Kan AI gi deg langsiktige og betydelige konkurransefordeler?

Hva er Gen AI?

Gen AI bruker mønstre i data for å skape nytt innhold, det være seg lyd, bilde, video eller tekst som ligner menneskeskapt innhold. To eksempler på Gen AI er ChatGPT og Dall-E, som er løsninger mange nordmenn allerede har fått et forhold til.

Her kan du se sammenhengen mellom de ulike «AI-nivåene».

Illustrasjon: Figuren er hentet fra McKinseys artikkel What is AI?

AI har et mye større potensiale for verdiskapning enn det som hittil er blitt realisert. AI kan brukes til å etablere nye forretningsmodeller eller forbedre eksisterende. AI kan bidra til å automatisere rutinebeslutninger og analysere komplekse problemstillinger i svært mange bransjer. La oss se på to relevante eksempler fra forsikringsbransjen:

• Automatisering av skadesaker: Gen AI kan behandle og analysere bilder og dokumenter fra kunder som krever erstatning, og automatisk generere rapporter eller forslag til erstatningsutbetalinger.
  
  
• Individuelt tilpassede forsikringspoliser: Ved hjelp av AI kan forsikringsselskaper analysere individuelle kundedata og tilby skreddersydde forsikringspoliser som er mer tilpasset den enkeltes behov og risikoprofil.

Praktisk eksempel på gode resultater av AI

Et eksempel på et selskap som har fått gode effekter av Gen AI er det svenske betalingsformidlingsselskapet Klarna. Chatboten de har utviklet er tilgjengelig i 23 markeder, 24/7, og kommuniserer på mer enn 35 språk. Teknologien som er benyttet er OpenAI. Her er resultatene etter en måned i produksjon (februar 2024): 

• AI-assistenten har hatt 2,3 millioner chatter, som utgjør to tredjedeler av Klarnas kundeservice-chatter
• Chatboten utfører arbeid tilsvarende 700 kundeservicemedarbeidere
• Den er på nivå med menneskelige kundebehandlere når det gjelder kundetilfredshet
• Den er mer nøyaktig i å løse oppgaver, noe som har ført til en 25% reduksjon i repeterende henvendelser
• Saksbehandlingen er nå på under 2 minutter sammenlignet med 11 minutter tidligere
• Det anslås at chatboten vil bidra til en resultatforbedring på 40 millioner USD for Klarna i 2024.

Vil AI kunne gi vedvarende og signifikante fordeler?

Det er mange som hevder at det vi opplever rundt AI er større teknologiske innovasjoner enn dampmaskinen, elektromotoren, PCen og smarttelefonen. Disse innovasjonene forandret mange bransjer og bidro til massive forbedringer og økt verdiskapning. Likevel er det få eksempler på langsiktige og signifikante konkurransefordeler for selskaper som utnyttet disse banebrytende teknologiene. Ser vi på smarttelefonen er det ikke tvil om at Apple var den dominerende aktøren. De har også størst akkumulert lønnsomhet, og en betydelig markedsandel, men den innovative iPhonen hindret ikke andre aktører i å ta i bruk samme teknologi og til og med levere produkter som objektivt sett hadde bedre prestasjoner målt mot samme pris.

Fordel med å investere i Gen AI nå: opparbeid erfaring og innsikt

Selskaper som investerer i Gen AI vil kunne realisere en early-mover fordel. De opparbeider seg verdifull erfaring og kompetanse. Virksomhetene vil også kunne tiltrekke seg brukere og kunder som er villige til å betale premiumpriser for varen eller tjenesten. Nedsiden er at konkurrentene vil med høy sannsynlighet implementere samme teknologi. Hvorfor skal ikke andre forsikringsselskaper også benytte AI til automatisering av skadesaker og tilpasning av forsikringspoliser? Teknologien er ikke proprietær og over tid vil derfor konkurransefordelen reduseres.

I artikkelen AI Won’t Give You a New Sustainable Advantage, publisert i Harvard Business Review, nevner forfatterne muligheter og potensielle utfordringer med anvendelse av proprietære datasett for å oppnå konkurransefordeler. Dersom samme algoritme benyttes på ulike datasett, vil resultatet kunne bli forskjellig. Har din bedrift tilgang på et rikt datasett bygd opp over mange år med høy og konsistent datakvalitet vil du kunne ha en langsiktig og signifikant konkurransefordel. Det kan være kostbart og tidkrevende for dine konkurrenter å bygge opp tilsvarende datasett.

