سه رویکرد برای سنجش و مدیریت بازگشت سرمایه (ROI) در هوش مصنوعی
هوش مصنوعی دیگر فقط یک فناوری نوظهور نیست؛ اما هنوز بسیاری از شرکت‌ها نمی‌دانند سرمایه‌گذاری‌هایشان در این حوزه تا چه اندازه به خلق ارزش واقعی منجر شده است. پژوهش جدید MIT Sloan Management Review سه رویکرد عملی برای ارزیابی و مدیریت بازگشت سرمایه هوش مصنوعی معرفی می‌کند.
رویکرد مبتنی بر واحد یا فرآیند (Function-Focused)
در این روش، سازمان اجرای هوش مصنوعی را از یک بخش مشخص مانند منابع انسانی، خدمات مشتری، بازاریابی یا تولید آغاز می‌کند و موفقیت را با شاخص‌هایی مانند کاهش زمان انجام کار، کاهش خطا، افزایش کیفیت و کاهش هزینه‌ها می‌سنجد.
مناسب برای سازمان‌هایی که می‌خواهند ابتدا نمونه‌های موفق ایجاد کنند و سپس هوش مصنوعی را در مقیاس بزرگ‌تر توسعه دهند.
رویکرد هماهنگ (Coordinated Approach)
در این مرحله، پروژه‌های متعدد هوش مصنوعی در بخش‌های مختلف سازمان اجرا می‌شوند و مدیریت تلاش می‌کند نتایج آنها را با معیارهای مشترک مقایسه و ارزیابی کند.
هدف اصلی این رویکرد، استانداردسازی شاخص‌های ارزیابی، اشتراک‌گذاری تجربیات موفق و تسهیل تصمیم‌گیری درباره توسعه پروژه‌هاست.
رویکرد مدیریت سبد سرمایه‌گذاری سازمانی (Enterprise Portfolio Approach)
در پیشرفته‌ترین سطح، تمام پروژه‌های هوش مصنوعی مانند سایر سرمایه‌گذاری‌های کلان سازمان مدیریت می‌شوند. هر پروژه دارای مدل مالی، تحلیل هزینه و منفعت، ارزش فعلی خالص (NPV) و نرخ بازده داخلی (IRR) است و درباره ادامه یا توقف آن بر اساس شاخص‌های اقتصادی تصمیم‌گیری می‌شود.
سه توصیه کلیدی پژوهش
پروژه‌هایی را انتخاب کنید که بیشترین ارزش و قابلیت توسعه را دارند.
هوش مصنوعی بدون تغییر در فرآیندهای کاری، ارزش اقتصادی ایجاد نمی‌کند؛ رهبری و مدیریت فعال ضروری است.
هم‌زمان با بلوغ سازمان و پیشرفت فناوری، روش‌های ارزیابی نیز باید به‌روز شوند؛ نه اندازه‌گیری را بیش از حد پیچیده کنید و نه از سنجش نتایج غافل شوید.
پیام اصلی این است که بازگشت سرمایه در هوش مصنوعی اتفاقی نیست؛ سازمان‌هایی موفق‌تر خواهند بود که از همان ابتدا برای سنجش نتایج، شاخص‌های مشخص و قابل اندازه‌گیری تعریف کنند و سرمایه‌گذاری‌های هوش مصنوعی را مانند سایر سرمایه‌گذاری‌های راهبردی مدیریت کنند.
منبع: MIT Sloan Management Review
