Acest articol face parte din numărul special al VentureBeat, „Costul real al inteligenței artificiale: performanță, eficiență și rentabilitatea investiției la scară largă”. Citiți mai multe din acest număr special.
La trei decenii după ce ChatGPT a lansat era inteligenței artificiale conceptuale, majoritatea afacerilor rămân prinse în impas. În ciuda miliardelor de dolari în oportunități de inteligență artificială, majoritatea inițiativelor comerciale de inteligență artificială nu trec niciodată de etapa de demonstrare a conceptului, darămite să producă rezultate tangibile.
Însă un grup limitat de corporații din topul Fortune 500 a descifrat codul. Walmart, JPMorgan Chase, Novartis, General Electric, McKinsey, Uber...și alții au transformat în mod constant inteligența artificială din „teatru al inovației” experimental în sisteme de nivel de producție cu un ROI semnificativ, unele dintre acestea generând o valoare comercială anuală de peste 1 miliard de miliarde de lire sterline.
Realizările lor nu sunt spontane. Este rezultatul unor modele de management intenționate, strategii de bugetare disciplinate și schimbări culturale importante care schimbă modul în care organizațiile abordează implementarea artificială. Nu sunt necesare nici cele mai bune tehnici, nici cei mai buni oameni de știință cu date. Este vorba despre construirea mecanismului administrativ care transformă investigațiile artificiale în proprietăți flexibile ale afacerii.
Capcana căpitanului: De ce majoritatea eforturilor de inteligență artificială nu reușesc să se extindă
Cifrele sunt îngrijorătoare. Studiile de piață arată că 85,3 milioane de locuri de muncă în domeniul inteligenței artificiale nu ajung niciodată în stadiul de generare, iar dintre cele care ajung, mai puțin de jumătate generează o valoare semnificativă pentru întreprinderi. Problema este corporativă, nu tehnică. Firmele tratează inteligența artificială ca pe un test științific, mai degrabă decât ca pe un potențial de afaceri.
Potrivit lui Amy Hsuan, principalul responsabil cu clienții și veniturile de la Mixpanel„IA reduce acum unele cicluri de dezvoltare a produselor cu aproximativ 40 %”, permițând companiilor să livreze și să ia decizii mai rapid ca niciodată. „Dar numai pentru afacerile care au trecut de la avioane la implementare sistematică”.
Tiparele de dezamăgire sunt previzibile: inițiative dispersate între unitățile de afaceri, indicatori de succes vagi, sistem de date inadecvat și - cel mai important - lipsa unor cadre de guvernanță care să poată gestiona IA la scară largă.
Un cadru pentru utilizarea IA într-un mod sistematic este esențial pentru creare.
Companiile care au avut succes dezvăluie un manual remarcabil de consistent. Opt aspecte cruciale reies din interviurile cu directorii și evaluarea afacerilor lor de inteligență artificială, care diferențiază cercetarea în faza pilot de metodele de inteligență artificială pregătite pentru producție:
1. Misiunea executivă și alinierea corespunzătoare
Fiecare conversie eficientă către inteligența artificială începe cu o hotărâre clară de a fi lider. Nu este vorba de sponsorizare regală - este o guvernanță eficientă care leagă fiecare inițiativă IoT de anumite rezultate de business.
Directorul executiv al Walmart, Doug McMillon, a stabilit cinci obiective concise pentru sarcinile legate de inteligența artificială: îmbunătățirea experienței utilizatorului, îmbunătățirea operațiunilor, accelerarea procesului decizional, optimizarea lanțurilor de aprovizionare și încurajarea dezvoltării. Nicio sarcină bazată pe inteligența artificială nu este finanțată fără a fi modelată pe baza acestor coloane geopolitice.
„Nu vrem să aruncăm pur și simplu cu paste în perete”, a explicat Anshu Bhardwaj, vicepreședinte senior pentru tehnologie globală la Walmart. Fiecare sarcină de inteligență artificială poate aborda o problemă de afaceri predeterminată, cu efecte cuantificabile.
Jamie Dimon de la JPMorgan Chase are o opinie similară, numind inteligența artificială „esențială pentru potențialul nostru succes”, susținând în același timp acest discurs cu o alocare practică a resurselor. Banca a produs peste 300 de cazuri de utilizare a inteligenței artificiale, deoarece conducerea a stabilit un cadru de guvernanță solid încă de la prima zi.
