Sponsored Content
Κύρια σημεία
1. Η απόδοση του AI κρίνεται μετά την αγορά του εργαλείου. Πολλές επιχειρήσεις έχουν πλέον ενσωματώσει λίγο ή πολύ το AI στη λειτουργία τους, όμως ελάχιστες βλέπουν ουσιαστικό αντίκτυπο στα οικονομικά τους αποτελέσματα, αφού το πρόβλημα σπάνια είναι η ίδια η τεχνολογία.
2. Το πιο κρίσιμο κομμάτι της επένδυσης είναι οργανωτικό, όχι τεχνολογικό. Η επένδυση σε εργαλεία χωρίς αντίστοιχη εξειδικευμένη επένδυση στην εκπαίδευση των ανθρώπων σε αυτά αφήνει αναξιοποίητο ένα μεγάλο μέρος της.
3. Η δομημένη εκπαίδευση είναι το πιο αξιόπιστο σημείο διαφοροποίησης. Οι επιχειρήσεις που επενδύουν συστηματικά σε εκπαίδευση γύρω από το AI βγαίνουν σαφώς μπροστά σε απόδοση επένδυσης και οργανωτικό πλεονέκτημα.
Είναι το AI μια φούσκα της εποχής;
Πριν από λίγα χρόνια, ελάχιστες επιχειρήσεις προσπαθούσαν να χρησιμοποιήσουν και να εντάξουν το AI στην καθημερινή τους ρουτίνα…αντιμετωπιζόταν ως ένα πειραματικό project από μερικά μόνο στελέχη. Σήμερα όμως, αποτελεί ένα μόνιμο έξοδο στον προϋπολογισμό της πλειονότητας των επιχειρήσεων (λογισμικό, συνδρομές και agents). Το ερώτημα δεν είναι πλέον αν μια επιχείρηση θα επενδύσει σε AI, αλλά αν αυτή η επένδυση θα αποδώσει πραγματικά.
Πώς οι επιχειρήσεις κερδίζουν από τη χρήση του AI;
Η McKinsey εκτιμά ότι η συντριπτική πλειοψηφία των επιχειρήσεων χρησιμοποιεί πλέον τακτικά AI σε τουλάχιστον μία λειτουργία τους, όμως μόλις το 6% καταγράφεται ως οργανισμός «υψηλής απόδοσης», με ουσιαστικό αντίκτυπο στα κέρδη του. Η πλειονότητα παραμένει σε επίπεδο πειραματικών εφαρμογών που δεν μετατρέπονται ποτέ σε πραγματική αλλαγή διαδικασιών.
Η αιτία δεν είναι το ίδιο το εργαλείο, αλλά οι ομάδες οι οποίες δεν έχουν εκπαιδευτεί καταλλήλως για να μπορούν να εντάξουν τα αποτελέσματα ουσιαστικά στη δουλειά τους και έτσι το AI παραμένει ένα εργαλείο που είτε χρησιμοποιείται περιστασιακά είτε δεν χρησιμοποιείται στρατηγικά είτε χρησιμοποιείται πρόχειρα.
Τα περιθώρια απόδοσης του ΑΙ είναι μεγάλα αρκεί να αξιοποιηθεί σωστά η χρήση του. Σύμφωνα με τη McKinsey η τεχνητή νοημοσύνη μπορεί να αποδώσει 2,6 έως 4,4 τρισεκατομμύρια δολάρια ετησίως σε παγκόσμια οικονομική αξία, με το marketing, τις πωλήσεις και την εξυπηρέτηση πελατών ανάμεσα στους τομείς με τη μεγαλύτερη δυνητική απόδοση. Το ορθό ερώτημα για κάθε επιχείρηση δεν είναι αν αξίζει να επενδύσει στο AI, αλλά αν θα το εντάξει λειτουργικά και στρατηγικά στις εσωτερικές του διαδικασίες ώστε να μπορέσει να δει αποτελέσματα.
