AI ROI పై ఎగ్జిక్యూటివ్ గైడ్
AI బడ్జెట్లు ఒక స్లైడ్లో ఆమోదం పొంది, ఒకే త్రైమాసికంలో మాయమైపోవడం నేను చూస్తున్నాను. సాంకేతికత పనిచేస్తుంది. కానీ ROI పనిచేయదు.
ఈ అంతరం మోడల్లో లేదు. నాయకులు విలువను ఎలా నిర్వచిస్తారు మరియు దానిని ఎలా అమలు చేస్తారు అనే దానిలోనే ఉంది. AI నుండి వచ్చే ROI అనేది సాంకేతిక సమస్య కాదు. అది నాయకత్వ సమస్య.
ఒక యూజ్ కేస్ (use case) ఇలా చెబుతుంది: "మేము కాంట్రాక్టులను సారాంశం చేయడానికి AIని ఉపయోగిస్తాము." ఒక వాల్యూ కేస్ (value case) ఇలా చెబుతుంది: "మేము ఏడాదికి 4,200 లీగల్ గంటలను ట్రైయాజ్ (triage) కోసం ఉపయోగిస్తాము. AI ఆ ట్రైయాజ్ ప్రక్రియను 90k ఖర్చుతో తొలగిస్తుంది. దీనివల్ల 380k సామర్థ్యం (capacity) విడుదలవుతుంది."
ఒకటి కేవలం డెమో మాత్రమే. రెండోది CFO ముందు నిలబడగలదు.
నేను దేనికైనా నిధులు సమకూర్చే ముందు, నాకు మూడు సంఖ్యలు కావాలి:
- బేస్లైన్ (The baseline). ప్రస్తుతం దీనికి గంటల రూపంలో లేదా తప్పుల రూపంలో ఎంత ఖర్చవుతోంది? "ముందు" స్థితి తెలియకుండా "తర్వాత" స్థితిని మీరు నిరూపించలేరు.
- పరిష్కరించదగిన భాగం (The addressable slice). AI అరుదుగా ఒక పనిని 100% పూర్తి చేస్తుంది. అది 30% లేదా 70%? దీనిని అతిగా చెప్పడం వల్ల మీ ROI దెబ్బతింటుంది.
- ఫలిత సాధన మార్గం (The realization path). ఖాళీ అయిన గంటలు, మీరు ఆ సిబ్బందిని మళ్ళీ వేరే పనులకు ఉపయోగించే వరకు ఆదా (savings) అనిపించుకోవు. తిరిగి కేటాయింపు (reallocation) లేని 20% ఉత్పాదకత వృద్ధి అనేది 0% ఆర్థిక లాభం మాత్రమే.
మోడల్ నాణ్యత వార్తల్లో నిలుస్తుంది. దాని అమలు (Adoption) మాత్రమే లాభాలను తెస్తుంది.
టీమ్లోని 20% మంది మాత్రమే ఉపయోగించే 90% ఖచ్చితత్వం ఉన్న సాధనం కంటే, టీమ్లోని 90% మంది ఉపయోగించే 70% ఖచ్చితత్వం ఉన్న సాధనం ఎక్కువ ఫలితాలను ఇస్తుంది. ఈ తేడాకు కారణం నమ్మకం మరియు వర్క్ఫ్లో అనుకూలత.
ROI = ఒక్కోసారి పొందే విలువ × ఉపయోగించే ఫ్రీక్వెన్సీ × వినియోగదారుల వాటా. వీటిలో రెండు అంశాలు మానవ సంబంధితమైనవి.
నేను అడాప్షన్ (adoption) కోసం మౌలిక సదుపాయాల వలె బడ్జెట్ చేస్తాను. నేను వీటిని గమనిస్తాను:
- ప్రతి టీమ్లోనూ ప్రోత్సాహక నాయకులు (Champions).
- ఆ సాధనం చుట్టూ రూపొందించబడిన వర్క్ఫ్లోలు.
- వాస్తవ వినియోగదారుల నుండి ఫీడ్బ్యాక్ లూప్లు.
"AI 5 రెట్లు వేగంగా డ్రాఫ్ట్ చేస్తుంది" వంటి వ్యర్థ గణాంకాలపై (vanity metrics) ఆధారపడకండి. వేగంగా డ్రాఫ్ట్ చేయడం వల్ల రివ్యూ చేయడం నెమ్మదించవచ్చు మరియు తప్పులు పెరగవచ్చు.
నేను మూడు స్థాయిలను ట్రాక్ చేస్తాను:
- యాక్టివిటీ (Activity). టీమ్ దానిని ఉపయోగిస్తోందా?
- అవుట్కమ్ (Outcome). లక్ష్యిత మెట్రిక్ మారలేదా?
- సిస్టమ్ (System). దీనివల్ల తదుపరి ప్రక్రియల్లో (downstream) ఏదైనా సమస్య వచ్చిందా?
విఫలమైన చాలా AI ప్రాజెక్టులు ఈ తప్పులు చేస్తాయి:
- స్కేల్ చేయలేని పైలట్ ప్రాజెక్టులు. అవి వాస్తవ ప్రపంచంలోని క్లిష్టమైన డేటాకు బదులుగా, శుభ్రమైన డేటాతో పరీక్షించబడతాయి.
- సమస్యలను పరిష్కరించడానికి బదులుగా కేవలం సామర్థ్యాన్ని (capability) కొనడం. విస్తృతమైన, లోతు లేని వాటి కంటే లోతైన విలువ కలిగిన మూడు కేస్లను ఎంచుకోండి.
- మార్పు ఖర్చులను (change costs) విస్మరించడం. లైసెన్స్లు బిల్లులో 10% మాత్రమే. ఇంటిగ్రేషన్ మరియు శిక్షణ మిగిలిన 90%.
- యజమాని లేకపోవడం. ROI అనేది ఎగ్జిక్యూటివ్ స్కోర్కార్డ్లో లేకపోతే, దానిని ఎవరూ సమర్థించరు.
"AI ఏమి చేయగలదు?" అని అడగడం ఆపండి. "ఈరోజు మేము ఎక్కడ డబ్బు కోల్పోతున్నాము, మరియు AI ఆ నష్టాన్ని మరేదైనా దానికంటే వేగంగా ఆపగలదా?" అని అడగండి.
తక్కువ వాటికి నిధులు ఇవ్వండి, కానీ లోతుగా వెళ్ళండి. ముందుగా బేస్లైన్ను కొలవండి. సాంకేతికతపై ఎంత ఖర్చు చేస్తారో, అడాప్షన్ (adoption) పై కూడా అంతే ఖర్చు చేయండి. ప్రతి డాలర్కు ఒక బాధ్యతాయుతమైన పేరును జోడించండి.
Source: https://dev.to/cedricbignet/the-executives-guide-to-ai-roi-52ah
Optional learning community: https://t.me/GyaanSetuAi