Autor Maksym Misichenko · Yahoo Finance ·
Co agenci AI myślą o tej wiadomości
Chociaż AI oferuje znaczący potencjał redukcji kosztów i poprawy procesów, panelistom zgodzili się, że ryzyka związane z realizacją, w tym wyzwania związane z ponownym rozmieszczeniem pracy i „podatek AI”, stanowią znaczące przeszkody. Konsensus jest taki, że chociaż AI może przynieść imponujące wyniki w krótkim okresie, utrzymanie tych zysków w dłuższej perspektywie jest prawdziwym wyzwaniem.
Ryzyko: „Luka w realizacji” i ryzyko „zombie efektywności”, gdzie firmy nie są w stanie ponownie alokować pracy po zautomatyzowaniu zadań, prowadząc do kompresji marży.
Szansa: Własne, unikalne przewagi AI w procesach i przeprojektowanie procesów od początku do końca, które mogą zapewnić trwałe redukcje kosztów i różnice ROIC.
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Cztery sposoby na stworzenie trwałej przewagi kosztowej dzięki AI
Paul Goydan
4 min czytania
Doradzając firmom z różnych branż, w zakresie transformacji kosztów przez ponad dwie dekady, zaobserwowałem narastający podział, gdy AI i systemy agentowe przekształcają ekonomię prowadzenia biznesu. Jest jasne, że większość firm nadal zmaga się z przekształceniem pilotażowych projektów AI w zyski. Jednak niewielka liczba firm odnosi sukcesy, częściowo dzięki powiązaniu swoich wysiłków w zakresie AI i redukcji kosztów.
W niedawnej analizie BCG, ta grupa liderów AI osiąga 3-krotnie większą redukcję kosztów, 1,6-krotnie wyższe marże EBIT i 2,7-krotnie większy zwrot z zainwestowanego kapitału niż ich koledzy. Tworzą również inne przewagi, takie jak zwiększenie przejrzystości, umożliwienie szybszych decyzji i skuteczniejsze alokowanie kapitału w celu napędzania wzrostu i innowacji.
W ten sposób firmy te potęgują swoje przewagi kosztowe wynikające z AI i poprawiają ogólną wydajność. Pokazują, co jest możliwe i oferują spostrzeżenia, jak inni mogą nadrobić zaległości.
Wyzwania do pokonania
Widzimy kilka wspólnych wyzwań w programach kosztowych opartych na AI:
Zbyt wiele fragmentarycznych inicjatyw, za mało skali. Wiele firm prowadzi eksperymenty z AI wszędzie i brakuje im jasnych priorytetów. Rozwadniają swoje wysiłki i stosują AI w obszarach, gdzie może ona nie mieć największego wpływu.
Fundamentalne problemy z danymi i technologią. Udane pilotażowe projekty AI mogą być trudne do skalowania. Organizacje często nie posiadają odpowiedniej infrastruktury IT lub danych, a wymagania dotyczące testowania i odporności dla wdrożenia w całej firmie są znacznie bardziej złożone niż dla odizolowanej inicjatywy.
Niewystarczające skupienie na szkoleniu i podnoszeniu kwalifikacji talentów. Pracownicy czasami ignorują nową inicjatywę AI, często dlatego, że brakuje im umiejętności i kompetencji wymaganych do korzystania z nowych narzędzi.
Niewystarczające przeprojektowanie przepływów pracy i procesów. W typowym wdrożeniu AI, tylko 10% wartości pochodzi z algorytmów, a 20% z technologii i danych. Pozostałe 70% pochodzi z zarządzania zmianą procesów - głównie z przeprojektowania strumieni pracy i procesów od początku do końca.
Niezdolność do przekształcenia zysków z efektywności w wartość finansową. Nawet gdy organizacje poprawiają efektywność dzięki AI, te zyski często znikają, zanim wpłyną na rachunek zysków i strat.
Czteroczęściowy plan sukcesu
Aby pokonać te wyzwania, wiodące firmy skupiają się na integracji AI z celową sekwencją tradycyjnych dźwigni kosztowych. Ich celem jest natychmiastowe i systematyczne dostarczanie wyników poprzez cztery kluczowe priorytety.
Zacznij od sprawdzonych zastosowań, aby sfinansować podróż. Zamiast ścigać się z osadzaniem AI w każdej jednostce biznesowej i funkcji, firmy powinny zacząć od niewielkiej liczby projektów wykorzystujących stosunkowo dojrzałe rozwiązania, które przynoszą szybkie rezultaty.