Εκπαιδεύουν οι επιχειρήσεις τα στελέχη τους στο AI;
Έρευνα της DataCamp σε πάνω από 500 στελέχη επιχειρήσεων στις ΗΠΑ και στο Ηνωμένο Βασίλειο δείχνει ότι το 82% δηλώνει πως ο οργανισμός τούς προσφέρει κάποιας μορφής εκπαίδευση στο AI, όμως το 59% συνεχίζει να αναφέρει σημαντικό κενό δεξιοτήτων, και μόλις ένας στους τρεις δηλώνει ότι ο οργανισμός του διαθέτει πλήρες, ενιαίο πρόγραμμα upskilling. Η ίδια έρευνα δείχνει ότι οι οργανισμοί με δομημένα, εξατομικευμένα και πρακτικά προγράμματα εκπαίδευσης αναφέρουν σημαντική απόδοση από την τεχνητή νοημοσύνη σε ποσοστό 42%, έναντι 21% στο σύνολο των επιχειρήσεων.
Πώς γίνεται σωστά μια εκπαίδευση στελεχών στο AI;
Οι οργανισμοί που πετυχαίνουν με τη βοήθεια εκπαίδευσης πάνω στην τεχνητή νοημοσύνη έχουν συνήθως τρία κοινά χαρακτηριστικά. Πρώτον η διοίκηση δεν αρκείται μόνο στην έγκριση του προϋπολογισμού αλλά συμμετέχει στις εκπαιδεύσεις που παρακολουθούν τα στελέχη και εμπλέκεται ενεργά στην υιοθέτηση των τακτικών της. Δεύτερον η εκπαίδευση είναι συνεχής και εξειδικευμένη ανά ρόλο/τμήμα και γίνεται πάνω στις πραγματικές ροές εργασίας ενός τμήματος και όχι απλώς σε εργαλεία, για παράδειγμα τα στελέχη εκπαιδεύονται στο πώς να κάνουνε οικονομικές αναλύσεις με πολλά διαφορετικά ΑΙ εργαλεία αντί να εκπαιδεύονται μόνο πάνω στο ChatGPT. Τρίτον, η επιτυχία μετριέται με συγκεκριμένους δείκτες, όπως μείωση χρόνου, ποιότητα αποτελεσμάτων και κόστος χρήσης.
Στην πράξη, αυτό σημαίνει διαφορετικό περιεχόμενο για κάθε τμήμα. Η διοίκηση χρειάζεται να καταλαβαίνει πώς να θέτει στόχους και τις δυνατότητες της τεχνητής νοημοσύνης ανά τμήμα, τα στελέχη χρειάζονται μεθοδολογία, σωστό prompting και πρακτική εξάσκηση πάνω στα δικά τους, καθημερινά workflows και όχι σε γενικά παραδείγματα.
Ποια είναι τα πιο συχνά λάθη στην επένδυση σε AI;
Οι επιχειρήσεις που δεν βλέπουν ουσιαστική απόδοση, ενώ επενδύουν στο AI, συνήθως κάνουν κάποια επαναλαμβανόμενα λάθη. Το πρώτο είναι η αγορά εργαλείων πριν οριστεί το συγκεκριμένο πρόβλημα που καλούνται να λύσουν, ξεκινούν δηλαδή με τη νοοτροπία ότι το AI μπαίνει σε μια ομάδα «για να δούμε τι θα βγει», χωρίς σαφή στόχο ή δείκτη επιτυχίας. Το δεύτερο είναι η αντιμετώπιση της εκπαίδευσης ως μια μεμονωμένη ενέργεια δηλαδή επιλέγουν να κάνουν ένα γενικό και εισαγωγικό σεμινάριο που καλύπτει τα βασικά, αλλά δεν ακολουθείται από καθοδήγηση όσο οι ομάδες εφαρμόζουν το εργαλείο στην πραγματική τους εργασία. Το τρίτο και ίσως το πιο κρίσιμο, είναι η απουσία της ίδιας της διοίκησης από τη διαδικασία, γιατί χωρίς σαφή προτεραιότητα από πάνω κάθε ομάδα αποφασίζει μόνη της πόσο σοβαρά θα το πάρει.
