Sieben Brancheninsider diskutieren, wie sich die geschäftlichen Auswirkungen von KI messen lassen

KI entwickelt sich weiter und verändert sich, sowohl als Technologie selbst als auch in Bezug auf die Art und Weise, wie diese Technologie genutzt wird. Immer mehr Unternehmen nehmen KI-Testprojekte aus dem Labor und setzen sie in großem Maßstab ein, und einige von ihnen haben erhebliche Vorteile erzielt. Ungeachtet der Unsicherheit im Zusammenhang mit KI birgt das Ignorieren ihres Potenzials ein potenzielles Risiko für Unternehmen, die ihre Geschäfte immer noch auf altbewährte Weise führen.

Für viele Unternehmen kann es jedoch schwierig sein, einen Mehrwert aus KI zu ziehen. Ihre Modelle sind möglicherweise nicht gut abgestimmt, ihre Trainingsdatensätze sind möglicherweise nicht groß genug, Kunden sind möglicherweise skeptisch und es bestehen Bedenken hinsichtlich Voreingenommenheit, Ethik und Transparenz. Die Anwendung von KI auf die Produktion, bevor sie bereit ist, oder die Ausweitung einer KI-Strategie auf die nächste Stufe, ohne sie ordnungsgemäß zu überprüfen, kann für das Unternehmen sehr kostspielig sein oder schlimmer noch: Das Ergebnis ist, dass sich das Unternehmen in eine ungünstige Richtung entwickelt.

Woher wissen Sie also, ob ein KI-Projekt Ihr Unternehmen verändern oder untergraben wird? Ohne harte ROI-Zahlen müssen Unternehmen auf eine bestimmte Art und Weise Innovationen erzielen. Schauen wir uns an, wie diese IT-Führungskräfte und Brancheninsider den Wert von KI messen:

Ausgereifte Technologie vs. bahnbrechende Technologie

Messung des Geschäftswerts jeder Initiative oder Technologie ist nicht immer ein linearer Berechnungsprozess, und KI ist sicherlich keine Ausnahme, insbesondere wenn Reifegrad und Geschäftspotenzial berücksichtigt werden. Validierte und prädiktive Variablen (z. B. Data Mining, Einsparungen bei Kosten und Schulungszeit, Investitionen, Fähigkeit zur Förderung neuer Verwendungszwecke) können sich auf Entscheidungen auswirken, insbesondere im Hinblick auf einen akzeptablen ROI Vertrauen, egal ob es sich um eine neue oder etablierte Technologie handelt.

Beim Jet Propulsion Laboratory der NASA ist beispielsweise bei der Messung der Kapitalrendite von KI-Projekten einer der Schlüsselfaktoren die Reife der Technologie.

Chris Mattmann, Chief Technology and Innovation Officer des Labors, sagte am Beispiel automatisierter Geschäftsprozesse, dass die Einsatzmöglichkeiten einiger KI-Technologien bereits sehr ausgereift seien.

Er sagte: „Jedes Unternehmen hat langweilige Dinge, und wir auch. Wir haben diese Prozesse automatisiert, wie z. B. die Ticketverarbeitung, die Suche, das Data Mining und die Verwendung von KI zur Überprüfung von Verträgen und Unterverträgen.“

Das Experiment, das das Labor verwendet Hierzu stehen eine Reihe kommerziell verfügbarer Technologien zur Verfügung, darunter DataRobot und Google Cloud. Um festzustellen, ob es sich lohnt, in eine bestimmte Technologie zu investieren, prüfen sie laut Mattmann, ob dadurch Kosten, Zeit und Ressourcen gespart werden. „Wenn die Technologie ausgereift ist, wird dies berücksichtigt.“

Bei den Technologien, die sich noch auf einem mittleren Reifegrad befinden, wird sich das Labor darauf konzentrieren, ob die Technologie in der Lage ist, neue Einsatzmöglichkeiten zu eröffnen und wie viel sie kostet. „Wenn wir zum Beispiel zum Mars fliegen würden, gäbe es eine dünne Leitung für die Telekommunikation im Weltraum“, sagte Mattmann. Derzeit verfügen sie über genügend Bandbreite, um etwa 200 Fotos pro Tag vom Mars zur Erde zu senden.

