Skip to main content

6 Skenario AI Bisa Mengganggu Bisnis Anda: Mempersiapkan Masa Depan

25 May, 2024
 

Bagaimana pemilik bisnis dapat lebih memahami dampak potensial dari AI? Ada enam skenario yang harus dipertimbangkan oleh pebisnis mulai dari memprediksi perubahan operasional ekstrem hingga melihat ancaman eksistensial yang dapat membahayakan bisnis Anda.

AI adalah kekuatan disruptif dengan potensi untuk mengguncang banyak aspek mapan dari ekonomi kita. Kami percaya bahwa pebisnis dapat berbicara tentang AI secara paling efektif dengan bekerja melalui skenario untuk memahami bagaimana hal itu berdampak pada bisnis mereka.

AI bergerak terlalu cepat untuk mengambil pendekatan konvensional dengan membentuk tim strategi atau menyewa konsultan untuk membawa data yang solid tentang tren yang dapat digunakan untuk diskusi.

Sebagai gantinya, dengan mendorong diskusi terstruktur yang menggunakan berbagai skenario tentang bagaimana AI dapat mempengaruhi budaya perusahaan dan merombak bisnis Anda, Anda dapat melihat kemungkinan masa depan dengan lebih jelas dan mengembangkan rencana yang tepat untuk mengantisipasi, dan lebih baik lagi, membentuk arah ke depan.

Skenario paling berguna yang kami kembangkan berkisar dari memprediksi perubahan operasional ekstrem, hingga mengantisipasi cara-cara strategis baru untuk bersaing, hingga melihat ancaman eksistensial yang dapat meniadakan bisnis Anda.

Untuk menjaga agar tetap ringkas, kami menggabungkannya menjadi enam skenario, yang menampilkan enam pertanyaan, yang harus dipertimbangkan oleh semua pebisnis. Mereka kemudian harus bertindak berdasarkan yang akan memiliki dampak paling besar pada model bisnis mereka.

DAFTAR ISI

Potensi Tantangan Bagi Bisnis

Mari kita mulai membahas skenario-skenario tentang bagaimana operasi seseorang dapat berubah secara dramatis karena AI:

Keuntungan Melalui Granularitas

01 granulity

Peluang atau ancaman apa yang muncul ketika kita (atau pesaing kita) meningkatkan kompleksitas dengan cara mengelola setiap variabel yang mendorong EBITDA?

Desain model bisnis telah lama menjadi perjuangan antara skala dan kompleksitas. Personalisasi selalu tampak lebih jauh di cakrawala bisnis karena tantangan yang dirasakan dalam mengelola variasi tanpa akhir dalam harga, pesan pemasaran, penyampaian layanan, fungsi produk, atau variabel lainnya.

Namun AI sekarang dapat menguji, belajar, dan menghasilkan opsi terbaik untuk setiap pelanggan/momen/saluran, membuka peluang untuk menciptakan nilai dari peningkatan granularitas di setiap variabel yang mendorong EBITDA perusahaan.

Pebisnis sebuah perusahaan distribusi B2B menantang diri mereka sendiri dengan mempertimbangkan skenario di mana pesaing baru muncul tanpa batasan fisik, tidak pernah puas dengan mengelola fungsi berdasarkan “rata-rata,” dan menggunakan model prediksi AI untuk memandu keputusan yang dibuat di setiap fungsi di seluruh rantai nilai mereka.

Untuk mengoptimalkan harga dan manajemen hasil, model yang didukung AI pesaing mengungkap tren harga pasar berdasarkan mikro-geografi untuk setiap SKU, memperkirakan biaya untuk melayani setiap pesanan, dan memodelkan implikasi biaya/harga dari menawarkan kesepakatan baru kepada pelanggan.

Untuk meningkatkan akuisisi pelanggan, ia menyesuaikan jangkauan ke prospek berdasarkan prediksi kebutuhan spesifik mereka, dan menggunakan chatbot bertenaga AI untuk menjawab pertanyaan atau menerima pesanan awal, membebaskan tenaga penjualan untuk pertanyaan yang lebih besar dan kompleks.

