Aðferð DataLab: Þróun og innleiðing gagnadrifinna og snjallra lausna í þremur áföngum

Í dag eru flest fyrirtæki og stofnanir á einhvers konar stafrænni vegferð, sem snýr að því að nota stafræna tækni til að færa ferla, vörur og þjónustu nær kröfum nútímans.

Hið næsta, rökrétta skref, er að nýta hin miklu gagnasöfn sem stafræna tæknin framleiðir og aðferðir gagnavísinda og gervigreindar og taka stökkið á næsta stig, það er að nýta gervigreindartækni til að auka sjálfvirkni og bæta ákvarðanir í rekstrinum. En gervigreind og snjallar gagnalausnir eru framandi tækni og fá fyrirtæki hafa spreytt sig á slíkri vegferð.

Fyrirmyndir og fordæmi eru því fá – hvernig fer slík vinna fram? Hvernig er slík innleiðing framkvæmd, skref fyrir skref?

Sérfræðingar Datalab hafa öðlast mikla reynslu á undanförnum árum við að þróa og innleiða snjalllausnir í íslenskum fyrirtækjum. Þessi reynsla hefur gefið Datalab tækifæri til að slípa aðferðafræði sína til þannig að sem bestur árangur náist.

Í þessari grein verður gert nánari grein fyrir nálgun Datalab – skref fyrir skref.

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

  • Datalab hefur þróað aðferðafræði sem hentar vel til innleiðingar á snjöllum gagnalausnum í íslenskum fyrirtækjum
  • Aðferð Datalab skiptist í þrjá áfanga: 1. Skilgreiningu og afmörkun, 2. Tilraunaverkefni, og 3. Innleiðing og skölun
  • Fyrsti áfangi snýr að fræðslu til starfsmanna, viðtölum við hagsmunaaðila, stöðumati og stefnumörkun
  • Í öðrum áfanga eru skilgreind tvö tilraunaverkefni (e. Proof of Concept) og frumútgáfur lausna prófaðar og innleiddar í starfseminni
  • Þegar komið er í þriðja áfanga hefur mikill lærdómur safnast og tímabært að taka mikilvægar ákvarðanir um framtíðarfyrirkomulag við hagnýtingu tækninnar í starfseminni. Þróun lausna heldur áfram og eru innleiddar og hagnýttar þvert yfir til að leysa fjölbreytt verkefni í rekstrinum

Er fyrirtæki þitt tilbúið fyrir gervigreindarbyltinguna? Hjá DataLab starfa sérfræðingar á sviði hagnýtingar gagna í snjöllum lausnum sem m.a. aðstoða við stefnumótun, fræðslu og leiðsögn vegna hagnýtingar slíkra lausna. Hafðu samband og fáðu stutta kynningu á möguleikum gagnadrifinna og snjallra lausna þér að kostnaðarlausu.

Aðferðarfræði Datalab má setja fram sem vegferð í þremur áföngum. Fyrsti áfanginn felst í skilgreiningu og afmörkun verkefnis ásamt vali á tilraunaverkefnum; í öðrum áfanga eru 2 tilraunaverkefni keyrð af stað og í síðasta áfanga eru snjalllausnir innleiddar og skalaðar heilt yfir rekstur fyrirtækisins og framtíðarfyrirkomulag útfært. Til grundvallar á vegferðinni eru þrjú leiðarljós; tæknileg geta, almennur skilningur og stefna sem styður.

1. ÁFANGI: SKILGREINING OG AFMÖRKUN

Fyrsta skrefið á vegferðinni er að hefja markvisst samtal um hvernig gagnadrifnar og snjallar lausnir geti komið að gagni í starfseminni. 

Aðferðin felst í ítarlegu stöðumati og úttekt á umhverfi, markaði og skipuheildinni sjálfri. 

Markmið er að komast að kjarna málsins; að sérfræðingar Datalab öðlist djúpan skilning á aðstæðum og markmiðum og hvaða þættir skipta mestu máli – og á hinn bóginn, að fulltrúar viðskiptavinarins öðlist góðan skilning á möguleikum gervigreindar og við hverju megi búast á vegferðinni framundan.

Kjarni málsins er settur fram í stefnu og aðgerðaráætlun um hagnýtingu gagnalausna.

