Gdzie jest miejsce AI w rachunku zysków i strat producenta

Większość tego, co pisze się o AI w przemyśle, dotyczy hali produkcyjnej: systemów wizyjnych, konserwacji predykcyjnej, harmonogramowania. Mniej efektowna szansa pojawia się po wysyłce produktu, w godzinach, które producent poświęca na pomaganie innym w jego montażu i naprawie. To tam jest marża.

Serwis to bardziej dochodowa część biznesu

Dwie duże firmy doradcze opublikowały dane o różnicy między tym, ile producenci zarabiają na nowych urządzeniach, a tym, ile zarabiają na serwisie po sprzedaży. Mierzą różne marże na różnych próbach, więc dwóch poniższych paneli nie można porównywać ze sobą. Każdy porównuje serwis z nowymi urządzeniami w ramach jednego badania.

Ocena McKinsey z 2023 roku jest bardziej dosadna: marże na usługach posprzedażnych są niemal zawsze co najmniej dwukrotnie wyższe niż na nowych urządzeniach. Bain ustalił, że serwis stanowił już 22% przychodów w badanej próbie i w latach 2010–2013 rósł o 9% rocznie, wobec 5% w przypadku urządzeń.

Dla producenta sprzedającego przez dystrybutorów i instalatorów duża część „serwisu” wcale nie jest umową. To infolinia techniczna, inżynier serwisu terenowego, który rozwiązuje to, z czym instalator sobie nie poradził, i roszczenie gwarancyjne, gdy produkt został źle skonfigurowany. Te koszty bezpośrednio pomniejszają tę marżę.

Gdzie w rachunku zysków i strat mieści się wsparcie techniczne

Siedem pozycji w trzech częściach rachunku. Na dwie z nich przewodnik oddziałuje sam. W pozostałych pięciu efekt zależy od tego, co instalatorzy zrobią dalej.

Do czego AI naprawdę się tu przydaje

Najlepsze dowody dotyczące AI w pracy wsparcia pochodzą z badania 5 179 konsultantów obsługi klienta w jednej firmie, opublikowanego przez amerykańskie National Bureau of Economic Research. Według tego dokumentu roboczego asystent oparty na generatywnej AI zwiększył liczbę spraw rozwiązywanych w ciągu godziny średnio o 14%. Efekt skupił się na pracownikach początkujących i o niższych kwalifikacjach, których wyniki poprawiły się o 34%, przy minimalnym wpływie na najbardziej doświadczonych. Był to generatywny asystent pomagający konsultantom w firmie programistycznej, a nie przewodnik odpowiadający instalatorom.

Tę samą pracę wykonuje przewodnik dla sieci instalatorów: instalator, który nigdy nie montował tego modelu, dostaje odpowiedź, jakiej udzieliłby wasz najlepszy inżynier.

Szacunek McKinsey z 2023 roku, według którego generatywna AI mogłaby podnieść produktywność w obsłudze klienta o wartość odpowiadającą 30–45% kosztów tej funkcji, to wynik modelowania, a nie pomiar. To górna granica, do której można się odnosić w rozważaniach, a nie liczba do wpisania w budżet.

Co nadal wymaga ludzi

AI nie naprawi produktu, który zawodzi w eksploatacji, nie napisze dokumentacji, której nie macie, ani nie zastąpi inżyniera diagnozującego usterkę, której nikt wcześniej nie widział. W przypadku produktów krytycznych dla bezpieczeństwa i objętych regulacjami AI, która improwizuje odpowiedź, to obciążenie, a nie oszczędność; wyjaśnia to powiązany artykuł o deterministycznej i generatywnej AI.

Pytanie przydatne dla prezesa jest węższe niż „jaka jest nasza strategia AI”. Brzmi ono: ile godzin rocznie nasi ludzie poświęcają na powtarzanie tego, co już jest w naszych instrukcjach, i na co przeznaczyliby ten czas? Jak przełożyć te godziny na kwotę, pokazuje wyliczenie kosztów.