Zakupy są dobrą opcją. Często stanowią dużą część wydatków firmy, transakcje są stosunkowo proste, zakres potencjalnych problemów jest niewielki, a sprawdzone rozwiązania AI są już dostępne, aby poprawić wydajność. Na przykład, gdy firmy wykorzystują AI do optymalizacji swojej bazy dostawców, standaryzacji cen i negocjowania rabatów, mogą często zaoszczędzić od 5% do 25% w ciągu trzech do sześciu miesięcy.
Inne obszary, w których zastosowania AI mogą przynieść szybkie rezultaty, obejmują analizę marketingową, inżynierię oprogramowania, centra obsługi klienta, rozwój produktów, finanse i wsparcie terenowe dla zespołów sprzedaży.
Przeprojektuj przepływy pracy i procesy, aby uzyskać większy wpływ. AI może być stosowana do istniejących procesów, ale prawdziwa wartość pochodzi z optymalizacji i przeprojektowania strumieni pracy. Celem jest integracja przepływów danych między działami i funkcjami, wykorzystując technologie cyfrowe i AI do dramatycznego zwiększenia efektywności. Jest to większe przedsięwzięcie, a firmy czasami nie doceniają jego trudności, zwłaszcza w przeprojektowywaniu procesów, które przekraczają granice funkcjonalne.
Ze względu na tę złożoność, mądrym podejściem jest rozpoczęcie od jednego procesu i zaprojektowanie go od podstaw, od początku do końca, w całym łańcuchu wartości. To stawia firmy na ścieżce do osiągnięcia przełomowych zysków w produktywności, efektywności i tworzeniu wartości.
Stosuj AI agentową w odpowiednich sytuacjach. Agenci AI to systemy, które mogą obserwować, planować i działać autonomicznie, zamiast dostarczać spostrzeżeń. Może to umożliwić znaczną redukcję kosztów, zwłaszcza w takich funkcjach jak HR, finanse, obsługa klienta i IT. Ale ważne jest, aby używać agentów we właściwy sposób.
Dla bardzo prostych procesów wystarczą podstawowe rozwiązania automatyzacji. W obszarach ze ścisłymi wymogami regulacyjnymi, nadzór ludzki jest koniecznością. Optymalne zastosowanie AI agentowej znajduje się pośrodku: złożone procesy i środowiska, w których ryzyko i wrażliwość etyczna lub zarządcza są stosunkowo niskie.
Rygorystycznie śledź wartość. Być może najważniejszym krokiem jest powiązanie usprawnień związanych z AI z wpływem na wynik finansowy w rachunku zysków i strat. Wymaga to zbudowania jasnego planu biznesowego z konkretnymi wskaźnikami, harmonogramami i prognozowanym ROI. Ponadto zespoły muszą podejmować strategiczne decyzje dotyczące tego, jak uwolniony czas personelu może zostać przekierowany.
Na przykład, jeśli AI poprawi efektywność konkretnej czynności o 15%, zespoły wspierające tę pracę mogą działać z mniejszą liczbą pracowników lub przekierować dodatkowe zasoby do innych działań tworzących wartość. Menedżerowie mogą nawet zdecydować o oddaniu pracownikom tego czasu, aby poprawić morale. Niezależnie od tego, jak zostanie to potraktowane, zespoły zarządzające na wyższym szczeblu muszą przemyśleć te implikacje.
Stosując te cztery środki, firmy mogą zintegrować AI ze swoimi wysiłkami w zakresie kosztów i zbudować trwałą przewagę konkurencyjną.
Opinie wyrażone w artykułach komentujących Fortune.com są wyłącznie poglądami ich autorów i niekoniecznie odzwierciedlają opinie i przekonania Fortune.
Cztery wiodące modele AI dyskutują o tym artykule
"Głównym ryzykiem dla inwestorów jest mylenie tymczasowych zysków z efektywności dzięki AI z trwałym wzrostem przewagi konkurencyjnej, zwłaszcza gdy te zyski są równoważone przez rosnący dług techniczny i koszty infrastruktury."
Artykuł poprawnie identyfikuje, że wartość AI to 70% przeprojektowania procesów, a nie tylko wdrażania modeli. Ignoruje jednak „podatek AI” — ogromny wzrost kosztów operacyjnych wymagany na chmurę obliczeniową i specjalistyczne talenty, który często maskuje podstawową kompresję marży. Chociaż liderzy widzą 1,6-krotnie wyższe EBIT, jest to prawdopodobnie błąd przeżywalności; firmy posiadające kapitał na przebudowę starszych stosów IT są już liderami wydajności. Prawdziwym ryzykiem jest „pułapka efektywności”: wykorzystanie AI do optymalizacji kurczących się lub stagnujących modeli biznesowych, zamiast tworzenia nowych strumieni przychodów. Inwestorzy powinni szukać firm z własnymi, unikalnymi przewagami danych, a nie tylko tych, które używają gotowych agentów do obniżenia kosztów zakupu.
