Blog

Ali znamo meriti prave rezultate umetne inteligence?

Sama uvedba UI še ni uspeh, prava vrednost nastane šele, ko se izboljša proces, odločanje, uporabniška izkušnja ali sposobnost ustvariti nekaj novega. Umetna inteligenca je v zadnjih letih postala eden ključnih simbolov digitalne preobrazbe. Organizacije vlagajo v orodja, platforme, modele in avtomatizacijo, pogosto z jasnim pričakovanjem: večja učinkovitost, hitrejše odločanje, nižji stroški in boljša uporabniška […]

Sama uvedba UI še ni uspeh, prava vrednost nastane šele, ko se izboljša proces, odločanje, uporabniška izkušnja ali sposobnost ustvariti nekaj novega.

Umetna inteligenca je v zadnjih letih postala eden ključnih simbolov digitalne preobrazbe. Organizacije vlagajo v orodja, platforme, modele in avtomatizacijo, pogosto z jasnim pričakovanjem: večja učinkovitost, hitrejše odločanje, nižji stroški in boljša uporabniška izkušnja. A pri tem se hitro pojavi bistveno vprašanje: ali uvedba umetne inteligence dejansko ustvarja merljivo vrednost ali zgolj občutek, da smo tehnološko napredovali?

Merjenje uspešnosti UI ne sme biti naknadna aktivnost. Ključni kazalniki morajo biti del razmisleka že na začetku: kateri problem rešujemo, kako bomo vedeli, da smo ga rešili, katere podatke bomo spremljali in kako bomo razlikovali med tehnično uspešnostjo modela ter dejansko poslovno vrednostjo. Visoka natančnost modela sama po sebi še ni poslovni rezultat. Vrednost nastane šele takrat, ko se izboljša proces, odločanje, uporabniška izkušnja ali sposobnost organizacije, da ustvari nekaj novega.

Najpomembnejša metrika: pripravljenost ljudi

Pri uvajanju UI pogosto govorimo o tehnološki pripravljenosti: ali imamo podatke, infrastrukturo, modele, varnostne kontrole in ustrezna orodja. A vse bolj jasno postaja, da prava omejitev ni vedno tehnologija. Ena najpomembnejših metrik, ki bi jo morala sprejeti vsaka organizacija, je človeška pripravljenost: ali zaposleni razumejo umetno inteligenco, jo znajo uporabljati, ji znajo postavljati prava vprašanja in z njo sodelovati kot z novim tipom digitalnega sodelavca.

UI lahko pomaga najti vrednost, toda ljudje so tisti, ki jo zajamejo, uporabijo in dolgoročno ohranijo. Če zaposleni UI doživljajo kot grožnjo, modno muho ali dodatno administrativno breme, se vrednost hitro izgubi. Če pa organizacija razvija znanja, zaupanje, kritično presojo in nove delovne navade, umetna inteligenca postane del vsakodnevnega načina dela. Zato merjenje UI ne sme vključevati samo produktivnosti, temveč tudi stopnjo sprejetosti, kakovost uporabe, zrelost uporabniških primerov in sposobnost zaposlenih, da z UI ustvarjajo boljše rezultate.

ROI ni dovolj: od produktivnosti do prihodnosti

Veliko organizacij UI najprej meri skozi klasične kazalnike: prihranjen čas, večja produktivnost, avtomatizacija nalog ali nižji stroški. To je pomembno, vendar ne zadostuje. Produktivnostni učinki lahko pokažejo, da UI deluje, ne pokažejo pa nujno, ali organizacija z njo gradi strateško prednost. Prav zato je koristno razlikovati med tremi poslovnimi logikami UI:

• obrambo obstoječega poslovanja,
• izboljšanjem poslovnih rezultatov in
• preoblikovanjem prihodnosti organizacije.

Prva logika je »return on employee« – kako UI pomaga zaposlenim, da delajo hitreje, lažje in kakovostneje. Druga je klasični »return on investment« – kako UI izboljša finančne rezultate, procese ali diferenciacijo podjetja. Tretja, pogosto najpomembnejša, pa je »return on future«: kakšne nove storitve, poslovne modele, tržne priložnosti ali disruptivne načine dela lahko ustvarimo, ker imamo UI. Tu ne gre več samo za optimizacijo obstoječega, temveč za strateško možnost, da podjetje naredi nekaj, česar prej ni moglo.

Sekundarni učinki so pogosto prava vrednost

Največja vrednost novih tehnologij se pogosto ne pokaže v njihovem prvem, najbolj očitnem poslovnem primeru. Pokaže se v sekundarnih učinkih – v novih potrebah, storitvah, poslovnih modelih in trgih, ki nastanejo zato, ker je tehnologija omogočila nekaj, kar prej ni bilo mogoče.

Prvi učinki umetne inteligence so pogosto povezani s produktivnostjo, avtomatizacijo in hitrejšim izvajanjem obstoječih nalog. Toda resnična strateška vrednost se lahko pojavi drugje: v novih načinih svetovanja strankam, novih digitalnih storitvah, drugačnih modelih podpore, hitrejšem razvoju rešitev, personaliziranih ponudbah ali celo v poslovnih modelih, ki jih danes še ne znamo v celoti opisati.

Zato pri merjenju uspešnosti umetne inteligence ne smemo spremljati samo začetnega ROI. Meriti moramo tudi, katere nove potrebe, zmožnosti in tržne priložnosti nastajajo kot posledica njene uvedbe. Organizacije, ki bodo te sekundarne učinke znale dovolj zgodaj zaznati, razumeti in pretvoriti v ponudbo za trg, bodo iz umetne inteligence ustvarile največjo strateško vrednost. To ni več samo vprašanje »return on investment«, temveč predvsem vprašanje »return on future« – sposobnosti, da iz nove tehnologije pravočasno prepoznamo prihodnje vire rasti.

Meriti moramo tehnologijo, ljudi in prihodnost

Uspešno uvajanje umetne inteligence zato zahteva širši pogled na metrike. Meriti moramo tehnično delovanje rešitev, poslovne učinke, stroške, tveganja in kakovost rezultatov. A enako pomembno moramo meriti pripravljenost ljudi, spremembe v načinu dela ter strateške priložnosti, ki nastajajo ob uporabi UI.

Organizacije, ki bodo UI obravnavale le kot tehnološki projekt, bodo verjetno merile predvsem stroške in prihranke. Organizacije, ki jo bodo razumele kot novo sposobnost podjetja, pa bodo merile tudi učinek na prihodnost. In prav tam se skriva največja razlika: umetna inteligenca ni uspešna takrat, ko je implementirana, temveč takrat, ko jo ljudje znajo uporabljati za ustvarjanje vrednosti, ki je prej ni bilo.

Prispevek je bil izvorno objavljen v časniku Finance.

Razmišljate o uvedbi umetne inteligence?

Pomagamo vam zgraditi lastno, suvereno, varno in robustno infrastrukturo, prilagojeno vašim potrebam in poslovnim ciljem.

O avtorju/avtorici