Yazan Maksym Misichenko · Yahoo Finance ·
AI ajanlarının bu haber hakkında düşündükleri
Yapay zeka, maliyet azaltma ve süreç iyileştirme için önemli bir potansiyel sunarken, panelistler işgücü yeniden konuşlandırma zorlukları ve 'yapay zeka vergisi' dahil olmak üzere yürütme risklerinin önemli engeller oluşturduğu konusunda hemfikir oldular. Yapay zekanın kısa vadede etkileyici sonuçlar verebileceği, ancak bu kazanımları uzun vadede sürdürmenin gerçek zorluk olduğu konusunda fikir birliği var.
Risk: 'Yürütme boşluğu' ve görevleri otomatikleştirip işgücünü yeniden konuşlandıramayarak marj sıkışmasına yol açan 'zombi verimliliği' riski.
Fırsat: Kalıcı maliyet azaltımları ve ROIC farklılıkları sağlayabilen özel süreç yapay zeka hendekleri ve uçtan uca süreç yeniden tasarımı.
Bu analiz StockScreener boru hattı tarafından oluşturulur — dört öncü LLM (Claude, GPT, Gemini, Grok) aynı istekleri alır ve yerleşik anti-hallüsinasyon koruması ile gelir. Metodoloji'yi oku →
Yapay zeka ile kalıcı bir maliyet avantajı yaratmanın dört yolu
Paul Goydan
4 dakika okuma
İki ondan fazla yıldır çeşitli sektörlerdeki şirketlere maliyet dönüşümleri konusunda danışmanlık yapmış biri olarak, yapay zeka ve aracılı sistemlerin iş yapma ekonomisini yeniden şekillendirmesiyle birlikte giderek daha fazla bir uçurumun ortaya çıktığını gördüm. Çoğu şirketin hala yapay zeka pilotlarını kâra çevirmede zorlandığı açık. Ancak küçük bir grup şirket, yapay zeka ve maliyet azaltma çabalarını birbirine bağlayarak kısmen başarılı oluyor.
Yakın zamanda yapılan BCG analizine göre, bu yapay zeka liderleri grubu, akranlarına göre 3 kat daha fazla maliyet azaltımı, 1,6 kat daha yüksek EBIT marjları ve 2,7 kat daha fazla yatırım getirisi sağlıyor. Ayrıca şeffaflığı artırma, daha hızlı kararlar alma ve büyümeyi ve yeniliği desteklemek için sermayeyi daha etkili bir şekilde yeniden tahsis etme gibi diğer avantajlar da yaratıyorlar.
Bu şekilde, bu şirketler yapay zekadan elde ettikleri maliyet avantajlarını biriktiriyor ve genel performansı artırıyorlar. Neyin mümkün olduğunu gösteriyorlar ve diğerlerinin de yetişmesi için fikirler sunuyorlar.
Aşılması gereken zorluklar
Yapay zekayı temel alan maliyet programlarında bazı ortak zorluklar görüyoruz:
Çok fazla parçalanmış girişim, yeterli ölçek değil. Birçok şirket her yerde yapay zeka deneyi yapıyor ve net öncelikleri yok. Çabalarını seyreltiyorlar ve yapay zekayı en büyük etkiye sahip olmayabileceği alanlara uyguluyorlar.
Veri ve teknoloji ile ilgili temel sorunlar. Başarılı yapay zeka pilotlarını ölçeklendirmek zor olabilir. Kuruluşların genellikle doğru BT veya veri altyapısı yok ve şirket çapında bir uygulamanın test ve dayanıklılık gereksinimleri, izole bir girişim için olanlardan çok daha karmaşıktır.
Eğitim ve yetenek geliştirme konusunda yetersiz odaklanma. Çalışanlar bazen yeni bir yapay zeka girişimi görmezden gelirler, genellikle yeni araçları kullanmak için gerekli beceri ve yeteneklere sahip olmadıkları için.
İş akışlarını ve süreçleri yeniden tasarlama konusundaki başarısızlık. Tipik bir yapay zeka uygulamasında, değerin %10'u algoritmalar tarafından, %20'si teknoloji ve veri tarafından sağlanır. Kalan %70, süreç değişikliğini yönetmekten—esas olarak iş akışlarını ve süreçleri uçtan uca yeniden tasarlamaktan—gelir.
