Beyond Productivity: Jaký skutečný přínos má agentní AI pro firmy?
Stolní PC
Generativní AI změnila způsob, jakým komunikujeme s počítači, zatímco agentní AI zásadně mění způsob, jakým se práce vykonává. Klíčovou otázkou nyní je, zda tento nový způsob práce přináší měřitelnou hodnotu pro firmy.
MSI AI Insights Číslo #001 se věnovalo tomu, proč se AI vyvíjí od asistentů reagujících na zadané pokyny k autonomním AI agentům Číslo #002 se zaměřilo na další otázku: kam umístit jednotlivé úlohy AI, když se umělá inteligence stává součástí každodenního provozu firem?
Číslo #003 posouvá pozornost od technologií a infrastruktury k přínosům pro firmy. S tím, jak agentní AI stále častěji přebírá celé pracovní úkoly namísto pouhé asistence, musí firmy zvážit, jak skutečnou hodnotu těchto schopností vyhodnocovat.
Tento článek stručně představuje způsoby, jak měřit skutečný přínos agentní AI pro firmy. Podrobný rámec najdete v článku MSI AI Insights vydání #003 — Beyond Productivity: Měření skutečné obchodní hodnoty agentické AI.
Produktivita je začátek, nikoli konečný cíl
První vlna využití AI ve firmách postavila do popředí produktivitu jako nejsnáze měřitelný ukazatel úspěchu. Hlavní pozornost se soustředila na metriky, jako je úspora času díky AI, rychlost přípravy dokumentů, shrnování informací, generování kódu, analýza dat nebo plnění rutinních úkolů. Tyto ukazatele jsou užitečné, protože jsou konkrétní a měřitelné. Samotná produktivita však ještě nedokazuje, že AI přinesla firmě skutečnou hodnotu.
Pokud například AI zkrátí úkol, který původně zabral pět hodin, na pouhé tři hodiny, získáme dvě hodiny volné kapacity. Klíčová otázka zní: Jak se s těmito dvěma hodinami naloží?
Pokud zaměstnanci využijí získaný čas k obsloužení většího počtu zákazníků, zvýšení kvality, hledání nových příležitostí, urychlení uvedení produktu na trh nebo řešení problémů, na které dříve nezbýval čas, může to přinést skutečný přínos. Pokud však tento čas pouze zaplní dalšími činnostmi s nízkou přidanou hodnotou, může být skutečný dopad na firmu minimální. Proto je potřeba rozšířit naši rovnici:
AI → Uvolněná kapacita → Nové využití kapacity → Obchodní přínos
Pozornost se tak přesouvá od prosté otázky „O kolik více jsme toho zvládli?“ k mnohem podstatnější otázce: „K jakému zlepšení vedla vyšší produktivita?“
Od ekonomiky jednotlivých pokynů k ekonomice pracovních procesů
Generativní AI začínala poměrně jednoduchou interakcí: Pokyn → Odpověď
AI asistenti tento princip rozšířili tím, že uživatelům pomáhají s psaním, vyhledáváním informací, analýzou, programováním a získáváním potřebných podkladů.
Agentní AI tento přístup posouvá ještě dál. V rámci stanovených oprávnění a omezení může AI agent pracovat na dosažení určitého cíle v několika navazujících krocích. Podle konkrétního řešení může vyhledávat informace ve firemních znalostních zdrojích, pracovat s aplikacemi, koordinovat úkoly, sledovat měnící se podmínky a předávat rozhodnutí člověku, pokud je potřeba jeho úsudek. S tím se mění i metriky, podle kterých měříme ekonomický přínos:
Chatbot → Náklady na jednu interakci
AI asistent → Přínos na jeden úkol
AI agent → Přínos na celý pracovní proces
Místo pouhého počítání pokynů, tokenů nebo spuštění AI agentů mohou organizace sledovat, zda se pracovní proces zrychlil, zda vyžaduje méně předávání mezi zaměstnanci, zda ubylo chyb, zkrátila se doba odezvy nebo zda může pokračovat i v době, kdy nejsou lidé k dispozici.
Pro IT ředitele (CIO), finanční ředitele (CFO) a další vedoucí pracovníky to otevírá prostor pro smysluplnější hodnocení přínosů. Samotný údaj o deseti milionech interakcí s AI nemusí o výkonnosti firmy mnoho vypovídat. Naproti tomu pracovní proces, který zkracuje dobu zpracování, zvyšuje kapacitu služeb, omezuje nutnost opakované práce nebo umožňuje nepřetržité monitorování, nabízí mnohem přesvědčivější argument pro zavedení AI.
Agentní AI by se proto neměla hodnotit podle toho, nakolik autonomně technologie působí, ale podle toho, jak její autonomie zlepšuje pracovní procesy, na kterých skutečně záleží.
Skutečná ekonomická hodnota agentní AI
Ušetřené hodiny × Náklady na práci
Tento vzorec je užitečný zejména u opakujících se a často vykonávaných úkolů, zachycuje však pouze jednu část přínosu AI. Komplexnější hodnocení může zohlednit čtyři klíčové oblasti:
- Přímá hodnota: To zahrnuje měřitelná zlepšení, jako je ušetřený čas, nižší náklady na zpracování, zvýšená propustnost a snížené manuální úsilí.
