AI ROI-এর জন্য এক্সিকিউটিভ গাইড

আমি দেখি AI বাজেট একটি স্লাইডের মাধ্যমে অনুমোদিত হয় এবং এক কোয়ার্টারেই অদৃশ্য হয়ে যায়। প্রযুক্তি কাজ করে। কিন্তু ROI কাজ করে না।

সমস্যাটি মডেলের নয়। সমস্যাটি হলো কীভাবে নেতারা ভ্যালু (value) নির্ধারণ করেন এবং অ্যাডপশন (adoption) নিশ্চিত করেন। AI থেকে প্রাপ্ত ROI কোনো প্রযুক্তিগত সমস্যা নয়। এটি একটি নেতৃত্বের সমস্যা।

একটি ইউজ কেস (use case) বলে: "আমরা চুক্তিপত্র সারসংক্ষেপ করার জন্য AI ব্যবহার করি।" একটি ভ্যালু কেস (value case) বলে: "আমরা বছরে ট্রায়াজ (triage) বা প্রাথমিক বাছাইয়ের কাজে ৪,২০০ আইনি ঘণ্টা ব্যয় করি। AI ৯০ হাজার ডলারে সেই ট্রায়াজ প্রক্রিয়াটি সরিয়ে দেয়। এতে ৩,৮০,০০০ ঘণ্টার সক্ষমতা মুক্ত হয়।"

একটি হলো ডেমো। অন্যটি CFO-এর কাছে টিকে থাকে।

আমি কোনো কিছুতে অর্থায়ন করার আগে তিনটি সংখ্যা জানতে চাই:

  • বেসলাইন (The baseline)। আজ এটি করতে কত ঘণ্টা বা কতগুলো ভুল হচ্ছে? "আগে" কী ছিল তা না জানলে "পরে" কী পরিবর্তন হলো তা প্রমাণ করা সম্ভব নয়।
  • অ্যাড্রেসেবল স্লাইস (The addressable slice)। AI খুব কম ক্ষেত্রেই কোনো কাজের ১০০% সম্পন্ন করতে পারে। এটি কি ৩০% নাকি ৭০%? এটিকে বাড়িয়ে বললে আপনার ROI নষ্ট হয়ে যাবে।
  • রিয়ালাইজেশন পাথ (The realization path)। মুক্ত হওয়া ঘণ্টাগুলো ততক্ষণ পর্যন্ত সাশ্রয় নয়, যতক্ষণ না আপনি কর্মীদের নতুন কাজে নিয়োজিত করছেন। পুনরায় বরাদ্দ না করলে ২০% উৎপাদনশীলতা বৃদ্ধি মানে ০% আর্থিক লাভ।

মডেলের গুণমান শিরোনাম পায়। কিন্তু অ্যাডপশন (adoption) রিটার্ন নিয়ে আসে।

৯০% নির্ভুলতাসম্পন্ন একটি টুল যা টিমের মাত্র ২০% সদস্য ব্যবহার করে, তার চেয়ে ৭০% নির্ভুলতাসম্পন্ন একটি টুল যা টিমের ৯০% সদস্য ব্যবহার করে, তা বেশি রিটার্ন দেয়। এর পার্থক্য হলো বিশ্বাস এবং কাজের ধরনের সাথে সামঞ্জস্য (workflow fit)।

ROI = প্রতিবার ব্যবহারের ভ্যালু × ব্যবহারের ফ্রিকোয়েন্সি × ব্যবহারকারীর অংশ। এই ভেরিয়েবলগুলোর মধ্যে দুটিই মানুষের সাথে সম্পর্কিত।

আমি অবকাঠামোর মতো অ্যাডপশনের (adoption) জন্যও বাজেট করি। আমি যা খুঁজি:

  • প্রতিটি টিমে চ্যাম্পিয়ন (Champions)।
  • টুলের ওপর ভিত্তি করে ডিজাইন করা ওয়ার্কফ্লো (Workflows)।
  • প্রকৃত ব্যবহারকারীদের কাছ থেকে ফিডব্যাক লুপ (Feedback loops)।

"AI ৫ গুণ দ্রুত ড্রাফট তৈরি করে"—এই ধরনের ভ্যানিটি মেট্রিক্সের (vanity metrics) ওপর নির্ভর করবেন না। দ্রুত ড্রাফট তৈরি করা মানেই হলো রিভিউ করতে বেশি সময় লাগা এবং ভুল বেড়ে যাওয়া।

আমি তিনটি স্তর ট্র্যাক করি:

  • অ্যাক্টিভিটি (Activity)। টিম কি এটি ব্যবহার করছে?
  • আউটকাম (Outcome)। লক্ষ্যমাত্রা বা টার্গেট মেট্রিক কি পরিবর্তিত হয়েছে?
  • সিস্টেম (System)। এর ফলে পরবর্তী কোনো ধাপে কি সমস্যা তৈরি হয়েছে?

বেশিরভাগ ব্যর্থ AI প্রজেক্ট এই ভুলগুলো করে:

  • এমন পাইলট প্রজেক্ট যা স্কেল করা সম্ভব নয়। তারা বাস্তব জগতের অগোছালো ডেটার পরিবর্তে পরিচ্ছন্ন ডেটা দিয়ে পরীক্ষা করে।
  • সমস্যা সমাধানের পরিবর্তে সক্ষমতা কেনা। ব্যাপক ও অগভীর কাজের পরিবর্তে তিনটি গভীর ভ্যালু কেস (value cases) বেছে নিন।
  • পরিবর্তনের খরচ উপেক্ষা করা। লাইসেন্সের খরচ মোট বিলের মাত্র ১০%। বাকি ৯০% হলো ইন্টিগ্রেশন এবং ট্রেনিং।
  • কোনো মালিক বা দায়িত্বপ্রাপ্ত ব্যক্তি নেই। যদি ROI কোনো এক্সিকিউটিভ স্কোরকার্ডে না থাকে, তবে কেউ এর পক্ষে কথা বলবে না।

"AI কী করতে পারে?"—এই প্রশ্ন করা বন্ধ করুন। বরং জিজ্ঞেস করুন, "আজ আমরা কোথায় টাকা হারাচ্ছি, এবং AI কি অন্য যেকোনো কিছুর চেয়ে দ্রুত সেই ক্ষতি রোধ করতে পারে?"

কম জিনিসে অর্থায়ন করুন, কিন্তু গভীরে যান। প্রথমে বেসলাইন পরিমাপ করুন। প্রযুক্তির মতো অ্যাডপশনের (adoption) পেছনেও সমান খরচ করুন। প্রতিটি ডলারের জন্য একজন দায়বদ্ধ ব্যক্তির নাম নিশ্চিত করুন।

Source: https://dev.to/cedricbignet/the-executives-guide-to-ai-roi-52ah

Optional learning community: https://t.me/GyaanSetuAi