A IA de escala compensa, independentemente do investimento

While there is broad consensus that Inteligência Artificial Transformará a maioria dos setores nas próximas décadas, muitas das empresas que investiram na tecnologia não conseguiram desbloquear todo o seu potencial. A pesquisa anterior do BCG mostrou que apenas 11% dessas empresas divulgaram valor significativo e a maioria não conseguiu escalar a IA além dos pilotos. Nem as empresas reimaginaram a maneira como trabalham com dados ou redefiniu a interação humana -AI. Além disso, eles exploraram seletivamente apenas casos de uso de IA e geralmente não têm um Fundação digital madura , embora existam diferenças significativas entre empresas e indústrias nesse sentido.

Our latest research, based on BCG’s Índice de aceleração digital , mostra que as empresas que investem mais em digital colocam mais recursos na IA; Além disso, para aqueles que são capazes de aumentar a IA, até pequenos investimentos de sementes são muito grandes. (Ver Anexo 1.) Investimentos modestos em casos específicos de uso de IA podem gerar até 6% a mais de receita e, com o aumento dos investimentos, o impacto da receita de AI triplica a 20% ou mais. As empresas líderes também superam em outros KPIs. Eles produzem 3 pontos percentuais com mais EBIT, um elevador de quase 30% em comparação com as empresas que não conseguem escalar. Recursos de IA e a Fundação Digital da empresa. (Consulte “Sobre nossa pesquisa e o índice de aceleração AI² da BCG.”)

What, exactly, are these companies doing right?

A Matter of Scale

We assessed the AI maturity of more than 2,700 companies in three areas: AI use cases, AI capabilities, and the company’s digital foundation. (See “About Our Research and BCG’s AI² Acceleration Index.”)

We asked survey respondents to allocate their current portfolio of AI projects in six functional categories— Cadeia de suprimentos , Enterprise ( Análise de RH , por exemplo), Fabricação , Assim, Marketing e experiência do cliente, Produtos e ofertas (incluindo preços) e Risco —Dorando aos quatro estágios de maturidade a seguir:

• Ideias em desenvolvimento. Soluções sendo definidas ou em desenvolvimento. Mas cujo uso ainda está limitado a departamentos individuais.
• Pilot MVPs. Solutions with the right features to attract early-adopter customers but not yet creating value for the organization.
• Operational. Solutions creating some financial value but whose use is still limited to individual departments.
• Escala. (Veja a Figura 2.) Os resultados são bastante consistentes entre as indústrias. (Com uma pontuação geral de 42, as empresas de bens de consumo são mais fortes e, aos 36 anos, o setor público mais fraco.) Os resultados também estão alinhados com a nossa avaliação de março de 2022 das empresas ' Solutions deployed across the entire organization with tested frameworks and governance delivering proven financial value.

Even though we found that scaling use cases is key to generating and sustaining value from AI, most companies do not yet leverage the full potential of this approach, scoring only 35 to 45 out of 100 possible points. (See Exhibit 2.) The results are fairly consistent across industries. (With an overall score of 42, consumer goods companies are strongest and, at 36, public sector the weakest.) The results are also in line with our March 2022 assessment of companies’ Capacidade de escala digital , o que não é uma surpresa, pois, como observamos, a capacidade de escalar casos de uso digital é um pré -requisito para aumentar a IA.

O sucesso é parcialmente uma questão de investimento. Os líderes da IA ​​investem uma média de 4% das receitas em iniciativas específicas da IA, enquanto os retardatários investem apenas 2,7%. Algumas indústrias exibem lacunas particularmente amplas; Nos cuidados de saúde e energia, por exemplo, os líderes de IA investem duas vezes mais que os retardatários. Das seis categorias funcionais que examinamos, marketing e experiência do cliente, incluindo personalização, vê a atividade mais dinâmica. As empresas de tecnologia e telecomunicações relatam a implementação do maior número médio de casos de uso (46 e 56, respectivamente) nesta função. Mais tipicamente, em todos os setores, as empresas relatam de 20 a 25 casos de uso que estão sendo explorados em funções como fabricação e operações e produtos e ofertas (preços, por exemplo). As funções da cadeia de suprimentos e de toda a empresa, como as análises de RH, mostram o menor número de casos de uso ativo, talvez porque ainda não estejam maduros o suficiente para gerar valor substancial ou são muito difíceis de implementar.

