Περίληψη άρθρου:
Παρά τη διαφημιστική εκστρατεία γύρω από την τεχνητή νοημοσύνη, πολλές εταιρείες δεν έχουν ακόμη δει την αναμενόμενη αξία της τεχνολογίας. Ένας λόγος γι' αυτό είναι ότι η ικανότητα τεχνητής νοημοσύνης συχνά αναπτύσσεται μέσω πρωτοβουλιών από κάτω προς τα πάνω που επικεντρώνονται στην απόδειξη ότι η τεχνητή νοημοσύνη μπορεί να ξεπεράσει τις υπάρχουσες διαδικασίες. Ωστόσο, για να αποκομίσουν αξία από την τεχνητή νοημοσύνη, οι εταιρείες πρέπει να ξεκινήσουν έναν ευρύτερο επιχειρηματικό μετασχηματισμό, που απαιτεί μια προσέγγιση από πάνω προς τα κάτω. Οι εταιρείες θα πρέπει να αναπτύσσουν την ικανότητα τεχνητής νοημοσύνης με ολοκληρωμένο τρόπο και να θέτουν πιο τολμηρά ερωτήματα, όπως αν αυτή μπορεί να βοηθήσει την επιχείρησή τους στο σύνολό της να διαφοροποιηθεί από τους ανταγωνιστές της ή να γίνει πιο ανθεκτική στους εξωτερικούς παράγοντες. Οι διευθύνοντες σύμβουλοι θα πρέπει να προωθήσουν την αλλαγή της κουλτούρας που απαιτείται για την επιτυχία και να ενσωματώσουν την τεχνολογία στην επιχειρηματική στρατηγική. Για να ακολουθήσουν μια πιο αποτελεσματική στρατηγική με τη χρήση της τεχνητής νοημοσύνης, οι υπεύθυνοι λήψης αποφάσεων θα πρέπει να ξεκινήσουν από μια νέα στρατηγική ή πρόκληση και να αναρωτηθούν πώς η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει να γίνουν πιο ανταγωνιστικοί στην αντιμετώπιση των απειλών και των διαταραχών των ανταγωνιστών ή να γίνουν οι ίδιοι διαταράκτες σε νέες αγορές. Οι εταιρείες πρέπει να αναπτύξουν ένα "χαρτοφυλάκιο τεχνητής νοημοσύνης" ή "χαρτοφυλάκιο μετασχηματισμού" που περιλαμβάνει νέα εκπαιδευτικά προγράμματα σχετικά με την τεχνητή νοημοσύνη, διαδρομές σταδιοδρομίας, μεθόδους διατήρησης και τρόπους ανταμοιβής των νέων δεξιοτήτων τεχνητής νοημοσύνης.

Κύρια σημεία του άρθρου:

• Η τεχνητή νοημοσύνη θα πρέπει να αναπτυχθεί με ολοκληρωμένο και από πάνω προς τα κάτω τρόπο για να αξιοποιήσει πλήρως τις δυνατότητές της.
• Οι εταιρείες θα πρέπει να αξιολογούν την τεχνητή νοημοσύνη όπως ένας επενδυτής ιδιωτικών κεφαλαίων, ώστε να διασφαλίζεται μια σαφής οπτική γραμμή για την επίτευξη διαφοροποιημένης απόδοσης.
• Η τεχνητή νοημοσύνη θα πρέπει να χρησιμοποιείται για να οδηγήσει σε σημαντικές αλλαγές στα έσοδα και στον μετασχηματισμό του επιχειρηματικού μοντέλου, να βοηθήσει μια εταιρεία να εισέλθει σε μια νέα αγορά ή να αποκρούσει μια σημαντική απειλή.
• Οι εταιρείες θα πρέπει να θέτουν διερευνητικές ερωτήσεις για να εκμαιεύσουν καλύτερα τη δύναμη της τεχνητής νοημοσύνης να προσφέρει πραγματικά μετασχηματιστική επιχειρηματική αξία.
• Η τεχνητή νοημοσύνη θα πρέπει να υποστηρίζεται και να χρηματοδοτείται από τα στελέχη και θα πρέπει να υπάρχει σχέδιο επαγγελματικής ανάπτυξης για τους ανθρώπους που θα μάθουν νέες δεξιότητες που σχετίζονται με την τεχνητή νοημοσύνη.

Αναλυτικά το άρθρο:
Η δυνατότητα της τεχνητής νοημοσύνης (AI) να αλλάξει τις επιχειρήσεις είναι μεγάλη, αλλά πολλές εταιρείες δεν έχουν ακόμη αντιληφθεί την αναμενόμενη αξία της. Ενώ τα στελέχη έχουν αγοράσει την τεχνητή νοημοσύνη, μόνο το 22% των οργανισμών σε μια έρευνα την έχουν εφαρμόσει σε μεγάλη κλίμακα ως μέρος της επιχείρησής τους.