- Nepřímá provozní hodnota: Toto zahrnuje výhody, jako je větší konzistence, snížené přepracování, rychlejší načítání znalostí, vylepšená provozní kontinuita a lépe informované rozhodování.
- Hodnota příležitosti: Tato hodnota vzniká, když AI ekonomicky usnadňuje provádění úkolů, které by jinak mohly být nepraktické. Například tým by mohl analyzovat stovky komentářů zákazníků místo pouhého malého vzorku, prozkoumat širší škálu alternativ designu, odhalit poznatky skryté ve fragmentovaných informacích nebo nepřetržitě monitorovat data, která zaměstnanci mohli pouze pravidelně kontrolovat.
- Náklady nečinnosti: Udržování současného provozního modelu může mít také ekonomické důsledky. Pomalejší rozhodování, neefektivní využívání znalostí, zmeškané příležitosti, provozní tření a rozšiřující se mezery ve schopnostech mohou negativně ovlivnit obchodní výkon, i když tyto náklady nejsou přímo odráženy v rozpočtu AI.
Je důležité si uvědomit, že ne každá investice do AI přinese pozitivní návratnost a ne každá organizace musí zavádět všechny dostupné funkce AI. Při hodnocení ekonomické stránky AI je však potřeba zohlednit nejen její náklady, ale také to, co umožňuje, a o co může firma přijít, pokud ji nezačne využívat.
Jak měřit přínos AI pro firmu
Pokud chtějí organizace jít nad rámec samotné produktivity, potřebují rámec, který propojí využití AI s obchodními výsledky. MSI AI Insights představuje pět úrovní tohoto rámce:
- Efektivita: Tato úroveň zkoumá, zda lze úkoly dokončit rychleji nebo s menším množstvím zdrojů.
- Účelnost: Zde je zaměření na to, zda se práce zlepšuje - je přesnější, konzistentnější, užitečnější nebo méně závislá na přepracování.
- Schopnost: Tato úroveň zkoumá, co organizace může nyní dosáhnout, což bylo dříve náročné nebo nepraktické. Příklady zahrnují nepřetržité monitorování, rozsáhlou analýzu znalostí, rychlé experimentování a vícestupňové autonomní pracovní postupy.
- EBusiness Výsledky: Toto propojuje provedená zlepšení s měřitelnými výsledky, jako jsou příjmy, náklady, rizika, odolnost, čas uvedení na trh, výsledky pro zákazníky a inovační kapacita.
- EHuman Hodnota: Konečně, tato úroveň se ptá, zda umělá inteligence umožňuje lidem přispívat na vyšší úrovni. Umělá inteligence může snížit opakující se úkoly, zlepšit přístup ke znalostem, umožnit specialistům zaměřit se na složitá rozhodnutí nebo umožnit menším týmům usilovat o příležitosti, které dříve vyžadovaly podstatně více zdrojů.
Jak organizace postupují touto hodnotou hierarchie, jednoduché metriky produktivity se stávají stále nedostatečnějšími. Pozornost se posouvá od pouhého měření využití umělé inteligence k pochopení, jak umělá inteligence zlepšuje výsledky.
Umělá inteligence s L.O.V.E.
Obchodní diskuse o AI se často zaměřují na efektivitu, automatizaci, zabezpečení a náklady. Jak se však AI stává více integrovaným do naší práce, objevuje se další důležitá otázka: V čem by měla AI pomáhat lidem zlepšovat?
V mandarínštině zní „AI“ podobně jako slovo pro „lásku“, což bylo inspirací pro MSI AI Insights k zavedení „AI s L.O.V.E.“, lidsky zaměřeného rámce navrženého tak, aby přemýšlel nad rámec pouhé produktivity:
- L — Poslouchat: Porozumět lidem, kontextu, záměru a problémům, které se snaží vyřešit.
- O — Otevřít: Rozšířit přístup ke znalostem, odbornosti a schopnostem.
- V — Oceňovat: Přesunout lidskou snahu z opakujících se úkolů do oblastí, které vyžadují úsudek, kreativitu a práci na vyšší úrovni.
- E — Posilovat: Pomozte lidem a týmům dosáhnout více s časem, znalostmi a zdroji, které mají k dispozici.
Společně tvoří principy sekvenci: Poslouchej → Otevři → Oceňuj → Zmocňuj
„Umělá inteligence s L.O.V.E.“ doplňuje tradiční návratnost investic přidáním lidské dimenze do obchodní hodnoty. Cílem není pouze zefektivnit práci, ale pomoci lidem přispívat na vyšší úrovni a dosahovat toho, co bylo dříve obtížné nebo nepraktické.
Začněte pracovním procesem, ne technologií
Při přípravě podkladů pro investici do agentní AI by organizace neměly začínat výběrem modelu, platformy nebo infrastruktury. Místo toho by se měly nejprve zaměřit na konkrétní pracovní proces.