Το κοινό σημείο είναι η έλλειψη μεθοδικότητας. Οι επιχειρήσεις που τα αποφεύγουν δεν είναι απαραίτητα εκείνες με το μεγαλύτερο budget, αλλά εκείνες που αντιμετωπίζουν το AI ως σύμμαχο που μπορεί να τους βοηθήσει στον τρόπο που δουλεύουν καθημερινά και όχι ως ακόμα ένα εργαλείο στη λίστα.
Γιατί η σωστή εκπαίδευση κάνει τη διαφορά στο ROI;
Η εκπαίδευση δεν μαθαίνει απλώς πώς δουλεύει ένα εργαλείο. Δίνει στις ομάδες την ικανότητα να ορίζουν το πρόβλημα, να επιλέγουν το κατάλληλο εργαλείο, να μετρούν αν αποδίδει και να αλλάζουν πορεία όταν δεν αποδίδει. Καθώς τα εργαλεία ανανεώνονται συνεχώς, αυτή η γνώση και η προσαρμοστικότητα στην αλλαγή είναι που κάνει τη διαφορά στο ROI.
Η Knowcrunch, ο εκπαιδευτικός οργανισμός στο Digital & AI Marketing, μετρώντας 32 βραβεία στο ενεργητικό της, σχεδιάζει ενδοεταιρικά εκπαιδευτικά προγράμματα AI προσαρμοσμένα στις ανάγκες κάθε επιχείρησης, από workshops για C-level στελέχη και πρακτική εφαρμογή ανά τμήμα μέχρι μηνιαία updates ώστε το εργατικό δυναμικό να είναι πάντα ενημερωμένο με τις τελευταίες εξελίξεις στον τομέα.
Η εκπαίδευση AI της Knowcrunch αναπτύσσεται σε τρεις δράσεις που ανανεώνονται κάθε μήνα: εκπαίδευση 4+ ωρών για τα C-level στελέχη πάνω στις τελευταίες εξελίξεις και τη στρατηγική αξιοποίηση του AI, εξατομικευμένη συμβουλευτική από ομάδα έμπειρων AI trainers και digital marketing professionals και πρακτικά hands-on sessions πάνω σε εργαλεία, όπως ChatGPT, Claude, VEO και NanoBanana για τα στελέχη marketing, sales, PR και creative.
Με κοινότητα άνω των 27.000 επαγγελματιών του κλάδου, η Knowcrunch προσφέρει μια δοκιμασμένη και μετρήσιμη διαδρομή από την επένδυση στην πραγματική απόδοση, ενώ τη διαφορά στα αποτελέσματα κάνουν οι προσωποποιημένες προτάσεις πάνω στα δικά σας ζητούμενα με βάση τις ανάγκες της επιχείρησης σας.
Τι πρέπει να κάνει η διοίκηση για να αποδώσει το AI;
Το πρώτο που χρειάζεται μια επιχείρηση ώστε να υιοθετηθεί το AI από τα στελέχη της είναι η διοίκηση να ορίσει ένα αρμόδιο άτομο. Η εικόνα που συναντάμε συχνά είναι η εξής: η εταιρεία αγοράζει άδειες για σαράντα χρήστες, ο IT manager τις μοιράζει, η ομάδα marketing καλείται «να το δοκιμάσει», και η ευθύνη για το αν θα δουλέψει δεν ανήκει σε κανέναν συγκεκριμένα. Τρεις μήνες μετά, τα μισά licenses δεν έχουν ενεργοποιηθεί ποτέ. Αντ’ αυτού, χρειάζεται ένα πρόσωπο με όνομα και θεσμοθετημένο χρόνο για τη δουλειά αυτή. Μπορεί να είναι το HR, ο Marketing Director/Manager, ο Training Developer ή ακόμα και ο ίδιος/α CEO της επιχείρησης.
Το δεύτερο είναι ένας πρώτος στόχος αρκετά μικρός ώστε να ολοκληρωθεί σε ένα τρίμηνο και αρκετά συγκεκριμένος ώστε να απαντά στο ερώτημα «τι θα δείχνει ότι πέτυχε». Μία διαδικασία, μία ομάδα, ένα μέγεθος που μετριέται: ο χρόνος παραγωγής ενός report, ο αριθμός των αιτημάτων που απαντώνται την ίδια μέρα, το κόστος ανά creative. Η ευρύτητα είναι εχθρός εδώ, καθώς ένας στόχος του τύπου «να γίνουμε πιο παραγωγικοί με το AI» δεν επιτυγχάνεται ούτε αποτυγχάνεται ποτέ.
