण वेळ
• अनुपालन आणि ऑडिटचे परिणाम
• नवोन्मेष परिणाम, जसे की समोर आलेल्या नवीन संधी किंवा तपासलेल्या नवीन परिकल्पना

परवानग्या, नियंत्रणे आणि जबाबदारी परिपक्व होण्यापूर्वी कार्यप्रवाह पूर्णपणे स्वयंचलित करण्याचा प्रयत्न.

एक कार्यप्रवाह निवडा आणि ओळख, हक्क, साधन एकत्रीकरण, लॉगिंग, अपवाद हाताळणी आणि मालकी या सर्वांमध्ये तयारीचे मूल्यांकन करा.

AI धोरणातील अपयशाचा मुद्दा फक्त स्वतंत्र पायलट्सपुरता मर्यादित नाही, तर परिवर्तनाला 'leap of faith' म्हणून पाहण्यामध्येही आहे: आत्ताच गुंतवणूक करा, बराच काळ प्रतीक्षा करा, आणि नंतर मोठ्या प्रमाणावर मूल्य दिसेल अशी आशा ठेवा. अधिक प्रभावी दृष्टिकोन अधिक शिस्तबद्ध आणि अधिक महत्त्वाकांक्षी आहे. ते सततच्या ROI क्रमात मूल्य वृद्धिंगत करते.

तो अनुक्रम व्यापक सशक्तीकरणापासून सुरू होतो, जे इतर सर्व मूल्य मॉडेल्ससाठी सक्षम करणारी अट आहे. संपूर्ण संस्थेमधील प्रवाहीपणाचे जंगल उच्च-मूल्य युज केसची झाडे निर्माण करते. अधिक लोकांना AI कसे कार्य करते, ते कुठे मूल्य निर्माण करते, आणि ते सुरक्षितपणे कसे वापरायचे हे समजले की, अधिक चांगल्या संधी अधिक वेगाने समोर येतात. शासन अधिक व्यावहारिक बनते. एकत्रीकरण अधिक शक्य होते. आणि उच्च-मूल्य प्रणाली लवचिक बनतात आणि लाइटहाऊस उदाहरणे व ओळख चिन्हे म्हणून कार्यांमध्ये सामायिक केल्या जातात.

संस्था चांगल्यापासून वेगळ्या व्यवसाय मॉडेलकडे कशा जातात हे असे आहे. AI प्रथम कार्ये सुधारते. मग ते कार्यप्रवाहांचे पुनर्रचना करते. मग ते नियंत्रण स्तर, ऑपरेटिंग मॉडेल आणि शेवटी व्यवसाय मॉडेल बदलते. स्टोअर्स थोडे अधिक कार्यक्षम करून रिटेल eCommerce बनले नाही. नेत्यांनी स्टोअर्सना पूर्णपणे बायपास करून आणि मार्केटिंगला लॉजिस्टिक्सशी एकाच, वापरकर्ता-केंद्रित हालचालीत जोडणारी नवीन मूल्य-प्रस्तावना निर्माण केली तेव्हा ते बदलले. AI त्याच पॅटर्नचे अनुसरण करेल.

काही उदाहरणे येथे आहेत:

