사람과 기업은 AI의 잠재력에 집착하지만 80% AI 프로젝트 중에서 실패 할 것이며, 원하거나 열정이 적은 것은 아닙니다.
AI가 모든 산업과 부문에 스며드는 반면, 문제는이 기술 변화를 위해 적절하게 준비하지 않는 비즈니스에 있습니다.
Boston Consulting Group은 전 세계 3 개 회사 중 1 명이 전 세계적으로 지출 할 계획이라고보고합니다. 2,500 만 달러 AI에서. 따라서 기업이 미리 계획하지 않고 AI 솔루션에 계속 뛰어 들면 수백만 달러가 낭비 될 것입니다.
그러나 강력한 변화 관리 이니셔티브와 새로운 혁신과 측정 가능한 KPI를 지원하는 시스템을 통해 기업은 AI의 성공 사례를 조수로 바꿀 수 있습니다.
AI 이니셔티브가 실패하는 세 가지 가장 큰 이유를 다루겠습니다.
기술을 우선하고 비즈니스를 두 번째로 두는 것
특히 수백 개의 보고서와 연구, 특히 생성 AIAI 알고리즘 및 프로그램의 속도와 인상적인 지적 손재주를 보여줍니다.
많은 혁신이 AI에 들어 갔으며, 기업들은 최초의 첫 번째로 뛰어 들어 최첨단 프로토 타입을 활용하는 데 투자하기를 원했습니다. 그러나 위험은 사업 목표를 불분명하거나 측정 가능한 영향을 미치지 않는 솔루션에 수백만 달러를 소비 할 수 있다는 것입니다.
실제로 가트너는 적어도 그것을 예측합니다 30% 2025 년 말까지 데이터 품질이 좋지 않아 부적절한 위험 관리, 비용 증가 또는 불분명 한 비즈니스 가치로 인해 2025 년 말까지 생성 AI 프로젝트가 포기됩니다.
열악한 데이터는 특히 AI 솔루션의 효율성과 효율성을 극대화 할 때 대부분의 비즈니스가 극복하지 못하는 특별한 장애물입니다. 사일드 데이터는 가장 두드러진 문제 중 하나이며 무시할 수없는 비즈니스 문제입니다. 팀은 전략적 의사 결정에 중요한 누락 된 정보를 쫓아 내려고 시간을 낭비 할 수 있습니다.
그리고 훼손된 팀뿐만 아니라 도구도 있습니다. 예를 들어, 머신 러닝 모델은 데이터를 분리하고 오류로 수수께끼를 낼 때 제대로 수행 할 수 없습니다.
투자에 대한 긍정적 인 ROI를 보장하고 기술 작업이 시작되기 전에 조직은 AI 솔루션이 해결하려는 특정 비즈니스 문제를 식별해야합니다. 여기에는 측정 가능한 KPI 설정 및 비용 절감, 매출 증가 또는 데이터 검색에 걸리는 시간을 줄이는 것과 같은 효율성 개선과 같은 목표가 포함됩니다.
구체적으로, 비즈니스 전략이 먼저 이루어져야하며, 기술 구현은 그에 따라 뒤 따릅니다. 궁극적으로 기술 솔루션은 비즈니스 결과를 유도하는 수단으로 사용해야합니다. 또한 비즈니스 요구는 본질적으로 AI 및 기타 기술 구현의 중추입니다.
예를 들어, AI를 활용하려는 물류 회사는 AI 소프트웨어에 대한 측정 가능한 목표를 세우고 수요 예측을 최적화하고 차량 관리를 향상시켜 처음 6 개월 동안 미용 트럭 수를 25% 줄이고 5%의 이익을 늘릴 수 있습니다.
기업은 AI가 효율성을 향상시킬뿐만 아니라 정량화 가능임을 지속적으로 확인하기 위해 측정 가능한 목표가 필요합니다. 이는 회사 이해 관계자에게 고가의 AI 도박이 그만한 가치가 있다고 설명 할 때 필수적입니다.
과잉 AI 구현
모든 것을 혁신하려는 AI의 약속은 미디어에서 지속적으로 반복되며 종종은 총알로 잘못 표현됩니다. 이것은 비즈니스 리더에 대한 잘못된 신뢰감을 불러 일으켜 새로운 AI 시스템을 활용하여 동시에 비즈니스 프로세스에 통합 할 수 있다고 믿게 할 수 있습니다.
그러나 한 번에 문제를 해결하려는 과잉의 시도는 일반적으로 실패로 이어집니다. 대신, 비즈니스는 더 나은 결과를 얻기 위해 전략적으로 소규모로 시작해야합니다.
예를 들어, 성공은 대규모로 표시되었습니다. 월마트인벤토리 관리를 최적화하기 위해 기계 학습 알고리즘을 점차적으로 도입했습니다. 결과? 오버 스톡 인벤토리의 30% 감소 및 기성 가용성이 20% 증가했습니다.
이를 돕기 위해 기업은 a에 적응해야합니다 ‘구역에서 승리’프레임 워크 AI 구현의 경우, 팀이 현재 운영의 미래 혁신 균형을 맞춰야한다는 것을 이해하는 데 도움이되는 입증 된 방법론.