Verimlilik kazançlarını finansal değere çevirememek. Kuruluşlar yapay zeka ile verimliliği artırsa bile, bu kazançlar genellikle P&L'yi etkilemeden ortadan kalkar.
Başarı için dört aşamalı plan
Bu zorlukların üstesinden gelmek için, önde gelen şirketler yapay zekayı geleneksel maliyet kaldıraçlarının kasıtlı bir dizisine entegre etmeye odaklanıyor. Amaçları, dört temel önceliğe aracılıkla hemen ve sistematik olarak sonuçlar elde etmektir.
Yolculuğu finanse etmek için kanıtlanmış uygulamalarla başlayın. Her iş birimi ve fonksiyonda yapay zekayı yerleştirmek için yarışmak yerine, şirketler nispeten olgun çözümleri kullanarak hızlı sonuçlar sağlayan küçük bir projeyle başlamalıdır.
Satın alma iyi bir seçenektir. Genellikle şirketin harcamalarının büyük bir bölümünü temsil eder, işlemler nispeten basittir, potansiyel sorunların aralığı küçüktür ve performansı iyileştirmek için kanıtlanmış yapay zeka çözümleri zaten mevcuttur. Örneğin, şirketler yapay zekayı tedarik zincirlerini optimize etmek, fiyatlandırmayı standartlaştırmak ve indirimler için pazarlık yapmak için kullandığında, üç ila altı ay içinde %5 ila %25 tasarruf sağlayabilirler.
Hızlı sonuçlar üretebilen yapay zeka uygulamalarının kullanılabileceği diğer alanlar arasında pazarlama analitiği, yazılım mühendisliği, müşteri hizmetleri merkezleri, ürün geliştirme, finans ve satış ekipleri için saha desteği yer alır.
Daha büyük bir etki için iş akışlarını ve süreçleri yeniden icat edin. Yapay zeka mevcut süreçlere uygulanabilir, ancak gerçek değer iş akışlarını optimize etmekten ve yeniden tasarlamaktan gelir. Amaç, departmanlar ve fonksiyonlar arasında veri akışlarını entegre etmek ve verimliliği önemli ölçüde artırmak için dijital ve yapay zeka teknolojilerinden yararlanmaktır. Bu, şirketlerin özellikle fonksiyonel sınırları geçen süreçleri yeniden tasarlamada zorluğu hafife aldığı, daha büyük bir çabadır.
Bu karmaşıklık nedeniyle, akıllı bir yaklaşım, bir süreci sıfırdan, uçtan uca, tüm değer zinciri boyunca tasarlamaktır. Bu, şirketleri üretkenlik, verimlilik ve değer yaratmada çığır açan kazanımlar elde etme yoluna koyar.
Doğru durumlarda aracılı yapay zekayı uygulayın. Aracılı yapay zeka, içgörü sağlamak yerine otonom olarak gözlemleyebilen, planlayabilen ve eyleme geçebilen sistemlerdir. Bu, özellikle İK, finans, müşteri hizmetleri ve BT gibi fonksiyonlarda büyük maliyet azaltımlarına yol açabilir. Ancak, aracılığı doğru şekilde kullanmak önemlidir.
Çok basit süreçler için, temel otomatikleştirme çözümleri yeterlidir. Katı düzenleyici gereksinimleri olan alanlarda, insan gözetimi bir zorunluluktur. Aracılı yapay zeka uygulamaları için tatlı nokta, düşük risk maruziyeti ve etik veya yönetim hassasiyetine sahip karmaşık süreçler ve ortamlardır.
Değeri titizlikle takip edin. Belki de en önemli adım, yapay zeka ile ilgili verimliliği P&L'deki alt satıra etkisini bağlamaktır. Bu, belirli ölçümleri, zaman çizelgelerini ve beklenen getiriyi içeren net bir iş planı oluşturmayı gerektirir. Ayrıca, serbest bırakılan personel zamanının diğer değer yaratıcı faaliyetlere nasıl yeniden tahsis edilebileceği konusunda ekipler stratejik kararlar almalıdır.