Implementare practică: Creați un comitet director pentru IA cu reprezentare la nivel de conducere. Stabiliți 3-5 obiective strategice pentru inițiativele de IA. Înainte de aprobarea finanțării, fiecare proiect de IA trebuie să demonstreze că respectă aceste obiective.
2. un plan de infrastructură axat pe platformă pe primul loc
Companiile care scalează cu succes inteligența artificială nu construiesc soluții punctuale, ci construiesc platforme. Această decizie arhitecturală devine fundamentul pentru orice altceva.
Platforma „Element” de la Walmart exemplifică această abordare. În loc să permită echipelor să construiască aplicații de inteligență artificială izolate, Element oferă o infrastructură unificată de învățare automată, cu guvernanță, conformitate, securitate și garanții etice integrate. Echipele pot adăuga rapid noi capabilități de inteligență artificială, menținând în același timp controale la nivel de întreprindere.
„Am fost printre primele companii care au integrat inteligența artificială generativă în infrastructura noastră”, a remarcat Bhardwaj. „Element ne oferă un loc de joacă sigur unde dezvoltatorii din întreaga companie pot experimenta cu cazuri de utilizare a inteligenței artificiale, menținând în același timp toate cerințele noastre de guvernanță”.
JPMorgan Chase a mutat 38 de aplicații (%) în medii cloud optimizate pentru învățarea automată, cheltuind $ (peste 2 miliarde TP) pe infrastructură cloud special pentru a susține sarcinile de lucru bazate pe inteligență artificială. Nu era vorba doar despre puterea de calcul, ci despre crearea unei arhitecturi care să poată gestiona inteligența artificială la scară largă.
Din punct de vedere al implementării: Înainte de a scala cazurile de utilizare individuale, investiți într-o platformă centrală de învățare automată (ML). Includeți capacități de guvernanță, monitorizare și conformitate încă din prima zi. Bugetați de 2-3 ori estimările inițiale pentru infrastructură - scalarea IA necesită resurse computaționale substanțiale.
3. Selecția disciplinată a cazurilor de utilizare și gestionarea portofoliului
Cele mai de succes afaceri evită aplicațiile de inteligență artificială extravagante în favoarea cazurilor de utilizare cu ROI ridicat și indicatori de business solizi.
CEO-ul Novartis, Vas Narasimhan, a fost sincer cu privire la provocările inițiale ale inteligenței artificiale: „Se vorbește mult și foarte puțin despre impactul concret al inteligenței artificiale în industria farmaceutică”. Pentru a aborda acest lucru, Novartis s-a concentrat pe probleme specifice în care inteligența artificială ar putea oferi valoare imediată: operațiunile studiilor clinice, prognoza financiară și optimizarea vânzărilor.
Rezultatele au fost dramatice. Monitorizarea studiilor clinice prin intermediul inteligenței artificiale a îmbunătățit înscrierea la timp și a redus întârzierile costisitoare. Prognoza financiară bazată pe inteligența artificială a depășit previziunile umane privind vânzările de produse și fluxul de numerar. „IA face o treabă excelentă prezicând fluxul nostru de numerar disponibil”, a spus Narasimhan. „Se descurcă mai bine decât personalul nostru intern, deoarece nu are prejudecăți.”
Din punct de vedere al implementării: Începeți cu 5-7 cazuri de utilizare active și mențineți un portofoliu de inteligență artificială. Prioritizați problemele care deja costă (sau ar putea genera) sume de șapte cifre anual. Stabiliți indicatori de succes preciși și formulați critici pentru fiecare inițiativă.
4. Model de operare interfuncțional al inteligenței artificiale
Atunci când se utilizează inteligența artificială la scară largă, structurile tradiționale ale proiectelor IT se prăbușesc. Companiile de succes creează „pod-uri de inteligență artificială” - echipe interfuncționale care combină expertiza în domeniu, ingineria datelor, MLO-urile și managementul riscurilor.
Această abordare este cel mai bine demonstrată de dezvoltarea de către McKinsey a programului „Lilli”, asistentul său exclusiv de cercetare în domeniul inteligenței artificiale. Proiectul a început cu trei persoane, dar s-a extins rapid la peste 70 de experți în domeniul juridic, al securității cibernetice, al managementului riscurilor, al resurselor umane și al tehnologiei.
