麦肯锡想知道如何在没有可衡量收益的情况下推销人工智能
热衷于将人工智能货币化的软件供应商应该谨慎行事，因为他们冒着增加客户成本的风险，却没有提供任何承诺的好处，例如减少员工人数。
麦肯锡公司的最新报告仔细考虑了软件即服务 (SaaS) 供应商需要采取哪些措施来应对围绕人工智能的炒作雷区，并成功地将此类功能融入到他们的产品中。
该咨询公司在报告中指出，其认为存在阻碍人工智能软件货币化更广泛增长的三个主要挑战“升级软件商业模式，在人工智能时代蓬勃发展”。
其中之一就是无法显示任何可预期的节省。许多软件公司都宣扬人工智能的潜在用例，但只有 30% 的软件公司公布了实际客户部署的可量化投资回报。
与此同时，许多客户看到人工智能增加了 IT 成本，但无法通过削减劳动力成本来抵消这些成本。麦肯锡表示，投入数十亿美元开发人工智能模型意味着它们的价格并不便宜，而典型企业的整个客户服务堆栈的人工智能可能会导致价格上涨 60% 到 80%，同时引用了财富 100 强公司的一位人力资源主管的抱怨：“所有这些副驾驶都应该用更少的人来提高工作效率，但我的企业领导者也表示他们还无法减少员工数量。”
另一个挑战是在引入后扩大采用范围，报告将此归咎于变革管理投资不足。它表示，每在模型开发上花费 1 美元，公司就应该在变革管理上花费 3 美元，这意味着用户培训和绩效监控。
第三个问题是缺乏可预测的定价，这意味着客户很难预测他们的人工智能成本将如何随着使用而扩展，因为定价模型通常复杂且不透明。
为了解决这些问题，麦肯锡主要关注软件公司在人工智能时代应该如何构建定价，而不是首先将人工智能融入到一切事物中。
该报告认为传统的每用户每月订阅模式不太可能完全消失，但预计供应商将不得不将某种形式的基于消费的定价纳入其中。
许多人从混合模型开始，其中超出容量上限的“额外”消耗以不同的方式处理，例如限制某些模型每天、每周或每月处理的令牌数量的计量吞吐量。
- Gartner 发现 AI 代理炒作与谨慎的领导者发生冲突
- 烤面包机中的人工智能：分析师预测 2025 年全球支出将达到 1.5 吨
- 高盛警告人工智能泡沫可能会破坏数据中心的繁荣
- 亚马逊 $100B DC 支出与哥斯达黎加整个 GDP 相当
然而，它警告说，采用混合模式的公司将需要经常重新审视他们的选择，因为人工智能发展的快速步伐意味着在发布时处于领先地位的功能可能很快就会成为赌注。
供应商还需要仔细选择定价单位，无论是按用户固定费用并有容量上限，例如 Microsoft Copilot，基于每个任务，还是基于结果，例如销售工具的每个合格潜在客户。
然而，麦肯锡还声称，推理成本正在迅速下降，因此供应商需要仔细考虑如何在费用与不断增长的采用之间取得平衡。麦肯锡表示，在过去两年中，大型语言模型 (LLM) 的交付成本每年下降了 80% 以上。
许多 SaaS 公司认为，他们需要鼓励尝试来提高采用率，例如为人工智能功能提供免费的初始使用分配。一旦客户采用并看到价值，公司就可以寻求追加销售，以获得更多用例的更高分配。当然，问题在于麻省理工学院的一项研究发现，到目前为止，许多企业组织都已经看到零回报来自他们的人工智能努力。
麦肯锡认为，买家也在发生变化。该公司表示，采购决策正在从 IT 部门转向业务部门。这些领导者越来越多地在人员投资和人工智能部署之间进行预算权衡，并期望供应商让他们关注价值和成果，而不仅仅是功能。
当英国政府部门对微软 Copilot 等人工智能工具进行试验后发现，这可能是一次棘手的销售生产率没有明显提高。尽管如此，人工智能公司仍然必须以某种方式收回他们已经投资的数十亿美元，不是吗？®
关于《麦肯锡想知道如何在没有可衡量收益的情况下推销人工智能》的评论
暂无评论