AI u velikim razmjerima: zašto je pravi izazov upravljanje vrijednošću, a ne smanjivanje troškova

AI mijenja ekonomiku tehnologije

Tradicionalna poslovna tehnologija općenito se nabavljala kroz relativno predvidljive aranžmane: licence, pretplate, infrastrukturne obveze i implementacijske programe. Troškovi su se obično mogli procijeniti na temelju broja zaposlenika, kapaciteta sustava ili dogovorenog opsega posla.

AI se u taj model ne uklapa lako.

Njegov trošak oblikuje stvarna potrošnja. Može varirati ovisno o korištenom modelu, količini obrađenih informacija, duljini odgovora, dizajnu tijeka rada i broju puta koliko automatizirani agent poziva druge sustave ili modele.

Dva naizgled slična zadatka stoga mogu imati vrlo različite troškove.

To postaje osobito važno kada je AI ugrađen u poslovne procese. Jedna interakcija može pokrenuti niz pretraživanja, poziva modela, provjera i ponovnih pokušaja. Ono što izgleda kao jedan jednostavan korisnički zahtjev iza kulisa može postati iznenađujuće resursno zahtjevan tijek rada.

Istodobno, pristup AI-ju više ne kontrolira isključivo tehnološki odjel. Zaposlenici se mogu pretplatiti na nove alate, izgraditi vlastite asistente i stvoriti automatizirane procese uz relativno malo tehničkog znanja. Ta je dostupnost snažan izvor inovacija, ali može dovesti i do fragmentirane nabave, udvostručenih mogućnosti i potrošnje koju nitko ne vidi u cijelosti.

Zato konvencionalno godišnje proračunsko planiranje nije dovoljno. AI zahtijeva aktivno upravljanje potražnjom.

Počnite tako da potrošnju učinite vidljivom

Organizacija ne može učinkovito upravljati AI-jem ako ne zna gdje se on koristi.

Prvi prioritet trebao bi biti stvaranje objedinjenog pregleda potrošnje AI-ja kroz odjele, aplikacije, dobavljače i cloud platforme. Taj pregled mora ići dalje od računa. Čelnici bi trebali moći vidjeti koji poslovni proces koristi AI, tko je njegov vlasnik, koliko košta i koji rezultat proizvodi.

Tehničke mjere, poput broja poziva modela ili količine obrade, korisne su inženjerima, ali nisu dovoljne za poslovne odluke. Smislenije mjere vjerojatno su:

• Trošak po riješenom upitu kupca
• Trošak po pregledanom dokumentu
• Trošak po kvalificiranoj prodajnoj prilici
• Trošak po izdanju softvera
• Trošak po obrađenom potraživanju, slučaju ili transakciji
• Prihod, kapacitet ili smanjenje rizika koje stvara tijek rada temeljen na AI-ju

Time se mijenja razgovor. Umjesto pitanja koristi li organizacija previše AI-ja, čelnici mogu pitati stvara li određena upotreba AI-ja dovoljno vrijednosti.

Vidljivost stvara i odgovornost. Kada je potrošnja povezana s prepoznatljivim proizvodom, procesom ili poslovnom jedinicom, AI prestaje izgledati kao neobjašnjiv središnji tehnološki trošak. Postaje poslovna investicija s vlasnikom i očekivanim povratom.

Koristite pravu razinu inteligencije za zadatak

Organizacije ne angažiraju svoje najkvalificiranije ljude za svaku aktivnost. Ne bi trebale ni svoj najsnažniji — i obično najskuplji — AI model koristiti za svaki zahtjev.

Mnoge rutinske zadatke, uključujući klasifikaciju, izdvajanje podataka, osnovno sažimanje i strukturirano sastavljanje teksta, mogu učinkovito obaviti manji ili jeftiniji modeli. Sposobniji modeli tada se mogu čuvati za posao koji doista zahtijeva dublje zaključivanje, veću točnost ili specijalističke performanse.

Cilj nije odabrati najjeftiniji model u svakoj situaciji. Cilj je odabrati najekonomičniju opciju koja pouzdano zadovoljava traženi standard.

Ta odluka treba uzeti u obzir više od cijene. Važni su kvaliteta, brzina, privatnost, otpornost i rizik. U nekim je slučajevima vrhunski model potpuno opravdan. U drugima može biti primjereniji manji hostirani model, model kojim organizacija upravlja interno ili čak model koji se izvodi lokalno na uređaju.

Ključna sposobnost je fleksibilnost: mogućnost usmjeravanja različitih opterećenja na različite modele i promjene tih odluka kako se razvijaju tehnologija, cijene i zahtjevi.

Poboljšajte tijek rada prije optimizacije modela

Odabir modela dobiva puno pažnje, ali neučinkovit dizajn tijeka rada može biti veći izvor rasipanja.

