Почему у вас не получается внедрить искусственный интеллект в свой бизнес

Почему у вас не получается внедрить искусственный интеллект в свой бизнес
|18 декабря 2020| Афина Каниура Фернандо Лючини

Большинство менеджеров высшего звена знают, что для сохранения конкурентоспособности компании необходимо интегрировать возможности ИИ, но слишком многие не могут продвинуться дальше этапа подтверждения концепции. Они застревают на неправильных деталях или создают модели для проверки отдельных идей, а не ради решения производственных или коммерческих задач. Это вызывает тревогу, ведь, как показало наше исследование, три четверти управленцев полагают, что, если не масштабировать ИИ в ближайшие пять лет, можно вообще выпасть из бизнеса. Чтобы это исправить, мы предлагаем радикальное решение. Не надо проверять концепции. Переходите прямо к масштабированию.

Мы пришли к этому решению, опросив 1,5 тыс. менеджеров высшего звена из 16 отраслей в 12 странах. 84% опрошенных признали, что для достижения стратегических целей роста бизнеса нужно распространить использование ИИ по всей организации, однако только 16% из этой группы действительно продвинулись дальше экспериментов с ИИ. Исследованные нами компании, успешно внедрившие полномасштабные ИИ-проекты, сделали одно и то же: отказались от проверки концепций.

Эти компании в два раза чаще предпринимали попытки масштабирования, в два раза чаще делали это успешно и — благодаря тому, что обладали правильной структурой и могли в процессе обучения внедрять полученные знания, — в итоге не только быстрее остальных вывели решения на базе ИИ в коммерческую эксплуатацию, но и потратили меньше денег на пилотные и полномасштабные проекты. Что в результате? Показатели отдачи на инвестиции в ИИ у них оказались почти в три раза выше, чем у их менее успешных конкурентов. Если учесть, что каждая компания, участвовавшая в нашем исследовании, потратила на ИИ в среднем $215 млн за последние три года, разница в 54 процентных пункта в отдаче на инвестиции (32% против 86% — прим. ред.) означает $115 млн недополученного дохода от использования ИИ. Но дело не только в деньгах. Организации, успешно осуществившие масштабирование, сообщают о существенном улучшении качества обслуживания клиентов и повышении их удовлетворенности, о росте производительности труда персонала и эффективности использования активов.

Почему проверка концепции не работает

Поясним на довольно распространенном примере, почему проверка концепции может стать рецептом неудачи. Скажем, некая организация выделяет шесть месяцев на создание платформы для оптимизации клиентского опыта, чтобы проверить выбранную концепцию проекта по повышению уровня обслуживания клиентов. Они создают ее и запускают, подтверждают (как и многие до них), что она работает, и затем выводят ее в коммерческую эксплуатацию. И вот в чем ошибка: они подтвердили, что концепция технически функциональна, ни часа не потратив на то, чтобы обдумать, что понадобится для ее вывода на производственный уровень, с какими рисками связана модель, оценить искажения данных, позаботиться о сохранении конфиденциальности и этических соображениях. Что в результате? Они просто навешивают на свои организации технический долг, так как изначально не учитывали потребности масштабирования при создании пробной платформы.

Одна из компаний, с которыми мы работали, сделала все по-другому. Nordea, крупнейшей банковской группе в Скандинавии, понадобился чат-бот для помощи техподдержке: компания хотела, чтобы у персонала колл-центра освободилось больше времени для работы со сложными клиентскими проблемами. В Nordea уже была структура для тестирования и внедрения новых разработок — в том числе правильная система обработки данных, специально обученные сотрудники, подходящая организационная и этическая структура, — и они пропустили этап проверки концепции и перешли прямо к масштабированию. Они подготовили данные, создали минимально жизнеспособный продукт, присвоили ему аватар и стали наблюдать за его взаимодействием с клиентами. В июне 2017 года Nordea запустила пилотный проект по использованию этого чат-бота для нескольких сотен тысяч своих клиентов. Те немедленно к нему подключились. Трафик электронной почты и телефонных звонков сразу упал на 20%, а объем использования чат-бота и соответствующих веб-страниц вырос на 30% — и все это без необходимости доказывать менеджерам высшего звена, что чат-бот работает.

Чем заменить проверку концепции?

Полная версия статьи доступна подписчикам
Выберите срок онлайн-подписки:

https://hbr-russia.ru/innovatsii/upravlenie-innovatsiyami/851556

2020-12-18T14:39:10.727+03:00

Fri, 18 Dec 2020 11:39:11 GMT

Почему у вас не получается внедрить искусственный интеллект в свой бизнес

Как масштабировать ИИ-решения внутри организации

Инновации / Управление инновациями

https://cdn.hbr-russia.ru/image/2020/9t/vbati/original-14kz.jpg

Harvard Business Review РоссияHarvard Business Review Россия

Harvard Business Review РоссияHarvard Business Review Россия