1. Context van de industrie: De strategische envelop
De sector waarin je actief bent, heeft een grote invloed op de verwachte topline van de AI use-cases die je van plan bent te lanceren.
Deze eerste poort is afhankelijk van 3 criteria: de regelgeving en compliancekosten van de sector, de volwassenheid van het specifieke tech-ecosysteem en de investeringscultuur op korte tot lange termijn.
1.1 Regelgeving en compliancekosten
Elk AI opereert binnen sectorspecifieke regelgevingsgrenzen die direct vorm geven aan het ROI-potentieel.
Laten we het voorbeeld nemen van de toegang tot data van professionals in de gezondheidszorg
- In de VS beschermt HIPAA patiëntidentificeerbare informatie, maar staat het gebruik en de verkoop van niet-geïdentificeerde data van artsen toe voor commerciële en onderzoeksdoeleinden, met minder strenge controles.
- In Brazilië is de regelgeving in ontwikkeling: ANVISA en de Lei Geral de Proteção de Dados (LGPD) houden toezicht op data, met regels die vergelijkbaar zijn met GDPR, maar de handhaving is minder ver ontwikkeld; data op recept worden als gevoelig beschouwd en het gebruik ervan is onderworpen aan wetgeving inzake vertrouwelijkheid en bedrijfsgeheimen, waarbij de toegang vaak beperkt is, tenzij ze anoniem of geaggregeerd zijn.
- In Europa dwingt de GDPR strenge controles af op persoonlijke en data, waardoor het verzamelen, verwerken en commercieel gebruiken van data van artsen zeer beperkt is en vaak expliciete toestemming of sterke anonimisering vereist is.
Als gevolg hiervan is de ROI van het gebruik van data om professionals in de gezondheidszorg te benaderen sterk in de VS, gemiddeld in Brazilië en beperkt in Europa, waar de data meestal op regionaal niveau worden samengevoegd.
Deze beperkingen creëren "ROI-gordes" die haalbare use cases bepalen.
1.2 Ecosysteem Volwassenheidsvermenigvuldigers
Het technologische landschap van een industrie - in het bijzonder de aanwezigheid van gespecialiseerde actoren en innovatieve start-ups - speelt een cruciale rol in het versnellen van de ROI van AI .
Wanneer een sector profiteert van een dynamisch ecosysteem van technologieleveranciers, integrators en niche-start-ups, kunnen organisaties sneller geavanceerde AI identificeren, testen en implementeren die zijn afgestemd op hun specifieke bedrijfsuitdagingen. Dit ecosysteem bevordert samenwerking, kennisdeling en toegang tot de beste tools in zijn klasse, waardoor de ontwikkelingstijd en integratiehindernissen afnemen.
Bovendien stellen open-sourcecommunity's en gespecialiseerde leveranciers bedrijven in staat om te experimenteren met bewezen frameworks en te profiteren van collectieve innovatie, wat pilots stroomlijnt en de time-to-value verkort. Als gevolg hiervan zijn industrieën met een rijk netwerk van AI spelers in staat om succesvolle projecten sneller op te schalen en sneller tastbare productiviteits- en efficiëntievoordelen te realiseren, wat een directe impact heeft op hun ROI-traject.
1.3 Langetermijndenken als ROI-versneller
Industrieën die meerjarenplanning omarmen (bijv. energie, luchtvaart) realiseren een aanzienlijk hogere cumulatieve ROI AI over periodes van 5 jaar in vergelijking met sectoren met een korte cyclus. Cycli op lange termijn maken het mogelijk om te investeren in meer innovatieve en gedurfde technologieën, terwijl de kosten van projectbeheer worden afgevlakt, met interne werving en planning van de toelevering op lange termijn.
Een bekend voorbeeld is BP's tien jaar durende AI voor voorspellend onderhoud bij offshore boren.
2. Enterprise Implementatiekosten: De uitvoeringslaag
De organisatie waarin een AI use case wordt ingezet heeft een significante invloed op de implementatiekosten, afhankelijk van de volwassenheid van 3 assets: de technologische fundamenten, de data governance en de business appetite voor AI.
2.1 Kosten voor het gereedmaken van de technologiestapel
Organisaties met moderne data cloud data lakes, MLOps pipelines) versnellen de implementatie van AI use-cases aanzienlijk in vergelijking met collega's die vertrouwen op legacy systemen.
Om u een schatting te geven: het tot stand brengen van een nieuwe verbinding met een bronsysteem kan enkele dagen tot een maand duren, afhankelijk van de beschikbare connectortypen.
2.2 Schuld aan Data
Een gebrek aan robuuste data governance vermindert de ROI van AI op twee belangrijke manieren.
Ten eerste lopen projecten vaak vertraging op door de noodzaak van uitgebreide voorbereiding van data en de implementatie van goed toegangsbeheer, omdat teams veel tijd moeten besteden aan het opschonen, organiseren en beveiligen van data voordat er met modelleren kan worden begonnen. Data kan tot 80% van de inspanning in beslag nemen bij machine-learningprojecten.
Ten tweede leidt onvoldoende governance tot een slechte data en inadequate labeling, wat direct van invloed is op de AI : modellen die zijn getraind op onvolledige, inconsistente of slecht gelabelde data leveren minder nauwkeurige en minder betrouwbare resultaten op, wat de bedrijfswaarde ondermijnt en kostbaar herwerk of langere ontwikkelingscycli vereist.
2.3 Wrijvingsindex voor adoptie
De technische affiniteit en verandermanagementcapaciteiten van werknemers bepalen of AI waarde leveren of shelfware worden.