„Tehnologia a fost partea ușoară”, a spus Phil Hudelson, partenerul care supraveghează dezvoltarea platformei. Cea mai mare provocare a fost „să acționăm rapid, aducând în același timp oamenii potriviți, astfel încât să putem face ca acest lucru să funcționeze în întreaga firmă”.
Această abordare interfuncțională a asigurat respectarea de către Lilli a unor standarde stricte de confidențialitate a datelor, menținerea confidențialității clienților și posibilitatea de a extinde serviciile către mii de consultanți din 70 de țări.
Formați grupuri de inteligență artificială cu 5-8 persoane care reprezintă funcțiile de business, tehnologie, risc și conformitate într-un mod practic. Acordați fiecărui grup un buget dedicat și sponsorizare executivă. Stabiliți platforme și instrumente comune pentru a preveni reinventarea soluțiilor în cadrul grupurilor.
5. Managementul riscurilor și cadre etice în domeniul inteligenței artificiale
Este necesar un management al riscului pentru inteligența artificială la nivel de întreprindere care să depășească acuratețea modelului. Companiile care se scalează cu succes construiesc cadre de guvernanță care gestionează deviația modelului, detectarea prejudecăților, conformitatea cu reglementările și considerațiile etice.
JPMorgan Chase a stabilit procese riguroase de validare a modelelor, având în vedere mediul său reglementat. În loc să se bazeze pe servicii publice de inteligență artificială care ar putea compromite confidențialitatea datelor, banca a dezvoltat platforme de inteligență artificială proprietare (inclusiv IndexGPT și LLM Suite).
Walmart implementează monitorizarea continuă a modelelor, testând abaterile prin compararea rezultatelor actuale ale inteligenței artificiale cu performanța de bază. Aceștia efectuează teste A/B pe funcțiile bazate pe inteligență artificială și colectează feedback de la utilizatori pentru a se asigura că utilitatea și precizia inteligenței artificiale rămân ridicate.
Implementare practică: Înființați un comitet de risc pentru inteligența artificială, cu reprezentanți din departamentele juridice, de conformitate și de afaceri. Implementați monitorizarea automată a modelelor pentru deviații, prejudecăți și degradarea performanței. Creați proceduri de evaluare cu implicare umană pentru decizii complexe.
6. Managementul sistematic al schimbării și dezvoltarea forței de muncă
Poate cel mai subestimat aspect al scalării prin inteligență artificială este managementul schimbării organizaționale. Fiecare companie de succes a investit masiv în dezvoltarea forței de muncă și transformarea culturală.
Între 2019 și 2023, JPMorgan Chase a mărit numărul de angajați care au studiat programul de formare cu 500 de persoane (%), majoritatea concentrându-se pe inteligența artificială și progresul tehnologic. Banca oferă acum instruire promptă în inginerie tuturor noilor angajați.
În șase luni de la inițierea inițiativei, Novartis a înscris peste 30.000 de angajați în programe de competențe digitale, de la fundamentele științei datelor până la etica inteligenței artificiale.
„Anul acesta, toți cei care vin aici vor avea parte de o instruire promptă în inginerie pentru a se pregăti pentru inteligența artificială a viitorului”, a declarat Mary Callahan Erdoes, CEO al diviziei de administrare a activelor și a averii a JPMorgan.
Implementare practică: Alocați 15-20 de mii de trilioane de dolari din bugetele destinate inteligenței artificiale pentru instruire și managementul schimbării. Creați programe de alfabetizare în domeniul inteligenței artificiale care să fie accesibile tuturor angajaților, nu doar personalului tehnic. Stabiliți comunități interne de practică în domeniul inteligenței artificiale pentru a împărtăși învățămintele și cele mai bune practici.
7. Măsurarea riguroasă a rentabilității investiției (ROI) și optimizarea portofoliului
Companiile care scalează inteligența artificială o tratează cu succes ca pe orice altă investiție de afaceri - cu măsurători riguroase, indicatori cheie de performanță (KPI) clari și revizuiri regulate ale portofoliului.
Walmart atribuie echipelor puncte de control metrice specifice pe baza calculelor interne ale rentabilității investiției. Dacă un proiect de inteligență artificială nu își atinge obiectivele, acesta este corectat sau oprit. Cu ajutorul acestei abordări disciplinate, Walmart a reușit să extindă proiectele pilot de succes în sute de implementări de inteligență artificială pentru producție.