Framvindan er í fjórum skrefum sem hér segir:

A. Fræðsla

Fyrsti áfanginn hefst á fræðslufyrirlestri um gagnadrifnar lausnir og gervigreind fyrir þátttakendur í verkefninu og aðra sem boðið er til fræðslunnar. 

Fjallað er almennt um hvernig megi hagnýta gögn með gervigreindina að vopni, hvaða möguleikar eru fyrir hendi og dæmi tekin úr íslenskum sem erlendum veruleika. 

Þá er verkefnið framundan kynnt rækilega, næstu áfangar og við hverju megi búast.

Tilgangurinn er að tryggja að allir þátttakendur hafi góðan skilning á viðfangsefninu, draga hugmyndir þeirra og sjónarmið fram og að veita þeim tækifæri til að hafa áhrif á næstu skref. 

Lögð er áhersla á að tengja efnistök við innra og ytra umhverfi fyrirtækisins og íslenskan veruleika. Fyrirlesturinn höfðar til fólks með fjölbreyttan bakgrunn og reynslu svo hægt sé að sækja hugmyndir og tillögur sem víðast.

B. Samtöl

Næsta skref er að taka viðtöl við 1-2 starfsmenn á hverju sviði. Miðað er við að heildarfjöldi viðmælenda sé um 10 manns með fjölbreyttan bakgrunn. 

Meðal umfjöllunarefna í viðtölunum má nefna:

  1. Þróun umhverfis og markaðar, áherslur og lykilverkefni.   
  2. Gögn, tæknileg geta og þekking. Tæknilegir innviðir.
  3. Hvað læra megi af fyrri innleiðingum tækninýjunga og einnig rætt um þætti í menningu og hugarfari starfsmanna sem ýmist styðja við eða hamla slíku ferli.   
  4. Hagnýting gagnadrifinna lausna í starfseminni – í fortíð og framtíð.
  5. Möguleg áhrif innleiðingar snjalltækni á fólk og ferla, vöru- og þjónustuframboð, skipulag og innviði.  
  6. Lagaleg og siðferðileg álitamál.  
  7. Önnur viðfangsefni sem óskað er eftir umræðu um.

C. Stöðumat og kortlagning

Ítarlegt stöðumat og vönduð greiningarvinna er forsenda markvissrar stefnu og aðgerðaáætlunar

Þegar viðtöl hafa farið fram er unnið úr þeim og niðurstöður teknar saman þar sem dreginn er fram kjarninn sem í þeim birtist. Niðurstöðurnar, auk annarra mikilvægra upplýsinga, eru nýttar til að leggja fram stöðumat, og greina helstu tækifæri og áskoranir.

Út frá þessari vinnu eru svo úrbótaverkefni kortlögð í samstarfi við stýrihóp viðskiptavinar og mat lagt á mögulegan ávinning og kostnað. Að lokum eru 2 þróunarverkefni (Proof of Concept) valin og útfærð.

Að þessum hluta loknum hefur mótast skýr mynd af þeim tækifærum og áskorunum sem framundan eru, og fyrstu úrbótaverkefnin hafa verið valin og skilgreind.

D. Stefna og aðgerðaáætlun

Áfram er unnið með niðurstöður úr fyrri verklotum og þær tengdar við strauma og stefnur á sviði gagnavísinda og gervigreindar.  Nú er orðið tímabært að setja niður stefnu um hagnýtingu gagna og gervigreindar, sem er gert í nánu samráði við stýrihóp.  

Stefnan varðar veginn áfram og er leiðarljós við val á næstu snjallverkefnum og öðrum umbótaverkefnum sem þarf að ráðast í samhliða.

Stefna og aðgerðaáætlun til næstu 1-2 ára er að lokum kynnt fyrir stjórnendum og öðrum sem málið varðar. Þau verða veginn áfram.

Ávinningur og afurðir 1. áfanga

Helsti ávinningur þessa fyrsta áfanga er vandaður undirbúningur fyrir næstu skref á vegferðinni, sem styðjast við markmið og áherslur fyrirtækisins.  Án vandaðrar grunnvinnu er hætt við að verkefnin nái ekki árangri, enda margt sem getur farið úrskeiðis á vegferðinni.

2. ÁFANGI: TVÖ TILRAUNAVERKEFNI

Í öðrum áfanga fer vinna við fyrstu verkefnin af stað. Tvö vel valin tilraunaverkefni eru keyrð í gegn, og sérfræðingar Datalab þróa og innleiða frumútgáfur lausna á 12 vikum (sjá mynd fyrir neðan).

