آیا میدانستید ۷۰٪ از پروژههای هوش مصنوعی (AI) نمیتوانند بازگشت سرمایه مورد انتظار را ارائه دهند؟ برای مدیران ارشد اطلاعات (CIO)، معکوس کردن این روند چیزی فراتر از یک چالش فنی است—این یک ضرورت استراتژیک است. هوش مصنوعی فراتر از این مسئله حرکت کرده است که آیا سرمایهگذاری کنیم یا خیر. چالش واقعی کنونی این است که چگونه بازدهی قابل اندازهگیری را تضمین کنیم. دستیابی به بازگشت سرمایه (ROI) معنادار نیازمند مدیریت دقیق هزینه، همسویی استراتژیک با اهداف تجاری روشن، و توجه بیوقفه به نتایج ملموس است.
درک هزینههای پیادهسازی هوش مصنوعی
هنگام استقرار ابتکارات هوش مصنوعی، یکی از اولین سؤالاتی که مدیران ارشد اطلاعات باید به آن بپردازند، هزینه پیادهسازی است. ادغام هوش مصنوعی در پلتفرمهای موجود اغلب به کسبوکارها اجازه میدهد تا از زیرساختهای فعلی خود استفاده کنند، که خطر افزایش هزینهها و پیچیدگیهای غیرضروری را کاهش میدهد. بسیاری از سازمانها قابلیتهای هوش مصنوعی ارائه شده توسط پلتفرمهای سازمانی را انتخاب میکنند و سرمایهگذاری خود را مستقیماً به تعداد کاربران یا مجوزهای مورد نیاز برای اطمینان از هزینههای قابل پیشبینی و قابل مدیریت مرتبط میکنند.
فراتر از هزینههای مستقیم، کسبوکارها همچنین باید هزینههای غیرمستقیم، مانند افزایش استفاده از شبکه، الزامات پهنای باند، و پیادهسازی اقدامات امنیتی مانند پوششدهی دادهها و پروتکلهای انطباق را در نظر بگیرند. هوش مصنوعی یک راهحل آماده به کار نیست. استقرار موفقیتآمیز نیازمند ارزیابی جامع از هزینههای فوری و بلندمدت است. در واقع، بر اساس گزارش تحقیقاتی Enterprise Horizons سال ۲۰۲۴ ما که شامل بیش از ۶۵۰ مدیر ارشد اطلاعات در سراسر جهان است، ۴۲٪ از افراد مورد بررسی هوش مصنوعی و یادگیری ماشین (ML) را به عنوان اولویت اصلی سرمایهگذاری فناوری خود برای ۱۲ ماه آینده معرفی کردند. با این حال، بسیاری با کمّیسازی بازگشت سرمایه دست و پنجه نرم میکنند، که بر اهمیت برنامهریزی دقیق هزینه برای اطمینان از اینکه سرمایهگذاریهای هوش مصنوعی هم پایدار و هم تأثیرگذار هستند، تأکید میکند.
شناسایی معیارهای مناسب برای موفقیت هوش مصنوعی
یک استراتژی موفق هوش مصنوعی با درک روشنی از جریانهای ارزش آغاز میشود. هر ابتکار هوش مصنوعی باید با یک سؤال شروع شود: "ما در حال حل چه مشکلی هستیم و آیا هوش مصنوعی میتواند به ما در بهبود آن کمک کند؟"
بسیاری از کسبوکارها به جای پیادهسازی هوش مصنوعی در همه زمینهها، رویکردی متمرکز را برای پذیرش هوش مصنوعی اتخاذ میکنند. در عوض، آنها چالشهای عملیاتی خاصی را شناسایی میکنند که هوش مصنوعی میتواند تأثیر فوری داشته باشد. به عنوان مثال، تیمهای پشتیبانی مشتری جهانی که بر اساس مدل "دنبال کردن خورشید" عمل میکنند، باید از انتقال بیوقفه بین شیفتها اطمینان حاصل کنند. قبل از پیادهسازی هوش مصنوعی، خلاصه کردن پروندههای جاری مشتری میتواند ۴۵ دقیقه یا بیشتر طول بکشد، اما با اتوماسیون مبتنی بر هوش مصنوعی، این فرایند میتواند به تنها چند دقیقه کاهش یابد، که به طور قابل توجهی هم کارایی و هم کیفیت خدمات را بهبود میبخشد.