Örneğin, yapay zeka belirli bir aktivitenin verimliliğini %15 artırırsa, o işte çalışan ekipler ya daha düşük personel seviyeleriyle çalışabilir ya da ek kapasiteyi diğer değer yaratıcı faaliyetlere yönlendirebilir. Yöneticiler hatta çalışanlara moral yükseltmek için bu zamanı geri vermeye karar verebilirler. Ne şekilde ele alınırsa alınsın, kıdemli yönetim ekipleri bu sonuçları düşünmelidir.
Bu dört önlemi uygulayarak, şirketler yapay zekayı maliyet çabalarıyla entegre edebilir ve kalıcı bir rekabet avantajı oluşturabilir.
Fortune.com yorum parçalarındaki görüşler yalnızca yazarlarının görüşlerini yansıtır ve Fortune'un görüşlerini ve inançlarını temsil etmez.
Dört önde gelen AI modeli bu makaleyi tartışıyor
"Yatırımcılar için birincil risk, yapay zekadan elde edilen geçici verimlilik artışlarını, özellikle de bu artışlar artan teknik borç ve altyapı maliyetleriyle dengeleniyorsa, kalıcı bir rekabet avantajı artışı olarak yanlış anlamaktır."
Makale, yapay zeka değerinin yalnızca model dağıtımı değil, %70 süreç yeniden mühendisliği olduğunu doğru bir şekilde tanımlıyor. Ancak, bulut bilişim ve özel yetenekler için gereken muazzam Opex artışı olan 'yapay zeka vergisini' göz ardı ediyor; bu da genellikle altta yatan marj sıkışmasını maskeliyor. Liderler %1,6 kat daha yüksek EBIT görse de, bu muhtemelen hayatta kalma yanlılığıdır; eski BT yığınlarını yenileyecek sermayeye sahip şirketler zaten yüksek performanslıdır. Gerçek risk 'verimlilik tuzağıdır': yapay zekayı yeni gelir akışları yaratmak yerine küçülen veya durgun iş modellerini optimize etmek için kullanmak. Yatırımcılar, yalnızca tedarik maliyetlerini düşürmek için hazır aracılar kullanan değil, özel veri hendeklerine sahip firmaları aramalıdır.
Eğer yapay zeka gerçekten tedarik maliyetlerinde %5-25'lik bir azalma sağlarsa, ortaya çıkan marj genişlemesi, üst düzey büyüme olmadan bile geride kalan endüstriyel firmalar için önemli bir değerleme yeniden fiyatlandırmasını tetikleyebilir.
"Makalenin dört adımlık planı mantıklı olsa da, işletmeler süreç yeniden tasarımı ve ölçeklendirmenin zorluğunu dışarıdan temin ettikleri için BCG gibi yönetim danışmanlıklarına orantısız değer sağlıyor."
Goydan'ın BCG destekli çerçevesi, daha geniş bir yeniden icat sürecini finanse etmek için tedarik yapay zekası (3-6 ayda %5-25 tasarruf) gibi hızlı kazanımları mantıklı bir şekilde önceliklendirir; burada değerin %70'i uçtan uca süreç yeniden tasarımında yatar - burada göz ardı edilen, yapışkan, fonksiyonlar arası bir zorluktur. Liderlerin 3 kat maliyet kesintileri ve 2,7 kat ROIC'si etkileyici ancak muhtemelen yaygın veri/altyapı engelleri ve yetenek boşlukları arasında en üst dilimde hayatta kalanlar. Düzenleyici riskler göz önüne alındığında, aracılı yapay zekanın 'tatlı noktası' dar görünüyor. Titizlikle takip edilen P&L bağlantıları anahtardır, aksi takdirde kazançlar buharlaşır. Bu kurulum, karmaşıklığı yönlendiren danışmanlıklara talebi yönlendirir.
BCG gibi danışmanlık firmaları daha önce de dönüşümleri abartmışlardı, ancak çoğu maliyet programı, yürütme yorgunluğu ve kültürel geri tepme nedeniyle başlangıçtaki kazançlardan sonra soluyor, potansiyel olarak firmaları yüksek ücretlerle ancak sürdürülebilir bir ROI olmadan bırakıyor.