JPMorgan Chase măsoară inițiativele de inteligență artificială în raport cu indicatori specifici de business. Îmbunătățirile băncii bazate pe inteligență artificială au contribuit la venituri incrementale estimate la 220 de milioane de trilioane de lire sterline într-un an, firma fiind pe cale să genereze anual peste 1 miliard de trilioane de lire sterline în valoare comercială din inteligență artificială.
Implementare în practică: Înainte de a implementa orice inițiativă de inteligență artificială, stabiliți indicatori cheie de performanță (KPI) de referință. Implementați cadre de testare A/B pentru a măsura impactul inteligenței artificiale asupra grupurilor de control. Efectuați revizuiri trimestriale ale portofoliului pentru a transfera resursele de la inițiativele cu performanțe slabe la cele cu impact ridicat.
8. Scalare iterativă și evoluția platformei
Cele mai prospere afaceri nu încearcă să scaleze totul deodată. Ele urmează o abordare iterativă: demonstrează valoarea într-un singur domeniu, extrag învățăminte și se extind sistematic la noi cazuri de utilizare.
Această abordare este ilustrată de parcursul GE în domeniul mentenanței predictive. Compania a început cu anumite tipuri de echipamente (turbine eoliene, scanere medicale) unde inteligența artificială putea preveni defecțiunile costisitoare. După ce a demonstrat rentabilitatea investiției - obținând „zero defecțiuni neprevăzute și nicio întrerupere” a anumitor echipamente - GE a extins abordarea în întregul său portofoliu industrial.
Această scalare iterativă a permis companiei GE să își îmbunătățească guvernanța inteligenței artificiale, să își îmbunătățească infrastructura de date și să crească încrederea organizațională în procesul decizional bazat pe inteligență artificială.
Implementare practică: Planificați 2-3 valuri de scalare pe parcursul a 18-24 de luni. Folosiți implementările timpurii pentru a îmbunătăți infrastructura tehnică și procedurile de guvernanță. Documentați lecțiile și cele mai bune practici pentru a accelera implementările ulterioare.
Economia inteligenței artificiale în întreprinderi: costuri și randamente reale
Scalarea inteligenței artificiale este mai dificilă din punct de vedere financiar decât anticipează majoritatea companiilor. Companiile care reușesc își asumă în buget costul integral al implementării inteligenței artificiale la nivel de întreprindere, nu doar componentele tehnologice.
Costurile platformei și infrastructurii
Investiția de peste 2 miliarde de dolari a JPMorgan Chase în infrastructura cloud reprezintă aproximativ 13,3 miliarde de dolari din bugetul său anual pentru tehnologie, de 15 miliarde de dolari. Investiția multianuală a Walmart în platforma sa Element a necesitat o amploare similară - deși cifrele exacte nu sunt dezvăluite, estimările din industrie sugerează între 500 și 1 miliard de dolari pentru o platformă care susține implementarea inteligenței artificiale la nivelul întregii companii.
Aceste investiții au succes financiar datorită eficienței operaționale și noilor oportunități de venit. Îmbunătățirile catalogului bazate pe inteligență artificială ale Walmart au contribuit la creșterea vânzărilor de comerț electronic de 21 de miliarde de dolari. Prin îmbunătățirea eficienței și a serviciilor îmbunătățite, se spune că inițiativele de inteligență artificială ale JPMorgan vor adăuga între 1 și 1 miliard de dolari în valoare anuală.
Investiții în talente și formare
Cerințele de capital uman pentru inteligența artificială la nivel de întreprindere sunt substanțiale. În domeniul managementului datelor, JPMorgan Chase are peste 1.000 de angajați, inclusiv peste 900 de oameni de știință specializați în date și peste 600 de ingineri de învățare automată. Novartis a investit în formarea în competențe digitale pentru peste 30.000 de angajați.
Totuși, aceste investiții generează randamente cuantificabile. Instrumentele de inteligență artificială ale JPMorgan le economisesc analiștilor 2-4 ore zilnic din munca de rutină. Consultanții McKinsey care utilizează platforma de inteligență artificială Lilli a firmei raportează economii de timp de 20% în sarcinile de cercetare și pregătire.
