Ako ang namumuno sa IBM Consulting. Narito ang mga kailangang gawin ng mga organisasyong pinapagana ng AI upang muling hubugin ang trabaho at itulak ang paglago.

Ang Transformative na Epekto ng AI sa Iba't Ibang Industriya

Ang mga negosyo sa bawat sektor ay naglalaan ng mga mapagkukunan sa artificial intelligence, na layuning baguhin ang kanilang operasyon at itulak ang paglago sa hinaharap. Bagaman halos 80% ng mga lider ng negosyo ay inaasahan na ang AI ay magkakaroon ng malaking papel sa pagbuo ng kita pagsapit ng 2030, isang-kapat lamang ang may malinaw na pananaw kung saan magmumula ang mga benepisyong ito.

Hindi ito dahil sa kakulangan ng kaalaman—ito ay dahil sa kakulangan ng tamang pundasyong estruktura.

Ang mga organisasyong nakikinabang na sa AI ay hindi umaasa sa maliliit na eksperimento. Sa halip, maingat nilang dinisenyo ang kanilang mga workflow, pinagsasama ang ekspertis ng tao at digital na kakayahan, at estratehikong muling ipinupuhunan ang mga pagbuti sa produktibidad upang makamit ang pinakamalaking halaga.

Ipinapakita ng aming karanasan sa pakikipagtulungan sa mga nangungunang kumpanya sa iba't ibang industriya ang lumalawak na agwat.

Ang ilang negosyo ay basta na lang nagdadagdag ng AI sa mga luma nang proseso, kaya't bahagya lamang ang pagbuti ng kanilang kahusayan. Sa kabilang banda, ang iba ay lubos na muling iniisip kung paano nililikha ang halaga, na nagtatalaga ng mga landas ng paglago na mahirap tularan ng mga kakumpitensya. Pagsapit ng 2030, hindi na ito pansamantalang kalamangan—ito na ang magpapasya kung aling mga kumpanya ang magtatagumpay. Ang pagkakaiba ay nasa tatlong mahahalagang desisyong arkitektural na naghihiwalay sa mga organisasyong pinapagana ng AI.

Muling Imbentuhin ang Trabaho, Huwag Lang Pahusayin Ito

Maraming inisyatibo sa AI ang nabibigo dahil ina-automate lang nila ang mga depektibong proseso, kaya mas mabilis lang ang di-episyenteng gawain nang walang tunay na pagbabago.

Iba ang diskarte ng mga AI-first na organisasyon: Itinatanong nila, “Kung maaari nating idisenyo ang trabahong ito mula sa simula, nang walang limitasyon ng mga lumang sistema, anong mga resulta ang ating hahabulin? Anong timpla ng insight ng tao at kakayahan ng AI ang pinakamainam upang makamit ang mga resultang iyon?”

Kunin bilang halimbawa ang Nestlé. Ang sentenaryong pandaigdigang kumpanyang ito ay hindi basta nagdadagdag ng mga AI feature sa kasalukuyang mga platform. Sa halip, bumubuo sila ng AI-centric na arkitektura na nagbibigay ng malalim na pag-unawa sa kanilang mga produkto, supply chain, at ugnayan sa mga customer—malayo sa kaya ng mga generic na AI model. Ang layunin nila ay hindi lang paunti-unting pag-unlad, kundi ang kakayahang maghatid ng mas magagandang produkto nang mas mabilis at lumikha ng mga naka-angkop na karanasan para sa parehong empleyado at konsyumer.

Sa kabilang dulo, ang Riyadh Air ay isang startup na hindi nabibigatan ng mga lumang sistema. Simula pa lang, ang airline ay bumubuo ng AI-native na imprastruktura na walang patid na nag-uugnay sa operasyon, staff, at mga customer sa isang pinag-isang intelligent network.

Ipinapakita ng parehong kumpanya na ang digital backbone ay higit pa sa teknolohiya—isa ito sa mga sinadyang balangkas na nagpapahintulot sa tao at AI na magtulungan, na nagpapalakas ng kakayahang umangkop habang tumatagal.

Bumuo ng Natatanging Intelligence, Hindi Lang Access sa Model

Pagsapit ng 2030, magiging malawak na ang advanced na mga AI model. Ang tunay na mangunguna ay ang mga nakabuo ng custom na AI na angkop sa kanilang kakaibang pangangailangan sa negosyo—isang bagay na hindi kayang tumbasan ng mga off-the-shelf na solusyon.

Isang halimbawa nito ang L’Oréal. Sa halip na gamitin lang ang AI upang pabilisin ang research and development, sila ay lumilikha ng proprietary na pundasyon ng AI na sinanay sa kanilang eksklusibong formulation data, mga agham na pag-aaral, at mga layunin sa sustainability. Ang mga espesyal na modelong ito ay nagpapalakas sa kanilang mga siyentipiko ng mga kakayahang hindi magaya ng mga kakumpitensya, at nagbubukas ng mga inobasyon na dati ay imposible.

