בעוד תאגידים גדולים משקיעים מיליארדים בפרויקטים מורכבים של בינה מלאכותית, חברות בינוניות משיגות בשקט תוצאות מוחשיות. הנה מה שגילו הנתונים האחרונים.
ממצא מפתיע עולה מהמחקר האחרון : בעוד שאמזון, גוגל ומיקרוסופט שולטות בכותרות עם הכרזות על בינה מלאכותית, נתונים מראים ש-74% מהחברות הגדולות עדיין מתקשות לייצר ערך מוחשי מהשקעותיהן בבינה מלאכותית .
בינתיים, תופעה מעניינת מתפתחת בפלח השוק הבינוני.
המספרים מספרים סיפור בלתי צפוי : בעוד שחברות Fortune 500 מכריזות על השקעות של מיליארדי דולרים ו"מרכזי מצוינות בתחום הבינה המלאכותית", רק 1% מהארגונים הללו מתארים את פריסות הבינה המלאכותית שלהן כ"בוגרות".
במקביל, חברות שפחות נראות בתקשורת - יצרנים אזוריים, מפיצים מתמחים וחברות שירותים עם הכנסות בין 100 מיליון דולר למיליארד דולר - רואות תוצאות מוחשיות מבינה מלאכותית.
השאלה המרכזית : אם לחברות גדולות יש יותר משאבים, כישרונות ונתונים, מה מניע את פער הביצועים הזה?
ההבדלים בזמני היישום הם משמעותיים. בעוד שארגונים גדולים דורשים בדרך כלל 12-18 חודשים כדי להשלים פרויקטים של בינה מלאכותית דרך תהליכי אישור מרובים, חברות בינוניות מיישמות פתרונות עובדים תוך 3-6 חודשים .
שרה צ'ן, מנהלת הטכנולוגיה הראשית של Meridian Manufacturing (הכנסות של 350 מיליון אירו), מסבירה את הגישה: "לא יכולנו להרשות לעצמנו להתנסות בבינה מלאכותית למען הפעולה שלה. כל יישום היה צריך לפתור בעיה ספציפית ולהדגים ערך תוך שני רבעונים. אילוץ זה דחף אותנו להתמקד ביישומים מעשיים שעובדים בפועל."
על פי מחקר של BCG , חברות בינוניות מצליחות נוקטות בגישה שיטתית:
התוצאה? החזר השקעה ממוצע של פי 3.7 על פרויקטים של בינה מלאכותית , כאשר בעלי הביצועים המובילים משיגים תשואה על ההשקעה פי 10.3 .
בעוד שהמוקד הוא על ענקיות הטכנולוגיה, מערכת אקולוגית של ספקי בינה מלאכותית ייעודיים משרתת ביעילות את שוק הביניים:
ספקים אלה הבינו היבט מהותי: חברות בינוניות מעדיפות פתרונות מלאים על פני פלטפורמות להתאמה אישית .
ד"ר מרקוס וויליאמס מהמכון לטכנולוגיית עסקים מציין כי "היישומים המוצלחים ביותר של בינה מלאכותית בשוק הביניים אינם מתמקדים בבניית אלגוריתמים קנייניים. הם מתמקדים ביישום גישות מוכחות לאתגרים ספציפיים לתעשייה, עם דגש על אינטגרציה חלקה והחזר השקעה ברור."
אירוניה מעניינת : משאבים בלתי מוגבלים יכולים להפוך למכשול. מחקר של מקינזי מגלה כי חברות גדולות נוטות יותר מכפליים ליצור מפות דרכים מורכבות וצוותים ייעודיים... מה שיכול להאט את הביצוע המעשי.
חברות ברשימת Fortune 500 נלכדות לעתים קרובות במה שאנו יכולים לכנות "פרפקציוניזם של טייסים" :
נתוני לשכת מפקד האוכלוסין של ארה"ב מראים שרק 5.4% מהחברות משתמשות בפועל בבינה מלאכותית בייצור, למרות ש -78% דיווחו כי "אימצו" בינה מלאכותית .
תופעה מעניינת : ככל שחברות בינוניות משלבות בינה מלאכותית בפעילותן, הן יוצרות לחץ תחרותי שדוחף תעשיות שלמות לעבר חדשנות.
דוגמאות קונקרטיות מהשוק :
במקום להרחיב את הפער בין חדשנים לעוקבים, גל אימוץ מעשי זה מצמצם את ההבדלים התחרותיים ומאיץ אימוץ חוצה מגזרים.
התוצאה : נוף שבו גמישות בביצוע גוברת לעתים קרובות על משאבים כספיים גרידא .