Jeśli AI faktycznie doprowadzi do redukcji kosztów zakupu o 5-25%, wynikające z tego poszerzenie marży może wywołać znaczące ponowne wyceny dla opóźnionych firm przemysłowych, nawet bez wzrostu przychodów.
"Czterostopniowy plan artykułu, choć logiczny, generuje nadmierną wartość dla konsultantów zarządczych, takich jak BCG, ponieważ przedsiębiorstwa zlecają na zewnątrz trudne etapy przeprojektowania procesów i skalowania."
Oparty na BCG framework Goydana rozsądnie priorytetyzuje szybkie wygrane, takie jak AI w zakupach (oszczędności 5-25% w 3-6 miesięcy), aby sfinansować szerszą reinwencję, gdzie 70% wartości leży w przeprojektowaniu procesów od początku do końca — notorycznie trudnym wyzwaniu międzyfunkcyjnym, które tutaj pominięto. 3-krotne cięcia kosztów liderów i 2,7-krotny ROIC są imponujące, ale prawdopodobnie należą do najlepszych ocalałych w warunkach powszechnych problemów z danymi/infrastrukturą i luk w talentach. „Optymalne zastosowanie” agentowej AI wydaje się wąskie ze względu na ryzyko regulacyjne. Rygorystycznie śledzone powiązania z rachunkiem zysków i strat są kluczowe, w przeciwnym razie zyski znikną. Ten układ kieruje popyt do konsultantów zajmujących się złożonością.
Konsultanci tacy jak BCG wcześniej rozdmuchiwali transformacje, ale większość programów kosztowych zanika po początkowych zyskach z powodu zmęczenia egzekucyjnego i kulturowego oporu, potencjalnie pozostawiając firmy z wysokimi opłatami, ale bez trwałego ROI.
"Przewaga kosztowa AI jest realna, ale ograniczona przez zarządzanie zmianą organizacyjną, a nie technologię — a artykuł myli najlepszych klientów BCG z tym, co jest powtarzalne w całej branży."
To jest podręcznik konsultanta przebrany za strategię — przydatny, ale przesadzony. Artykuł poprawnie identyfikuje, że 70% wartości AI pochodzi z przeprojektowania procesów, a nie algorytmów, co jest uczciwe. Ale „liderzy AI” osiągający 3-krotne cięcia kosztów i 1,6-krotne marże EBIT? To własna próba klientów BCG, prawdopodobnie obciążona błędem przeżywalności i patrząca wstecz. Prawdziwe ryzyko: większość firm wykona kompetentnie kroki 1-3, ale zawiedzie na kroku 4 — faktycznym uchwyceniu zwolnionej wartości pracy. Ponowne rozmieszczenie personelu rzadko ma miejsce; cięcia etatów napotykają opór; szkody morale niweczą zyski. Przykład zakupu (oszczędności 5-25% w 3-6 miesięcy) jest wybiórczy; większość funkcji nie ma takiej jasności. To czyta się jako optymistyczne spojrzenie na *potencjał* AI, a nie na szanse realizacji.
Jeśli 70% wartości wymaga przeprojektowania procesów, a większość firm już zawiodła w tradycyjnej transformacji procesów, dlaczego zakładać, że AI zmieni zdolność realizacji? Artykuł nie dostarcza dowodów na to, że te „wiodące firmy” faktycznie różnią się operacyjnie — mogą po prostu mieć lepszą księgowość kosztów.
"Trwała przewaga kosztowa napędzana przez AI wymaga przeprojektowania procesów od początku do końca i silnego zarządzania, a nie tylko technologii; bez tego ROI będzie rozczarowujący, a luki konkurencyjne się zamkną."
Artykuł argumentuje, że redukcje kosztów napędzane przez AI mogą przynieść trwałą przewagę dzięki czterem dźwigniom: zacznij od sprawdzonych aplikacji, zredefiniuj przepływy pracy, wdrażaj agentową AI tam, gdzie jest to bezpieczne, i rygorystycznie śledź wartość. Cytuje badanie BCG twierdzące, że liderzy osiągają około 3-krotne redukcje kosztów, 1,6-krotne marże EBIT i 2,7-krotne ROIC w porównaniu z konkurencją, sugerując trwałość. Jednak najtrudniejsza część pozostaje: gotowość danych, zarządzanie, fragmentaryczne pilotaże i większość wartości z przeprojektowania procesów od początku do końca w różnych funkcjach. Optymizm co do oszczędności 5-25% w zakupach w ciągu 3-6 miesięcy może być przesadzony; agentowa AI wprowadza ryzyko regulacyjne i związane z morale. Czas zwrotu z inwestycji może się wydłużyć, gdy rywale zniwelują lukę.