برای جلوگیری از تله سرمایهگذاری در هوش مصنوعی صرفاً به خاطر فناوری، مدیران ارشد اطلاعات باید نقاط ضعف عملیاتی خاصی را شناسایی کنند که هوش مصنوعی میتواند به آنها بپردازد. برخی از زمینههای کلیدی برای اندازهگیری عبارتند از:
- حجم تعاملات خدمات مشتری و زمان صرف شده برای حل آنها
- کارایی گردش کار داخلی و قابلیتهای اتوماسیون
- تأثیر بینشهای مبتنی بر هوش مصنوعی بر تصمیمگیریهای تجاری
با مشخص کردن این زمینهها، شرکتها میتوانند هزینه هر مورد استفاده از هوش مصنوعی را کمّی کنند و نمونهسازی اولیه را شروع کنند. استقرار مکرر و حلقههای بازخورد سریع، سازمانها را قادر میسازد تا اثربخشی راهحلهای هوش مصنوعی را در زمان واقعی ارزیابی کنند و اطمینان حاصل کنند که هر سرمایهگذاری نتایج ملموسی را ارائه میدهد.
همسو کردن سرمایهگذاریهای هوش مصنوعی با استراتژیهای تجاری
شاید مهمترین درس برای مدیران ارشد اطلاعات این باشد که هیچ "استراتژی هوش مصنوعی" مستقلی وجود ندارد، بلکه فقط یک "استراتژی تجاری" وجود دارد. سرمایهگذاریهای هوش مصنوعی باید مستقیماً با اهداف گستردهتر یک شرکت همسو باشند. آنها همیشه باید با یک سؤال اساسی هدایت شوند: حل چه مشکلی ارزش دارد و آیا هوش مصنوعی میتواند به طور مؤثر آن را حل کند؟
هوش مصنوعی نباید به عنوان یک پیشرفت تکنولوژیکی مجزا دیده شود، بلکه به عنوان ابزاری برای بهبود عملیات تجاری موجود در نظر گرفته شود. سرمایهگذاریها باید توسط چالشهای تجاری ملموس هدایت شوند، با تمرکز بر مزایای بلندمدت به جای صرفهجویی در هزینههای فوری. برخی از مزایای هوش مصنوعی، مانند بهبود بینشهای داده، اتوماسیون گردش کارهای پیچیده، و بهبود تعامل با مشتری، زمان میبرد تا به طور کامل محقق شوند. بنابراین، مدیران ارشد اطلاعات باید انتظارات بازگشت سرمایه کوتاهمدت را با تمایل به سرمایهگذاری در مراحل آزمایش و کشف که ارزش بلندمدت را باز میکنند، متعادل کنند.
علاوه بر این، هوش مصنوعی باید به طور یکپارچه در چارچوبها و فرایندهای موجود یک شرکت ادغام شود و اطمینان حاصل شود که به جای مختل کردن گردش کار، آن را بهبود میبخشد. همکاری بینبخشی بین تیمهای فناوری اطلاعات، مالی، عملیات و خدمات مشتری برای به حداکثر رساندن تأثیر سرمایهگذاریهای هوش مصنوعی و دستیابی به نتایج تجاری قابل اندازهگیری ضروری است.
تبدیل سرمایهگذاری به ارزش بلندمدت
بازگشت سرمایه واقعی هوش مصنوعی فقط در مورد صرفهجویی در هزینهها نیست. این در مورد ایجاد تأثیر تجاری معنادار است. هنگامی که هوش مصنوعی به طور استراتژیک پیادهسازی شود، پتانسیل افزایش خدمات مشتری، سادهسازی فرایندهای داخلی و بهبود کارایی عملیاتی را دارد.
برای مدیران ارشد اطلاعات، نکات کلیدی واضح است. سرمایهگذاریهای هوش مصنوعی همیشه باید با یک مسئله کاملاً تعریف شده و یک مورد استفاده قابل اندازهگیری آغاز شود، و اطمینان حاصل شود که فناوری چالشهای تجاری واقعی را حل میکند نه اینکه صرفاً به خاطر خود فناوری پیادهسازی شود. پیشبینی و بودجهبندی برای هزینههای مستقیم و غیرمستقیم هوش مصنوعی بسیار مهم است، زیرا هزینههای پنهان مانند افزایش پهنای باند و اقدامات امنیتی میتواند بر بازگشت سرمایه کلی تأثیر بگذارد. نمونهسازی سریع و استقرار تکراری به کسبوکارها این امکان را میدهد تا تأثیر هوش مصنوعی را زودتر تأیید کنند و اطمینان حاصل کنند که فقط مؤثرترین راهحلها مقیاسبندی میشوند. همسو کردن سرمایهگذاریهای هوش مصنوعی با اهداف تجاری فراگیر به جای برخورد با هوش مصنوعی به عنوان یک ابتکار مستقل، ارزش استراتژیک بلندمدت را تضمین میکند.
با پیروی از این اصول، کسبوکارها میتوانند اطمینان حاصل کنند که سرمایهگذاریهای هوش مصنوعی آنها دستاوردهای کارایی کوتاهمدت و ارزش پایدار بلندمدت را ارائه میدهد. هوش مصنوعی یک روند نیست؛ یک دارایی استراتژیک است و شرکتهایی که با یک ذهنیت مبتنی بر بازگشت سرمایه به آن نزدیک میشوند، بیشترین مزایا را به دست خواهند آورد.