Pięć modeli wartości AI napędzających transformację biznesu

Większość organizacji nadal wykorzystuje AI jako serię pojedynczych zastosowań: tu pilotaż, tam jakiś proces – obiecujące narzędzie w ramach jednej funkcji. Takie podejście może przynosić lokalne sukcesy, ale rzadko zmienia to, w jaki sposób firma tworzy wartość.

To jak tworzenie interaktywnych banerów i kampanii e-mailowych typu drip w momencie pojawienia się internetu i mijanie się z istotą rewolucji e-commerce.

Organizacje, które wyprzedzają konkurencję, kierują się inną, ambitniejszą logiką. Traktują AI nie jako zbiór niepowiązanych eksperymentów, ale jako portfolio modeli wartości. Mają one własną ekonomię, czas uzyskania wartości oraz wymagania dotyczące zarządzania, a każdy z tych elementów ułatwia skalowanie kolejnego.

Dlatego firmami, które czerpią najwięcej korzyści z AI, nie będą te, które prowadzą najwięcej pilotaży. Będą nimi te, które zrozumieją, jakie modele wartości należy budować, w jakiej kolejności i na jakich fundamentach, aby na nowo zdefiniować własny biznes.

W przedsiębiorstwach wyłania się pięć modeli wartości AI. Każdy tworzy wartość w inny sposób. Mają własną ekonomię, horyzont czasowy i zasady zarządzania. Każdy z nich może stworzyć warunki do skalowania kolejnego.

Zwiększanie podmiotowości pracowników buduje biegłość. Biegłość umożliwia sprawne zarządzanie. To z kolei sprawia, że możliwa jest głębsza integracja systemowa. Integracja umożliwia zarządzanie zależnościami, co zapewnia bezpieczeństwo operacji prowadzonych przez agenty.

W ten sposób organizacje przechodzą od pojedynczych sukcesów AI do szerszej transformacji działalności. Strategiczne pytanie nie dotyczy tego, który model wybrać. Chodzi o to, od którego zacząć, jakie fundamenty on buduje i co umożliwia w dalszej perspektywie.

To najszybszy model wartości do wdrożenia. Rozwija praktyczne możliwości korzystania z AI wśród pracowników, zapewniając krótkoterminowy wzrost produktywności, jednocześnie rozwijając biegłość w zakresie AI wymaganą do głębszej transformacji. Większą korzyścią nie jest szybsze tworzenie wersji roboczych, synteza ani analiza, ale gotowość organizacyjna. Dział kadr może wdrażać rozwiązania, dział prawny może zarządzać, dział finansów zapewniać środki, a zespoły biznesowe mogą współpracować, mając jasność co do tego, gdzie AI się sprawdza i jak bezpiecznie z niej korzystać.

• Częstotliwość korzystania według roli i poziomu biegłości
• Powtarzalne polecenia, procesy i zasoby w różnych zespołach
• Dowody skuteczności współpracy międzydziałowej
• Pojawienie się nowych sposobów pracy

Dwupoziomowa siła robocza: mała grupa użytkowników zaawansowanych idzie do przodu, podczas gdy reszta organizacji pozostaje w tyle.

Zbuduj sieć ekspertów i podstawowe procesy, takie jak ocena wyników, zarządzanie umowami oraz proces procure-to-pay, które sprawiają, że najlepsze praktyki są przystępne i inspirujące.

Ten model ma znaczenie, ponieważ AI zmienia sposób, w jaki klienci odkrywają, oceniają i wybierają produkty oraz usługi, oferując zupełnie nowy poziom zaangażowania. W kanałach opartych na AI konwersja coraz częściej odbywa się w ramach konwersacji. To sprawia, że w kontekście rozwoju kluczowe znaczenie mają nie tyle zasięg, co zaufanie oraz obecność w momencie podjęcia decyzji. Zwycięzcami nie będą ci najbardziej widoczni. Będą nimi ci, którzy okażą się najbardziej przydatni, wiarygodni i pojawią się w odpowiednim momencie, gdy podejmowana będzie decyzja.

• Jakość intencji oraz liczbę iteracji przed podjęciem decyzji przez użytkownika
• Jakość konwersji, w tym retencję, sprzedaż dodatkową i wartość klienta w całym okresie współpracy
• Sygnały zaufania, takie jak zachowania związane ze zwrotami, powtarzalne interakcje i polecenia
• Aktywację dedykowanych łączników danych lub aplikacji związanych z działalnością

Traktowanie dystrybucji opartej na AI jak tradycyjnego lejka popytu i optymalizowanie pod wolumen kosztem trafności oraz trwałego zaufania.

Wybierz jeden obszar, na przykład pionowe doświadczenie, wbudowaną aplikację lub konkretny cel reklamowy, i określ jakość konwersji przed zwiększeniem inwestycji.