„Der Rover, den wir zum Mars geschickt haben, hat ein Gehirn von etwa der Größe einer Erbse und einen iPhone-1-Prozessor. Wir bringen nur Dinge in den Weltraum, die strahlungsbeständig sind, damit sie der Weltraumumgebung standhalten.“ „Allerdings handelt es sich ursprünglich um eine Technologiedemonstration und nicht um den Kern der Entdeckungsmission. Der Ingenuity Mars Helicopter der NASA ist mit Qualcomm ausgestattet.“ Snapdragon-Prozessor, ein KI-Chip. „Das beweist, dass wir mit neueren Chips mehr KI-Dinge machen können.“

Diese Art von KI wird viele neue Anwendungsfälle ermöglichen, die derzeit nicht realisierbar sind, wie zum Beispiel den Ingenuity Mars-Hubschrauber, der nicht 200 zurückschicken muss Bilder pro Tag, aber diese Bilder könnten mithilfe von KI analysiert werden und eine Million Textbeschreibungen an die Erde senden, die beispielsweise sagen, dass sich in einer bestimmten Richtung ein ausgetrockneter Seegrund befindet usw. „Wir können heute aus Texten viel mehr Informationen gewinnen als aus Bildern.“

Letztendlich wird der Maßstab für den Erfolg modernster experimenteller KI-Technologien sein, ob diese Technologien für neue wissenschaftliche Zwecke genutzt werden können und können Es kann zum Verfassen und Veröffentlichen neuer Arbeiten verwendet werden.

Er sagte: „Das Trainieren und Bauen von Modellen ist mit Kosten verbunden.“

Unternehmen wie Google und Microsoft haben direkten Zugriff auf umfangreiche Trainingsdaten, aber im Jet Propulsion Laboratory der NASA sind Datensätze schwer zu erhalten und erfordern einen Doktortitel Experten führen Analysen und Kennzeichnungen durch.

„Bei der NASA sind unsere Kosten für das Training eines neuen KI-Modells 10 bis 20 Mal höher als in der kommerziellen Industrie“, sagte Mattmann.

Hier kann das Aufkommen neuer Technologien es der NASA ermöglichen, KI-Modelle zu erstellen und gleichzeitig den Arbeitsaufwand für die manuelle Kennzeichnung zu verringern. Beispielsweise können generative Netzwerke zur Erstellung synthetischer Trainingsdaten verwendet werden, sagte er. Obwohl es sich um Deep Fakes handelt, werden sie für wissenschaftliche Zwecke verwendet.

KI-Messung und ihr Wirkungsumfang

Wenn es keine direkte Möglichkeit gibt, die geschäftlichen Auswirkungen von KI-Projekten zu messen, greifen Unternehmen stattdessen auf Daten aus relevanten Key Performance Indicators (KPIs) zurück. Diese Proxy-Variablen beziehen sich in der Regel auf Geschäftsziele und können Kundenzufriedenheit, Markteinführungszeit, Mitarbeiterbindung usw. umfassen.

Atlantic Health System, ein amerikanischer medizinischer Dienstleister, ist ein gutes Beispiel. Sunil Dadlani, Senior Vice President und Chief Information Officer des Unternehmens, sagte, Patienten stünden im Mittelpunkt jeder Entscheidung. Sie messen den Return on Investment von KI in vielerlei Hinsicht, indem sie Verbesserungen in der Patientenversorgung beobachten. Zu diesen patientenzentrierten Kennzahlen gehören unter anderem kürzere Krankenhausaufenthalte, kürzere Behandlungszeiten, eine schnellere Überprüfung der Versicherungsberechtigung und eine schnellere vorherige Versicherungsgenehmigung, sagte er.