Utfordringer i å forsøke å skape langsiktige og signifikante fordeler

Forfatterne nevner flere utfordringer du kan møte. For eksempel kan det hende at du har samlet inn data om dine ansatte, leverandører og kunder i mange år. Dette er informasjon som kan være unik for ditt selskap. Men dine konkurrenter kan ha gjort det samme. Selv om de to datasettene ville vært forskjellige, kan datamønstrene som er fanget i dem være like, så generative AIs analyse vil mest sannsynlig generere lignende resultater for ditt selskap og konkurrentenes. Dermed elimineres konkurransefordelen.

Selv om store datasett er en fordel når det gjelder trening og optimalisering av algoritmen, er det ikke nødvendigvis en vesentlig fordel å ha et større datasett. Hvis datamønstrene som identifiseres og analyseres av AI-algoritmen er tydelige ut fra et utvalg på brøkdeler av ditt volum, vil ikke ditt store datasett representere vesentlige merverdier.

Forfatterne Jay B. Barney og Martin Reeves har ytterligere en innvending: - Og selv om dine data er proprietære og dine konkurrenter ikke har funksjonelle ekvivalenter, skaper det å stole på data som en kilde til varig konkurransefortrinn et annet problem. Etter hvert som generative AI blir mer sofistikert og inkorporerer større og mer mangfoldige datasett i sine analyser, kan AI være i stand til å identifisere hvilke typer data et selskap må ha for å fatte riktige beslutninger. AI kan etterligne strategien din etter å ha observert de gunstige resultatene AI har skapt for ditt selskap. Dine konkurrenter kan kopiere dine suksesser uten tilgang til de primære dataene som strategien din var basert på, forteller forfatterne.

Vi må også trekke fram sikkerhet. Sikkerhetsutfordringene med datainnbrudd eller datalekkasje vil alltid kunne oppstå. Har du investert store midler i generative AI så må du også matche investeringen med robuste sikkerhetstiltak. Dette er kritisk fordi AI-systemer kan håndterer store mengder sensitive data, som personopplysninger, finansinformasjon eller forretningshemmeligheter. Hvis slike data kompromitteres, kan det føre til økonomiske tap, skade på omdømmet eller til og med juridiske konsekvenser.

Hvem er skodd for å skape langsiktige og signifikante fordeler ved bruk av AI?

Har din virksomhet kunnskap og unike ressurser som er svært kostbart for konkurrenter å kopiere, kan AI brukes til å forsterke posisjonen din. Kanskje har du bygget opp en innsikt i en komplisert produksjonsprosess innenfor et begrenset marked som ingen andre besitter. Da kan AI brukes til ytterligere effektivisere interne prosesser. Artikkelforfatterne trekker fram Amazon som eksempel på et selskap som er i en posisjon som det er vanskelig for konkurrentene å matche ved å ta i bruk AI. Selskapet styrer komplekse verdikjeder med utstrakt tilgang på data som få, eller ingen konkurrenter kan matche. Amazon har en markedsandel på ca 38% av all netthandel i USA. Et stalltips er at bedrifter som har bygget opp en dominerende posisjon på et stort og stabilt marked, har mest gevinster av AI.

Et annet tips er de bedrifter som evner å jobbe meget smidig. De kan kontinuerlig ha en portefølje av mindre AI-prosjekter i alle faser (i backlog, under godkjenning, under utvikling, i produksjon, ++) som kan representere initiativer som dekker både interne og eksterne prosesser – alt fra bruk av AI i automatisering av kundesegmentering og digital innholdsproduksjon til effektivisering av onboarding og offboarding av ansatte.

Konkurransefordelen her er rett og slett at bedriften er mest smidig – og de har blitt det ved bruk av AI. AI kjenner ingen motstand mot endringer. AI trenger ikke lang overbevisning om prosjektet er det riktige initiativet. AI trenger ikke mange møter på å overbevise de involverte i manuelle prosesser om at det er nødvendig å endre prosess og fokus. AI blir ikke lei nye forslag. AI blir ikke utsatt for endringstrøtthet som populært beskrevet med   (Bend Over, Here It Comes Again). Medarbeidere kan bli utmattet av de stadige endringsinitiativene som det ikke blir resultater av. Det skjer ikke med AI.

Et avsluttende tips til deg som vurderer å investere i AI. Tør å se på deg selv som en nybegynner – ikke en ekspert på feltet.

In the beginner’s mind there are many possibilities, but in the expert’s mind there are few.

Shunryu Suzuki

Oppsummering

Gen AI, som ChatGPT og DALL-E, bruker data for å generere nytt innhold. AI har potensiale til å forbedre forretningsprosesser og effektivisere beslutninger i mange bransjer. Imidlertid er det usikkert om slike teknologier gir varige fordeler, da konkurrenter raskt kan adoptere dem. Selskaper med unike datasett eller svært smidige prosesser kan få en fordel. Amazon nevnes som en suksesshistorie. Anbefalingen er å nærme seg AI med en nysgjerrig og lærende holdning.

Lykke til med satsingen på AI!