AI Productivity Tools

Operasi perniagaan adalah tempat di mana pelaburan AI sama ada menjana pulangan sebenar atau hilang begitu sahaja. Sebabnya mudah: operasi adalah bahagian perniagaan di mana proses adalah berulang, kos ketidakcekapan boleh diukur, dan hasil penambahbaikan kelihatan dalam angka.

Tetapi "AI untuk operasi" juga merupakan salah satu kategori yang paling dilebih-lebihkan dalam teknologi perusahaan. Demo vendor menunjukkan senario kes terbaik. Realiti pelaksanaan lebih rumit. Dan organisasi yang mendapat nilai paling banyak adalah mereka yang mendekati alat AI sebagai masalah operasi yang perlu diselesaikan, bukan teknologi yang perlu dilaksanakan.

Panduan ini merangkumi di mana alat AI mencipta nilai operasi yang tulen, cara menilainya, dan cara mengelakkan perangkap yang kebanyakan pelaksanaan jatuh ke dalamnya.

Key Facts

Tinjauan Global AI McKinsey 2024 mendapati bahawa 65% organisasi kini menggunakan AI secara tetap dalam sekurang-kurangnya satu fungsi perniagaan, berbanding 33% pada tahun 2019. Operasi, supply chain dan service operations berada dalam kalangan tiga fungsi teratas untuk penggunaan AI.

Automasi pemprosesan invois berkuasa AI mengurangkan kos pemprosesan setiap invois sebanyak 70-80% dalam persekitaran bervolume tinggi, dengan kadar pemprosesan terus 70-90% untuk invois standard, menurut penyelidikan perkhidmatan bersama Deloitte.

Penyelidikan supply chain Gartner mendapati bahawa demand forecasting berkuasa AI mengurangkan ralat ramalan sebanyak 20-50% berbanding model statistik tradisional, dengan pengurangan keperluan stok keselamatan yang sepadan sebanyak 10-30%.

Mengapa Operasi adalah Sasaran Bernilai Tinggi untuk AI

Fungsi operasi berkongsi satu set ciri yang menjadikannya sangat sesuai untuk augmentasi AI:

Jumlah transaksi yang tinggi. Fungsi operasi memproses jumlah transaksi yang besar dan serupa: invois, pesanan pembelian, tiket sokongan, permintaan penjadualan, semakan pematuhan. Alat AI yang mengendalikan sebahagian daripada jumlah tersebut dengan campur tangan manusia yang minimum boleh mencipta keuntungan kecekapan yang besar pada skala.

Proses berstruktur dengan peraturan yang ditentukan. Banyak proses operasi mengikuti peraturan yang boleh dipelajari dan diautomasikan. Penghalaan kelulusan invois, pengkategorian perbelanjaan, pengendalian pertanyaan pelanggan awal, pengumpulan dokumen pekerja baru: ini mempunyai input yang ditentukan, langkah-langkah yang ditentukan, dan output yang ditentukan. Mereka adalah calon yang baik untuk augmentasi AI.

Hasil yang boleh diukur. Fungsi operasi biasanya mempunyai metrik yang jelas: kos setiap transaksi, masa pemprosesan, kadar ralat, penggunaan pekerja. Ini memungkinkan pengukuran sama ada alat AI sebenarnya menyampaikan nilai, yang lebih sukar dalam fungsi seperti pemasaran atau strategi di mana output lebih tidak jelas.

Kos tinggi kesilapan manusia. Dalam kewangan, pematuhan, supply chain dan HR, kesilapan adalah mahal. Kesilapan dalam pemprosesan gaji, keperluan pematuhan kontrak yang terlepas, atau pembayaran pembekal yang dihantar ke akaun yang salah semuanya mempunyai akibat yang konkrit. Alat AI yang meningkatkan ketepatan dalam konteks ini mempunyai kes nilai yang jelas.

Alat AI mengikut Fungsi Operasi

Finance Operations

Finance Operations telah menyaksikan beberapa penggunaan AI yang paling berkesan kerana prosesnya ditakrifkan dengan baik dan jumlahnya tinggi.

Automasi akaun belum bayar adalah kes penggunaan yang paling banyak digunakan. Alat pemprosesan dokumen berkuasa AI (ABBYY, Rossum, Hypatos) boleh mengekstrak data daripada invois dalam pelbagai format, memadankannya dengan pesanan pembelian, menghalakan pengecualian untuk semakan manusia, dan memproses terus dalam 70-90% kes. Pasukan kewangan yang memproses 10,000 invois sebulan dengan 4 minit pemprosesan manual setiap satu menggunakan 667 jam-orang sebulan. Mengautomasikan 80% daripada itu mencipta kapasiti sebenar.

Alat pengurusan perbelanjaan seperti Expensify, Ramp dan Brex menggunakan AI untuk mengkategorikan perbelanjaan secara automatik, menandakan pelanggaran dasar, dan mendedahkan corak perbelanjaan yang akan terlepas oleh manusia semasa menyemak laporan perbelanjaan secara manual. Nilainya bukan sahaja kecekapan: anomali yang ditandai AI mengesan pelanggaran dasar dan kadangkala penipuan yang ditinggalkan oleh semakan manual kerana jumlahnya terlalu tinggi.