Ten model wprowadza wyspecjalizowane możliwości AI do pracy badawczej, kreatywnej i wymagającej dużej wiedzy branżowej. W perspektywie krótkoterminowej ogranicza wąskie gardła związane z wiedzą ekspercką. Z czasem zmienia model operacyjny: zespoły przechodzą od samodzielnego tworzenia pierwszych wersji roboczych do kierowania, przeglądania i integrowania wysokiej jakości wyników generowanych w czasie rzeczywistym. Wartość wynika z poszerzenia zakresu tego, co zespół może analizować, testować lub tworzyć w środowisku, które umożliwia badanie każdego spostrzeżenia pod kątem planów działania i potencjału zwrotu z inwestycji, zamiast ustalania priorytetów na wcześniejszych etapach wyłącznie na podstawie intuicji.

• Skrócenie czasu cyklu w obszarach wąskich gardeł wiedzy eksperckiej
• Wzrost jakości, w tym oceny recenzentów, wskaźniki błędów i liczby poprawek
• Rozszerzenie zakresu, np. dzięki przeprowadzeniu większej liczby eksperymentów lub przetestowaniu większej liczby kreatywnych wariantów
• Nowe źródła przychodów, które zostałyby wykluczone na podstawie założeń dotyczących wykonalności

Traktowanie kompetencji eksperckich jako prezentacji zamiast osadzania ich w rzeczywistym procesie z jasno określoną odpowiedzialnością.

Wybierz jedno wąskie gardło eksperckie i skoncentruj propozycję wartości na osobach decyzyjnych odpowiedzialnych za zatwierdzanie projektów, ustalając przy tym jasne wymagania dotyczące dowodów potrzebnych do przekształcenia nowej koncepcji w kolejny element budulcowy Twojego biznesu.

Obecnie najlepszym przykładem są agenty kodowania, ale bardziej wartościowym modelem są bezpieczne aktualizacje w połączonych ze sobą systemach pracy. Z czasem organizacje będą chciały zastosować te same możliwości nie tylko do kodowania, ale także do SOP, umów, dokumentów dotyczących polityk, opisów doświadczeń klientów, procesów onboardingu i innych artefaktów, które muszą pozostać spójne w miarę ich ewolucji. Nie chodzi tu tyle o generowanie, co o kontrolę: szybsze aktualizacje, mniej awarii na dalszych etapach, lepsza zgodność i większa możliwość audytowania.

• Czas na bezpieczne wprowadzanie zmian w połączonych artefaktach i rozwiązywanie konfliktów wersji
• Gotowość do audytu, w tym możliwość prześledzenia edycji, zatwierdzeń i dowodów
• Spójność w powiązanych dokumentach, systemach i procesach
• Niezawodność w ogromnych ekosystemach współzależnych procesów

Skalowanie generowania treści lub kodu szybciej niż wprowadzanie procedur, co prowadzi do powstawania systemowego długu, którego usunięcie będzie wymagało żmudnych działań w przyszłości.

Zacznij od jednego obszaru o wysokim poziomie zależności i zdefiniuj schemat zależności, ścieżkę zatwierdzania oraz wymagania dotyczące dowodów, zanim zaczniesz automatyzować zmiany za pomocą warstwy kontroli AI.

To najwolniejszy model do skalowania, ale często najbardziej transformacyjny. Agenty koordynują kompleksowe procesy od początku do końca w ramach funkcji i między nimi – takie jak procure-to-pay, obsługa roszczeń, kontrola zmian w produkcji, operacje kliniczne i wiele więcej. Potencjalne korzyści są wykładnicze, ale tylko wtedy, gdy fundamenty są solidne: kontrola tożsamości i dostępu, przejrzyste uprawnienia do zestawów danych i podkomponentów, duża obserwowalność, obsługa wyjątków ze wskaźnikami pewności oraz jasno określona odpowiedzialność. Bez tego automatyzacja szybciej tworzy ryzyko, niż generuje wartość.

Korzyści są po raz kolejny znacznie większe niż sama wydajność. Przeprojektowanie procesu przepływu pracy zmusza organizację do ponownego przemyślenia, czemu służy proces, gdzie potrzebna jest ocena i gdzie można stworzyć nową wartość. To właśnie te ukryte drzwi, za którymi zaczyna się zmiana modelu biznesowego.

• Całkowity czas cyklu
• Wskaźnik wyjątków i czas rozwiązywania
• Wyniki w zakresie zgodności i audytu
• Efekty w zakresie innowacji, np. nowe zidentyfikowane możliwości lub przetestowane hipotezy

Próba automatyzacji kompleksowych procesów przed dopracowaniem uprawnień, mechanizmów kontrolnych i systemu rozliczalności.

Wybierz jeden proces pracy i przeprowadź ocenę gotowości w zakresie tożsamości, uprawnień, integracji narzędzi, rejestrowania, obsługi wyjątków i odpowiedzialności.

Słabym punktem w strategii AI są nie tylko odizolowane projekty pilotażowe, ale także traktowanie transformacji jako skoku w nieznane: inwestuj teraz, czekaj długo i miej nadzieję, że wartość pojawi się później na dużą skalę. Zdecydowane podejście jest bardziej zdyscyplinowane i ambitniejsze. Pozwala generować wartość w ramach ciągłego cyklu zwrotu z inwestycji.