Als verschillende AI eerder de weg hebben geëffend en werknemers toegang hebben tot voortdurende AI 's die helpen de technologie te demystificeren, resultaten te demonstreren en de complementariteit met mensen te benadrukken, staan ze veel meer open voor toekomstige AI die worden gelanceerd.
Bijvoorbeeld, trainingssessies ter ondersteuning van de lancering van een AI bevatten over het algemeen 20% van de inhoud gewijd aan AI , samen met ten minste één onderdeel over de toegang tot tools. Hoe meer deze producten worden gecentraliseerd binnen één enkele interface en hoe meer ze gericht zijn op reeds getrainde teams, hoe meer de acculturatie-inspanning afneemt met 30 tot 40%.
3. Voordelen voor meerdere horizonten: De Waardenmatrix
De voordelen van AI zijn gestructureerd rond twee tijdshorizonten om hun volledige waarde te ontsluiten, met voordelen die variëren in tastbaarheid.
De eerste horizon beslaat een jaar en is zeer tastbaar, gericht op winst in verband met de lancering van nieuwe producten en diensten die mogelijk worden gemaakt door AI, evenals taakautomatisering die mogelijk wordt gemaakt door AI.
De tweede horizon beslaat twee tot drie jaar en is minder tastbaar. Het gaat om verbeteringen in de strategische besluitvorming en een grotere veerkracht van het bedrijf bij veranderingen in de markt door het gebruik van AI.
3.1 Korte termijn (0-12 maanden)
Topline groeimotor
De primaire methode voor omzetgroei is het verhogen van de inkomsten uit bestaande producten. Op het gebied van personalisatie zijn er twee illustratieve voorbeelden: De aanbevelingsmachine van Netflix, die de klantbetrokkenheid met 30% verhoogde en daardoor het aantal opzeggingen verminderde. Een ander voorbeeld is Stitch Fix, een organisatie die AI gebruikt om de voorkeuren en het gedrag van klanten te analyseren en zo kledingaanbevelingen op maat te doen. Dergelijke grootschalige personalisatie zou onhaalbaar zijn zonder AI, en het is precies deze technologie die het bedrijfsmodel van Stitch Fix levensvatbaar maakt.
De tweede benadering bestaat uit het lanceren van nieuwe producten die tot de komst van AI niet winstgevend waren. Nutella werkte bijvoorbeeld samen met Ogilvy Italia om een neuraal netwerk te gebruiken bij het maken van zeven miljoen unieke potetiketten, die allemaal binnen een week uitverkocht waren. Zonder AI zou het produceren van zo'n enorm aantal unieke labels onbetaalbaar of simpelweg onmogelijk zijn geweest, waardoor de campagne uitzonderlijk winstgevend werd.
3.2 Lange termijn (12+ maanden)
Superieure strategische beslissingen
Het is altijd een uitdaging om de impact van een strategische beslissing op de financiën van een organisatiete beoordelen, en nog meer om de invloed van artificial intelligence op die beslissing te evalueren. De meningen zijn het er echter over eens dat AI al een strategische partner in de besluitvorming is geworden. Een voorbeeld van Artefact is het gebruik van marketingmixmodellering, een tool die is ontworpen om de toewijzing van het marketingbudget over verschillende kanalen voor het volgende jaar te optimaliseren. In sommige gevallen kan de winststijging door deze optimalisatie oplopen tot 40%.
Organisatorische veerkracht
Het invoeren van een AI cultuur maakt organisaties wendbaar door continu leren, aanpassingsvermogen en snel experimenteren in te bedden in de dagelijkse werkzaamheden. AI stelt teams in staat om routinetaken te automatiseren, afwijkingen snel te detecteren en workflows te stroomlijnen, zodat medewerkers zich kunnen richten op innovatie en waardecreatie. Deze cultuur moedigt gedecentraliseerde besluitvorming aan en stelt teams in staat om nieuwe ideeën te testen, resultaten te analyseren en processen in realtime te itereren, waardoor een mentaliteit ontstaat waarin verandering wordt omarmd en mislukking wordt gezien als een leermogelijkheid. Het resultaat is dat organisaties flexibeler worden, beter voorbereid zijn om te reageren op verschuivingen in de markt en in staat zijn om hun strategieën en rollen aan te passen aan nieuwe uitdagingen, waardoor wendbaarheid een kernonderdeel wordt van hun identiteit en operationele kracht.
Negentig procent van de onderzochte bedrijven in een onderzoek van Dataiku beschouwt AI als een middel om weerstand te bieden tegen recessierisico's en economische crises. Meer dan 80% van de managers geeft aan hun investeringen in AI te handhaven of te verhogen ondanks economische onzekerheden, wat wijst op een sterk vertrouwen in het vermogen van AIom bedrijven te beschermen tegen verstoringen.
Het concentrische ROI-raamwerk
Op basis van alle bovengenoemde factoren stellen we de volgende formule voor om de ROI van een AI use case te berekenen, die afhankelijk is van drie niveaus: industrie, organisatie en de rationalisatie van use cases rond IT-, data en veranderingsmanagementkosten. Hoewel het evalueren van elke factor complex is, zal deze formule je helpen om alle elementen waarmee je rekening moet houden in gedachten te houden.
Conclusie: De ROI-vergelijking in evenwicht brengen
Dit raamwerk gaat verder dan een statische kosten-batenanalyse en modelleert de cascade-effecten van AI:
- Industrie bepaalt het ROI-speelveld
- Bereidheid van de onderneming bepaalt de toetredingskosten
- De voordelen worden in de loop van de tijd groter
In ons laatste artikel zullen we onderzoeken hoe we dit raamwerk kunnen operationaliseren aan de hand van 2 voorbeelden uit de gezondheidszorg, waarbij de ene gericht is op de 0-12 maanden ROI en de andere op de +12 maanden ROI.