Alat automasi penutupan kewangan seperti BlackLine dan Trintech menggunakan AI untuk mengautomasikan padanan penyesuaian, mengenal pasti dan menjelaskan varians, serta mempercepatkan proses penutupan akhir bulan. Bagi syarikat di mana penutupan mengambil masa 10-15 hari, pecutan yang didorong teknologi kepada 5-7 hari mempunyai nilai hiliran yang sebenar: pelaporan lebih awal, pengambilan keputusan lebih cepat, dan tekanan yang lebih sedikit ke atas pasukan kewangan.

Model ramalan aliran tunai menggunakan machine learning boleh menggabungkan lebih banyak pemboleh ubah daripada model hamparan tradisional dan dikemas kini dengan lebih kerap. Alat seperti Cashforce dan Float mengagregat data masa nyata daripada sistem ERP, bank, dan sistem AR/AP untuk menghasilkan ramalan aliran tunai jangka pendek yang lebih tepat daripada yang boleh dihasilkan secara manual oleh kebanyakan pasukan kewangan.

Human Resources Operations

HR Operations mengendalikan kerja bervolume tinggi, berintensif proses yang menyentuh setiap pekerja. AI mengubah beberapa elemen yang paling memakan masa.

Pengambilan pekerja dan talent acquisition adalah salah satu kategori yang paling kompetitif. Alat AI menyaring resume (HireVue, Paradox), menjadualkan temu duga (ciri AI Calendly, Ashby), dan menggubal penerangan jawatan dan mesej outreach (Otta, alat AI LinkedIn). Kes nilainya jelas dalam konteks pengambilan bervolume tinggi di mana sourcing dan penyaringan adalah kesesakan sebenar. Risikonya juga sama jelasnya: penyaringan AI boleh mengekodkan berat sebelah sedia ada jika tidak direka dan dipantau dengan teliti.

Alat automasi onboarding seperti WorkBright, BambooHR dan Rippling mengautomasikan elemen pentadbiran onboarding pekerja baru: pengumpulan dokumen, permintaan peruntukan sistem, penugasan latihan pematuhan, dan penjadualan minggu pertama. Apa yang sebelum ini memerlukan perhatian penuh koordinator HR selama 4-6 jam setiap pekerja baru kini boleh dikendalikan sebahagian besarnya secara automatik, dengan perhatian koordinator dikhaskan untuk elemen yang mendapat manfaat daripada pertimbangan manusia.

Penyampaian perkhidmatan HR melalui chatbot berkuasa AI (Leena AI, ServiceNow HR Service Delivery) mengendalikan jumlah pertanyaan pekerja berulang yang tinggi yang memakan masa pasukan HR: soalan faedah, carian dasar, baki cuti, pertanyaan gaji. Ini adalah soalan yang ditanya dengan cara yang sama beratus-ratus kali dan yang mempunyai jawapan yang boleh diketahui dan betul. AI mengendalikannya dengan baik; alternatifnya ialah kakitangan HR menjawabnya secara manual.

Alat people analytics seperti Visier, Orgnostic dan suite analitik Workday menggunakan machine learning untuk mengenal pasti trend tenaga kerja: risiko pengurangan, corak penglibatan, metrik kepelbagaian, ekuiti pampasan. Nilainya ialah mengalihkan HR daripada reaktif (kita kehilangan seseorang, apa sekarang?) kepada ramalan (pekerja ini menunjukkan corak yang sama seperti orang yang pergi, mari kita campur tangan).

Supply Chain Operations

Supply chain adalah tempat AI mempunyai sejarah terpanjang dan penggunaan yang paling berisiko tinggi.

Alat demand forecasting menggunakan machine learning secara konsisten mengatasi model statistik tradisional dalam ketepatan ramalan, terutamanya untuk item dengan corak permintaan tidak teratur, variasi bermusim, atau sensitiviti terhadap isyarat luaran seperti cuaca atau promosi pesaing. Blue Yonder, o9 Solutions dan Kinaxis adalah pemain perusahaan; syarikat yang lebih kecil boleh mengakses keupayaan yang serupa melalui API ramalan berasaskan awan.

Pengoptimuman inventori berada terus hiliran demand forecasting. Ramalan yang lebih baik bermakna keperluan stok keselamatan yang lebih rendah tanpa risiko kehabisan stok yang lebih tinggi. Bagi syarikat yang membawa RM 40 juta dalam inventori, pengurangan 10% dalam stok keselamatan melalui ramalan yang lebih baik membebaskan RM 4 juta dalam modal kerja.

Alat pemantauan risiko pembekal seperti Resilinc, Coupa dan Riskmethods mengagregat data kewangan pembekal, berita, dan isyarat operasi untuk mengenal pasti risiko supply chain sebelum ia menjadi kenyataan. Kes nilai dipercepatkan selepas gangguan 2020-2021, apabila syarikat mendapati betapa sedikitnya penglihatan yang mereka miliki ke dalam tahap kedua dan ketiga supply chain mereka.