Gagnalausnir eru þróaðar í svokölluðum sprettum sem taka um 12 vikur

Á þessu stigi er grunnur lagður að tæknilegum innviðum og dýrmætri reynslu safnað sem mun nýtast í næsta áfanga. Hér skapast einnig góðar forsendur til að kynnast tækninni vel og sýna fram á mögulegan ávinning af hagnýtingu hennar.

Framvindu tilraunverkefnanna með lýsa í sjö skrefum:

  1. Gagnasöfnun
  2. Gagnastreymi
  3. Gagnaundirbúningur
  4. Útreikningar
  5. Prófanir, bestun og ákvarðanir
  6. Lærdómur
  7. Árangursmat

Ávinningur og afurðir

Mikill lærdómur hefur safnast eftir þennan áfanga og er það helsta niðurstaða og ávinningur hans. Hann nýtist vel í næsta áfanga og er reyndar forsenda þess að framhaldið verði farsælt.

Afurðirnar sem áfanginn skilar eru frumgerðir tveggja (að öllu jöfnu) gagnadrifinna og snjallra lausna. Nú hefur skipuheildin fengið smjörþefinn af því hvernig snjallar gagnalausnir eru innleiddar, hvaða hindranir kunna að vera í veginum og hvaða möguleikar fleiri eru fyrir hendi til nýtingar tækninnar.

3. ÁFANGI: INNLEIÐING OG SKÖLUN

Í þriðja áfanga er svo komið að innleiðingu lausnanna og skölun þeirra. Þá eru teknar ákvarðanir um framtíðarfyrirkomulag snjallverkefna.

Lagt er mat á reynslu undanfarinna mánaða sem verður grundvöllur áframhaldandi aðgerða. Unnið er samkvæmt stefnu og aðgerðáætlun en hún uppfærð með hliðsjón af þeim lærdómi sem hefur safnast og árangri úrbótaverkefna.

Tilraunafasinn er að baki og fókusinn færist yfir á raunverulega hagnýtingu lausnanna í rekstrinum og frekari þróun þeirra.

Á þessu stigi einnig tímabært að huga að framtíðarfyrirkomulagi snjallvæðingar og veita sérfræðingar DataLab leiðsögn þar um.

Ávinningur og afurðir

Í þessum áfanga hafa gagnadrifnar snjalllausnir, sem styðja við stefnu fyrirtækisins, verið innleiddar og hagnýttar í starfseminni.

Fyrirkomulag þróunar og reksturs gagnalausna er nú í föstum farvegi og fyrirtækið hagnýtir lausnir sem bæta upplifun viðskiptavina, auka sölu, sjálfvirknivæða ferla eða draga úr áhættu, óvissu og sóun.

Stöðug framvinda yfir tímabil sem spannar nokkra mánuði og byggir á vönduðum undirbúningi.

SAMANTEKT

Sérfræðingar Datalab hafa öðlast mikla og dýrmæta reynslu í innleiðingu snjallra gagnalausna í íslenskum fyrirtækjum og stofnunum. Reynsluna hefur Datalab nýtt til að þróa og slípa verklag í þremur áföngum sem að ofan er lýst. Ýmislegt getur farið úrskeiðis þegar innleidd er ný tækni sem hefur áhrif á vinnuferla og menningu, og því mikilvægt að vanda til allrar grunnvinnu, og byggja næstu skref ávallt á þeim lærdómi sem hefur skapast í fyrri skrefum.

LESTU MEIRA:

Innleiðing snjallra gagnalausna: 4 öngstræti og 4 leiðir út úr þeim

Hefjumst handa við snjallvæðinguna!

5 þroskastig snjallvæðingar – hvar er þitt fyrirtæki statt?

Stefna um gervigreind: 7 lykilþættir við innleiðingu gagnadrifinna snjalllausna

Er hægt að meta arðsemi fjárfestingar (e. ROI) í gervigreind?

Það er eðlilegt að gera kröfur um sannanlegan ávinning, fjárhagslegan eða annars konar, þegar fjárfest er í nýrri tækni, tækjum og þekkingu. Þegar hefðbundnar hugbúnaðarlausnir eru annars vegar er þetta oft fremur einfalt reikningsdæmi. Útreikningur á arðsemi fjárfestinga í gervigreindar- og gagnalausnum er yfirleitt töluvert snúnari. 