Ein weiteres Projekt, bei dem KI zum Einsatz kommt, besteht darin, Radiologen bei der Überprüfung von Scans zu helfen. In diesem Fall wird als KPI gemessen, wie oft der Radiologe Warnungen vor potenziellen Anomalien erhält. Dadlani sagte: „Stand April 2022 gaben 99 % unserer Radiologen an, KI zur Analyse von mehr als 12.000 Studien eingesetzt zu haben, was zu fast 600 Alarmen führte. Dadurch können Ärzte potenziell schwerwiegende Probleme so schnell wie möglich angehen.“ Als fünftgrößtes Wirtschaftsprüfungsunternehmen in den Vereinigten Staaten verfolgen KI-Investitionen zwei eng miteinander verbundene Wege: Der eine sind Produktivitäts- und Analysetools, die den Mitarbeitern helfen, besser zu arbeiten, und der andere sind ähnliche Tools, die von Kunden verwendet werden, sagte Richard Davis, Partner im Business- und Technologietransformationsteam.

Bei der Arbeit mit Kunden kann RSM beispielsweise gebeten werden, Daten aus mehreren Systemen (einschließlich Buchhaltung, Vertrieb und Marketing, Personalwesen, Logistik) abzurufen und alles in einem einzigen Dashboard zu konsolidieren. KI kann ihnen helfen, diesen Prozess zu beschleunigen, sagte Davis, und dann kann KI verwendet werden, um zu sehen, wo der Arbeitsablauf durch diese Systeme verläuft und welche Herausforderungen und Hindernisse es geben könnte.

Woher wissen Unternehmen also, ob ihre KI in die richtige Richtung geht?

„Erstens können wir die Nutzung des Tools sehr klar messen“, sagte Davis. Er machte keine Angaben zu den Investitionen von RSM in KI-Projekte oder zur Kapitalrendite, sagte aber: „Im Laufe der Zeit hoffen wir, was sich zeigt.“ Wird das Engagement effektiver umgesetzt?“

Er sagte, dass mehr Engagement die Produktivität verbessern werde. „Wenn wir früher eine Woche brauchten, um etwas zu erledigen, könnte es jetzt unser Ziel sein, es auf einen Tag zu reduzieren.“ Eugenio Zuccarelli, KI-Forscher am MIT und Datenwissenschaftler im Einzelhandel, sagte, dass die Bewertung eines KI-Projekts ebenso eine Kunst sei wie die Entwicklung von KI selbst.

Zuccarelli sagte, dass es trotzdem wichtig sei, die Auswirkungen von KI auf das Unternehmen erklären zu können. „KPIs sollten sich nicht am Modell selbst orientieren, sondern an geschäftlichen und personellen Kennzahlen, die das ultimative Ziel des Projekts sein sollten.“ Andernfalls ist es leicht, ein Projekt auszuwählen, das erfolgreich aussieht, aber keine tatsächliche Wirkung zeigt auf das Geschäft.

Zuccarelli, der auch datenwissenschaftliche Funktionen bei BMW und Telstra innehatte, warnte davor, den Fortschritt von KI-Projekten isoliert zu messen. Wenn das Ziel eines KI-Projekts beispielsweise darin besteht, etwas zu verbessern, das aus anderen Gründen bereits verbessert wird, ist eine Kontrollgruppe erforderlich, um festzustellen, wie viel der Verbesserung tatsächlich durch die KI verursacht wird.

Vladislav Shapiro, der über langjährige Erfahrung in der Finanzdienstleistungsbranche verfügt, sagte, dass weitere wertvolle KPIs für KI-Projekte beispielsweise die Reduzierung von Fehlalarmen oder die automatische Entfernung übermäßiger Privilegien sein könnten. Er ist außerdem Gründer von Costidity, einer Beratungsgruppe, die sich auf IT-Sicherheit, Identitätsverwaltung und -verwaltung spezialisiert hat.

Zuletzt war er für einen KI-gesteuerten Sicherheitseinsatz verantwortlich, der zu einer Verdreifachung der Fehlalarmraten und der Automatisierung vieler bisher manueller Prozesse führte.