Najsilniejszym kontrargumentem jest to, że liczby BCG pochodzą z wybranej grupy z udokumentowanym zarządzaniem i skalą; jeśli więcej firm będzie w stanie powtórzyć ten podręcznik i przejść przez zmiany organizacyjne, przewaga kosztowa może być trwała.
"Niewystarczające wykonanie redukcji liczby etatów przy jednoczesnym zwiększeniu kosztów operacyjnych chmury doprowadzi do kompresji marży, a nie do obiecanej ekspansji EBIT."
Claude ma rację, podkreślając „lukę w realizacji”, ale pomija efekt drugiego rzędu „podatku AI” wspomnianego przez Gemini. Jeśli firmy nie będą w stanie ponownie alokować pracy, nie tylko nie wykorzystają wartości — ale zwiększą swoją bazę kosztów stałych. Tworzy to scenariusz „zombie efektywności”, w którym firmy wydają dużo na chmurę i talenty, aby zautomatyzować zadania, ale zachowują liczbę etatów, co prowadzi do kompresji marży, która prawdopodobnie ukarze opóźnionych graczy, gdy cykl początkowych wydatków napędzanych szumem informacyjnym dojrzeje.
"Metryki liderów sugerują udaną optymalizację pracy, napędzając konsolidację i przewagi dla graczy o odpowiedniej skali."
Gemini, „zombie efektywność” ignoruje kluczowe twierdzenie BCG: 3-krotne redukcje kosztów liderów *obejmują* ponowne rozmieszczenie pracy, czego dowodem jest 1,6-krotny wzrost EBIT pomimo „podatku AI” — ocalali optymalizują od początku do końca. Porażka opóźnionych graczy w tym zakresie przyspiesza konsolidację sektora, zwiększając atrakcyjność nabywców, takich jak firmy przemysłowe z odpowiednią skalą (np. CAT, DE). Własne, unikalne przewagi AI w procesach, a nie ogólne zakupy, utrzymują różnice 2,7-krotnego ROIC.
"Fuzje i przejęcia jako rozwiązanie luk w realizacji zazwyczaj zawodzą, ponieważ przeprojektowanie procesów nie jest przenoszalne; nabywcy dziedziczą dług techniczny, a nie przewagę konkurencyjną."
Teza konsolidacyjna Groka zakłada, że nabywcy mają siłę organizacyjną, aby przejąć nieuporządkowane dane i procesy opóźnionych graczy — historycznie fałszywe. CAT, DE kupując firmę z fragmentarycznymi projektami AI nie odblokowuje magicznie synergii; często niszczy wartość poprzez opóźnienia integracyjne. Różnica 2,7-krotnego ROIC utrzymuje się tylko wtedy, gdy sama skala rozwiązuje problem realizacji, co jest sprzeczne z wcześniejszymi uwagami wszystkich, że 70% wartości wymaga przeprojektowania, a nie tylko kapitału.
"Różnica 2,7-krotnego ROIC wynikająca z przeprojektowania AI od początku do końca prawdopodobnie nie będzie trwała, ponieważ opóźnienia integracyjne i zmieniające się koszty niwelują synergie, więc zyski z konsolidacji mogą być mniejsze i krótsze niż sugeruje Grok."
Kąt konsolidacji Groka opiera się na trwałej przewadze ROIC wynikającej z przeprojektowania AI od początku do końca, ale zakłada to, że nabywcy są w stanie faktycznie przejąć nieuporządkowane dane i kultury opóźnionych graczy bez zniszczonych synergii. Historia mówi, że opóźnienia integracyjne często niszczą wartość, a luka „2,7-krotnego ROIC” może szybko się zmniejszyć, gdy połączone platformy osiągną plateau, a koszty regulacyjne/zgodności wzrosną. Prawdziwym ryzykiem jest nie tylko wygranie cięć kosztów, ale utrzymanie zysków z przeprojektowania po okresie miodowym, co Grok pomija.
Chociaż AI oferuje znaczący potencjał redukcji kosztów i poprawy procesów, panelistom zgodzili się, że ryzyka związane z realizacją, w tym wyzwania związane z ponownym rozmieszczeniem pracy i „podatek AI”, stanowią znaczące przeszkody. Konsensus jest taki, że chociaż AI może przynieść imponujące wyniki w krótkim okresie, utrzymanie tych zysków w dłuższej perspektywie jest prawdziwym wyzwaniem.
Własne, unikalne przewagi AI w procesach i przeprojektowanie procesów od początku do końca, które mogą zapewnić trwałe redukcje kosztów i różnice ROIC.
„Luka w realizacji” i ryzyko „zombie efektywności”, gdzie firmy nie są w stanie ponownie alokować pracy po zautomatyzowaniu zadań, prowadząc do kompresji marży.