套用以層級為基礎的架構

已完成

為了將計劃分類為層級,我們會先將公司計劃對應至優先順序方格。 然後,我們便能根據計劃落入方格的位置,將投資按優先順序放置在層級

將計劃對應至優先順序方格

從分爲四個區域的矩陣開始,以策略性影響為一個軸,商務模型影響為另外一個軸,來組織規劃的計劃。

矩陣的水平軸代表「策略性」計劃的一系列「戰術」。 「戰術」計劃僅限於單一小組或使用案例。 「策略性」計劃代表可能影響整個組織的較大型投資。 矩陣的垂直軸代表一系列商務模型。 現有的商務模型計劃會解決競爭性和破壞性威脅、改善作業,或提升員工能力。 新的商務模型計劃會建立新的價值主張和收入來源。

當您對應計劃時,與財務長 (CFO) 辦公室和其他專案關係人合作會有所助益,以確保您對商機評估做出正確的假設。

讓我們嘗試使用先前的製造範例填入優先順序方格。 您可以將品質控制自動化放在左下區域。 這是在不需要變更系統的情況下,數位化和最佳化現有商務模型的計畫。

落在中間那條線下方的情境只能協助組織勉強存活,而無法蓬勃發展。 這些情境可能會解決競爭性和顛覆性的威脅、改善作業,或強化組織中的員工。 中間這條線上方的情境可協助公司建立新價值主張、收益流或商務模型。

完成在方格上分類計劃之後,您就可以將四個區域對應至層級。 計劃符合的區域會決定它所屬的層級。 區域一和四中的計劃屬於層級 2。 區域三中的計劃屬於層級 1。 區域二中的計劃屬於層級 3。

顯示已填入優先順序方格的圖表。

根據層級排列投資的優先順序

我們建議可以分階段來排定計劃的優先順序:從優先順序架構象限左下方的基礎計劃開始,逐漸移往象限右上方的轉型計劃。

將計劃對應到其層級之後,您可以依序處理這些計劃:先處理層級 1 計劃,然後是層級 2 計劃,最後是層級 3 計劃。

我們建議採用這種方法,因為在您繼續進行更複雜的專案前,提升功能並獲得贊同會很有幫助。 請先從打造技術小組著手,以妥善準備資料,並讓小組熟悉 AI 模型。 從基礎計畫開始,也有助於在企業內部建立信任感,並可處理與 AI 方案相關的期待。 您可以在早期計畫中展現成功與價值,為日後更多轉型專案做好準備。

從優先順序架構象限左下方開始的另一個原因是,用來支援 H1 計劃的技術,通常比先進的使用案例更容易取得。 可運用在常見使用案例中的現成 AI 模型不計其數。 這些應用程式的成本較低,而且對企業的影響較容易評估。 當您使用這些方便使用的模型建立成熟度時,可以試驗更複雜的 AI 計畫,並讓您的目標更加完善。

圖表顯示優先順序架構。其會從累加式移至理想的 AI 計劃。

層級 2 和層級 3 計畫需要更複雜的資料科學功能,這可能會導致非意圖或非預期的結果。 這些計畫通常需要企業與合作夥伴合作,以建立非現成的自訂模型。 這些解決方案需要最多的資源、時間和風險,但會提供最大的報酬。 為了維持持續的競爭優勢,就需要無法輕鬆複製的解決方案。

為您的 AI 投資定義清楚的價值動因和 KPI

選擇 AI 方案之後,務必為每個專案找出價值動因和關鍵效能指標 (KPI)。 架構可提供思考任何投資 (包括 AI 計劃) 的實用方法。

ReplTest1 範例類別 [定義] AI 範例
金融動因 銷售 產品或服務所得的收益。 運用目標式行銷來改善分類潛在客戶的精確度。
金融動因 成本管理 規劃和控制企業預算的流程。 除了員工的時間和心力之外,AI 模型的成本還包含雲端運算,並且會隨著模型的工作負載而有所不同。 改善用於排程設備維護以改善永續性的預測模型。
金融動因 資本生產力 衡量實體資本用於提供貨物和服務的方式。 透過深入解析作業來提升員工生產力和資源配置。
品質衡量 品質 產品或服務符合客戶或商務期望的程度。 透過自動化的檢查流程來改善產品品質。
品質衡量 週期時間 完成流程所花費的時間。 使用影像辨識來加速產品檢查。
品質衡量 滿意度 (客戶和/或員工) 客戶對於公司產品或服務的滿意度 (進而影響市場佔有率、競爭差異化等等)。 透過個人化的折扣和產品搭售方案,改善客戶的參與度。

當您投資計畫時,重要的是開發市場和財務模型,以協助平衡潛在的風險與報酬。 考量各項因素,例如整體潛在市場 (TAM)、淨現值 (NPV) 和內部報酬率 (IRR)。 與 CFO 辦公室和其他重要的專案關係人合作,確定財務模型在商業情境中是否合理。 這些計量可協助保護其購買,並確保整個流程皆可獲得支援。

繼續發展時,我們建議您備妥系統流程,以便在整個專案生命週期中管理和評估價值。 我們建議採用敏捷式方法分階段進行,並在您投資計畫後,評估初始結果。 如此一來,您便可以判斷是否要繼續、調整您的方法,或是採用另一個方式。 繼續在整個專案中評估主要里程碑的價值。

提示

花點時間想出 3 個層級中的一些潛在範例投資。
照片顯示圍著桌子工作和交談的人。

接下來,我們來看一下每個 AI 組織中都應該建立與 AI 相關的角色和職責。