چگونه می توان از ابتکارات هوش مصنوعی نتایج کسب و کار مورد نظر خود را بدست آورد؟

اکثر شرکت های داروسازی سرمایه گذاری کرده اند ، اگر نه مقدار قابل توجهی ، در نوعی ابتکار عمل هوش مصنوعی (AI). با این حال ، همه شرکت ها بازدهی را که پیش بینی کرده اند دریافت نمی کنند. گزارشی از بیش از 2500 نفر از مدیران MIT Sloan Management Review نشان داد که از هر 10 نفر 7 نفر حداقل سود حاصل از این اقدامات را داشته اند.در اینجا برخی از یافته های مبتنی بر پروژه های ناموفق و موفق ارائه شده است.

1.  همه چیز در مورد استراتژی است

هوش مصنوعی یک ابزار فناوری است ، اما نباید به آن فقط یک حوزه فناوری نگاه کرد. در بسیاری از شرکت ها ، بخش فناوری اطلاعات مسئول ایجاد استراتژی هوش مصنوعی است. متخصصان فناوری اطلاعات در فن آوری و ایجاد سیستم بسیار درخشان هستند ، اما استراتژیست نیستند. پیاده سازی های فنی بدون زیربنای استراتژیک می تواند اتلاف بسیار زیاد پول و منابع باشد.

یک شرکت داروسازی که من می شناسم حدود 500 میلیون دلار هزینه کرده است (و هنوز هم ادامه دارد) برای ایجاد یک دریاچه گسترده اطلاعات جهانی از تمام داده های گذشته آنها. متأسفانه ، بسیاری از این داده ها مهم نخواهند بود یا هرگز دوباره استفاده نخواهند شد. این هزینه بسیار زیاد بود و اگرچه زیرساخت ها بدون شک برای پیشبرد مفید خواهند بود ، اما زمان صرف شده برای مرتب سازی ، تمیز کردن و بلعیدن همه داده ها عمدتا هدر دادن پول بود.

ابتدا همه چیز باید با یک استراتژی پایه ریزی شود. نیاز تجاری چیست و چگونه فناوری می تواند این نیاز را برآورده کند؟ چگونه می توان نتایج را اندازه گیری کرد؟

هر پروژه ای که ما انجام می دهیم با یک نقشه راه برنامه ریزی استراتژیک شروع می شود. این بخش از کار ، چالش ها و اهداف شرکت یا برند را از منظر مشاوره بررسی می کند و مشخص می کند آیا هوش مصنوعی می تواند برخی مزایا را به همراه داشته باشد. اگر می تواند بررسی کنیم کدام یک از گزینه های پروژه هوش مصنوعی بهترین نسبت هزینه / سود را که باید اجرا شود ارائه می دهد.

سپس نقشه راه آن پروژه را برنامه ریزی می کنیم. در برخی موارد ، ما به انجام پروژه ادامه می دهیم. در موارد دیگر ، تیم داخلی مشتری مسئولیت اجرای آن را بر عهده می گیرد. و در موارد دیگر به یک ارائه دهنده راه حل ارزان قیمت در خارج از کشور واگذار می شود. با این حال ، هنگامی که شرکت های داروسازی اولین مراحل را از دست می دهند یا از آن رد می شوند ، پروژه های حاصل می توانند میخ های مربع شکل برای سوراخ های گرد باشند. ممکن است از دیدگاه فنی به طرز درخشان اجرا شوند ، اما برای پاسخگویی به نیاز استراتژیک ذاتی تجارت طراحی نشده اند. آنها بازده پیش بینی شده را ارائه نمی دهند.

2. تعادل فناوری و نیازهای تجاری به طور مناسب

ما پروژه هایی را پیدا کردیم که موفق شدند بیشترین تمرکز را در ابتدای کار تجاری داشته باشند. این حتی قبل از استفاده از فناوری باید برنامه ریزی و تجزیه و تحلیل شود. متأسفانه ، بسیاری از شرکت ها فقط بر روی فناوری تمرکز کرده اند. به عنوان مثال ، برخی از افراد اولویت داشتن فناوری هوش مصنوعی خاص در شرکت خود را دارند. و تا زمانی که آنها آن را اجرا می کنند ، این فناوری قدیمی است.

من اخیراً جلسه ای با یک شرکت بزرگ داروسازی داشتم که مشغول دریافت یک چارچوب نرم افزاری خاص برای پردازش داده های بزرگ در شرکت آنها بود. با این حال ، همه در هوش مصنوعی قبلاً از آن چارچوب به محدودیت های کمتری به نرم افزار برتر منتقل شده اند. بر روی تجارت تمرکز کنید و هوش مصنوعی و فناوری را پشتیبانی کنید تا اینکه به جای تمرکز بر روی یک نرم افزار یا پیاده سازی فناوری ، یک فروشنده با استعداد شما را ترغیب به خرید کند.

3.  فقط روی کاهش هزینه تمرکز نکنید

بدیهی است که کاهش هزینه ها و افزایش بهره وری یک هدف عالی برای یک پروژه هوش مصنوعی است. در صورت اجرای خوب ، برخی از بردهای سریع و بازدهی قابل اندازه گیری را ارائه می دهید. با این حال ، رشد درآمد باید کانون اصلی شرکت ها باشد.

بررسی MIT Sloan Management که در بالا به آن اشاره کردم نشان داد که شرکتهایی که در به دست آوردن ارزش از ابتکارات هوش مصنوعی خود مثر بودند ، دو برابر بیشتر از کاهش هزینه بر رشد درآمد تمرکز داشتند.

