Daya pikat AI tidak dapat disangkal, dan bisnis berinvestasi besar -besaran dalam janjinya. Bain & Company melaporkan bahwa perusahaan saat ini menginvestasikan rata -rata $ 5 juta per tahun ke inisiatif AI generatif, dengan beberapa bahkan melebihi $ 10 juta. Pengejaran ini didorong oleh potensi AI untuk meningkatkan produktivitas, memotong biaya, dan membuka kunci peluang baru yang dapat menciptakan aliran pendapatan baru. Namun, banyak perusahaan menemukan jalan menuju AI yang sukses menantang karena kesalahan mendasar dalam pendekatan mereka.
Klarna, sebuah perusahaan fintech Swedia, menjadi berita utama pada tahun 2024 dengan mengganti sebagian besar staf pendukung pelanggannya dengan chatbot bertenaga AI. Langkah ini bertujuan untuk mengurangi biaya dan meningkatkan pengalaman pelanggan, tetapi terbukti merupakan kesalahan mendasar. Akhirnya, Klarna memulihkan perwakilan manusia, mengakui bahwa sementara teknologi AI memenuhi kebutuhan organisasinya, itu tidak dapat memenuhi harapan pelanggan. Pengalaman Klarna dan pekerjaan penasihat perusahaan perusahaan kami menggambarkan bahwa ketika perusahaan bergegas ke AI, mereka harus mempertimbangkan empat dimensi: kebutuhan perusahaan, Kapabilit OrganisasiIES, harapan pelangganDan realisasi nilai. Perusahaan sering membuat sembilan kesalahan mendasar di empat dimensi ini.
Kesalahan yang terkait dengan kebutuhan perusahaan
- Pendekatan teknologi-pertama: Banyak perusahaan memulai perjalanan AI mereka dengan memperoleh alat AI yang kuat tanpa terlebih dahulu mengidentifikasi masalah strategis yang harus mereka selesaikan. Pola pikir pertama teknologi ini sering mengarah pada investasi yang tidak selaras dan hasil yang mengecewakan. Penelitian Bain menyoroti bahwa hanya 35% perusahaan yang memiliki visi yang jelas untuk menciptakan nilai bisnis dari AI.
- Meremehkan biaya: Perusahaan sering meremehkan biaya sebenarnya yang terkait dengan penyebaran AI. Menurut Deloitte, 78% perusahaan yang disurvei berharap untuk meningkatkan pengeluaran AI mereka tahun depan, karena banyak yang menyadari bahwa penskalaan AI memerlukan investasi besar dalam infrastruktur data, kerangka kerja peningkatan tenaga kerja, dan tata kelola. Bergantung pada masalah yang mereka coba selesaikan dan infrastruktur yang mereka rencanakan untuk digunakan, seperti panggilan API ke model perbatasan atau menyempurnakan model bahasa besar open-source (LLM), peningkatan tersebut mungkin masih terbukti tidak memadai.
Kesalahan yang terkait dengan kemampuan organisasi
- Kekurangan data: Kualitas data yang buruk adalah tantangan yang meresap. Perusahaan berjuang dengan data yang tidak konsisten, tidak akurat, dan terputus, membatasi efektivitas sistem AI. Manajemen data yang ditingkatkan adalah prioritas utama untuk pengembangan dan penyebaran model AI yang berhasil.
- Kesenjangan bakat: Perusahaan seringkali tidak memiliki bakat teknis yang diperlukan untuk membangun, menguji, mengelola, dan membawa ke sistem pasar AI secara efektif. Menurut BCG, hanya 4% perusahaan yang memiliki kemampuan yang diperlukan untuk menghasilkan nilai AI yang substansial pada skala. Perusahaan yang berinvestasi dalam meningkatkan karyawan dan mempekerjakan spesialis AI lebih cenderung berhasil.
- Ketergantungan yang berlebihan pada struktur organisasi yang ada: Hirarki perusahaan tradisional sering berjuang untuk mengakomodasi sifat berulang dan eksperimental AI, di mana orang dan mesin berkolaborasi untuk menyelesaikan masalah keras dan duniawi. Perusahaan yang mengadopsi metode gesit dan organisasi datar yang fokus pada kolaborasi lintas fungsi mencapai hasil yang lebih baik.
- Perlawanan Budaya: Resistensi karyawan terhadap adopsi AI adalah umum, terutama ketika otomatisasi mengganggu alur kerja yang mapan. Perusahaan yang sukses berinvestasi dalam membangun kepercayaan, menekankan peran AI sebagai alat augmentasi daripada penggantian.
- Mengabaikan manajemen perubahan: Organisasi sering mengabaikan upaya yang diperlukan untuk menanamkan AI ke dalam operasi harian. Tanpa inisiatif manajemen perubahan yang jelas, proyek AI berisiko menjadi program percontohan terisolasi yang gagal skala secara efektif.
Kesalahan yang terkait dengan harapan pelanggan
- Kegagalan untuk menyelaraskan dengan preferensi pelanggan: Perusahaan sering menggunakan solusi AI yang hanya berfokus pada Pengurangan Biaya atau perbaikan produktivitas internalents. Saat ini, sedikit yang menggunakan solusi AI untuk membuat aliran pendapatan baru. Penyedia Robotaxi, seperti Waymo, adalah pengecualian daripada aturan. Dalam menggunakan peningkatan produktivitas berbasis AI atau solusi pengurangan biaya, perusahaan dapat menggantikan terlalu banyak interaksi manusia dan mengabaikan harapan pelanggan dan kualitas pengalaman pelanggan yang dihasilkan. Seperti yang terlihat dengan Klarna, bahkan sistem AI yang berhasil secara teknis dapat gagal jika mereka tidak memenuhi harapan pelanggan untuk responsif, empati, atau kualitas layanan. Otomasi penyeimbangan penempatan AI yang berhasil dengan interaksi manusia yang bermakna, memastikan kepercayaan dan kepuasan pelanggan dipertahankan.
Kesalahan yang terkait dengan realisasi nilai
- Bintik -bintik buta etis: Perusahaan yang mengabaikan risiko etis AI, seperti bias algoritmik dan masalah privasi, menghadapi risiko reputasi dan peraturan. BCG menekankan bahwa para pemimpin unggul dengan memprioritaskan transparansi AI, pemantauan kinerja, dan kemampuan penjelasan untuk memastikan model beradaptasi dengan tepat terhadap kondisi yang berubah.
- Keamanan Data dan Masalah Privasi: Mengingat ketergantungan AI pada data, bisnis harus mengamankan informasi sensitif untuk mempertahankan kepercayaan pelanggan. Keamanan data tetap menjadi salah satu hambatan teratas untuk penskalaan solusi AI.
Jalan menuju kesuksesan AI
Untuk berhasil dengan AI dan menghindari kesalahan mendasar ini, bisnis harus menyelaraskan inisiatif AI dengan tujuan strategis, berinvestasi dalam infrastruktur data berkualitas tinggi, meningkatkan tenaga kerja mereka, dan menerapkan kerangka kerja tata kelola yang kuat. Perusahaan yang memprioritaskan langkah -langkah akan diposisikan lebih baik untuk membuka potensi transformatif AI sambil menghindari kesalahan mendasar yang telah menggagalkan begitu banyak orang lain.
Anda dapat menonton seluruh wawancara di sini di bawah podcast.
Post kesalahan yang dilakukan bisnis ketika menerapkan AI muncul pertama kali di Evangelos Simoudis.
