Στη Σύνοδο Fortune AIQ που πραγματοποιήθηκε στο Χρηματιστήριο της Νέας Υόρκης, στελέχη από τους κλάδους της τεχνολογίας, των χρηματοοικονομικών και των βιομηχανικών επιχειρήσεων κατέληξαν σε ένα σαφές συμπέρασμα: η εποχή των αποσπασματικών πιλοτικών προγραμμάτων τελειώνει. Το κρίσιμο ερώτημα για τις επιχειρήσεις δεν είναι πλέον αν θα υιοθετήσουν την Τεχνητή Νοημοσύνη, αλλά πώς θα την μετατρέψουν σε μετρήσιμη αξία χωρίς να δημιουργήσουν νέα κόστη ή κινδύνους.
Από την υιοθέτηση στον μετασχηματισμό
Η Diana David, διευθύντρια μελλοντικών μελετών στη ServiceNow, υπογράμμισε ότι η επιτυχία δεν κρίνεται από την πρόσβαση στα εργαλεία, αλλά από την επιχειρησιακή πειθαρχία. Σύμφωνα με τον Δείκτη Ωριμότητας Enterprise AI της ServiceNow, το 57% των πρωτοπόρων εταιρειών επενδύει στη συνεχή αναβάθμιση δεξιοτήτων (upskilling), έναντι μόλις 4% των υπόλοιπων οργανισμών. Η μεγαλύτερη διαφορά εντοπίζεται στην προσέλκυση ταλέντων AI, όπου το χάσμα είναι 68% έναντι 10%.
Ο Paul Fipps, πρόεδρος παγκόσμιων λειτουργιών πελατών στη ServiceNow, σημείωσε ότι τα μεγαλύτερα κέρδη προέρχονται από τον επανασχεδιασμό των διαδικασιών γύρω από τις νέες δυνατότητες και όχι από την απλή αυτοματοποίηση παλαιών μεθόδων. Ως παράδειγμα αναφέρθηκε η Standard Chartered, όπου η AI βοήθησε στην εκτροπή του 77% των αιτημάτων των εργαζομένων.
Η πρόκληση του εργατικού δυναμικού
Ο μετασχηματισμός μέσω AI είναι, στην πραγματικότητα, μετασχηματισμός του εργατικού δυναμικού. Η Stacy Dillow της HPE τόνισε την ανάγκη για διαφορετικό τρόπο σκέψης, αποφεύγοντας την απλή ενσωμάτωση της AI σε υφιστάμενα, προβληματικά συστήματα. Η Danielle Gonzalez από την Palo Alto Networks ανέφερε ότι η εταιρεία αναζητά πλέον υπαλλήλους με «περιέργεια και αυτενέργεια», ικανούς να «ξεμάθουν» παλιές πρακτικές.
Διακυβέρνηση και αξιοπιστία
Σε ρυθμιζόμενα περιβάλλοντα, η ασφάλεια είναι πρωταρχικής σημασίας. Ο Suresh Venkatarayalu της Honeywell εξήγησε ότι οι βιομηχανικοί πελάτες απαιτούν αξιοπιστία 99,9999%, τη στιγμή που τα τρέχοντα μοντέλα AI κυμαίνονται στο 85%. Αυτό καθιστά απαραίτητη τη διατήρηση του ανθρώπινου παράγοντα στον έλεγχο (human-in-the-loop).
Παράλληλα, ο AJ Wijesinghe της Ecolab ανέδειξε το οικονομικό σκέλος, σημειώνοντας ότι η χρήση των πιο προηγμένων μοντέλων για απλές εργασίες μπορεί να είναι ακριβότερη από την ανθρώπινη εργασία. Η Ecolab κατάφερε να μειώσει το κόστος των tokens κατά 70-80% μέσω βελτιστοποίησης της χρήσης των μοντέλων.
Μετρήσιμα αποτελέσματα και ROI
Ο Ewout Steenbergen, CFO της Booking Holdings, παραδέχθηκε ότι ακόμα και οι μεγάλοι επενδυτές τεχνολογίας δεν γνωρίζουν με ακρίβεια την απόδοση της επένδυσης (ROI). Ωστόσο, η Booking ήδη βλέπει αποτελέσματα: οι 9.000 μηχανικοί της παράγουν 30% περισσότερο κώδικα, ενώ το κόστος εξυπηρέτησης πελατών μειώνεται παρά την αύξηση των κρατήσεων. Η στρατηγική τους βασίζεται στη χρήση φθηνότερων μοντέλων για απλές εργασίες και ακριβότερων μόνο για σύνθετες απαιτήσεις.
