95% מפרויקטי ה-AI לא מחזירים את ההשקעה
מחקר של MIT מראה ש-95% מפרויקטי הפיילוט של AI לא מחזירים את ההשקעה, במיוחד בעסקים קטנים שבהם תלות ביזם מונעת הטמעה מוצלחת. חברות צריכות למדוד תוצאות עסקיות, לא פעילות גרידא, באמצעות שיטות כמו A/B testing ומעקב אחר דיוק.
תשעים וחמישה אחוזים. זה שיעור פרויקטי הפיילוט בתחום ה-AI שלא מצליחים לייצר החזר על ההשקעה (ROI) מדיד, לפי מחקר של MIT Project NANDA. זה אומר ש-95% מהכסף שחברות משקיעות בבינה מלאכותית פשוט נעלם מהדו"חות הפיננסיים. ובזמן שסוכני AI אוטונומיים מתפשטים במהירות – עם תחזית של Deloitte ש-74% מהארגונים יפרסו כאלה בתוך שנתיים – רק 29% מהמנהלים בטוחים שהם בכלל יכולים למדוד את ההשקעה שלהם, לפי IBM.
אז מה בעצם קורה פה? חברות מוציאות מיליארדים (30-40 מיליארד דולר בשנתיים האחרונות על AI גנרטיבי), אבל התוצאות לא ברורות. עסקים קטנים במיוחד בבעיה – מי שמשקיע 200 דולר בחודש בתקווה שזה יממן את עצמו, צפוי להיכשל אפילו יותר מחברות Fortune 500. למה? כי הבעיה היא לא הטכנולוגיה, אלא האופן שבו מטמיעים אותה.
איך בכל זאת מודדים את הערך? פרסום ב-Forbes מציע חמישה כלים פרקטיים. הראשון: להתמקד בתוצאות עסקיות, לא בפעילות גרידא. סוכן שמטפל ב-10,000 פניות ביום נשמע מרשים, אבל אם שביעות הרצון של הלקוחות לא עולה – ההשפעה העסקית מוגבלת. השני: למדוד חיסכון בעלויות עתידיות, לא רק קיצוצים קיימים. למשל, למנוע גיוס עובדים נוסף או שעות נוספות. השלישי: לעקוב בקפדנות אחר דיוק ושיעורי טעויות – כי טעויות נסתרות יכולות לעלות ביוקר בעבודה מחדש או בפגיעה באמון. הרביעי: לבדוק סקלאביליות – האם ה-AI עובד טוב יותר, או רע יותר, כשהעומס גדל. והחמישי: למדוד את ההשפעה על ההכנסות באמצעות A/B testing, כדי להפריד את תרומת ה-AI מתנודות שוק.
אבל כאן נכנס הסיפור של עסקים קטנים. מחקר MIT מראה ש-71% מהעסקים הקטנים תלויים ביזם אחד או שניים. זה מה שנקרא "תלות ביזם" – אם כל החלטה חשובה עדיין חוזרת אליך, AI רק יחשוף את צוואר הבקבוק הזה מהר יותר. ה-5% שכן מצליחים, לעומת זאת, מתמקדים בתהליכים מוגדרים מראש, כמו עיבוד חשבוניות או תזמון, שכבר יש להם workflow מתועד. למשל, Anthony Godley, מייסד Logix BPO, צמח מחברה של עובד אחד לאלף עובדים על ידי תיעוד מדויק של תהליכי קבלת החלטות.
ההמלצה ברורה: לפני שאתם מטמיעים AI, תתחילו לתעד תהליך עסקי אחד עם תוצאות מדידות. ככה תוכלו להעריך אם הטכנולוגיה באמת מוסיפה ערך, או שהיא פשוט מוסיפה עוד שכבה של עבודה שצריך לבדוק. בסוף, AI לא קסם – הוא כלי, וכלי צריך לדעת איך למדוד.