Akhirnya, untuk menyetel rantai pasokannya, ia memperkirakan permintaan pada tingkat pelanggan/geo/SKU, mengelola inventaris dengan lebih efisien, dan mengidentifikasi rute dan metode pengiriman terbaik.

Menyadari bahwa serangkaian peluang semacam itu dapat muncul pada pesaing, pebisnis meminta rencana yang membiayai sendiri yang mengurutkan peluang-peluang ini untuk menghasilkan penghematan biaya yang kemudian akan mendanai investasi transformasional lebih lanjut.

Mereka menetapkan tonggak kemajuan dan meminta kartu skor baru yang tidak hanya menunjukkan bagaimana AI dapat mendorong peningkatan kinerja, tetapi juga apakah itu mengarah pada peningkatan pangsa pasar.

Ekosistem Mitra yang Terbentuk Ulang

02 business ecosystem

Bagaimana ekosistem mitra kami, sifat kolaborasi, dan keseimbangan kekuasaan berubah di dunia AI?

Sudah, perusahaan menjadi bergantung pada pemasok digital dan teknologi mereka, sehingga mereka harus memprioritaskan dan memantau hubungan tersebut dalam penilaian risiko mereka. Tetapi, itu baru permulaan, karena AI secara radikal mengubah ekosistem kemitraan seseorang. Hubungan dengan taruhan tinggi akan muncul secara tak terelakkan, mencakup pemasok, mitra saluran, dan kolaborator dalam memberikan pengalaman pelanggan.

Dari perspektif pebisnis, ini tidak hanya menimbulkan risiko baru yang harus dikelola, tetapi juga menciptakan peluang untuk mengunci kesepakatan eksklusif, membangun skala, atau membedakan diri. pebisnis akan membutuhkan pemikiran strategis dan pemahaman yang baik tentang teori permainan untuk membangun ekosistem dengan keseimbangan kekuasaan yang memberdayakan.

Salah satu contoh paling ekstrem dari perubahan ekosistem adalah di industri otomotif. Produsen peralatan asli (OEM) sudah mengelola tiga transisi besar: dari bahan bakar fosil ke kendaraan listrik (EV), dari kepemilikan/sewa ke penyewaan, dan dari mengemudi ke kendaraan otonom. Semua ini mengarah pada kemitraan baru, berdasarkan metode kerja sama yang sepenuhnya baru. Dan AI mempercepat evolusi ini secara drastis.

Dengan mengemudi otonom, produsen mobil bermitra dengan pemain teknologi untuk mengintegrasikan kemampuan AI ke dalam kendaraan mereka. Perangkat lunak AI, sering kali dari penyedia eksternal, mendukung pemeliharaan prediktif, manajemen inventaris, dan perkiraan permintaan OEM.

Saat kendaraan yang terhubung menghasilkan sejumlah besar data, produsen mobil bermitra dengan perusahaan analitik data dan penyedia layanan cloud untuk meningkatkan kinerja kendaraan, keamanan, dan pengalaman pelanggan, kadang-kadang dalam waktu nyata.

Banyak dari kemampuan ini akan menjadi dasar yang digunakan merek OEM untuk membedakan diri mereka — mungkin bahkan lebih dari faktor kinerja tradisional kendaraan lainnya — jadi siapa yang benar-benar menciptakan nilai merek bagi siapa?

Dan seiring bertambahnya jumlah EV, mereka membutuhkan infrastruktur yang luas. OEM sangat bergantung pada kemitraan dengan perusahaan utilitas, penyedia infrastruktur pengisian daya, dan perusahaan energi untuk mengembangkan jaringan pengisian daya. Sebagai gantinya, AI digunakan untuk mengoptimalkan lokasi stasiun pengisian daya dan meningkatkan efisiensi pengisian daya.

Risiko yang Meningkat dan Rezim Regulasi yang Mengikat

03 barriersblog featuredimage

Saat risiko yang terungkap dari AI berkembang, apakah kita akan mampu mengikuti persyaratan dan biaya yang meningkat dengan cepat untuk mengurangi risiko tersebut?