AI sustavi mogu opetovano obrađivati informacije koje im nisu potrebne, zadržavati nepotrebno duge povijesti razgovora ili davati odgovore daleko detaljnije nego što zadatak zahtijeva. Automatizirani agenti mogu upasti u neproduktivne petlje, ponavljati neuspjele radnje ili pozivati skupe usluge kada bi jednostavno pravilo bilo dovoljno.

Takvi se problemi rijetko rješavaju samom nabavom. Zahtijevaju promišljen inženjerski pristup i dizajn procesa.

Organizacije bi trebale razmotriti mogu li:

• Slati samo informacije relevantne za zadatak
• Ponovno koristiti rezultate koji su već generirani
• Definirati jasne formate odgovora i primjerena ograničenja duljine
• Postaviti granice oko automatiziranih ponovnih pokušaja i korištenja alata
• Jednostavne zahtjeve usmjeravati kroz jednostavnije modele
• Eskalirati samo doista složene slučajeve
• Preoblikovati loš proces prije nego što mu se doda AI

Ova posljednja točka je važna. Automatizacija neučinkovitog procesa ne čini ga nužno učinkovitim. Ona može jednostavno omogućiti da neučinkovitost djeluje brže i u većim razmjerima.

Ugradite upravljanje u samo iskustvo korištenja

Politike i obuka ostat će važne, ali ne mogu nositi cijeli teret upravljanja poslovnim AI-jem.

Od većine zaposlenika ne može se razumno očekivati da razumiju ekonomiku svakog modela, upita ili automatiziranog tijeka rada. Niti bi trebali konzultirati dokument s politikama svaki put kada koriste AI uslugu.

Dobro upravljanje stoga treba biti ugrađeno u samu tehnologiju.

AI okruženje organizacije trebalo bi moći primjenjivati odobrena pravila pristupa, prepoznavati neuobičajenu potrošnju, provoditi razumna ograničenja i usmjeravati zahtjeve na najprikladniju uslugu. Ondje gdje je dodatni trošak ili rizik opravdan, treba postojati jasan put za odobrenje ili eskalaciju.

Time odgovorna potrošnja postaje prirodan put za korisnika. Također omogućuje da se upravljanje odvija u trenutku aktivnosti, kada može utjecati na ishod, a ne tjednima kasnije kada stigne račun.

Isto načelo vrijedi i za smjernice. Kontekstualni savjeti dani dok netko stvara AI tijek rada vjerojatno su korisniji od jednokratnog tečaja obuke završenog mjesecima ranije.

Ekonomiku AI-ja tretirajte kao trajnu sposobnost

Upravljanje potražnjom za AI-jem ne bi smjelo postati privremena vježba smanjenja troškova koju vodi samo tehnološki tim.

Zahtijeva kontinuiranu suradnju tehnologije, financija, nabave, rizika i poslovnog vodstva. Zajedno te funkcije moraju prognozirati potražnju, pratiti potrošnju, procjenjivati dobavljače i povezivati izdatke s mjerljivim rezultatima.

Ta sposobnost mora uzeti u obzir i da će se tržište stalno mijenjati. Model koji danas ima najbolje performanse sutra možda neće nuditi najbolju vrijednost. Novi dobavljači, komercijalne strukture i opcije implementacije nastavit će se pojavljivati.

Dugoročna ovisnost o jednom modelu ili pružatelju stoga može uvesti financijski i operativni rizik. Organizacije bi trebale zadržati mogućnost premještanja opterećenja, ponovne procjene odluka o nabavi i kombiniranja kupljenih, interno razvijenih i hostiranih mogućnosti.

Staro pitanje treba li kupiti ili izgraditi postaje preusko. Bolje je pitanje kako sastaviti — i neprestano prilagođavati — pravu kombinaciju usluga, modela i operativnih pristupa za svako opterećenje.

Kontrola troškova treba podržavati ambiciju

Postoji opasnost da rastući izdaci za AI navedu organizacije da postanu pretjerano oprezne upravo kada tehnologija počinje davati smislene rezultate.

To bi bila pogreška.

Snažno financijsko upravljanje nije neprijatelj inovacija. Ono je ono što održive inovacije čini mogućima. Kada organizacija može prepoznati rasipanje, može preusmjeriti resurse prema tijekovima rada s najvećim potencijalom. Kada razumije trošak ishoda, može donositi informirane odluke o tome gdje povećati razmjere. Kada je upravljanje ugrađeno u okruženje, zaposlenici mogu inovirati unutar jasnih i praktičnih granica.

Organizacije koje uspiju s AI-jem neće nužno biti one koje troše najviše — ili one koje najžešće režu. Bit će to one koje razumiju gdje AI stvara osobitu vrijednost i mogu u skladu s tim usmjeravati svoju potrošnju.

Sljedeću fazu poslovnog AI-ja stoga će manje određivati pristup modelima, a više disciplina upravljanja.

Pitanje više nije jednostavno: „Koliko AI-ja koristimo?“ Nego: „Što postižemo s njim — i vrijedi li taj ishod ulaganja?“