이 프레임 워크는 비즈니스 활동을 성능, 생산성, 인큐베이션 및 변환의 네 가지 영역으로 나눕니다. AI는 한 번에 모든 것을 방해 할 수 없으며 인큐베이션 영역은 핵심 비즈니스를 방해하지 않고 AI 기술을 실험 할 수있는 전용 공간을 만듭니다.
예를 들어, 이것은 ‘구역에서 승리’프레임 워크가 AI를 구현하는 냉장 저장 물류 회사에 적용 할 수있는 방법입니다.
- 성능 구역 : 창고 일정 및 상품 배치와 같은 회사의 핵심 비즈니스 운영은 수익 창출의 핵심입니다. KPI는 거주 시간을 슬래시하고 배송을 늘리기위한 창고 효율성을 향상시키는 것이 우선 순위입니다.
- 생산성 구역: 예측 분석 및 실시간 분석 도구와 같은 데이터 과학 기능을 통합하여 효율성을 높이고 구금 비용을 절감하기 위해 내부 프로세스가 해결됩니다.
- 인큐베이션 구역: 회사는 특정 창고에서 데이터 중심 도구를 조종하는 데 시간을 투자하여 팀이 미래의 수익원이 될 수있는 혁신을 결정할 수 있습니다.
- 변형 구역: 이곳에서 회사가 반복되는 비즈니스 결과를 보장하는 포괄적 인 디지털 인프라에 따라 디지털 혁신을 조직 전체 규모로 확장하는 곳입니다.
이 프레임 워크는 리더십이 현재 운영 유지와 AI 중심의 미래 기능에 대한 투자 간의 자원 할당에 대한 결정을 내릴 수 있도록 도와줍니다. 이 인식은 AI 투자가 너무 많은 부서와 프로세스에 너무 얇게 퍼질 때 문제와 불가피한 실패를 피하는 데 도움이됩니다.
사용자 채택 부족
회사는 먼저 사용하는 사람들을 고려하지 않고 AI 및 머신 러닝 제공을 모두 활용하기 위해 서두르고 있습니다. 최종 사용자 가이 기술을 이해하지 못하면 가장 정교한 AI 솔루션조차 실패합니다. 모든 것이 신뢰와 포괄적 인 교육에 매달려 있습니다.
AI 통합의 중요한 근본 요인은이를 운영하고 있습니다. 즉, AI 도구가 워크 플로에 연결되어 비즈니스 프로세스에 주류가됩니다.
CRM과 같은 다른 작업 도구는 전체 프로세스를 처음부터 끝까지 최적화하고 제어합니다. 이는 프로세스의 각 단계를 보여주고 설명 할 수 있으므로 훈련을 쉽게 만듭니다. 그러나 생성 AI는 전체 프로세스를 포괄하는 대신보다 세분화 된 ‘작업 수준’에서 작동합니다. 다른 방법의 다양한 단계 내에서 산발적으로 사용될 수 있습니다. 완전한 워크 플로를 지원하는 대신 각 사용자는 특정 작업에 AI를 약간 다르게 적용 할 수 있습니다.
KPMG UK의 파트너 인 Ruth Svensson은 말했습니다 포브스: “생성 AI는 프로세스 수준이 아닌 작업 수준에서 작동하기 때문에 교육 격차를 쉽게 볼 수 없습니다.” 결과적으로 직원들은 광범위한 비즈니스 목표에 어떻게 적합한 지 이해하지 않고 AI 도구를 사용하여 숨겨진 교육 격차로 이어질 수 있습니다. 이러한 격차에는 AI 기능을 완전히 활용하는 방법에 대한 이해 부족, 시스템과 효과적으로 상호 작용하는 방법 또는 생성하는 데이터가 올바르게 사용되는지 확인하는 방법이 포함될 수 있습니다.
이 경우 효과적인 변경 관리는 사용자 채택에 중요합니다. 변경 관리를 통해 조직은 직원이 새로운 기술을 채택 할뿐만 아니라 업무 및 비즈니스 프로세스에 대한 전폭적 인 영향을 파악할 수 있습니다.
적절한 변화 관리가 없으면 회사는 AI 도구의 사용자 채택과 관련하여 더 많은 비 효율성, 실수 및 AI 솔루션의 잠재력을 극대화하지 못하는 기술 격차를 악화시킬 위험을 감수 할 때 마크를 놓칠 것입니다.
변경 관리 이니셔티브가 작동하려면 운동을 주도하려면 지정된 자격을 갖춘 리더십 팀이 필요합니다. 리더는 작업 수준에서 교육 격차를 식별하고 AI에 사용할 특정 작업에 따라 직원에게 맞춤형 교육을 제공하거나 구성해야합니다.
아이디어는 직원들이 새로운 시스템에 대한 이해력과 자신감을 갖도록 권한을 부여하고 격려하는 것입니다. 그래야만 이해와 수용이 이루어지면서 비즈니스가 광범위한 채택과 기술 적용을 더 잘 적용하는 기업으로 이어질 것입니다.
AI는이 10 년간의 정의 기술이지만 운영이 없으면 그 영향이 계속 낭비 될 것입니다. 변경 관리 이니셔티브를 업그레이드하고 AI 이니셔티브를 천천히 구현하고 측정 가능한 KPI를 사용하여 비즈니스는 AI에 소비하는 것이 아닙니다. 그들은 그것으로부터 이익을 얻을 것입니다.
게시물 AI에 대한 대부분의 투자가 저지사 또는 실패하는 이유 먼저 나타났습니다 Unite.ai.