Samkvæmt könnun MIT og Boston Consulting Group frá 2020 sögðust aðeins 10% fyrirtækja hafa uppskorið umtalsverðan fjárhagslegan ávinning af snjallverkefnum sínum. Önnur könnun leiddi í ljós að 79% fyrirtækja sem sjá enga arðsemi eða jafnvel tap af sínum verkefnum eru ekki með kerfi eða ferla til að mæla árangur af slíkum verkefnum.

Spurningin vaknar því: Er vandinn fólginn í flókinni tækni í þróun eða kunnáttuleysi við að skilgreina mælikvarða?

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

  • Erfitt getur verið að mæla arðsemi fjárfestinga í gervigreind
  • Þau fyrirtæki sem náð hafa mestum árangri í gervigreind standa sig einnig best við að skilgreina mælikvarða
  • Helstu vandkvæði við skilgreiningu mælikvarða snúa að rekjanleika afraksturs, fáum fyrirmyndum og ólíkum áskorunum fyrirtækja, sem ekki eru samanburðarhæfar
  • Leiðir til að tækla mælingar á ávinningi felast meðal annars að því að skilgreina vel hina viðskiptalegu áskorun, líta til óbeins ávinnings og skilgreina strax í upphafi viðeigandi mælikvarða

Er fyrirtæki þitt tilbúið fyrir gervigreindarbyltinguna? Hjá DataLab starfa sérfræðingar á sviði hagnýtingar gagna í snjöllum lausnum sem m.a. aðstoða við stefnumótun, fræðslu og leiðsögn vegna hagnýtingar slíkra lausna. Hafðu samband og fáðu stutta kynningu á möguleikum gagnadrifinna og snjallra lausna þér að kostnaðarlausu.

Mynd: Yuliia Chyzhevska í gegnum Canva Pro

HVAÐ ER ARÐSEMI FJÁRFESTINGAR?

Í sínu einfaldasta formi er arðsemi fjárfestingar (e. return on investment, ROI) hlutfall þar sem ágóði er veginn á móti upphaflegri fjárfestingu [ágóði/fjárfesting].

Yfirleitt fellur kostnaður til við upphaf verkefnis en arðsemin eða afraksturinn kemur fram í ótilgreindri framtíð. Í öllu falli er mun meiri óvissa um hvenær ágóði fellur til en kostnaðurinn. Hugsunin er því einföld, en útfærslan er það ekki alltaf.

Beina arðsemi (e. „hard“ ROI) má rekja til þessara helstu þátta:

Meiri framleiðni: Snjalllausnir geta bætt og flýtt ákvarðanatöku sem eykur framleiðni starfsmanna. Þessi framleiðniaukning getur ýmist orðið til vegna meiri skilvirkni (verkum lýkur hraðar) eða með betri ákvörðunum.

Sparnaður: Tímasparnaður og meiri framleiðni getur í sumum tilfellum þýtt að færra fólk þarf til að vinna verk af sama magni, sem felur í sér sparnað. 

Þetta er þó alls ekki gefið: Ef tími sem tekur að vinna tiltekið verk er styttur um 20% á starfsmaður oft auðvelt með að finna önnur verkefni til að fylla upp í gatið – ef sparnaðurinn er 80% eða meira er hins vegar auðveldara að ráðast í hagræðingaraðgerðir.

Tekjuaukning: Snjallar lausnir eins og meðmælakerfi geta sannarlega aukið tekjur, eins og Domino’s á Íslandi, viðskiptavinur Datalab, hefur sannarlega sýnt.

Útreikningur á arðsemi gervigreindarlausna getur verið höfuðverkur

NOKKUR VANDKVÆÐI VIÐ ÚTREIKNING Á ARÐSEMI

Sem fyrr segir reynist mörgum fyrirtækjum erfitt að sýna fram á hreina arðsemi af fjárfestingum sínum í snjöllum gagnlalausnum. 

Það er ekki til að einfalda myndina að þegar fyrirtæki raunverulega uppskera af snjallverkefnum sínum eru þau hikandi við að opinbera sínar tölur, sérstaklega ef verkefnin gætu skilað forskoti á markaði.