Το τρίτο είναι ο ρυθμός επανεξέτασης. Μια συνάντηση κάθε τρίμηνο, με τα ίδια νούμερα μπροστά, όπου η διοίκηση ή το αρμόδιο άτομο αποφασίζει αν:
• επεκτείνεται η εκπαίδευση και η υιοθέτηση του AI και σε άλλα τμήματα π.χ. Ο χρόνος παραγωγής ενός marketing report έπεσε από δύο μέρες σε μισή, πάμε να εκπαιδεύσουμε και το οικονομικό τμήμα πάνω στη χρήση AI εργαλείων. συνεχίζουμε με διορθώσεις, ή σταματάμε.
• Χρειάζονται διορθώσεις στην όλη διαδικασία π.χ. αν βλέπει κάποια αποτελέσματα αλλά όχι αυτά που είχαν τεθεί ως στόχος, ίσως η ομάδα χρησιμοποιεί το εργαλείο μόνο για τη μισή διαδικασία, ίσως χρειάζεται δεύτερος κύκλος εκπαίδευσης, ίσως ο στόχος ήταν λάθος διατυπωμένος. Δίνεις άλλο ένα τρίμηνο με συγκεκριμένη αλλαγή.
Τίποτα από τα τρία δεν απαιτεί μόνο τεχνική γνώση. Απαιτεί όμως την ίδια πειθαρχία που εφαρμόζει μια διοίκηση σε κάθε άλλη επένδυση, και αυτό ακριβώς είναι που λείπει από τους περισσότερους οργανισμούς όταν μιλάμε για AI.
Οι επιχειρήσεις που θα ξεχωρίσουν τα επόμενα χρόνια δεν θα είναι εκείνες που απλώς υιοθέτησαν τα περισσότερα εργαλεία AI, αλλά εκείνες που επένδυσαν έγκαιρα στους ανθρώπους που καλούνται να τα αξιοποιήσουν. Το κενό στις δεξιότητες δεν αποτελεί μόνο επιχειρηματικό ρίσκο. Είναι ένα κόστος ευκαιρίας που αυξάνεται κάθε τρίμηνο που περνά χωρίς ουσιαστική δράση.
FAQ:
Τι χρειάζεται για να αποδώσει μια επένδυση σε AI;
Όταν η οικονομική επένδυση για τη χρήση των AI εργαλείων συνοδεύεται από επένδυση στην εκπαίδευση των ανθρώπων που θα τα χρησιμοποιήσουν, τα αποτελέσματα είναι πιο σαφή.
Ένα εργαλείο AI παράγει αξία μόνο όταν κάποιος ξέρει τι να του ζητήσει, πώς να αξιολογήσει το αποτέλεσμα και πού να το εντάξει στη ροή της δουλειάς του. Οι επιχειρήσεις που δουλεύουν έτσι ξεκινούν από ένα συγκεκριμένο πρόβλημα, εκπαιδεύουν τις ομάδες πάνω στα δικά τους workflows και παρακολουθούν την πρόοδο με δείκτες χρόνου, ποιότητας και κόστους. Εκεί η επένδυση περνάει από το στάδιο του πειραματισμού στα απτά και μετρήσιμα αποτελέσματα.
Πόσες επιχειρήσεις κερδίζουν πραγματικά από τη χρήση του AI;
Σχεδόν όλες οι επιχειρήσεις χρησιμοποιούν πλέον AI, ελάχιστες όμως βγάζουν χρήματα από αυτό. Σύμφωνα με τη McKinsey, η μεγάλη πλειοψηφία των επιχειρήσεων χρησιμοποιεί ήδη τακτικά AI σε τουλάχιστον μία λειτουργία της, ενώ μόλις το 6% εμφανίζει μετρήσιμα αποτελέσματα στα κέρδη. Αυτό το 6% δείχνει τι είναι εφικτό όταν οι εφαρμογές περνούν από το στάδιο της δοκιμής στην αλλαγή των διαδικασιών.