Alat pengoptimuman logistik untuk penghalaan, pemilihan pembawa dan perancangan muatan telah menggunakan AI selama bertahun-tahun. Penambahbaikan inkremental daripada pendekatan AI yang lebih baharu dalam ruang ini cenderung bermakna: pengurangan 5-8% dalam kos pengangkutan adalah angka yang signifikan bagi syarikat yang mempunyai perbelanjaan kargo yang besar.

Customer Operations

Customer Operations (sokongan, penyampaian perkhidmatan, pengurusan akaun) telah menyaksikan penggunaan AI yang pesat, dengan hasil yang sangat berbeza bergantung pada cara pelaksanaannya.

Automasi perkhidmatan pelanggan melalui chatbot AI dan ejen maya (Intercom, Drift, Zendesk AI) boleh mengendalikan sebahagian besar pertanyaan pelanggan masuk tanpa penglibatan manusia. Skop yang sesuai adalah pertanyaan dengan jawapan yang jelas dan betul: status pesanan, maklumat akaun, langkah penyelesaian masalah standard. Mod kegagalan ialah menghalakan pertanyaan ke automasi yang sebenarnya memerlukan pertimbangan manusia, yang mewujudkan kekecewaan pelanggan.

Alat bantuan ejen menambah ejen manusia dan bukannya menggantikan mereka. Alat seperti Gong, Chorus dan Salesforce Einstein menyediakan maklumat yang relevan, respons yang dicadangkan, dan konteks pelanggan semasa ejen manusia berada dalam panggilan atau mengerjakan tiket. Masa tindak balas berkurangan, penyelesaian hubungan pertama bertambah baik, dan ejen baru mencapai produktiviti lebih cepat. Ini sering lebih bernilai daripada automasi penuh kerana ia menangani kes kompleks yang chatbot tidak dapat kendalikan.

Operasi proaktif menggunakan AI untuk menjangkakan masalah pelanggan sebelum ia menjadi aduan adalah corak yang muncul. Meramalkan risiko churn, mengenal pasti produk yang berkemungkinan memerlukan perkhidmatan waranti, atau memberi amaran kepada pelanggan tentang kemungkinan kelewatan bekalan sebelum mereka perlu menghubungi mewujudkan pengalaman pelanggan yang lebih baik dan mengurangkan jumlah masuk.

Cara Mengutamakan Pelaburan Alat AI dalam Operasi

Organisasi yang menjana nilai paling banyak daripada alat AI dalam operasi bukan semestinya yang menggunakan alat paling banyak. Mereka adalah yang menggunakan alat yang betul terhadap masalah yang betul.

Pendekatan keutamaan yang praktikal:

Petakan kesesakan operasi anda. Di mana pasukan operasi anda menghabiskan masa untuk kerja yang tidak memerlukan pertimbangan manusia? Di mana kesilapan paling biasa dan paling mahal? Di mana masa pemulihan paling perlahan dan impak pelanggan paling tinggi? Ini adalah kawasan keutamaan tinggi anda.

Kuantifikasikan peluang tersebut. Untuk setiap kesesakan, anggarkan kos keadaan semasa: masa kakitangan, kos pembetulan ralat, impak pelanggan. Ini adalah pengangka untuk pengiraan ROI anda. Jika anda tidak dapat mengkuantifikasikan peluang tersebut, sama ada masalah itu tidak ditakrifkan dengan baik atau ia bukan masalah keutamaan tinggi.

Mulakan di mana change management adalah paling mudah. Bahagian paling sukar dalam penggunaan alat AI bukan teknologi. Ia adalah untuk mendapatkan orang mengubah cara mereka bekerja. Mulakan dengan alat yang menambah aliran kerja sedia ada dan bukannya memerlukan yang benar-benar baharu. Pasukan kewangan yang selesa dengan akaun belum bayar adalah calon yang lebih baik untuk automasi AP daripada pasukan yang diminta memikirkan semula keseluruhan proses sekaligus.

Ukur hasil, bukan aktiviti. Takrifkan metrik kejayaan sebelum anda menggunakan: apakah yang akan berbeza dalam perniagaan 6 bulan selepas alat ini dilancarkan? Jejak metrik tersebut. Jika metrik tidak bergerak, sama ada alat tidak berfungsi atau penggunaan tidak berlaku, dan kedua-duanya boleh diperbaiki jika anda mengukur.

Landskap alat operasi AI akan terus berkembang, tetapi disiplin penilaian tidak berubah. Masalah yang jelas, peluang yang dikuantifikasikan, kos yang realistik, pelan penggunaan, hasil yang boleh diukur. Organisasi yang menggunakan disiplin itu secara konsisten akan membina fungsi operasi yang mengganda kelebihan dari masa ke masa.

Related reading:

Tara Minh

Senior Operations & Growth Strategist