Ipinakikita ng aming pinakahuling pananaliksik na higit sa kalahati ng mga executive ang naniniwalang ang kanilang competitive advantage ay magmumula sa kasophistikaduhan ng kanilang mga AI model. Ang kalamangan na ito ay nakabase sa proprietary data, mga custom na solusyon sa partikular na hamon, at tuluy-tuloy na learning cycles. Ang matagumpay na mga organisasyon ay magpapanatili ng sari-saring AI portfolio—ilan ay proprietary, ilan ay licensed—na lahat ay integrated sa flexible na arkitektura na sumusunod sa bilis ng pagbabago ng merkado.

Ang pinakamatagumpay na mga kumpanya ay hindi lang may pinakamalalaking dataset. Sila ang makakayang gawing actionable, AI-powered na mga desisyon ang data sa malakihang antas—na lilikha ng intelligence na hindi basta mabibili o magagaya ng mga kakumpitensya.

Lumikha ng Mga Engine ng Paglago, Hindi Lang Pagbuti ng Kahusayan

Maraming AI strategy ang nabibigo dahil itinuturing nila ang pagtaas ng produktibidad bilang pangunahing layunin.

Inaasahan ng mga lider na mapapataas ng AI ang produktibidad ng 42% pagsapit ng 2030. Gayunpaman, kung ang mga benepisyong ito ay gagamitin lang upang bawasan ang gastos, mawawala ang tunay na potensyal ng AI. Ang mga AI-first na kumpanya ay tinitingnan ang produktibidad bilang isang mapagkukunan na muling ipinupuhunan sa pagbuo ng mga bagong produkto, serbisyo, at merkado.

Ganito ang siklo: Ang kahusayang dulot ng AI ay naglalaya ng mga mapagkukunan at talento, na ginagamit naman upang mag-innovate sa mga bagong larangan. Ang mga bagong venture na ito ay lumilikha ng panibagong data, na siyang nagsasanay ng mas mahusay na AI, na lalong nagpapaigting ng kahusayan. Lumilikha ito ng self-reinforcing loop na nagpapabilis ng paglago.

Halimbawa, ang mga siyentipiko ng L’Oréal ay hindi lang mas mabilis na makakabuo ng mga formulation—ang dagdag na bilis ay magpapahintulot sa kanila na sumubok ng mga sustainable na sangkap na dati ay masyadong magastos. Ang Nestlé ay ginagamit ang mga pagpapabuti sa supply chain upang bumuo ng direktang ugnayan sa mga konsyumer, binabago kung paano nakikisalamuha ang tao sa kanilang mga produkto. Ang Riyadh Air ay nagtatayo ng bagong airline na malaya sa mga dekada ng mga limitasyon ng lumang sistema, na nagtatalaga ng bagong pamantayan para sa industriya.

Ang ganitong pamamaraan ay nagdudulot ng eksponensyal na paglayo. Habang ang ilan ay nakatuon sa maliliit na pagbuti, ang mga lider ng industriya ay mabilis na lumalawak sa mga bagong merkado at bumubuo ng mga kakayahan na dumarami habang tumatagal. Pagsapit ng 2030, hindi lang produktibidad ang kaibahan—kundi pati ang mga bago at kakaibang modelo ng negosyo.

Mahalagang mga Tanong para sa Tagumpay sa Hinaharap

Ang susunod na alon ng paglago ay hindi mangyayari nang basta-basta—ito ay resulta ng sinadyang disenyo. Kailangang harapin ng mga lider ang tatlong mahihirap na katanungan:

• Kung muling bubuuin natin ang ating operasyon na may AI sa sentro, anong mga aktibidad ang tuluyan nating aalisin? Hindi lang kung ano ang mapapabilis, kundi kung ano ang maaaring ganap na mawala? Maraming organisasyon ang natutuklasan na 30-40% ng kanilang mga proseso ay umiiral lang upang tugunan ang mga limitasyon na kaya nang solusyunan ng AI. Ang pag-aalis ng mga ito ay nangangailangan ng tapang na hindi kayang ibigay ng simpleng optimisasyon.
• Anong natatanging intelligence ang maaari nating mabuo na hindi magagaya ng mga karibal? Sa halip na umasa sa licensed na AI, anong mga proprietary na solusyon—na nakaugat sa natatanging ekspertis ng inyong organisasyon—ang maaari ninyong buuin na aabutin ng taon bago matapatan ng mga kakumpitensya?
• Nagpapababa lang ba tayo ng gastos, o ginagamit ba natin ang mga benepisyong iyon upang paandarin ang mga siklo ng paglago? Limitado ang cost reductions, ngunit ang growth loops ay maaaring lumaki nang eksponensyal. Aling landas ang sinusundan ng inyong estratehiya?

Pagsapit ng 2030, ang mga organisasyong makakasagot nang may kumpiyansa sa mga tanong na ito ay hindi lang magiging mas mahusay—sila ay gagana sa mga merkadong hindi pa natutuklasan ng iba, na may mga kakayahan at modelo ng negosyo na hindi matutumbasan ng mga kakumpitensya.

Ang pinakamalaking panganib ay hindi ang masyadong mabilis na paggalaw gamit ang AI, kundi ang masyadong mabagal habang ang iba ay muling binubuo ang mga patakaran ng laro.