Nejprve je potřeba vybrat konkrétní pracovní proces a vyhodnotit jeho současnou výkonnost. Poté změřit, jaké změny do něj AI přináší. Následně lze tato zlepšení propojit s konkrétními obchodními výsledky a přínosy pro lidi. Celý postup lze shrnout takto:
Pracovní proces → Důkazy → Přínos → Odpovědnost
Cílem není pouze prokázat, že AI funguje, ale určit, kde přináší dostatečně velký a měřitelný přínos, aby se vyplatilo do ní dál investovat.
Klíčové závěry
- Produktivita je začátek, nikoli konečná míra hodnoty AI.
- Vytvořená kapacita se stává hodnotou pouze tehdy, když vede k lepším výsledkům.
- Agentická AI přesouvá měření z nákladů na interakci k hodnotě na pracovní postup.
- ROI AI zahrnuje přímou hodnotu, nepřímou provozní hodnotu, příležitostnou hodnotu a náklady nečinnosti.
- Hodnota AI postupuje od efektivity → efektivnosti → schopnosti → obchodních výsledků → lidské hodnoty.
- AI s L.O.V.E. přidává lidskou perspektivu: Poslouchat → Otevřít → Hodnotit → Posilovat.
- Konečnou otázkou není, kolik AI organizace používá, ale jaká měřitelná hodnota to AI vytváří.
Často kladené otázky
Jaká je skutečná obchodní hodnota agentické AI?
Agentic AI vytváří hodnotu, když jeho schopnost provádět vícestupňovou práci zlepšuje smysluplné pracovní postupy v podnikání. To může zahrnovat rychlejší provádění, méně předávání, snížené opravy, lepší rozhodování, nepřetržitý provoz, nové schopnosti nebo měřitelné obchodní výsledky.
Proč nestačí produktivita k měření návratnosti investic do AI?
Produktivita ukazuje, zda se práce stává rychlejší nebo levnější, ale nedokazuje, že došlo k lepšímu obchodnímu výsledku. Ušetřený čas se stává cenným, když výsledná kapacita zlepšuje kvalitu, náklady, příjmy, riziko, odolnost, inovace nebo jiný smysluplný výsledek.
Jak mění Agentic AI obchodní případ AI?
Agentic AI se může podílet na více krocích pracovního postupu, nikoli jen reagovat na jednotlivé požadavky. To posouvá měření z nákladů na interakci a času na úkol směrem k hodnotě na pracovní postup.
Pochází návratnost investic do AI hlavně ze snížení nákladů na práci?
Ne. Efektivita práce je jednou ze složek. AI může také vytvářet hodnotu prostřednictvím větší kapacity, lepších rozhodnutí, snížených oprav, silnějšího přístupu ke znalostem, nepřetržitého provozu, nových schopností a příležitostí, které byly dříve nepraktické.
Co je hodnota příležitosti?
Hodnota příležitosti představuje pracovní nebo obchodní příležitosti, které se stávají praktickými, protože AI mění požadované náklady, kapacitu nebo rychlost – například analýzou více informací, zkoumáním více alternativ nebo nepřetržitým sledováním měnících se podmínek.
Co je AI Value Stack?
Hodnotí AI na pěti úrovních: Účinnost → Efektivita → Schopnost → Obchodní výsledky → Lidská hodnota
Tento rámec pomáhá organizacím přejít od měření aktivity AI k měření skutečného organizačního dopadu.
Co je AI s L.O.V.E.?
AI s L.O.V.E. znamená Poslouchat, Otevřít, Hodnotit, Posilovat. Jedná se o lidsky zaměřený rámec pro hodnocení, zda AI rozumí skutečným potřebám, rozšiřuje přístup ke znalostem a schopnostem, posouvá lidi k práci s vyšší hodnotou a posiluje je k dosažení většího.
Kde by měly organizace začít?
Začněte s konkrétním pracovním postupem. Stanovte jeho aktuální výchozí bod, měřte, co AI mění, spojte tyto zlepšení s obchodními výsledky, vyhodnoťte lidskou hodnotu a neustále přezkoumávejte, zda investice nadále vytváří měřitelnou hodnotu.
Chcete se na tuto problematiku podívat podrobněji?
MSI AI Insights — Číslo #003
Objevte, jak organizace mohou měřit agentickou AI nad rámec produktivity prostřednictvím obchodních výsledků, provozní hodnoty, lidského potenciálu a dlouhodobého ROI.
Předchozí vydání
MSI AI Insights — Číslo #002
Prozkoumejte, jak strategie AI zaměřené na pracovní zátěž přetvářejí, kde běží podniková AI, a jak organizace vyvažují Cloud AI, místní AI, správu, výkon a dlouhodobou obchodní hodnotu.
MSI AI Insights — Číslo #001
Pochopt, proč se AI vyvíjí z asistentů založených na příkazech k autonomním AI agentům a jak agentická AI přetváří podnikové výpočetní prostředky.
Co nás čeká dál
MSI AI Insights — Číslo #004
Nasazení AI agentů do práce
Prozkoumejte praktický rámec pro přeměnu strategie agentické AI na reálné obchodní nasazení.
Již brzy.