Companies undertake AI use cases across the value chain, but they do so unevenly, most likely because they prioritize those with the highest ROI. Of the six functional categories that we examined, marketing and customer experience, including personalization, sees the most dynamic activity. Technology and telecom companies report implementing the highest average number of use cases (46 and 56, respectively) in this function. More typically, across all sectors, companies report 20 to 25 use cases being explored in functions such as manufacturing and operations and products and offers (pricing, for example). Supply chain and enterprise-wide functions such as HR analytics show the fewest active use cases, perhaps because they are not yet mature enough to generate substantial value or are too difficult to implement.

Como os vencedores se destacam

Investment and value chain focus tell only part of the story, however. Our research revealed that the leaders in scaling and generating value from AI do three things better than other companies:

• They prioritize the highest-impact use cases and scale them quickly to maximize value.
• They make data and technology accessible across the organization, avoiding siloed and incompatible tech stacks and standalone databases that impede scaling.
• They recognize the importance of aligned leadership and employees who build and leverage AI, and they support staff who promote collaboration and end-to-end agile product delivery.
  

Use Case Prioritization and Scaling. Leaders distinguish themselves by scaling more than twice as many AI use cases—in large part because they scale them two to three times faster. (See Exhibit 3.) Leaders move from idea to execution at scale in a matter of months—typically just 5 to 7—while other companies take an average of 15 to 17 months. As a result of this speed advantage, leaders are able to scale up 44% of the use cases in their portfolios, more than twice the 19% of other companies.

These companies typically share three common approaches. First, they select AI use cases based on business priorities, with a rigorous focus on value. This often involves building a dedicated organizational unit to orchestrate and accelerate scaling.

Second, they establish an enablement function to ensure that, as new skills and capabilities are developed, they are available to the teams that need them across the organization. In some instances, the enablement function may assign dedicated teams to develop needed capabilities that are lacking.

Terceiro, eles empregam um modelo de execução consistente, com os casos de uso de IA passando por ciclos ágeis de compilação e validação. Os protótipos coletam feedback precoce do usuário final e levam à criação de MVPs, que adicionam recursos e usuários à medida que são dimensionados e integrados ao modelo operacional. Por fim, os casos de uso e seus modelos operacionais são implantados em toda a organização. Escala?

Management teams should ask themselves three questions about their ability to prioritize and scale use cases:

• Do we have a systematic approach that prioritizes scaling of use cases based on value?
• Do we build use cases using a consistent agile execution model that allows for accelerated scaling?
• Rastreamos os casos de uso no pipeline contra objetivos claros e resultados -chave?

Dados e tecnologia acessíveis. Os líderes disponibilizam dados, tecnologia e algoritmos para uso por equipes em toda a organização. Outras empresas mantêm tecnologia e dados em silêncio que impedem a escala; As barreiras comuns incluem o uso de conjuntos de dados individuais, em vez de um único pool de dados acessíveis, pilhas de tecnologia construídas e incompatíveis separadamente construídas e algoritmos inconsistentes ou redundantes. As empresas que disponibilizam mais de 75% da tecnologia e dados disponíveis têm uma probabilidade 40% maior de realizar casos de uso de IA em escala do que aqueles que disponibilizam 25% ou menos amplamente disponíveis. A plataforma normalmente usa infraestrutura em nuvem, sistemas principais e interfaces claramente definidas. Além disso, os modelos de dados são criados para suportar todos os principais fluxos de trabalho. Por exemplo, um modelo de dados para um processo de vendas movido a IA garantiria a acessibilidade dos dados relevantes durante a fase, negociação, fechamento e entrega da pré-venda e entrega.