Γιατί οι επιχειρήσεις εκπαιδεύουν στο AI και το κενό δεξιοτήτων παραμένει;
Στην έρευνα της DataCamp σε πάνω από 500 στελέχη, το 82% απαντά ότι ο οργανισμός που εργάζεται τους προσφέρει κάποιας μορφής εκπαίδευση στο AI, όμως το 59% εξακολουθεί να αναφέρει σημαντικό κενό δεξιοτήτων. Οι οργανισμοί με σωστά δομημένα προγράμματα εκπαίδευσης έχουν σχεδόν διπλάσια πιθανότητα να αναφέρουν σημαντική απόδοση επένδυσης από το AI.
Ποια χαρακτηριστικά έχουν οι επιχειρήσεις που πετυχαίνουν πραγματική απόδοση από το AI;
Η διοίκηση δεν αρκείται στην έγκριση του προϋπολογισμού, αλλά συμμετέχει ενεργά στην υιοθέτηση της AI κουλτούρας για τον οργανισμό αλλά και στην εκπαίδευση της. Η εκπαίδευση πρέπει να συνεχίζεται μετά τον πρώτο κύκλο και να προσαρμόζεται στον ρόλο του καθενός, καθώς άλλα χρειάζεται ένα C-level στέλεχος και άλλα μια ομάδα εκτέλεσης. Η επιτυχία παρακολουθείται με δείκτες χρόνου, ποιότητας και κόστους, όχι με τον αριθμό των αδειών που αγοράστηκαν στο εκάστοτε εργαλείο.
Ποια είναι τα πιο συχνά λάθη που κάνουν οι επιχειρήσεις όταν επενδύουν σε AI;
Το πρώτο επαναλαμβανόμενο λάθος είναι ότι διαλέγουν εργαλείο πριν ορίσουν το πρόβλημα που θέλουν να λύσουν και τις ανάγκες τους.
Το δεύτερο είναι να σταματά η εκπαίδευση στο εισαγωγικό σεμινάριο. Οι ομάδες γυρνούν στη δουλειά τους, δοκιμάζουν να εφαρμόσουν όσα άκουσαν σε πραγματικές περιπτώσεις και εκεί χρειάζονται υποστήριξη. Χωρίς αυτήν, η γνώση μένει σημειώσεις.
Το τρίτο, και το πιο καθοριστικό, είναι η απόσταση της διοίκησης από τη διαδικασία, γιατί χωρίς σαφή προτεραιότητα από πάνω κάθε ομάδα αποφασίζει μόνη της πόσο σοβαρά θα το πάρει.
Ποιος πρέπει να αναλάβει την ευθύνη για το AI σε μια επιχείρηση;
Ένα συγκεκριμένο πρόσωπο, με όνομα και θεσμοθετημένο χρόνο για τη δουλειά αυτή. Μπορεί να είναι το HR, ο Marketing Director, ο Training Developer ή ο ίδιος ο CEO. Όταν η ευθύνη μοιράζεται ανάμεσα σε τμήματα ως πρόσθετη αρμοδιότητα, το εγχείρημα προχωράει με την ταχύτητα του πιο απασχολημένου και οι άδειες μένουν αχρησιμοποίητες.
Πώς μετράει μια επιχείρηση την απόδοση της επένδυσής της σε AI;
Με έναν πρώτο στόχο αρκετά μικρό ώστε να ολοκληρωθεί σε ένα τρίμηνο και αρκετά συγκεκριμένο ώστε να απαντά στο ερώτημα «τι θα δείχνει ότι πέτυχε». Μία διαδικασία, μία ομάδα, ένα μέγεθος που μετριέται: ο χρόνος παραγωγής ενός report, ο αριθμός των αιτημάτων που απαντώνται την ίδια μέρα, το κόστος ανά creative. Κάθε τρίμηνο η διοίκηση κοιτά τα ίδια νούμερα και αποφασίζει αν το εγχείρημα επεκτείνεται, αν συνεχίζεται με διορθώσεις ή αν σταματά.