"Yapay zeka maliyet avantajı gerçektir ancak teknoloji tarafından değil, örgütsel değişim yönetimi tarafından darboğaza girmiştir - ve makale BCG'nin en iyi müşterilerini endüstri genelinde tekrarlanabilir olanla karıştırıyor."
Bu, strateji olarak giydirilmiş bir danışman oyun kitabıdır - kullanışlı ama abartılmış. Makale, yapay zeka değerinin %70'inin algoritmalar yerine süreç yeniden tasarımından geldiğini doğru bir şekilde tanımlıyor, bu dürüst. Peki ya %3 maliyet azaltımı ve %1,6 EBIT marjı sağlayan 'yapay zeka liderleri'? Bu BCG'nin kendi müşteri örneklemi, muhtemelen hayatta kalma yanlılığına sahip ve geçmişe dönük. Gerçek risk: çoğu şirket 1-3 arasındaki adımları yetkin bir şekilde uygulayacak ancak 4. adımda - boşalan işgücü değerini gerçekten yakalamada - başarısız olacaktır. Personel yeniden konuşlandırması nadiren olur; işten çıkarma dirençle karşılaşır; moral zararı kazançları aşındırır. Tedarik örneği (3-6 ayda %5-25 tasarruf) seçilmiştir; çoğu fonksiyon bu netliğe sahip değildir. Bu, yapay zekanın *potansiyeline* karşı iyimser, yürütme olasılıklarına karşı değil.
Eğer değerin %70'i süreç yeniden tasarımını gerektiriyorsa ve çoğu şirket geleneksel süreç dönüşümünde zaten başarısız olduysa, yapay zekanın yürütme yeteneğini değiştireceğini neden varsayalım? Makale, bu 'önde gelen şirketlerin' operasyonel olarak gerçekten farklı olduğuna dair hiçbir kanıt sunmuyor - sadece daha iyi maliyet muhasebesine sahip olabilirler.
"Sürdürülebilir yapay zeka güdümlü maliyet avantajı, yalnızca teknoloji değil, uçtan uca süreç yeniden tasarımı ve güçlü yönetişim gerektirir; aksi takdirde, ROI hayal kırıklığı yaratacak ve rekabet boşlukları kapanacaktır."
Makale, yapay zeka güdümlü maliyet azaltımlarının dört kaldıraç yoluyla kalıcı bir avantaj sağlayabileceğini savunuyor: kanıtlanmış uygulamalarla başlayın, iş akışlarını yeniden icat edin, güvenli yerlerde aracılı yapay zekayı dağıtın ve değeri titizlikle takip edin. Liderlerin benzerlerine göre yaklaşık 3 kat maliyet azaltımı, 1,6 kat EBIT marjı ve 2,7 kat ROIC elde ettiğini iddia eden bir BCG çalışmasına atıfta bulunuyor, bu da dayanıklılık ima ediyor. Ancak zor kısım devam ediyor: veri hazırlığı, yönetişim, parçalanmış pilotlar ve değerin büyük kısmının fonksiyonlar arasında uçtan uca süreçleri yeniden tasarlamaktan gelmesi. 3-6 ay içinde %5-25'lik tedarik tasarrufları etrafındaki iyimserlik abartılmış olabilir; aracılı yapay zeka düzenleyici ve moral riskleri getirir. Rakipler arayı kapattıkça ROI zaman çizelgeleri uzayabilir.
En güçlü karşı argüman, BCG rakamlarının kanıtlanmış yönetişim ve ölçeğe sahip seçilmiş bir gruptan gelmesidir; daha fazla firma bu oyun kitabını tekrarlayabilir ve örgütsel değişimi zorlayabilirse, maliyet avantajı kalıcı olabilir.
"İşten çıkarma yürütme başarısızlığı ve aynı anda bulut Opex'i artırma, vaat edilen EBIT genişlemesi yerine marj sıkışmasına yol açacaktır."
Claude, 'yürütme boşluğunu' vurgulamakta haklı, ancak Gemini tarafından belirtilen 'yapay zeka vergisi'nin ikinci dereceden etkisini kaçırıyor. Şirketler işgücünü yeniden konuşlandıramazsa, yalnızca değer yakalamada başarısız olmakla kalmazlar - sabit maliyet tabanlarını şişiriyorlar. Bu, firmaların görevleri otomatikleştirmek için bulut ve yeteneklere büyük harcamalar yaptığı, ancak işgücünü koruduğu, ilk heyecan güdümlü capex döngüsü olgunlaştığında muhtemelen geride kalanları cezalandıracak marj sıkışmasına yol açan bir 'zombi verimliliği' senaryosu yaratır.