Pemilik perusahaan manfaat karyawan menyadari bahwa tetap berada di puncak risiko baru yang muncul dari AI semakin menambah biaya yang serius. Mereka bertanya-tanya apakah perusahaan perlu mengakui bahwa keuntungan ekonomi yang mereka peroleh selalu membutuhkan semacam pengimbangan formal dalam bentuk investasi baru dalam mitigasi risiko.

Organisasi overlay, investasi teknologi, dan manajemen pedoman yang harus diterapkan adalah transformasi yang sama besar dengan menambahkan AI ke dalam operasi mereka. Kedua sisi — kemampuan AI baru dan manajemen risiko — akan sangat penting bagi kesuksesan mereka.

Tetapi dengan manajemen yang awalnya hanya berfokus pada keuntungan dari alat baru, pebisnis harus mendorong balik untuk memastikan pengimbangan direncanakan dan dianggarkan untuk lima risiko utama:

  • Untuk privasi dan keamanan data, mereka memperkuat perlindungan siber mereka, menerapkan pedoman baru tentang akses data (dengan biaya bersamaan untuk mengelolanya), berinvestasi dalam perangkat lunak dan manajemen basis data untuk mendukung kepatuhan terhadap peraturan privasi data (misalnya, GDPR, CCPA), dan menyiapkan proses baru untuk memastikan penyimpanan dan transmisi data yang aman.
  • Untuk risiko bias dan ketidakadilan di bidang seperti perekrutan, pemberian pinjaman, dan penegakan aturan, mereka mengadakan audit rutin untuk bias, berinvestasi dalam sumber data yang lebih luas dan sintetis untuk menambah representasi yang lebih baik, dan melakukan pengujian baru menggunakan algoritma yang sadar keadilan.
  • Untuk transparansi dan keterjelasan, mereka berinvestasi dalam model yang lebih mahal dengan kemampuan audit, terus menggunakan staf untuk mengevaluasi output model, dan membatasi area di mana AI dapat diterapkan.
  • Untuk kepatuhan regulasi, mereka menambah staf hukum dan kepatuhan yang berfokus pada AI dan mengevaluasi kesesuaian alat dari pemasok mereka.
  • Untuk mengurangi ketergantungan pada pemasok AI dan bakat, mereka memastikan untuk tetap terlibat dengan setidaknya dua pemasok untuk kemampuan utama. Selain itu, mereka meluncurkan program pelatihan AI, mengeluarkan lebih banyak dana untuk mendatangkan bakat terampil, dan mulai berkolaborasi dengan institusi penelitian terkemuka.

Kebanyakan pebisnis dengan cepat memahami dan mengadopsi tiga skenario operasional di atas. Namun mereka tidak boleh berhenti di sini, melainkan harus menantang diri mereka sendiri dengan dua skenario strategis yang membuka cara-cara baru untuk bersaing:

Transformasi Biaya Radikal

04 businessman cutting cost cost reduction cost cutting and efficiency concept illustration vector

Apakah AI akan mengubah struktur biaya Anda secara signifikan sehingga menekan model bisnis dan pendekatan harga Anda? Apakah Anda akan bergerak menuju ekonomi perangkat lunak dengan biaya tetap yang lebih tinggi dan biaya variabel yang jauh lebih rendah?

pebisnis perusahaan jasa profesional — pengacara, akuntan, konsultan, agen iklan, komunikasi, urusan publik, dan lobi — telah lama mengandalkan piramida pemimpin (atau mitra) yang sangat dibayar tinggi yang sebagian besar menjual, didukung oleh bakat junior yang melaksanakan pekerjaan tersebut.

Tetapi pekerjaan itu sering kali memiliki aspek penelitian, analisis, atau produksi yang akan semakin didukung oleh AI. Jauh lebih sedikit tenaga kerja yang dibutuhkan untuk mendapatkan output yang serupa.

Sebuah studi baru-baru ini oleh Harvard Business School dan BCG menguji produktivitas konsultan yang menggunakan alat AI. Studi tersebut "menemukan bahwa, dibandingkan dengan pekerja tanpa akses AI, mereka yang menggunakan GPT-4 menyelesaikan rata-rata 12,2% lebih banyak tugas, 25,1% lebih cepat.