Hér eru fleiri vandkvæði við arðsemisútreikninga:

Óvissa og erfiður samanburður

Það er ekki til nein ein algild regla til að reikna út arðsemi fjárfestingar gervigreindar. Oft er  verið að leysa vandamál sem ekki hafa verið leyst áður, þannig að enginn samanburður er fyrir hendi.Mörg fyrirtæki eru með slíka útreikninga í stöðugri þróun. 

Annars staðar er slíkum útreikningum ýtt til hliðar eða beinlínis sleppt vegna óvissunnar. Stundum liggur ekki fyrir hverju verkefnið skilar verður og hvernig eða hvort það muni hafa áhrif á tekjur eða kostnað.

Þá getur verið snúið að greina nákvæmlega hvað má rekja til hvers. Þetta á sérstaklega við um stærri mælikvarða eins og hagnað fyrirtækisins eða heildarkostnað.  

En auðvitað er þetta ekkert sérvandamál í gervigreindartækni: Disney+ opnaði í nóvember 2019 og safnaði fljótt 95 milljónum áskrifenda – var það vegna snjallrar markaðssetningar eða eitthvað sem Covid-19 færði fyrirtækinu upp í fangið? Markaðsfólk á einmitt mjög oft erfitt með að sýna fram á arðsemi sinna aðgerða, ekki síst dýrra vörumerkjaherferða.

Ekki er allur ávinningur mælanlegur

Gervigreind getur bætt ákvarðantöku, þannig að færri mistök séu gerð, straumlínulagað ferla og laðað að hæft starfsfólk. Þetta eru eru allt dæmi um ávinning sem er mikils virði en oft erfitt að reikna til tekna eða minni kostnaðar. 

Snjallverkefni geta líka leitt af sér fleiri snjöll umbótaverkefni eða nýjar vörur, sem engum hafði hugkvæmst áður.

Nánar um þetta neðar.

Ávinningur snjallvæðingar er til langs tíma

Til að ná til baka kostnaði við gagnaundirbúning, innleiðingu nýrra tæknilausna og þjálfun starfsmanna, og byrja að uppskera mælanlegan ávinning þarf skipuheildin að ná ákveðnum snjallþroska.

Það tekur tíma að stilla saman fólk, ferla og nýja tækni. Að sama skapi þarf að gefa snjöllum lausnum tíma til að sanna sig. Mikilvægast er að byrja rétt; finna hentug verkefni sem styðja við stefnu skipuheildarinnar, finna eða framleiða gögn sem nauðsynleg eru og gera þau tæk til úrvinnslu. 

Svo þarf að þróa og fínstilla reikniritin og bíða eftir að þau læri á gögnin og geri sér mat úr þeim. Þetta tekur allt tíma. Upphafsfjárfestingin getur verið töluverð en hún þarf tíma og skölun til að skila ágóða. 

Það getur tekið 1,5 – 2 ár fyrir meðalstórt fyrirtæki að ná núllpunkti fyrir fjárfestingar sínar, áður en arðsemi fer að mælast.

Engin algild aðferð er til sem mælir arðsemi gervigreindarverkefna

Snjallvæðing felur í sér almennt umbótastarf

Það er erfitt að rekja stórar sveiflur í rekstrinum eins og meiri hagnað eða minni rekstrarkostnað beint til gagnalausna, sem fyrr segir. Til að fyrirtæki nái árangri með sinni snjallvæðingu þurfa þau að taka ýmsa ferla og samskiptaþætti í gegn. 

Snjallverkefni krefjast oft samvinnu þvert á deildir. Þau hafa gjarnan í för með sér öflugt gæðastarf og nákvæmari vinnubrögð, sannkallaða gagnamenningu. Slíkar umbreytingar geta bætt reksturinn í sjálfu sér með hagræðingu, nákvæmari ferlum og betri menningu – og skilað hagnaði, sem verður ekki rakið til gervigreindar einnar saman.

NOKKRAR LEIÐIR TIL AÐ META ÁVINNING OG ARÐSEMI GAGNALAUSNA

Skilgreina vel hina viðskiptalegu áskorun

Ein leið til að tryggja að snjallverkefnið hafi mælanleg viðmið um árangur er að velja viðfangsefni eða vandamál þar sem í gangi er lausn sem nýtir ekki gervigreind og þegar er verið að mæla og rekja árangur hennar.

Það þarf að líta á þessar lausnir eins og hvaða tækni sem er: Það þarf að vera skýr tilgangur og markmið með innleiðingunni. Þá fyrst er hægt að setja niður mælikvarða til að fylgjast með árangri.