Μια πρόκληση είναι ότι η ικανότητα AI συχνά αναπτύσσεται μέσω πρωτοβουλιών από κάτω προς τα πάνω, με τα Κέντρα Αριστείας (ΚΑ) να δημιουργούν χαρτοφυλάκια έργων που επικεντρώνονται στην απόδειξη ότι η AI μπορεί να ξεπεράσει τις υπάρχουσες διαδικασίες. Ωστόσο, αυτά συχνά καθοδηγούνται από τεχνικές ομάδες και είναι αποσυνδεδεμένα από την ευρύτερη επιχείρηση. Για την πραγματική σύλληψη αξίας και τον μετασχηματισμό των επιχειρήσεων, απαιτείται μια νέα προσέγγιση που ενσωματώνει την ικανότητα τεχνητής νοημοσύνης με τρόπο από πάνω προς τα κάτω και δρομολογεί τον ευρύτερο επιχειρηματικό μετασχηματισμό.

Το Global AI Software Forecast της Forrester προβλέπει ότι οι δαπάνες για το έτοιμο και προσαρμοσμένο λογισμικό AI θα διπλασιαστούν από 33 δισ. δολάρια το 2021 σε 64 δισ. δολάρια το 2025 και θα αυξηθούν 50% ταχύτερα από τη συνολική αγορά λογισμικού, με ετήσιο ρυθμό ανάπτυξης 18%.

Ενίσχυση της αξίας της Τεχνητής Νοημοσύνης με σκέψη από πάνω προς τα κάτω
Οι εταιρείες που επιθυμούν να αξιοποιήσουν πλήρως τις δυνατότητες της τεχνητής νοημοσύνης (AI) θα πρέπει να αναπτύξουν μια ολοκληρωμένη ικανότητα AI από την κορυφή προς τα κάτω. Αντί να αναρωτιούνται αν η τεχνητή νοημοσύνη μπορεί να βελτιώσει μια συγκεκριμένη διαδικασία, οι εταιρείες θα πρέπει να αναρωτιούνται αν τις βοηθά να διαφοροποιηθούν από τους ανταγωνιστές τους, ενώ παράλληλα γίνονται πιο ανθεκτικές στους εξωτερικούς παράγοντες. Ο στόχος δεν είναι να χρησιμοποιηθεί η τεχνολογία για ενδιαφέρουσες γνώσεις, αλλά μάλλον για σημαντικές αλλαγές, όπως ο μετασχηματισμός των εσόδων και του επιχειρηματικού μοντέλου ή η είσοδος στην αγορά. Προτείνεται η αξιολόγηση της τεχνητής νοημοσύνης, όπως ένας επενδυτής ιδιωτικών κεφαλαίων θα μπορούσε να σταθμίσει μια επιχείρηση, με σαφή στόχο την επίτευξη διαφοροποιημένων αποδόσεων. Οι εταιρείες που ήδη διαπρέπουν στην τεχνητή νοημοσύνη έχουν συχνά διευθύνοντες συμβούλους που προωθούν την πολιτιστική αλλαγή και ευθυγραμμίζονται με τους CIOs σχετικά με τη σημασία της τεχνολογίας στην προώθηση της επιχειρηματικής στρατηγικής.

Βασικές ερωτήσεις AI για τους ηγέτες μετασχηματισμού

1. Οι υπεύθυνοι λήψης αποφάσεων θα πρέπει να ξεκινήσουν με μια νέα στρατηγική ή πρόκληση, όπως ένα νέο επιχειρηματικό μοντέλο ή υψηλό κόστος, και να εξετάσουν πώς θα μπορούσε να βοηθήσει η τεχνητή νοημοσύνη. Αυτό επιτρέπει μια επιθετική θέση απέναντι στους ανταγωνιστές, ή να γίνουν ανασταλτικός παράγοντας σε νέες αγορές. Αυτές οι ερωτήσεις μπορούν να καθοδηγήσουν τη διαδικασία: 
2. Έχετε ένα "χαρτοφυλάκιο τεχνητής νοημοσύνης" ή ένα "χαρτοφυλάκιο μετασχηματισμού"; 
3. Αναπτύσσεται η τεχνητή νοημοσύνη για να καταστήσει την επιχείρησή σας μοναδική και καλύτερη στην κατηγορία της; 
4. Υπάρχει σχέδιο επαγγελματικής ανάπτυξης για τους υπαλλήλους που περιλαμβάνει προγράμματα κατάρτισης και διαδρομές καριέρας σχετικά με την τεχνητή νοημοσύνη;
5. Αξιοποιούνται οι σχέσεις με το οικοσύστημα για τη διερεύνηση νέων επιχειρηματικών μοντέλων; 
6. Προετοιμάζεται η τεχνητή νοημοσύνη για τις μεγαλύτερες απειλές στον ορίζοντα;

Πηγή: Why enabling AI’s full value requires top-down thinking