Costurile guvernanței și ale managementului riscurilor
Adesea trecute cu vederea în bugetarea IA sunt costurile substanțiale ale guvernanței, managementului riscurilor și conformității. Acestea reprezintă de obicei 20 până la 30% din costul total al unui program de IA, dar sunt cruciale pentru implementarea în cadrul întreprinderilor.
Platforma Lilli a McKinsey a necesitat peste 70 de experți în domeniile juridic, securității cibernetice, managementului riscurilor și resurselor umane pentru a asigura pregătirea întreprinderii. Guvernanța inteligenței artificiale a JPMorgan include echipe dedicate de validare a modelelor și sisteme de monitorizare continuă.
Transformarea culturală: Factorul de succes nedescoperit
Cele mai reușite implementări de inteligență artificială se referă fundamental la transformarea organizațională, nu doar la implementarea tehnologiei. Companiile care scalează cu succes inteligența artificială își schimbă cultura pentru a încorpora procesul decizional bazat pe date în operațiunile lor zilnice.
De la intuiție la dovezi
Transformarea Uber Carshare ilustrează această schimbare culturală. După implementarea analizelor unificate, compania a trecut de la strategii de creștere bazate pe intuiție la optimizare bazată pe date. Acest lucru a scos la iveală puncte critice de fricțiune în parcursul clientului - cum ar fi obligarea noilor utilizatori să aștepte aprobarea contului înainte de a face o rezervare - care reduceau dramatic conversiile.
Prin abordarea acestor date nou descoperite, Uber Carshare și-a mărit numărul lunar de înscrieri ale clienților noi cu peste 600 și rata rezervărilor prin aplicație cu 29 (%). Schimbarea culturală de la „credem” la „știm” pe baza analizei datelor a fost la fel de importantă ca și capacitățile tehnice.
Integrarea alfabetizării în domeniul inteligenței artificiale în întreaga organizație
Cele mai prospere companii nu consideră inteligența artificială ca pe o competență specializată care există doar în echipele de știința datelor. Ele integrează alfabetizarea în domeniul inteligenței artificiale în întreaga organizație.
Novartis a aderat la o filozofie de management „fără șefi” care a eliminat birocrația pentru a oferi echipelor libertatea de a utiliza instrumente de inteligență artificială. Implicarea largă a companiei - peste 30.000 de angajați înscriși în programe de competențe digitale - a asigurat că inteligența artificială nu a fost înțeleasă doar de câțiva experți, ci și de managerii din întreaga companie.
Gestionarea parteneriatului om-IA
Companiile de succes văd IA ca pe o îmbunătățire, mai degrabă decât ca pe un înlocuitor pentru expertiza umană. Jamie Dimon de la JPMorgan a subliniat în repetate rânduri că IA va „spori și împuternici angajații”, nu îi va face disponibili.
Angajamentele de recalificare susțin această narațiune, care diminuează rezistența și încurajează experimentarea. GE a integrat inteligența artificială în echipele sale de inginerie prin îmbunătățirea competențelor inginerilor de domeniu în utilizarea instrumentelor de analiză și prin formarea de echipe interfuncționale în care specialiștii în date au lucrat direct cu experți în turbine.
Modele de guvernanță scalabile
Guvernanța este în mare măsură ceea ce distinge IA aflată în faza pilot de sistemele de IA de nivel de producție. Companiile care scalează cu succes IA au dezvoltat cadre de guvernanță sofisticate care gestionează riscul, permițând în același timp inovația.
Platforme centralizate asociate cu inovație distribuită
Platforma Element de la Walmart exemplifică modelul de „platformă centralizată, inovație distribuită”. Platforma oferă infrastructură unificată, guvernanță și capacități de conformitate, permițând în același timp echipelor individuale să dezvolte și să implementeze rapid aplicații de inteligență artificială.
Această strategie permite unităților de afaceri să fie creative, menținând în același timp controale la nivel de întreprindere. Echipele pot experimenta noi cazuri de utilizare a inteligenței artificiale fără a reconstrui de la zero capacitățile de securitate, conformitate și monitorizare.
Proceduri de aprobare ajustate la risc
JPMorgan Chase implementează o guvernanță ajustată la risc, în care aplicațiile de inteligență artificială sunt supuse unor niveluri diferite de examinare în funcție de impactul lor potențial. Sistemele de inteligență artificială orientate către client sunt supuse unei validări mai riguroase decât instrumentele analitice interne.