A modular data and digital platform serves as the technical foundation for data accessibility and allows for rapid release cycles of AI use cases. The platform typically uses cloud infrastructure, core systems, and clearly defined interfaces. In addition, data models are built to support all core workflows. For example, a data model for an AI-powered sales process would ensure accessibility of the relevant data during the presales phase, negotiation, deal closing, and delivery.

Três perguntas que as equipes de gerenciamento devem fazer sobre a acessibilidade de dados e tecnologia:

• Implementamos uma plataforma de dados e digital que usa interfaces claramente definidas que permitem que as equipes acessem e processem dados em toda a organização?
• Have we identified the data assets that provide competitive advantage, specified Propriedade e garantia de qualidade e organizou -os em modelos de dados que podem ser utilizados ao longo de toda a cadeia de valor? Ao enfatizar as capacidades humanas e tecnológicas, eles procuram facilitar
• Have we made algorithms, and the software they are embedded in, available across the organization to avoid inconsistencies and redundant work?

Leadership and Talent. AI leaders recognize that putting the right people in the right roles is a critical foundation for success. By emphasizing human as well as technological capabilities, they seek to facilitate Aprendizado organizacional e de máquina . As empresas que dedicam 10% ou mais de sua equipe digital a funções específicas da IA ​​e que têm 30% ou mais de sua equipe utilizando soluções de IA diariamente, geram mais do que o dobro do EBIT adicionado (11%) daqueles que dedicam recursos humanos abaixo desses limites. Além disso, empresas com liderança alinhada, unidade interbusinha forte e colaboração interfuncional e entrega de produtos ágeis de ponta a ponta aumentam sua maturidade no caso de uso de IA em uma média de cerca de 25%. A liderança alinhada é essencial para definir prioridades, como aparar um grande número de iniciativas para alguns casos de uso de alto potencial que prometem mais valor e organizá-los em um roteiro integrado. Proposição com foco em habilidades técnicas? C-suite?

Three questions to ask about leadership and talent:

• Have we taken all the relevant steps to attract the necessary AI talent—for example, by leveraging talent ecosystems and strengthening our employer value proposition with a focus on technical skills?
• Have we empowered the organization to build foundational technical and analytical skills and to set up a creative learning environment that fosters the use of AI solutions on a daily basis?
• Have we created an organizational environment in which teams are able to make decisions, generate new ideas for leveraging AI, and take risks, knowing that they are supported by an aligned C-suite?

Ai escala na prática

Dois exemplos ilustram como as empresas líderes colocam as medidas descritas acima em prática.

A European industrial goods company with global reach had made earlier attempts at Transformação digital e tinha centenas de projetos digitais, de automação e IA em andamento. Todos foram apresentados em silos funcionais, com diferentes modelos operacionais e faltando orientação e direção estratégicas. A empresa havia feito investimentos significativos em “plataformas de dados” gerenciadas por sua função de TI, mas não houve impacto financeiro, em parte porque não tinha plano ou abordagem abrangente. Ele adotou uma abordagem fundamentalmente diferente, compreendendo uma meia dúzia de princípios orientadores:

A new head of digital transformation, who reported to the CEO, had a strong operational background. He took a fundamentally different approach, comprising a half-dozen guiding principles:

• ancora o caso da mudança e as prioridades da IA ​​no topo. Pessoas com conhecimento comercial e técnico. e o modelo e a organização operacional de TI. Os casos de uso forçaram a empresa a identificar os ativos de dados que forneceram vantagem competitiva e estabelecem um único banco de dados acessível. Eles também ajudaram a especificar os requisitos para a plataforma de dados e a arquitetura geral. Dos pilotos do farol, uma equipe dedicada à possibilidade de ativar a falta de recursos e habilidades técnicas ausentes, como experiência em plataformas em nuvem, e apoiou a criação de novas equipes para preencher as lacunas. Também estabeleceu um modelo de execução ágil consistente para o desenvolvimento e escala dos casos de uso. Com o tempo, o momento cresceu à medida que mais dados e ferramentas se tornaram disponíveis em toda a organização, levando a uma base mais forte para o desenvolvimento de casos de uso futuros.
• Define the target state and the objectives and key results for top-priority cross-functional domains.
• Prove value first, then scale the capability incrementally.
• Involve people with both business and technical expertise.
• Ensure senior-management involvement to help embed change at the frontline.
• Initially locate the work in an accelerator unit outside of IT and bring it into the full organization when mature.