• एक किरकोळ विक्रेता व्यापक कर्मचारी स्वीकारापासून सुरुवात करतो, नंतर AI-नैसर्गिक शोध आणि संवादात्मक वाणिज्य सुधारतो, आणि अखेरीस वैयक्तिकृत विक्रीसाठी एक नवीन चॅनेल तयार करतो.
• एक फार्मास्युटिकल कंपनी कार्यबलातील प्रवीणता आणि R&D व क्लिनिकल ऑपरेशन्समधील तज्ज्ञ क्षमता यांपासून सुरुवात करते, त्यानंतर गव्हर्न्ड संशोधन कार्यप्रवाह उभारते जे लेट-स्टेज मंजुरींसाठी नवीन इंडिकेशन्स समोर आणतात आणि पाइपलाइन इकॉनॉमिक्सचे पुनर्रचना करतात.
• एक उत्पादक विविध कार्यांमध्ये सहकारी साधनांपासून सुरुवात करतो, नंतर AI चा वापर करून बदल नियंत्रण, SOPs, आणि गुणवत्ता कार्यप्रवाह सुधारतो, जोपर्यंत ऑपरेशन्सना स्थिर प्रणालीऐवजी बाजारातील अर्थकारणाला पुनर्परिभाषित करणारी एक अनुकूलनक्षम प्रणाली म्हणून व्यवस्थापित करता येत नाही.
• एक विमा प्रदाता दावा सहाय्य साधनांपासून सुरुवात करतो, नंतर नियंत्रित तज्ज्ञ पुनरावलोकन आणि कार्यप्रवाह समन्वय तयार करतो. शेवटी, जलद निर्णय, कमी अपवाद, आणि चांगले ग्राहक परिणाम यांभोवती दाव्यांचे व्यवस्थापन पुनर्रचित करतो.

जर आपण आज AI धोरणाचे नेतृत्व करत असाल, तर तीन टप्प्यांसह ते सोपे ठेवा.

• भूमिकानुसार कार्यप्रवाह आणि चॅम्पियन्स नेटवर्कसह व्यापक कार्यबलाला सक्षम करा.
• गव्हर्नन्सची मूलभूत तत्त्वे स्थापित करा: काय अनुमत आहे, काय पुनरावलोकन केले जाते, काय लॉग केले जाते, आणि स्वीकाराचा मालक कोण आहे.
• पुनरावृत्ती वापर, प्रावीण्य, पुनर्वापरयोग्य कार्यप्रवाह, आणि क्रॉस-फंक्शनल सक्षमकरण मोजा.

• उच्च-मूल्य असलेल्या काही मोजक्या हालचाली निवडा: एक वितरण खेळ, एक तज्ज्ञ अडथळा, आणि दृश्यमान ROI सह एक कार्यप्रवाह.
• व्यवसायाच्या दृष्टीने मूल्य मोजा: रूपांतरण गुणवत्ता, सायकल-टाइममध्ये कपात, गुणवत्तेत वाढ, जोखीम कमी करणे, आणि नव्या महसूलाची संभाव्यता.
• त्या विजयांमधील लाभ पुढील स्तरावरील मूलभूत गोष्टींमध्ये पुन्हा गुंतवा: डेटा गुणवत्ता, ओळख, इंटिग्रेशन, ऑब्झर्व्हेबिलिटी आणि नियंत्रण.

• परवानग्या, ऑडिटयोग्यता आणि अपवाद हाताळणी खऱ्या अर्थाने अस्तित्वात असतील तेव्हाच उच्च-आश्रित प्रणालींमध्ये आणि संपूर्ण कार्यप्रवाहांमध्ये AI चा विस्तार करा.
• त्या पायाचा वापर करून ऑपरेटिंग मॉडेल पुन्हा डिझाइन करा, फक्त जुन्या मॉडेलला गती देऊ नका.
• AI संपूर्णपणे नवे मूल्य कुठे निर्माण करू शकते—फक्त स्वस्त अंमलबजावणीच नव्हे—हे विचारा.

जुन्या मॉडेलमध्ये AI कुठे मदत करू शकते यासाठी कॉल टू अ‍ॅक्शनची आवश्यक नाही. प्रथम कोणते व्हॅल्यू मॉडेल तयार करायचे, ते कोणता पाया तयार करते, आणि त्यानंतर काय अनलॉक होते हे विचारा. प्रवाहीपणा निर्माण करण्यासाठी पुरेसे व्यापक सुरू करा. प्रत्येक टप्प्यावर मूल्य साध्य करण्याइतकी शिस्तबद्ध रहा. मग वर्तमानाच्या अधिक चांगल्या आवृत्तीतून पूर्णपणे वेगळ्या भविष्यात जाण्यासाठी पुरेसा आत्मविश्वास ठेवून स्केल करा.