AIens tempo: Den neste fasen i fremtidens innovasjon

Siden ChatGPT oppsto, har verden gått inn i en AI-boom-syklus. Men det de fleste mennesker ikke innser er at AI ikke er helt nytt — det har vært rundt i ganske lang tid. Selv i de tidlige dagene av Googles vidt brukte søkemotor, var automatisering i hjertet av resultater. Nå begynner verden å våkne opp og innse hvor mye AI allerede er integrert i våre daglige liv og hvor mye ubenyttet potensiale det fortsatt har.

AI-adoptions- og innovasjonsraten beveger seg så raskt – nådde rundt 1 billion dollar i utgifter – at mange undrer seg på om vi kan forutsi utvidelsen av fremtidige modeller, selv to år fra nå. Dette drives enda mer av teknologiselskaper som Meta, Alphabet, Microsoft, Oracle og OpenAI, som avdekker nye AI-fremgangsmåter og modeller for å holde tritt med bransjens etterspørsel. AI-chipprodusenten Nvidia vokser så raskt at bedriftens forretning ikke engang kan være korrekt verdsatt.

Hva vi vet om AIens tempo er at når datamengden øker og datakvaliteten fortsetter å forbedre seg, vil AIens evne til å drive innovasjon for bedriftsaktiviteter, applikasjoner og prosesser over hele industrien også øke. For å anslå hvor AI vil være om bare noen få år, må vi først forstå at bruksområdene for AI er todelt. Det første er at det er en teknologi muliggjører, som forbedrer eksisterende løsninger for å gjøre dem mer effektive, nøyaktige og innvirkende. Det andre er at AI har potensialet til å være en teknologi innovator ved å gjøre uforestilte fremgangsmåter eller løsninger tangibile.

Omtenkning av AIens tempo gjennom historien

Selv om det føles som om AI-bølgen begynte da OpenAI lanserte ChatGPT i 2022, går opphavet av kunstig intelligens og naturprogessering (NLPs) tilbake til tiår siden. Algoritmer, som er grunnlaget for AI, ble først utviklet på 1940-tallet, og la grunnlaget for maskinlæring og dataanalyse. Tidlige bruksområder for AI i industrier som supply chain management (SCM) går tilbake til 1950-tallet, da automatisering ble brukt til å løse problemer i logistikk og lagerstyring. På 1990-tallet var data-drevne tilnærminger og maskinlæring allerede vanlige i bedrifter. Etterhvert som 2000-tallet skred frem, strømlinjeformede teknologier som robotprosessautomatisering (RPA) meningsløse oppgaver over mange komplekse og administrative bedriftsfunktioner.

Deretter kom ChatGPT. Det er veldig tydelig at oppfatningen av AI har endret seg på grunn av generativ AI. Før oppfinnelsen av GenAI, forsto forbrukerne ikke mekanismene bak automatisering, eller kraften til automatisering for bedrifter. AI ligger under mye av vår moderne teknologi, som Google-søkemotoren. De fleste forbrukerne stoler på Google til å levere nøyaktige svar på talløse spørsmål, og de sjelden tenker over de komplekse prosesser og algoritmer som ligger bak hvordan resultatene vises på skjermen. Men å se er å tro — med ChatGPT, begynte verden å se virkelige bruksområder. Likevel er det en misforståelse av hvor integrert AI er i våre daglige liv — selv i bedriftsverdenen. Som nevnt ovenfor, muliggjør AI eksisterende teknologi å bli bedre, og like Intel-mikrochip, sitter AI i bakgrunnen av teknologiene vi bruker hver dag.

Hvis ledere ikke kan forstå omfanget av AI, hvordan kan de forventes å lykkes med å innføre AI i sin daglige bedriftsdrift? Det er nettopp problemet.

Adopsjons- og vekstutfordringer

Hvis noen skulle spørre en GPT-verktøy, ‘hva innkjøps- og supply chain-profesjonelle sannsynligvis vil si om AI’, vil det sannsynligvis høydepunkte kunnskapsgapene relatert til AI-adoptsjon. Globalt økte AI-adoptsjonen eksponentielt i løpet av det siste året, etter begrenset vekst i årene før. I løpet av de siste seks årene, sa bare 50% av bedriftslederne at de investerte i AI-teknologi over hele sine operasjoner. I 2024, hoppet adopsjonsraten til 72%, og viser at bedriftslederne våkner opp til AIens potensiale til å forbedre sine organisasjoner over alle forretningsområder.