Selain itu, 40% dari kelompok percobaan menghasilkan hasil berkualitas lebih tinggi." Demikian pula, analisis oleh Unit for Future Skills dari Departemen Pendidikan Inggris menemukan bahwa manajemen konsultasi akan menjadi pekerjaan yang paling terpengaruh oleh aplikasi AI baru.

Bagi perusahaan-perusahaan ini, yang ekonominya didasarkan pada penagihan staf junior, dan yang pertumbuhannya bergantung pada magang untuk mempelajari seluk-beluk dengan melakukan pekerjaan tersebut, model masa depan mungkin memiliki basis yang jauh lebih kecil di bagian bawah piramida.

Beberapa pekerjaan yang dilakukan oleh perusahaan-perusahaan ini mungkin akan dilakukan oleh klien mereka sendiri dengan menggunakan alat AI. Nilai nasihat senior dan berpengalaman akan tetap ada, tetapi perusahaan jasa akan menghadapi tantangan dalam bagaimana mereka membangun bakat senior, bagaimana mereka menetapkan harga untuk pekerjaan mereka, dan bahkan jenis pekerjaan apa yang mereka tawarkan.

Banyak konsultan dan agen berlomba untuk membangun alat AI mereka sendiri, mengajarkan mereka melalui basis pengetahuan eksklusif yang telah mereka bangun melalui pekerjaan klien mereka, dan mengembangkan model operasional baru yang berfokus pada strategi, pertanyaan, dan interpretasi, daripada pekerjaan produksi. Namun mereka baru berada di tahap awal dari gangguan besar dalam permintaan layanan dan manajemen bakat.

Redefinisi Proposisi Nilai

05 value propotition

Apakah AI mendefinisikan ulang cara Anda memberikan nilai kepada pelanggan Anda?

AI akan menantang pebisnis untuk mempertanyakan asumsi inti dari bisnis mereka: alasan keberadaannya, target pelanggan, produk, posisi, harga, dan kegiatan pendukung.

Proposisi nilai bagi sistem kesehatan dengan cepat bergeser di era AI, dari reaktif mengobati dan membayar penyakit menjadi proaktif memastikan kesehatan. Sebelumnya, layanan kesehatan melibatkan kunjungan ke penyedia, sering kali mengharuskan pasien untuk membuat janji, pergi ke fasilitas medis, dan kadang-kadang menunggu lama di ruang tunggu. Akses terutama terbatas pada jam kerja dan lokasi fisik.

Dengan AI, kemampuan muncul yang lebih dulu dari kebutuhan perawatan, dan kemudian mempertahankan lebih banyak perawatan yang diperlukan di rumah seseorang. Asisten kesehatan virtual yang didukung AI, dapat diakses melalui platform web dan aplikasi seluler, tersedia 24/7 untuk menjawab pertanyaan terkait kesehatan, memberikan informasi medis, dan menawarkan penilaian gejala awal.

Pemantauan jarak jauh melalui perangkat IoT dan sensor yang dapat dikenakan, yang terintegrasi dengan algoritma AI, memungkinkan pemantauan jarak jauh pasien secara terus-menerus. AI dapat mendeteksi kelainan dan memberi tahu penyedia layanan kesehatan secara real-time, mengurangi kebutuhan untuk pemeriksaan langsung yang sering.

Prompt yang dipersonalisasi menyarankan tindakan selanjutnya atau cara mengelola kondisi kronis berdasarkan data pasien, termasuk pemantauan jarak jauh dan catatan kesehatan elektronik (EHR).

Dan akhirnya, dan diakui pada tingkat yang paling menakutkan, adalah skenario di mana risiko eksistensial untuk bertahan hidup dapat muncul:

Kepunahan

06 Obsolescence

Apakah AI dapat membuat produk inti dan penawaran Anda menjadi usang?

Bisnis fotografi Kodak, serta pembuat mesin faks, harus mengakui bahwa mereka tidak memiliki peluang setelah smartphone menjadi mainstream. Radio Shack dengan cepat menghadapi lingkungan di mana hampir semua yang dijualnya tersedia di iPhone. Surat kabar masih berjuang mengatasi dampak merusak yang menghancurkan bundel iklan dan jurnalisme mereka di atas kertas cetak.