هوش مصنوعی می تواند راه های قدرتمندی برای رشد سریع درآمد (از جمله در داروخانه) فراهم کند. استفاده از آن برای فروش دقیق و بازاریابی همراه با تشخیص دقیق بیمار برای شرایط خاص می تواند بیمارانی را که ممکن است از راه های دیگر مورد استفاده قرار بگیرند وارد کند.

4- انجام پروژه های برنامه ریزی شده استراتژیک حتی اگر خطر بالاتری داشته باشد

هم MIT و هم نظرسنجی داروسازی من نشان داد که شرکتهایی که پروژه های بزرگ و با برنامه ریزی بسیار عالی را به عهده دارند ، علیرغم ریسک بالاتر ، ارزش بیشتری دریافت می کنند. نیمی (50٪) از این نوع پروژه ها در حال حاضر ارزش مثبتی در مقایسه با تنها 23٪ از اقلام کم ارزش تولید می کنند.

من به پروژه های بزرگ و با ریسک برنامه ریزی شده بزرگ بلیط اعتقاد دارم ، زیرا ما بسیاری از کارها را با موفقیت انجام داده ایم. با این حال ، نحوه برخورد ما این است که تصویر کلی از چشم انداز بلند مدت را برنامه ریزی کنیم. سپس آن را به پروژه های کوچکتر و سریع برنده تقسیم می کنیم که در نهایت می توانند برای دستیابی به هدف بزرگتر به هم متصل شوند.

غالباً درآمد حاصل از پروژه های کوچکتر می تواند توسعه چشم انداز بزرگ را تأمین کند. سپس سرانجام همه پروژه های برنده سریع به یک سیستم گسترده فراگیر متصل می شوند. که من را به نکته بعدی می رساند ...

5.  بر تحول بلند مدت تمرکز کنید

ارزشمندهوش مصنوعی به سادگی فناوری نیست ، بلکه چگونه بسیاری از جنبه های یک فرآیند شرکت را گرد هم می آورد: استراتژی تجارت ، داده ها ، نیاز مشتری به مشتری ، کانال های فروش و بازاریابی ، همه تحولات دیجیتال (فروش و بازاریابی و سایر موارد) ) ، و همچنین الگوریتم های هوش مصنوعی و فناوری. تصویر بزرگ تحول 3 یا 5 ساله خود را ایجاد کنید و سپس به پروژه های فرعی که می توانند برای تحقق این امر بهم گره بخورند برگردید.

6. در استعداد ، تیم و فرایندهای درست سرمایه گذاری کنید

یک مسئله استعداد است. دانشمندان باتجربه ای در زمینه داده وجود دارند که در شغل خود تبحر دارند ، اما یافتن آنها می تواند چالش برانگیز باشد. بسیاری از شرکت ها (از جمله شرکت های خودم بلکه شرکت هایی مانند Google) اطمینان می دهند که دانشمندان اطلاعاتشان از مشخصات LinkedIn برای جلوگیری از شکار غیرقانونی شرکت های دیگر برخوردار نیستند. در نتیجه ، بیشتر شرکت ها دانشمندان ارشد داده را از افرادی استخدام می کنند که تجربه مقابله با چالش های بزرگ را ندارند.

شما به این دانشمندان ارشد داده اطلاعات نیاز دارید زیرا به مرور تجربه خواهند شد ، اما همچنین به راهنمایی از دانشمندان برتر داده که بیش از 15 سال است هوش مصنوعی انجام می دهند و راه حل هایی برای حل بیشتر مشکلات پیدا کرده اند ، نیاز دارید.

سرمایه گذاری در داده های مناسب یکی دیگر از جنبه های مهم آن است. داده گران است. برای جلوگیری از اشتباهات پرهزینه ، خرید اطلاعات را تا زمانی که برنامه پرونده تجاری خود را در دست اجرا ندارید و دقیقاً بدانید کدام داده ها بیشترین نیاز شما را دارند ، موکول کنید.

اطمینان حاصل کنید که فرایندهای تجاری شما نیز م workثر هستند. یک مشتری یک پروژه 6 ماهه را با ما با یک تاریخ تحویل تعیین شده شروع کرد ، حتی اگر یک منبع داده بزرگ در دسترس نباشد. برنامه این بود که هنگام دسترسی به آن اضافه شود. هرگز چنین نبوده و مشتری صدها هزار دلار صرف داده های کلانی کرده است که هرگز به پروژه راه پیدا نکرده اند.

اگر منبع داده گران است و واقعاً می خواهید از آن استفاده کنید ، اطمینان حاصل کنید که در ابتدای پروژه با نقشه داده در دسترس است.

نتیجه

این گزارش و تحقیقات من با مدیران داروسازی نشان داد که این مناطق در بالا جنبه های اصلی تفاوت یک موفقیت آمیز هوش مصنوعی از یک شکست است. نکته اصلی این است که برای مورد تجاری برنامه ریزی کنید ، یک چشم انداز طولانی مدت ایجاد کنید ، برای برنده سریع سریعتر پروژه های کوچکتر که با ایجاد یک چشم انداز بزرگ ، جمع آوری داده های مناسب ، استعداد مناسب برای کار بر روی آن ترکیب کنید و به یاد داشته باشید که هوش مصنوعی و فناوری تنها بخشی از فرایند دستیابی به یک داستان موفقیت AI با ابتکار عمل شماست.