Ali res vemo, kaj dobimo za milijon evrov, vloženih v umetno inteligenco? Večina podjetij tega še ne zna natančno izmeriti. Vendar to ni nujno slabo, saj je prav iskanje smiselnih meril in pristopov k merjenju donosnosti AI tista pot, na kateri lahko podjetja odkrijejo največjo vrednost novih tehnologij ter preoblikujejo svoje poslovanje.
Konkretnost, podatki in dobre prakse pri merjenju ROI umetne inteligence
V zadnjih dveh letih je raziskava podjetja Gartner pokazala, da skoraj 70 % podjetij, ki uvajajo AI, ni prepričanih, katere kazalnike naj uporabijo za merjenje donosnosti svojih naložb. Podobno je razvidno iz podatkov podjetja McKinsey, kjer podjetja pogosto ostanejo na ravni pilotnih projektov ravno zaradi pomanjkanja jasno definiranih metrik in pričakovanj.
Mednarodno farmacevtsko podjetje je recimo avtomatiziralo proces analize kliničnih podatkov s pomočjo umetne inteligence. Zmanjšanje časa obdelave za 40 % je pomenilo prihranek več kot 3.000 ur letno in razbremenitev ključnih strokovnjakov, kar se je v prvem letu poznalo v konkretni finančni koristi ter v boljšem zadovoljstvu zaposlenih. V slovenskem okolju je skupina iz logistične panoge z najbolj enostavno avtomatizacijo upravljanja naročil zmanjšala število napak za 80 % in s tem izboljšala zadovoljstvo strank ter povečala ponovne nakupe.
Strokovnjaki menijo, da je ključ v sočasnem spremljanju tako finančnih kot nefinančnih učinkov. Najbolj napredna podjetja uvajajo kombinacijo KPI-jev: zmanjšanje stroškov, povečanje prihodkov, časovni prihranki, stopnja napak, zadovoljstvo strank (NPS), angažiranost zaposlenih in hitrost razvoja novih storitev. Priljubljen okvir za postavljanje ciljev so postali OKR-ji, prilagojeni prav AI projektom, kjer se poleg klasičnih rezultatov meri tudi dolgoročnejši vpliv na poslovni model.
Širši pogled na ROI umetne inteligence in praktične smernice za podjetja
Donosnost naložb v umetno inteligenco ni le v finančnih kazalnikih. Podjetja vse pogosteje prepoznavajo širše kategorije ROI, ki presegajo takojšnje prihranke ali dodatne prihodke. Strateški ROI zajema močnejšo konkurenčno prednost in nove možnosti odločanja na podlagi podatkov, ki jih omogoča AI. Operativni ROI vključuje izboljšanje učinkovitosti procesov, optimizacijo virov in zmanjšanje napak, kar se lahko meri kvantitativno skozi čas in kakovost rezultatov.
Posebno pozornost pridobivata ugledni oziroma blagovni ROI, kjer AI izboljšuje uporabniško izkušnjo, gradi zaupanje strank in krepi inovativno podobo podjetja. Prav tako je pomemben inovacijski ROI – s pomočjo umetne inteligence podjetja hitreje razvijajo nove produkte in storitve ter vstopajo na trge, ki prej niso bili dosegljivi.
Za učinkovito merjenje ROI strokovnjaki svetujejo naslednje smernice: že na začetku AI projektov je smiselno določiti jasne cilje in pričakovane učinke, izbrati ustrezne KPI-je ter vključiti tako kvantitativne kot kvalitativne kazalnike. Priporočljivo je testirati rešitve na manjših projektih in rezultate primerjati z zgodovinskimi podatki. Tako bodo podjetja lažje dokazala vrednost AI vlaganj ter identificirala področja za optimizacijo.
Ključ do uspeha ni vprašanje “Ali investirati v AI?”, temveč “Kako meriti in optimizirati učinke AI projektov?”. Le podjetja, ki se bodo tega lotila sistematično in široko, bodo v prihodnjih letih iz AI-ja izvabila njegovo polno vrednost ter postavila temelje za preoblikovanje poslovne prihodnosti.