Senior management identified ten "lighthouse" use cases that would generate value and form the basis for a refreshing of the company’s data platform and IT operating model and organization. The use cases forced the company to identify the data assets that provided competitive advantage and establish a single, accessible database. They also helped specify the requirements for the data platform and overall architecture.

As the company eliminated the barriers to data access, it established a stronger foundation for developing and scaling the selected AI use cases. From the lighthouse pilots, a team dedicated to enablement identified missing technical capabilities and skills, such as expertise in cloud platforms, and supported the creation of new teams to fill the gaps. It also established a consistent agile execution model for developing and scaling the use cases. Over time, momentum grew as more data and tools became available across the organization, leading to a stronger foundation for developing future use cases.

Uma empresa global de bens de consumo que opera em mais de 150 mercados estava determinada a usar a IA para aumentar as receitas e a lucratividade. Começou a partir de uma posição de baixa maturidade digital, com capacidade limitada de ciência de dados e nenhum caso de uso digital operando em escala. Ele identificou 20 casos iniciais de uso de IA, dos quais priorizou três soluções de IA para pilotar:

• Alocação de orçamento de marketing. onde investir em publicidade e marketing para maximizar o retorno. Promoção e preço. Em seguida, definiu os dados e a arquitetura de TI que ele precisava construir, projetou uma abordagem de modelagem e testou MVPs em dois ou três mercados piloto para cada caso de uso. À medida que prosseguiu, a empresa construiu uma plataforma de dados e tecnologia que permitia a escala de casos de uso, hubs de dados globais e uma pilha de tecnologia baseada em nuvem. Ele também desenvolveu os recursos humanos necessários, incluindo uma organização central dedicada para acelerar a construção e implantação de soluções de IA, recrutamento de cerca de 70 especialistas em dados e digitais e lançamento de um ambicioso programa de “Upkilling” estruturado em torno do gerenciamento de dados, da IA ​​e da propriedade de um produto mais importante. de suas vendas e incorporá -las em seus sistemas de TI. O programa alcançou os resultados alinhados com os benchmarks financeiros e organizacionais direcionados ao início, e todas as soluções de IA implantadas tiveram um impacto positivo no desempenho financeiro.
• Sales Force Effectiveness. Which stores to focus on in any given week and the next best action for each one.
• Product Promotion and Pricing. The optimal product price and most effective promotion calendar to maximize sales and margins in the next year.

The company framed a business case and roadmap to scope its ambition and prioritized use cases based on feasibility, size of the prize, time to impact, and selected pilot countries. It then defined the data and IT architecture that it needed to build, designed a modeling approach, and tested MVPs in two or three pilot markets for each use case. As it proceeded, the company built out a data and tech platform that enabled scaling of use cases, global data hubs, and a cloud-based technology stack. It also developed the necessary human capabilities, including a dedicated central organization to accelerate the building and deployment of AI solutions, recruitment of about 70 data and digital experts, and launch of an ambitious “upskilling” program structured around data management, AI, and agile product ownership.

About eight months after launching its initial MVP, the company was able to deploy AI solutions in more than ten markets covering a majority of its sales and embed them in its IT systems. The program achieved results in line with financial and organizational benchmarks targeted at the outset, and all deployed AI solutions had a positive impact on financial performance.

---

Mesmo pequenos investimentos na IA podem pagar. Mas fazer a IA funcionar requer direcionamento e disciplina - e um foco nas habilidades humanas e na tecnologia. Uma abordagem bem planejada baseada na construção da base digital e recursos para ampliar os casos de uso de IA pode servir como um acelerador poderoso e lucrativo. Parceiro sênior; Líder global, tecnologia e vantagem digital