Lås upp AI-implementeringar med stor inverkan i alla företag
Företag måste skala upp AI för att förbli relevanta, men resans första steg kan kännas överväldigande. Men vissa företag valde att bli AI-pionjärer och ta sig bortom proof of concept för att uppnå mätbara resultat och bana väg för andra företag att följa.
Vi satte oss ner med tre sådana innovatörer från Team Liquid, Bosch och Bristol Myers Squibb för att höra deras berättelse och ta del av deras vägledande principer för att komma igång med AI: identifiera ett centralt affärsproblem eller en affärsmöjlighet, samarbeta med intressenter i hela din verksamhet för att definiera en precis AI-lösning som hanterar det problemet eller den möjligheten, och blicka bortom traditionella mätvärden när framgång ska mätas.
| Företag | Bransch | Företagsstorlek | Huvudkontor |
| Bosch | Högteknologi | 400 000+ | Gerlingen, Tyskland. |
| Bristol Myers Squibb | Life science och hälso- och sjukvård | 34 000+ | Princeton, New Jersey, USA |
| Team Liquid | Media, sport och underhållning | 300+ | Los Angeles, Kalifornien, USA |
Omforma
affärsprocesser med AI i centrum
Partner
med IT, affärsteam och teknikpartner
Förenkla
och standardisera företagets datamiljö
Hitta rätt funktion för att maximera effekten av AI
Det är värt att notera att var och en av våra experter inledde sina AI-resor vid whiteboarden. Genom att granska sina verksamheter för att identifiera en central framgångsfaktor fokuserade de samtalet på specifika problem eller möjligheter som skulle påskynda affärsresultaten.
Som Head of ERP Product Excellence på Bosch inledde Gamze Öztürk med en översyn av befintliga processer för att identifiera luckor och förändringsmöjligheter. ”Vi utgår alltid från de verkliga affärsproblemen, från de affärsprocessutmaningar vi eventuellt har”, säger hon. ”Med över 400 000 anställda och över 2 000 SAP-system får friktion i någon av Bosch processer långtgående effekter. Att noggrant identifiera var viktiga processer brister leder till en mer genomtänkt användning av AI- och automatiseringslösningar. Det har varit en viktig lärdom. Vi sätter alla dessa affärsprocesser i fokus innan vi går över till tekniken, eftersom det viktiga inte bara är tekniken, utan kontexten bakom den.”
Kenneth Manalang, SAP-företagsarkitekt på Bristol Myers Squibb, undersöker också möjligheter att transformera processer för att göra det möjligt för team att bättre uppfylla företagets uppdrag.
”Bristol Myers Squibb är ett globalt läkemedelsföretag som upptäcker, utvecklar och levererar läkemedel för att bevara och förlänga livskvaliteten för våra patienter”, säger han. ”Vi finns till för våra patienter, vilket innebär att vi behöver definiera och skapa AI-användningsfall som är mest värdefulla för dem, som hjälper till att påskynda och bredda vår räckvidd att tillhandahålla allt fler läkemedel till dem som behöver det mest.”
Den vägledande principen att kritiska affärsprocesser ger störst möjlighet till AI-transformation gäller alla branscher. E-sportjätten Team Liquids knivskarpa fokus på att hjälpa sina spelare att behålla konkurrenskraften och vinna matcher är en av anledningarna till att de är globalt ledande inom sitt område. Co-CEO och ägare Steve Arhancet säger: ”Vi är ett idrottslag, så vi har ett ansvar att tävla och vinna. Vi har enorma mängder data som samlas in från alla våra matcher. Vi behövde komma på ett användningsfall där vi faktiskt kunde använda dessa data, och det handlade om att förbättra konkurrenskraften för våra laguppställningar och lag.”
Samarbeta med affärsteam och teknikpartner
Efter att ha identifierat ett problem eller en möjlighet krävs synpunkter från ett funktionsövergripande team för att ringa in den ideala AI-lösningen. För Team Liquid formades till exempel det rätta verktyget för att stärka konkurrensfördelen utifrån spelarnas behov. Team Liquids ban/pick-draftverktyg använder AI för att analysera den stora mängden förstaparts- och tredjepartsdata från tidigare matcher för att föreslå optimala karaktärsval och bans inför kommande matcher.
”Det är mycket strategi kopplat till det, så vi tänkte att vi bygger något AI-drivet för att ge det optimala valet kopplat till detta”, säger Arhancet. ”[Våra coacher] vill kunna gå in i ett ChatGPT-liknande gränssnitt och ställa frågor [och] omedelbart få de svaren. Så vi började med data, strukturerade den och lade sedan till en specialbyggd Joule-agent ovanpå det så att den kunde interagera med icke-tekniska användare.”