Această abordare pe niveluri asigură o supraveghere adecvată pentru aplicațiile cu risc ridicat, împiedicând în același timp guvernanța să devină un blocaj. Banca poate implementa rapid aplicații de inteligență artificială cu risc scăzut, menținând în același timp controale stricte acolo unde este necesar.
Monitorizarea continuă a performanței
Toate implementările de inteligență artificială de succes includ o monitorizare continuă care depășește performanța tehnică și include impactul asupra afacerii, considerațiile etice și conformitatea cu reglementările.
Novartis implementează monitorizarea continuă a sistemelor sale de inteligență artificială, urmărind nu doar acuratețea modelului, ci și rezultatele comerciale, cum ar fi ratele de înscriere la studiile clinice și precizia prognozelor. Acest lucru permite o corecție rapidă a cursului atunci când condițiile pieței sau sistemele de inteligență artificială se schimbă sau au performanțe slabe.
Strategii de alocare a bugetului care funcționează
Companiile care scalează cu succes inteligența artificială au dezvoltat tehnici sofisticate de bugetare care iau în considerare întregul ciclu de viață al implementării inteligenței artificiale în cadrul întreprinderilor.
Strategie de investiții axată pe platformă pe primul loc
În loc să finanțeze proiecte individuale de inteligență artificială, companiile de succes investesc în platforme care suportă mai multe cazuri de utilizare. Platforma Element de la Walmart a necesitat o investiție inițială semnificativă, dar permite în continuare dezvoltarea rapidă de noi aplicații de inteligență artificială cu costuri suplimentare reduse.
Această abordare axată pe platformă necesită de obicei 60-70 de miliarde de lire sterline (%) din bugetele inițiale pentru inteligență artificială, dar reduce costul implementărilor ulterioare cu 50-80 de miliarde de lire sterline. Platforma servește drept multiplicator pentru inovația în domeniul inteligenței artificiale în întreaga organizație.
Abordarea gestionării portofoliului
JPMorgan Chase gestionează investițiile în inteligență artificială ca pe un portofoliu, echilibrând îmbunătățirile incrementale cu grad ridicat de certitudine cu inițiativele transformaționale cu risc mai mare. Această strategie asigură randamente constante, menținând în același timp potențialul de inovare.
Banca alocă aproximativ 70 de mii de trilioane de tone de investiții în inteligență artificială (IA) pentru cazuri de utilizare dovedite cu un ROI clar și 30 de mii de trilioane de tone de investiții artificiale (IA) pentru inițiative experimentale cu un potențial mai mare, dar cu o incertitudine mai mare. Acest echilibru permite inovații noi, permițând în același timp randamente previzibile.
Planificarea costurilor pe întregul ciclu de viață
Companiile de succes își prevăd bugetul pentru întregul ciclu de viață al inteligenței artificiale, inclusiv dezvoltarea inițială, implementarea, monitorizarea, întreținerea și eventuala retragere. Aceste costuri pe întregul ciclu de viață variază de obicei între 3 și 5 ori mai mari decât costul dezvoltării inițiale.
Platforma Lilli a McKinsey a necesitat nu doar costuri de dezvoltare, ci și investiții substanțiale continue în actualizări de conținut, instruirea utilizatorilor, guvernanță și mentenanță tehnică. Deficitele bugetare care ar putea deraia inițiativele de inteligență artificială pot fi evitate prin planificarea imediată a acestor costuri.
Măsurarea succesului: Indicatori cheie de performanță (KPI) care contează
Companiile care scalează cu succes inteligența artificială utilizează cadre de măsurare sofisticate care depășesc parametrii tehnici pentru a surprinde impactul asupra afacerii.
Indicatori de impact asupra afacerii
Walmart măsoară inițiativele de inteligență artificială în funcție de rezultatele afacerii: creșterea vânzărilor din comerțul electronic (o creștere de 21 % atribuită parțial îmbunătățirilor catalogului bazate pe inteligență artificială), câștigurile în eficiență operațională și îmbunătățirile în ceea ce privește satisfacția clienților.
JPMorgan Chase măsoară impactul inteligenței artificiale folosind indicatori financiari, inclusiv venituri incrementale de 220 de milioane din personalizarea bazată pe inteligență artificială, o îmbunătățire de 90 de milioane a productivității procesării documentelor și economii de costuri datorită proceselor automatizate de conformitate.