Perusahaan IT lepas pantai, misalnya, menghadapi pertanyaan ini. Pemrosesan bahasa alami (NLP) memungkinkan pengembang untuk menjelaskan fungsi dalam bahasa alami, dan sistem menerjemahkannya menjadi kode, membuat pengkodean lebih mudah diakses oleh non-ahli.

Alat-alat yang didukung AI dan lingkungan pengembangan terintegrasi (IDE) menyediakan penyelesaian kode yang cerdas, saran, dan koreksi. Mereka dapat memprediksi apa yang mungkin ditulis oleh pengembang selanjutnya, menawarkan saran untuk menyelesaikan baris atau blok kode.

AI berdampak signifikan pada pengujian perangkat lunak dengan memungkinkan pembuatan kasus uji yang lebih efisien, deteksi bug otomatis, dan analitik prediktif untuk mengidentifikasi potensi masalah. Alat AI lainnya dapat memindai kode secara proaktif untuk kerentanan keamanan, membantu mengatasi potensi masalah keamanan selama pengembangan daripada setelah penerapan.

Peran pengembang perangkat lunak akan bergeser ke aktivitas pemecahan masalah yang lebih strategis, kreatif, dan kompleks seperti memahami kebutuhan pengguna, merancang arsitektur sistem, dan mengembangkan solusi inovatif. Di tingkat klien, banyak yang dapat dilakukan oleh tim strategi dan perencanaan, dengan bantuan tim IT internal yang lebih kecil.

Namun bagi perusahaan IT lepas pantai, yang model ekonominya bergantung pada penjualan waktu tenaga kerja terampil yang melakukan pekerjaan produksi, ini menimbulkan ancaman eksistensial. pebisnis mereka memiliki keputusan sulit tentang apakah akan memisahkan bisnis berbasis tenaga kerja mereka dan fokus mengembangkan alat AI eksklusif bernilai tinggi, atau berkonsolidasi seiring kontraksi sektor tersebut. Bagaimanapun, keputusan perlu diambil.

Kesimpulan

Kombinasi dari skenario-skenario ini mungkin terjadi pada sebagian besar bisnis, dan pebisnis mereka perlu mengevaluasi kembali pandangan mereka tentang masa depan. Sebagian besar pebisnis melakukan sesi strategi yang berorientasi ke depan setiap tahun, dan banyak yang juga melakukan latihan "table top" untuk mempersiapkan serangan siber yang mungkin terjadi.

Untuk salah satu sesi tersebut, kami menganjurkan pengujian skenario-skenario ini. Biarkan tim strategi Anda memutuskan skenario mana yang paling relevan, mengembangkan detailnya, dan menyediakan fakta pendukung.

Kemudian, dalam ruang rapat, lakukan debat yang dikelola dengan hati-hati tentang kemungkinan perubahan, bagaimana ekosistem pesaing/saluran/kolaborator bisa berkembang, dan apa yang diharapkan oleh pelanggan. Secara paralel, fokuslah pada penggerak ekonomi dari model bisnis dan bagaimana pengungkit tersebut akan berubah.

Kemampuan AI untuk mempercepat nilai data — memperkaya, menganalisis, mengaktifkan, dan mengoptimalkannya — akan secara radikal mengubah pengungkit ekonomi yang diandalkan banyak bisnis. Skenario-skenario ini menawarkan pebisnis cara terstruktur untuk menghadapi tantangan di masa depan. Kami mendesak Anda untuk memulai — waktu bukanlah teman Anda di era AI.

 

Blog ini didukung oleh pembaca. Kami dapat memperoleh komisi afiliasi ketika Anda membeli melalui tautan di situs web kami. Komisi ini akan digunakan untuk pengelolaan website dan perpanjangan domain serta hosting. Terima kasih.

Ikuti kami juga di Google News Publisher untuk mendapatkan notifikasi artikel terbaru dari gawai Anda.

 

Sumber: David Edelman and Vivek Sharma (25 Januari 2024).