Organisationer har bättre förutsättningar att formulera AI-affärscase som ger värde när de personer som ska använda lösningen och teknikleverantörerna har en löpande dialog. Hos Bosch genomför Öztürks team ”ofta idéworkshoppar tillsammans [med] SAP” och deras verksamhetsteam. ”Vi får feedback direkt från verksamheten och därefter tar vi gemensamt nästa steg för att förverkliga det.”
Kombinationen av användarnas procedurkunskap och leverantörernas specialiserade expertis bidrar också till att undvika slöseri med resurser och engångspiloter som inte kan skalas upp. Att upprätthålla den här typen av partnerskap är också ett centralt mål i Manalangs arbete som arkitekt på Bristol Myers Squibb.
”Bristol Myers Squibb är inte ett IT-mjukvaruföretag”, säger han. ”Vi är ett företag som tillverkar och utvecklar läkemedel. Det är här partnerskapet kommer in i bilden. Vi engagerar våra affärsanvändare och ber om hjälp från våra partner från SAP för att identifiera problemformuleringen och hur vi kan hjälpa dem att påskynda sitt arbete. Det är grunden: att förstå vad det är vi bygger så att vi inte i onödan bygger och aktiverar agenter överallt.”
Mäta det verkliga värdet av dina AI-investeringar
Mätbar effekt uppnås genom samverkan mellan tekniska team och affärsteam för att identifiera var AI gör störst nytta, och sedan genomföra dessa scenarier. Men samverkan ska inte sluta där. Det är viktigt att inkludera olika intressenter när nyckeltal definieras, eftersom typiska mätetal kanske inte fångar implementeringens immateriella värde.
”På Bosch kallar vi det ibland även ’return on intelligence’”, säger Öztürk och påpekar att klassiska sätt att använda ROI-beräkningar inte alltid är rimliga eller fångar det värde det medför i de flesta fall. ”Det är verkligen knepigt att beräkna värdet bakom AI. Så vi frågar: Är affärsprocesserna mer korrekta eller fattar vi snabbare beslut, och undersöker det indirekta värdet bakom AI-lösningen?”
Det finns bevis på detta breda värdeskapande i de AI-lösningar de har implementerat. Hos Bosch effektiviserar fysisk AI komplexa arbetsflöden för lageradministration. En pick-and-place-lösning integrerad i deras lagermiljö bidrar till att minska den manuella belastningen på fabriksgolvet. Ett heltäckande SAP-system skapar en sammanhängande loop som omfattar lagerrobotik och ERP-system. SAP Joule utlöser uppgiften, robotarna utför den och skickar retursignaler tillbaka via SAP för att sluta loopen.
Bristol Myers Squibb utökade sitt uppdragsdrivna tillvägagångssätt till administrations- och uppfyllningsscenarier för att stödja processerna som ligger till grund för deras program utan att ge avkall på den mänskliga medverkan som krävs för branschefterlevnad. En integration mellan SAP och Microsoft Teams driver fakturaattesteringar och informerar personalen om öppna fakturor. Att underlätta slutförande i tid, och i vissa fall tidiga godkännanden, har ekonomiska konsekvenser i form av potentiella rabatter eller dröjsmålsavgifter vid arbete med externa leverantörer. Samtidigt hjälper SAP Batch Release Hub for Life Sciences till att automatisera processen för batchfrisläppning och minska risken för bristande kvalitetsefterlevnad innan läkemedel släpps ut på marknaden.
Den AI-baserade dataanalysen av Team Liquids ban/pick-draftverktyg ledde till förbättringar i spelarnas prestationer i matcher och gav upphov till bredare implementeringar i hela organisationen. ”Vi började främst inom friidrott för ungefär två och ett halvt år sedan, men vi har nu börjat implementera AI i alla olika affärsvertikaler i olika takt. Vi har haft fördelen av att vi redan använder så många olika SAP-produkter, oavsett om det är Concur eller SuccessFactors, att vi lättare kan få genomslag i hela organisationen oavsett affärsvertikal.”
En ritning för AI-framgång
Även om Bosch, Bristol Myers Squibb och Team Liquid är verksamma i olika branscher och försöker lösa olika problem har de flera saker gemensamt som bidrar till framgång: De börjar vid whiteboarden för att identifiera funktioner med stor genomslagskraft där en AI-lösning ger exceptionell effekt, samarbetar med ett tvärfunktionellt team för att definiera specifika problem och möjligheter för AI att lösa, och inkluderar icke-traditionella mätvärden för att mäta framgång.