התחזיות מצביעות על ההתפתחויות הבאות :
תחזית סבירה : בשנים הקרובות, השיעורים החשובים ביותר בבינה מלאכותית יגיעו מחברות בינוניות ששלטו ביישום מוכוון תוצאות.
למה? הם פיתחו מומחיות באיזון בין חדשנות טכנולוגית לתוצאות עסקיות קונקרטיות.
עבור מנכ"לים, מנהלי טכנולוגיות ראשיות ומנהלי חדשנות, עולה הרהור מכריע :
האם הארגון שלכם לומד משיטות העבודה המומלצות של חברות בינוניות שהצטיינו ביישום מעשי של בינה מלאכותית, או שאתם עדיין מנווטים באסטרטגיות מורכבות ללא תוצאות מוחשיות?
המסקנה ברורה : עתידה של הבינה המלאכותית הארגונית אינו מוגדר במעבדות של ענקיות טכנולוגיה, אלא ביישומים פרגמטיים של חברות שלמדו להפוך חדשנות לרווחים מדידים .
הגישה הייחודית שלהם? לעולם אל תבלבלו תחכום טכנולוגי עם הצלחה עסקית.
הלקח האוניברסלי? בעידן הבינה המלאכותית, מצוינות בביצוע חשובה לעתים קרובות יותר מגודל המשאבים .
א: הנתונים מראים דפוסים שונים. לחברות Fortune 500 יש שיעורי ניסוי גבוהים יותר , אך רק 26% מצליחות להרחיב פרויקטים מעבר לשלב הפיילוט . חברות בינוניות מפגינות שיעורי הצלחה גבוהים יותר ביצירת ערך עסקי מוחשי.
א: הנתונים מצביעים על כך שיישומים ממוצעים אורכים פחות מ-8 חודשים , כאשר הארגונים הזריזים ביותר משלימים פריסות תוך 3-4 חודשים. ארגונים גדולים יותר דורשים בדרך כלל 12-18 חודשים עקב מורכבות הארגון.
א: מחקרים מראים החזר השקעה ממוצע של פי 3.7 , כאשר בעלי הביצועים המובילים משיגים תשואות פי 10.3 . 91% מהעסקים הקטנים והבינוניים המשתמשים בבינה מלאכותית מדווחים על עלייה מדידה בהכנסות.
א: בהחלט. 75% מהעסקים הקטנים והבינוניים מתנסים בבינה מלאכותית , ועובדים רבים כבר משלבים כלי בינה מלאכותית בעבודתם היומיומית . הגמישות שלהם מפצה לעתים קרובות על המשאבים המוגבלים שלהם.
א: תעשיות הפינטק, התוכנה והבנקאות מובילות עם אחוזים משמעותיים של "מובילי בינה מלאכותית". תעשייה מציגה 93% מהחברות עם פרויקטים חדשים של בינה מלאכותית שהושקו בשנה האחרונה.
א: שלושה גורמים עיקריים : (1) מורכבות ארגונית המאטה את הביצוע, (2) התמקדות בחדשנות טכנולוגית ולא בתוצאות עסקיות, (3) תהליכי קבלת החלטות מורכבים כאשר רק 1% מהם מגיעים לבשלות מלאה של בינה מלאכותית .
א: על ידי אימוץ "עקרון האיזון" : התמקדות מוגבלת באלגוריתמים מתקדמים, השקעה מתונה בטכנולוגיה/נתונים, ורוב המשאבים מושקעים באנשים ובתהליכים . פישוט תהליכי קבלת החלטות ותעדוף החזר השקעה מדיד.
א: פרטיות ואבטחת מידע (מדווחים על ידי 40% מהחברות עם מעל 50 עובדים), היעדר מיומנויות פנימיות מיוחדות וקשיים פוטנציאליים באינטגרציה עם מערכות קיימות.
א: תחזיות מצביעות על יצירה נטו של משרות חדשות ולא על החלפות מסיביות. בינה מלאכותית נוטה להפוך משימות ספציפיות לאוטומטיות, במיוחד בשווקים בינוניים שבהם הגישה מכוונת יותר להרחבת יכולות.
א: חברות שמשיגות תוצאות משמעותיות בדרך כלל מקצות אחוז ניכר מתקציב הדיגיטל שלהן לבינה מלאכותית. עבור חברות בינוניות טיפוסיות, זה מתורגם להשקעות שנתיות של 50,000 עד 500,000 אירו, עם דגש על פתרונות ספציפיים בעלי החזר השקעה גבוה ולא על פלטפורמות גנריות.
.svg)
.svg)
.svg)