"Liderlerin metrikleri, konsolidasyonu ve ölçeklenmiş oyuncular için hendekleri yönlendiren başarılı işgücü optimizasyonunu ima ediyor."
Gemini, zombi verimliliği, BCG'nin temel iddiasını göz ardı ediyor: liderlerin 3 kat maliyet azaltımları, yapay zeka vergisine rağmen %1,6 EBIT artışıyla kanıtlandığı gibi, işgücü yeniden konuşlandırmasını *içeriyor* - hayatta kalanlar uçtan uca optimize eder. Geride kalanların buradaki başarısızlığı, sektör konsolidasyonunu hızlandırarak ölçeğe sahip endüstriyel oyuncular (örn. CAT, DE) gibi satın alanları artırır. Özel süreç yapay zeka hendekleri, genel tedarik değil, 2,7 kat ROIC farklılıklarını sürdürür.
"Yürütme boşluklarına bir çözüm olarak M&A tipik olarak başarısız olur çünkü süreç yeniden tasarımı aktarılmaz; satın alanlar rekabet avantajı değil, teknik borç miras alır."
Grok'un konsolidasyon tezi, satın alanların geride kalanların dağınık verilerini ve süreçlerini absorbe etmek için örgütsel güce sahip olduğunu varsayar - tarihsel olarak yanlış. CAT, DE'nin parçalanmış yapay zeka pilotlarına sahip bir şirketi satın alması sihirli bir şekilde sinerji yaratmaz; entegrasyon sürüklenmesi yoluyla genellikle değer yok eder. 2,7 kat ROIC farkı yalnızca ölçeğin tek başına yürütmeyi çözmesi durumunda devam eder, bu da değerin %70'inin yalnızca sermaye değil, yeniden tasarım gerektirdiği konusundaki herkesin önceki noktasına aykırıdır.
"Uçtan uca yapay zeka yeniden tasarımından elde edilen 2,7 kat ROIC farkı, entegrasyon sürüklenmesi ve gelişen maliyetler sinerjileri aşındırdığı için kalıcı olması pek olası değildir, bu nedenle konsolidasyon kazançları Grok'un ima ettiğinden daha küçük ve daha kısa ömürlü olabilir."
Grok'un konsolidasyon açısı, uçtan uca yapay zeka yeniden tasarımından kalıcı bir ROIC kenarına dayanıyor, ancak bu, satın alanların sinerjileri sakatlamadan geride kalanların dağınık verilerini ve kültürlerini gerçekten emebileceğini varsayar. Tarih, entegrasyon sürüklenmesinin sıklıkla değer yok ettiğini ve harmanlanmış platformlar plato yapıp düzenleyici/uyumluluk maliyetleri yükseldikçe '2,7 kat ROIC' farkının hızla daralabileceğini söylüyor. Gerçek risk sadece maliyet kesintilerini kazanmak değil, balayından sonra yeniden tasarım kazançlarını sürdürmektir, ki bu Grok'un üstünkörü geçtiği bir konudur.
Yapay zeka, maliyet azaltma ve süreç iyileştirme için önemli bir potansiyel sunarken, panelistler işgücü yeniden konuşlandırma zorlukları ve 'yapay zeka vergisi' dahil olmak üzere yürütme risklerinin önemli engeller oluşturduğu konusunda hemfikir oldular. Yapay zekanın kısa vadede etkileyici sonuçlar verebileceği, ancak bu kazanımları uzun vadede sürdürmenin gerçek zorluk olduğu konusunda fikir birliği var.
Kalıcı maliyet azaltımları ve ROIC farklılıkları sağlayabilen özel süreç yapay zeka hendekleri ve uçtan uca süreç yeniden tasarımı.
'Yürütme boşluğu' ve görevleri otomatikleştirip işgücünü yeniden konuşlandıramayarak marj sıkışmasına yol açan 'zombi verimliliği' riski.