Er sagte: „Wenn Sie diese Zahlen den C-Level-Führungskräften zeigen, werden sie verstehen, dass alle oben genannten Maßnahmen das Risiko von Datenschutzverletzungen verringern und die Rechenschaftspflicht und Governance verbessern.“

Erfolg Schritt für Schritt messen

Sanjay Srivastava, Chief Digital Strategy Officer des globalen professionellen Dienstleistungsunternehmens Genpact, sagte, dass durch Automatisierung erzielte Kosteneinsparungen der einfachste und klarste Weg seien, den wirtschaftlichen Nutzen von KI-Projekten aufzuzeigen. Gleichzeitig kann KI aber auch neue Einnahmequellen erschließen und sogar das Geschäftsmodell von Unternehmen völlig verändern.

Zum Beispiel entdeckte ein Flugzeugtriebwerkshersteller, dass er durch den Einsatz von KI Ausfälle besser vorhersagen und die Logistik verbessern konnte, und begann daher mit der Bereitstellung von Triebwerksdienstleistungen. „Für den Endverbraucher ist der Kauf von Flugmeilen besser als der Kauf des Triebwerks selbst. Dies ist ein neues Geschäftsmodell, das die Arbeitsweise von Unternehmen durch die Stärkung der KI verändert.

Darüber hinaus ist auch der geschäftliche Einfluss sehr offensichtlich.“

Um also eine Investition in KI in dieser Zeit zu rechtfertigen, muss der Hersteller ein langfristiges Ziel festlegen und dieses Ziel dann in mehrere kurzfristige Projekte umsetzen, die auf andere Weise gemessen werden können.

Er sagte: „Anstatt zu sagen: ‚In zehn Jahren werden wir die Branche verändern‘, ist es besser zu sagen: ‚Im ersten Jahr beginnen wir darüber nachzudenken, welche Teile wir auf Lager haben müssen‘, sagen Sie Sie haben noch nicht die Fähigkeit, die Branche zu revolutionieren, Sie sagen einfach: „Wir brauchen die richtige Anzahl an Teilen“, ein einjähriges Projekt mit dem Ziel, Ihr Lagersystem zu optimieren und Ihre Investitionen in den Lagerbestand zu reduzieren.“

In Zu den kurzfristigen Fortschrittsmaßnahmen gehört neben der Supply-Chain-Optimierung auch die Kundenzufriedenheit.

„Wenn zum Beispiel ein Flugzeug fünf Tage lang in Mumbai festsitzt und auf ein bestimmtes Teil wartet, werden die Kunden es spüren.“ langfristig gesehen, bleibt aber auf lange Sicht wichtig und transformativ. Beispielsweise hat ein Unternehmen einen Kundendienst-Chatbot eingesetzt, der viele mühsame Aufgaben überflüssig machte. Gartner-Analyst Whit Andrews sagte: „Aber Chatbots können auch schädlich sein, weil einige Verkäufer sehr gut im Upselling sind und mit Menschen interagieren möchten, sodass Unternehmen möglicherweise nicht alle Roboter wollen

Er sagte: „Es kommt darauf an, was.“ Art von Unternehmen, das Sie sein möchten. „Irgendwann muss man sich fragen, ob man zu der Art von Unternehmen gehört, bei dem der Kunde anruft, um zu fragen, wo sich die Ware befindet, wenn eine Lieferung fehlerhaft ist, und man dann mit dem Kunden interagiert und versucht, ihn zur Annahme der Lieferung zu bewegen Stattdessen einmal im Monat.

„Eine vollautomatische Organisation mag mit zunehmendem Marktanteil erfolgreicher sein, aber Sie können Ihre Daten so entwickeln, dass Sie die richtigen Leute zur richtigen Zeit erreichen können. Logischerweise wird das so sein.“ Machen Sie unsere Kunden glücklicher und unsere Mitarbeiter erfolgreicher, also machen Sie es einfach.“

Das obige ist der detaillierte Inhalt vonSieben Brancheninsider diskutieren, wie sich die geschäftlichen Auswirkungen von KI messen lassen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!