Aż od 70 do 85 proc. projektów typu „data/AI transformation” nie przynosi pozytywnych efektów finansowych w ciągu pierwszych 3 lat – zgodnie z analizami Kearney.

Mizerne rezultaty wdrożeń nie dziwią, skoro aż 74 proc. organizacji nie ma w tym obszarze spójnej wizji i strategii. Brak pomyślunku nie przeszkadza firmom przeć do projektów – 70 proc. organizacji deklaruje, że planuje, projektuje lub wdraża transformacje dotyczące danych i AI.

Jednak tym mniej licznym, którym uda się zastosować rozwiązania w sprzedaży, da to ogromną przewagę – twierdzą analitycy. Z szacunków Kearney wynika, że różnica w zyskowności między pionierami, którzy jako pierwsi wykorzystują AI w sprzedaży i obsłudze klienta, a maruderami potencjalnie będzie wynosić aż 81 proc.

Zarządy inwestują w AI, ale nie bardzo wiedzą po co

Jednak zastosowanie algorytmów sztucznej inteligencji w firmach wymaga dużego zaangażowania i sprostania wielu, często trudnym do przewidzenia wyzwaniom.

Członkowie zarządów przede wszystkim nie wiedzą jakie przypadki użycia AI mogą wpłynąć na ich biznes i jak wesprą ich konkretne wyzwania biznesowe. Natomiast jeśli już zdają sobie sprawę z use-cases, trudno jest im określić, które rozwiązania mogą przynieść zysk.

Problemy z dostawcami, działami IT, pracownikami…

Problem stanowi także wybór dostawcy rozwiązań, bo przy nieznanej do tej pory technologii, nie jest łatwo określić, czyje działania będą efektywne.

Trudności sprawia też funkcjonowanie wewnętrznych działów IT. Członkowie zarządów przyznają, że w zespołach IT firm nie widzą kompetencji do rozwijania AI lub dział nie współpracuje z biznesem, a jedynie tworzy modele dla samych modeli. Zdarza się też, że nawet mimo posiadania już narzędzi, rozwiązań i partnerów, pracownicy firmy nie przyjmują zmian i nie korzystają z nowych możliwości.

Źródło: Kearney

AI wsparciem w codziennej pracy

Dzięki pomyślnemu wdrożeniu AI przede wszystkim wzrasta precyzja analiz, co pozwala na podejmowanie odpowiednich działań. Ponadto AI wybitnie skraca czas procesów, dostarcza optymalne wyniki itd.

„Sztuczna inteligencja zastąpi powtarzalne i czasochłonne z punktu widzenia człowieka czynności. Mimo to go nie zastąpi. Stanie się jego wsparciem i spowoduje, że organizacje i zespoły sprzedażowe umiejące korzystać z AI, będą odnosić jeszcze większe sukcesy” – uważa Piotr Drzewiecki, Manager Kearney.

AI może zbudować precyzyjny model klienta, wykorzystując dane i łącząc informacje z wielu kanałów i platform, wesprzeć rozwój potencjału sprzedażowego konsumenta, pomóc w poprawie kontaktu z odbiorcą, ograniczyć działania administracyjne itd.

Partyzanckie próby wdrożenia AI

„ChatGPT zainspirował eksperymentowanie z technologią generative AI w marketingu i sprzedaży. Mają miejsce pionierskie zastosowania  AI przy przygotowywaniu korespondencji do klientów, tekstów marketingowych, grafik i filmów oraz działaniach SEO. Problemem jest to, że często te próby mają charakter partyzancki, stąd pilna potrzeba skoordynowania i kontroli wykorzystania AI w organizacjach” – dodaje, Maciej Gawinecki, partner i dyrektor zarządzający Kearney Ignite.

Rady, jak efektywnie wdrożyć AI do przedsiębiorstwa

Jako jedną z możliwości wdrażania AI do sprzedaży i obsługi klienta, Kearney proponuje zastosowanie logiki „Start Small to Scale Fast”, polegającej na tym, by zaczynać od małych działań, które mogą być później skalowalne w czasie.

Zaleca najpierw opracowanie use case-ów z udowadnianym wpływem na biznes i krótkim czasem potrzebnym do wprowadzenia działań na rynek. Jednocześnie podejmowane działania muszą być proste i szybko pokazywać swoją wartość dla organizacji.

Automatyzacja powinna być wdrażana w trybie przyśpieszonym wszędzie tam, gdzie jest to możliwe, przy określaniu kluczowych wewnętrznych i zewnętrznych źródeł danych dla priorytetowych use cases. Warto nie polegać jedynie na zewnętrznych dostawcach i zaangażować w pracę wewnętrzny zespół, aby stworzyć najważniejsze i najprostsze narzędzia, modele i dashboardy.

Natomiast w kolejnych krokach, powinno się myśleć o większych zmianach, zmieniając kulturę firmy w kierunku „data-driven” i budując całą infrastrukturę. Na tym etapie warto wspierać adaptację rozwiązań, opierając codzienne działania na AI i zmieniając proces zarządzania sprzedażą tak, aby zastosować nowe narzędzia.

W tym momencie powinno się też dążyć do zaprojektowania modeli danych wraz z definicjami i źródłami, zbudowania zestawu oprogramowania, wykorzystywanego podczas pracy nad projektem, opracowania zoptymalizowanych baz danych oraz integracji. To odpowiednia chwila na stworzenie zespołu specjalizującego się w zarządzaniu danymi i określenie struktury organizacyjnej, aby zapewnić odpowiednią jakość i dostępność danych.

14 kroków do wdrożenia AI

„Większość działań, które powinno podjąć się przy wprowadzaniu AI do sprzedaży, nie wymaga bezpośredniej znajomości tej technologii. Ważne są takie kroki jak określenie celów, wprowadzenie konkretnych zasad, automatyzacja, obserwacja i analiza oraz prognozy. Całość można zamknąć w 14 krokach, a dogłębne zrozumienie technologii AI niezbędne jest tylko w przypadku pojedynczych specjalistów. Najwięcej zaangażowania wymaga wewnętrzna praca organizacji nad zmianą i odpowiednim wykorzystaniem możliwości AI” – mówi Piotr Drzewiecki, Manager Kearney.

Biorąc pod uwagę problematyczność w procesie implementacji, warto szczególną uwagę poświęcić procesowi ciągłego uczenia i rekalibracji algorytmów (doskonalenia) – dodaje Kearney.

W ramach „Analytical Impact Index” Kearney przebadał ponad 150 firm.