Gagnlegt er að svara spurningum eins og:

  • Hvaða vandamál eða áskorun í rekstrinum á verkefnið að leysa? 
  • Er hið viðskiptalega markmið skýrt? 
  • Snýr áskorunin að vexti, eða skilvirkni eða betri upplifun eða þjónustu?

Óbein arðsemi gagnalausna skiptir máli

Það er mikilvægt að hafa í huga að þótt að snjallverkefni geti sparað tíma og peninga krefjast þau oft töluverðrar fjárfestingar. Það er því ekki gefið að það leiði endilega til sparnaðar. 

Líklegra er að árangurinn mælist til dæmis fremur í bættri þjónustu, nýju vöruframboði eða aðgreiningu á markaði. Þetta þarf að vega og meta saman.

Óbein arðsemi (e. „soft„ ROI) lítur til þátta sem ekki er hægt að meta til fjár með beinum hætti, en skapar virði fyrir fyrirtækið engu að síður.

Þetta eru þættir eins og

  • Færri mistök, meiri ánægja starfsmanna og minni starfsmannavelta, 
  • Betra aðgengi að upplýsingum og samvinna þvert yfir deildir
  • Minni hætta á brotum á lögum og vanhlítni við staðla (e. non-compliance), t.d. GDPR. Slík hætta við meðferð gagna getur skapast ef ekki er fjárfest í öruggu gagnaumhverfi
  • Áhætta gagnvart því að vera skilinn eftir á markaði (e. opportunity cost). Þeir sem ekki taka þátt í gervigreindinni verða skildir eftir. Það er líka hætta á atgervisflótta metnaðarfulls fólks sem vill starfa hjá fyrirtækjum í fremstu röð.
  • Betri þjónustuupplifun og hollusta viðskiptavina
Hugvitsemi er mikilvæg þegar nýir mælikvarðar eru skilgreindir

Skilgreina mælikvarða strax í upphafi

Vænlegt til árangurs er að skilgreina strax í upphafi, áður en ráðist er í verkefnið, hvaða mælikvarðar verða notaðir til að meta árangur.  Skilgreinið markmið og takið gögn um grunnstöðu áður en hafist er handa. Takið svo stöðuna reglulega. 

Ef góðar mælingar og gögn eru fyrir hendi er oft hægt að meta þær til fjárhagslegs ávinnings, þótt síðar verði.

Það er skynsamlegt fyrir stærri fyrirtæki að gera einn aðila ábyrgan fyrir árangursmælikvörðum. Sá hinn sami heldur þá utan um allar mælingar og kynnir fyrir framkvæmdastjórn reglulega.

Þetta tryggir að önnur svið sjái mælanlegan árangur og áhugi á tækninni kvikni víðar í fyrirtækinu.

Skilja hvar núll-punktur verkefnis liggur

Núll-punktur verkefnis liggur þar sem afrakstur þess jafngildir fjárfestingunni.  Þegar fyrir liggur hversu mikið fyrirtækið vonast til að spara með verkefninu er fyrst hægt að ákveða hversu miklu má verja í verkefnið.

Með því að láta sparnað í rekstri stjórna upphaflegri fjárfestingu er hægt að byrja að áætla hvenær núll-punktinum er náð.

AÐ LOKUM

Það er ýmsum vandkvæðum bundið að leggja mat á arðsemi fjárfestinga í gervigreind og snjöllum gagnalausnum. Til þess eru ýmsar ástæður, meðal annars að tæknin er enn í þróun og erfitt getur verið að rekja árangur beint til snjallvæðingar fremur en almenns gæðastarfs sem fylgir slíkum verkefnum.

Eitt er ljóst: Enda þótt erfitt sé að sýna fram á eða mæla arðsemi af snjöllum gagnalausnum er það ekki góð ástæða til að fjárfesta ekki í þeim. Það felst þvert á móti mikil áhætta í því að standa á hliðarlínunni og taka ekki þátt í byltingunni sem fram undan er.

LESTU MEIRA UM ARÐSEMI SNJALLVÆÐINGAR:

Measuring ROI for AI Efforts

4 Ways That You Can Prove ROI From AI

How to measure the ROI of AI

Defining and measuring return on investment for AI

You’ve Invested In AI, But Are You Getting ROI From It?