Likevel, å realisere AIens fullverdi krever mer enn bare å deployere fremkommende løsninger. Det krever å ha tilgang til riktige data — data som gir rik kontekst på faktiske bedrifts utgiftsmønster, leverandørprestasjoner, markedsdynamikk og virkelige begrensninger. Utilstrekkelig tilgang til data betyr liv eller død for AI-innovasjon innen bedriften. Minst 30% av alle GenAI-prosjekter forventes å bli forkastet på grunn av dårlig datakvalitet, blant andre utfordringer som utilstrekkelig risikostyring, økende kostnader eller uklar forretningsverdi. Men det er mange andre utfordringer bedrifter møter når de innfører AI og tar det til skala.

I store organisasjoner, er det dessverre vanlig å ha siloer som kan utsette bedrifter for store risikoer. Ta for eksempel supply chain-industrien. Supply chain spiller en kritisk rolle innen bedriftsstrategi, og for store, globale organisasjoner, er skalaen på sektoren nesten uforestilbar. Hvis ett aspekt av bedriften opererer i en silo, kan det sette hele organisasjonen i stor risiko. Hvis supply chain-teamene ikke kommuniserer endringer i etterspørsel til sine leverandører, hvordan kan ledere forventes å skape nøyaktige prognoser? Hvis salgsteamet ikke kommuniserer oppdaterte prognoser til innkjøp, kan de sikre langtidskontrakter basert på utdatert informasjon, låse seg inn i avtaler som kanskje ikke stemmer overens med nåværende kundeefterspørsel.

Uansett om det er en organisatorisk eller informasjons-silo, kan mangel på kommunikasjon føre til en nedbrudd i kundeservice, skape ineffisienser og en generell stopp i innovasjon. AI kan bevise sin verdi i å håndtere disse siloene: hvis deres teknologi er effektivt koblet sammen, kan deres ansatte og leverandører også være det.

Bedriftsledere investerer aktivt i AI-drevne løsninger for å drive prosessautomatisering, strategisk innkjøp, utgiftssynlighet og kontroll, og generell lønnsomhet. For å finne suksess med disse AI-kapasiteter og oppnå sine totale utgiftsforvaltningsmål, må bedrifter arbeide sammen for å fremme transparens og jobbe mot et felles mål.

Den neste evolusjonen for AI

Nå, er det beste bruksområdet for AI som faktisk driver bedriftseffisiens og vekst, å automatisere enkle, administrative oppgaver. Uansett om det er arbeidsflyt-effisienser, data-ekstraksjon og analyse, lagerstyring eller prediktiv vedlikehold, innser ledere at AI kan øke monotonøse, tidskrevende oppgaver i utenforliggende hastigheter og med ekstrem presisjon. Selv om det ser enkelt ut, kan bruksområder som disse spare bedrifter talløse timer og milliarder av dollar når de brukes i industrier som supply chain eller innkjøp.

Vi har diskutert AI som en teknologi muliggjører — men det er fortsatt ubenyttet potensiale for AI til å bli en teknologi innovator. Etterhvert som vi står i begynnelsen av et nytt år, er det mange AI-fremgangsmåter som bedriftslederne bør være på utkikk etter like over horisonten.

For supply chain management og innkjøp spesifikt, vil en av disse fremgangsmåtene være forbedringer i autonom innkjøp. Ved å bruke AI og andre avanserte teknologier, kan bedrifter automatisere oppgaver som tradisjonelt ble avhengig av mennesker, som innkjøp og kontrahering, for å drive effisienser og frigjøre ressurser ved å la AI analysere enorme mengder data, identifisere mønster og ta informerte innkjøpsbeslutninger i sanntid. Fullt autonomt innkjøp tilbyr ikke bare ubeskrivelige kostnadsbesparelser ved å spare ansatttid, fremme effisiens og redusere feil, men det kan også minimere risikoen for svindel og forfalskning ved å kontinuerlig sikre overholdelse av etiske og bærekraftige standarder.

Likevel, før introduksjon av autonomt innkjøp, bør bedrifter fokusere på å levere en brukeropplevelse (UX) som er intuitiv, effektiv og lett å navigere for både innkjøpsteam og leverandører. Når en hyper-personlig UX er skapt, kan bedrifter sammenhengende implementere autonome løsninger.

Resultatet av AI er ikke bare å forbedre bedrifters avkastning, men også å forbedre beslutningstaking, forutsi fremtidige mønster og bygge motstandskraft. C-nivå ledere over hele sektorene ser stadig på AI-teknologiens adopsjon som essensiell for å transformere og fremtidssikre sine operasjoner gjennom automatisering. Over tid, som hver annen teknologi før det, vil AI bli stadig billigere, mens verdien av dens utgang vil fortsatt øke. Dette gir oss mange grunner til å være optimistiske om AIens fremtid og den balanserte rollen det vil spille i våre liv — både i bedrifts- og personlig sammenheng.