Indicatori principali și metrici predictive
Dincolo de indicatorii financiari întârziați, companiile de succes urmăresc indicatorii principali care prezic succesul inteligenței artificiale. Ratele de adoptare ale utilizatorilor, îmbunătățirea calității datelor, tendințele de performanță a modelelor și dezvoltarea capacității organizaționale sunt câteva exemple.
Novartis urmărește dezvoltarea competențelor digitale în cadrul forței sale de muncă, monitorizând modul în care alfabetizarea în domeniul inteligenței artificiale se corelează cu îmbunătățirea rezultatelor afacerii. Acest lucru permite companiei să identifice domeniile în care este necesară instruire sau asistență suplimentară înainte ca problemele să aibă un impact asupra rezultatelor afacerii.
Managementul performanței portofoliului
Companiile care scalează inteligența artificială își gestionează cu succes inițiativele de inteligență artificială ca un portofoliu, urmărind nu doar succesul individual al proiectelor, ci și performanța generală a portofoliului și eficiența alocării resurselor.
GE își evaluează portofoliul de inteligență artificială în ceea ce privește performanța tehnică, impactul asupra afacerii, gestionarea riscurilor și alinierea strategică. Acest lucru permite luarea unor decizii sofisticate de alocare a resurselor care optimizează randamentul general al portofoliului.
Foaia de parcurs pentru o implementare practică
Pentru organizațiile care doresc să treacă de la experimentarea cu inteligență artificială la sisteme de producție scalabile, experiențele acestor lideri Fortune 500 oferă o foaie de parcurs clară:
Lunile 1-3: Construirea fundației
- Înființați un comitet director pentru executivul în domeniul inteligenței artificiale.
- Definiți 3-5 obiective strategice de inteligență artificială aliniate cu strategia de afaceri
- începeți pregătirea pentru bugetarea și planificarea infrastructurii platformei.
- Efectuați o evaluare a pregătirii organizaționale pentru inteligența artificială
Lunile 4-9: Dezvoltarea platformei și selecția pilotului
- Implementați o platformă centrală de inteligență artificială cu capacități de guvernanță.
- Lansarea a 2-3 inițiative pilot cu ROI ridicat
- să înceapă programe de predare a inteligenței artificiale pentru forța de muncă.
- Stabilirea unor cadre de gestionare a riscurilor și de conformitate
Lunile 10-18: Scalare și optimizare
- proiecte pilot care se scalează cu succes la o utilizare mai largă
- Lansarea celui de-al doilea val de inițiative de inteligență artificială
- Implementați procese pentru îmbunătățirea continuă și monitorizare.
- Extindeți programele de instruire în domeniul inteligenței artificiale și de gestionare a schimbării
Lunile 19-24: Integrare la nivel de întreprindere
- încorporarea capabilităților IA în procesele de bază ale afacerii
- Lansarea celui de-al treilea val, concentrându-se pe cazuri de utilizare transformaționale
- Înființarea de centre de excelență în cercetarea inteligenței artificiale
- Planificați capacitățile de inteligență artificială de generație următoare
Concluzie: De la hype la valoare
O înțelegere comună în rândul companiilor care au scalat cu succes inteligența artificială este că accentul transformării inteligenței artificiale nu se pune pe tehnologie; mai degrabă, ci pe crearea de capacități organizaționale care să poată implementa în mod constant inteligența artificială la scară largă, gestionând în același timp riscurile și creând o valoare comercială măsurabilă.
După cum a observat Jamie Dimon, „IA va schimba fiecare loc de muncă”, dar succesul necesită mai mult decât intenții bune. Necesită o guvernanță disciplinată, investiții strategice, transformare culturală și tehnici sofisticate de măsurare.
Companiile prezentate aici au depășit așteptările pentru a crea capabilități de inteligență artificială durabile, care generează randamente substanțiale. Experiențele lor oferă un ghid practic pentru organizațiile care sunt pregătite să facă drumul de la pilot la profit.
Spațiul avantajului competitiv bazat pe inteligență artificială se restrânge. Organizațiile care amână implementarea sistematică a inteligenței artificiale riscă să fie lăsate în urmă de concurenții care au stăpânit deja tranziția de la experimentare la execuție. Calea este clară; întrebarea este dacă organizațiile au disciplina și angajamentul de a o urma.
Romanian 
English