Ta sekwencja zaczyna się od szeroko zakrojonego wzmocnienia pozycji pracowników, które jest warunkiem wstępnym dla wszystkich pozostałych modeli wartości. Las biegłości w całej organizacji tworzy drzewa przypadków użycia o wysokiej wartości. Im więcej osób rozumie, jak działa AI, gdzie tworzy wartość i jak bezpiecznie z niej korzystać, tym szybciej pojawiają się lepsze możliwości. Zarządzanie staje się bardziej praktyczne. Integracja jest bardziej wykonalna. Systemy o wyższej wartości stają się odporne i są wykorzystywane we wszystkich działach jako wzorcowe przykłady i wyznaczniki tożsamości.

W ten sposób organizacje przechodzą od lepszych do innych modeli biznesowych. AI najpierw usprawnia zadania. Następnie przeprojektowuje procesy. Później zmienia warstwy kontroli, modele operacyjne, a ostatecznie modele biznesowe. Handel detaliczny nie przekształcił się w e-commerce dzięki nieznacznej poprawie wydajności sklepów. Zmiana nastąpiła, gdy liderzy nauczyli się tworzyć zupełnie nową propozycję wartości, całkowicie omijając sklepy i łącząc marketing z logistyką w jednym, skoncentrowanym na użytkowniku procesie. AI będzie podążać tym samym schematem.

Oto kilka przykładów:

• Sprzedawca detaliczny zaczyna od wdrożenia rozwiązań wśród pracowników, następnie usprawnia wyszukiwanie oparte na AI i handel konwersacyjny, a ostatecznie tworzy nowy kanał spersonalizowanej sprzedaży.
• Firma farmaceutyczna zaczyna od zapewnienia biegłości pracowników i eksperckich kompetencji w obszarze badań i rozwoju oraz operacji klinicznych, a następnie buduje ustrukturyzowane procesy badawcze, które pozwalają odkrywać nowe wskazania dla zatwierdzeń na późnym etapie i zmieniają ekonomię portfela produktów.
• Producent zaczyna od wdrożenia copilotów w różnych działach, a następnie stosuje AI do zarządzania zmianami, SOP oraz procesami w obszarze jakości, aż operacjami można zarządzać nie jak systemem statycznym, a raczej adaptacyjnym, który na nowo definiuje ekonomię rynku.
• Ubezpieczyciel rozpoczyna od narzędzi wspierających obsługę roszczeń, następnie tworzy nadzorowany proces weryfikacji eksperckiej i koordynacji przepływu pracy, a ostatecznie przeprojektowuje obsługę roszczeń, aby podejmować szybsze decyzje, zmniejszyć liczbę wyjątków i poprawić wyniki dla klientów.

Jeśli dziś kierujesz strategią AI, zachowaj prostotę i podziel ją na trzy etapy.

• Zwiększ możliwości szerokiego grona pracowników dzięki procesom opartym na rolach i sieci liderów.
• Ustal podstawowe zasady zarządzania: co jest dozwolone, a co weryfikowane i rejestrowane, a także kto odpowiada za wdrożenie.
• Mierz częstotliwość korzystania, biegłość, powtarzalne procesy oraz wsparcie międzydziałowe.

• Wybierz niewielką liczbę szczególnie istotnych działań: jedno dotyczące dystrybucji, jedno związane z wąskim gardłem w pracy ekspertów oraz jedno z widocznym zwrotem z inwestycji.
• Mierz wartość w kategoriach biznesowych: jakość konwersji, skrócenie czasu cyklu, poprawa jakości, ograniczenie oraz potencjał nowych przychodów.
• Przeznacz zyski na następny poziom fundamentów: jakość danych, tożsamość, integrację, obserwowalność i kontrolę.

• Wdrażaj AI w systemach o wysokiej zależności i kompleksowych procesach tylko wtedy, gdy zapewnione są odpowiednie uprawnienia, możliwość audytu i obsługa wyjątków.
• Wykorzystaj te fundamenty, aby przeprojektować nowy model operacyjny, a nie tylko przyspieszyć stary.
• Zastanów się, gdzie AI może tworzyć zupełnie nową wartość, a nie tylko obniżać koszty realizacji.

Wezwanie do działania nie musi skupiać się na tym, w jakich obszarach AI może pomóc w dotychczasowym modelu. Zastanów się, który model wartości należy zbudować w pierwszej kolejności, jaką tworzy on podstawę i jakie możliwości otwiera w dalszej perspektywie. Zacznij od wystarczająco szerokiego zakresu, aby osiągnąć biegłość działania. Zachowaj dyscyplinę, aby na każdym etapie czerpać korzyści. Następnie skaluj z wystarczającą pewnością, aby przejść od lepszej wersji teraźniejszości do zupełnie innej przyszłości.