Panduan Eksekutif untuk ROI AI

Saya melihat bajet AI diluluskan melalui satu slaid dan lenyap dalam satu suku tahun. Teknologinya berfungsi. ROI pula tidak.

Jurangnya bukan pada model. Jurangnya adalah bagaimana pemimpin mentakrifkan nilai dan memacu penggunaan. ROI daripada AI bukan masalah teknologi. Ia adalah masalah kepimpinan.

Kes penggunaan (use case) berkata: "Kami menggunakan AI untuk meringkaskan kontrak." Kes nilai (value case) berkata: "Kami menghabiskan 4,200 jam perundangan setahun untuk proses saringan. AI menghapuskan saringan tersebut dengan kos 90k. Ini membebaskan kapasiti sebanyak 380k."

Satu adalah demo. Satu lagi mampu melepasi ujian CFO.

Sebelum saya membiayai apa-apa, saya memerlukan tiga angka:

  • Asas (baseline). Berapakah kosnya hari ini dalam bentuk jam atau ralat? Anda tidak boleh membuktikan keadaan "selepas" tanpa mengetahui keadaan "sebelum."
  • Bahagian yang boleh ditangani (addressable slice). AI jarang mengendalikan 100% tugasan. Adakah ia 30% atau 70%? Melebih-lebihkan angka ini akan merosakkan ROI anda.
  • Laluan realisasi. Jam yang dibebaskan bukanlah penjimatan sehingga anda menempatkan semula kakitangan. Peningkatan produktiviti sebanyak 20% tanpa pengagihan semula adalah peningkatan kewangan sebanyak 0%.

Kualiti model mendapat tajuk berita. Penggunaan (adoption) mendapat pulangan.

Alat dengan ketepatan 90% yang digunakan oleh 20% pasukan memberikan pulangan yang lebih rendah berbanding alat dengan ketepatan 70% yang digunakan oleh 90% pasukan. Perbezaannya adalah kepercayaan dan kesesuaian aliran kerja.

ROI bersamaan dengan nilai setiap penggunaan didarab dengan kekerapan penggunaan didarab dengan bahagian pengguna. Dua daripada pemboleh ubah tersebut adalah faktor manusia.

Saya memperuntukkan bajet untuk penggunaan seperti infrastruktur. Saya mencari:

  • Juara (champions) dalam setiap pasukan.
  • Aliran kerja yang direka berasaskan alat tersebut.
  • Gelung maklum balas daripada pengguna sebenar.

Jangan bergantung pada metrik menunjuk-nunjuk (vanity metrics) seperti "AI mendraf 5x lebih cepat." Pendrafan yang lebih cepat boleh menyebabkan semakan yang lebih lambat dan lebih banyak ralat.

Saya memantau tiga lapisan:

  • Aktiviti. Adakah pasukan menggunakannya?
  • Hasil. Adakah metrik sasaran berubah?
  • Sistem. Adakah sesuatu yang lain terjejas di peringkat hiliran (downstream)?

Kebanyakan projek AI yang gagal melakukan kesilapan ini:

  • Projek rintis (pilots) yang tidak boleh diskalakan. Mereka menguji data yang bersih dan bukannya data dunia nyata yang tidak teratur.
  • Membeli keupayaan dan bukannya menyelesaikan masalah. Pilih tiga kes nilai yang mendalam berbanding kes yang luas tetapi cetek.
  • Mengabaikan kos perubahan. Lesen hanyalah 10% daripada bil. Integrasi dan latihan merangkumi 90% yang selebihnya.
  • Tiada pemilik. Jika ROI tidak ada dalam kad skor eksekutif, tiada sesiapa yang akan mempertahankannya.

Berhenti bertanya "apa yang AI boleh buat?" Tanya "di mana kita kehilangan wang hari ini, dan bolehkah AI menghentikan kerugian itu dengan lebih cepat berbanding perkara lain?"

Biayai lebih sedikit perkara, tetapi selami dengan lebih mendalam. Ukur asas (baseline) terlebih dahulu. Belanjakan jumlah yang sama untuk penggunaan seperti untuk teknologi. Letakkan nama yang bertanggungjawab di sebelah setiap dolar.

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

Komuniti pembelajaran pilihan: https://t.me/GyaanSetuAi