Het debat rond AI De ROI is luider geworden – en, eerlijk gezegd, een beetje cyclisch. Het ene moment horen we dat AI de sleutel is tot exponentiële groei; de volgende, dat 95% van de AI-piloten mislukt.
Bij Addi hebben we AI kunnen inzetten om 4x sneller te groeien, terwijl we met ~2x de winstgevendheid werken BNPL leeftijdsgenoten. Alleen al dit jaar hebben we meer dan $500.000 bespaard met onze AI-initiatieven.
Maar hoe hebben we zo’n sterke AI ROI bereikt? Het verschil tussen performatieve AI en AI met rendement zit hem niet in het model of de tool die je gebruikt; het is hoe uw team ze gebruikt.
Hier ziet u hoe we echte AI-native teamacceptatie hebben gestimuleerd en een workflow/datapijplijn hebben gebouwd die echt zinvol is.
1) Huur en groei voor vloeiendheid
We voeren landelijke assessments uit in toelatingsstijl om talent te vinden op onverwachte plaatsen (van het Amazonegebied tot de grens met Ecuador), en leren vervolgens vanaf dag één AI-native workflows. Van ons stagiairprogramma tot en met ons senior leiderschap ontwerpen we ons sollicitatieproces voor het AI-tijdperk. We wijzen een relevant project toe – iets waar kandidaten AI bij kunnen gebruiken – maar houden vervolgens een panelinterview waarin ze hun project presenteren, zodat kandidaten ook daadwerkelijk de ins en outs van hun werk kennen zonder AI-hulpmiddel.
Onze interviews peilen bovendien naar de eigen bekendheid van potentiële kandidaten met AI-tools, terwijl onze stagiaires in de praktijk gaan met agenten en uitgroeien tot teams die die beheersing al verwachten. De pijplijn is ontworpen om vanaf het begin te werven voor een AI-tijdperk, in plaats van een bijzaak te zijn die ooit al in dienst was.
2) Codificeer AI-inheemse rituelen in de cultuur
Als het gaat om het cultiveren van een AI-native werkcultuur, is AI-native een aangeleerd gedrag. We hebben geïnvesteerd in uitgebreide AI-introductie en het opbouwen van gewoontes, waarbij we elke kenniswerker aan de juiste agent of co-piloot hebben gekoppeld en het gebruik van AI als standaardbedrijf hebben aangemoedigd.
Tegenwoordig zijn meer dan 90% van onze engineers wekelijks actieve copilootgebruikers en wordt ~80% van de door AI gegenereerde code geaccepteerd. Dit vertaalt zich in efficiëntiewinsten tot 60% zonder dat het personeelsbestand toeneemt. We hebben ons kernteam voor productontwikkeling drie jaar lang plat gehouden tijdens de verzending meer producten. Het verhaal hier zit niet in de besparingen; het zit op het diepe niveau van AI-adoptie waarvan we getuige zijn geweest onder onze medewerkers door hun buy-in veilig te stellen, verwachtingen te scheppen voor een AI-vriendelijke omgeving en gerichte training aan te bieden.
Uitrol mislukt wanneer AI wordt behandeld als een ‘hier alleen als je het nodig hebt’-tool. Ze werken wanneer bedrijven hun rituelen eromheen herschrijven – bijvoorbeeld codebeoordelingen met AI-diffs, CX-stand-ups die transcripties van agenten inspecteren, juridische postmortems die de output van onze AI bevatten – om het gedrag te normaliseren. U kunt zelfs overwegen om AI-vaardigheid in werknemersbeoordelingen op te nemen.
Met andere woorden, indexeer niet te veel op tools; over-index op cultuur. Die culturele verschuiving is de reden waarom het gebruik van AI bij Addi vrijwillig en toch alomtegenwoordig is.
3) Ontwerp AI als collega
Er is een reden waarom onze interne agenten gewone namen hebben als ‘Addri’ en ‘Aegis’. Elke agent bij Addi wordt behandeld als een werknemer: iemand met een duidelijke reikwijdte, serviceniveauovereenkomsten (SLA’s) en statistieken. Addri’s taak is het oplossen van het eerste contact met de beoogde klanttevredenheid (CSAT); de handelsagent is eigenaar van KYP-doorvoer en reactivering; Aegis is eigenaar van de escalatielatentie en de volledigheid van het bewijsmateriaal. Menselijke eigenaren beoordelen de uitvoer en stemmen de aanwijzingen af zoals bij een nieuwe arbeidskracht’s draaiboek, en we verwelkomen altijd teambrede feedback over hoe onze collega-agentmedewerkers zich kunnen verbeteren vóór hun volgende beoordelingscyclus.
Bovendien hebben onze AI-‘werknemers’ dezelfde diepgaande contextuele kennis en begrip als een menselijke medewerker, om hen te helpen zij aan zij met ons team te functioneren en de frustratie te minimaliseren die gepaard gaat met een valse of beperkte context. Onze agenten zijn afgestemd op specifieke rollen en zijn geen verzamelobjecten van een externe leverancier die een basisagent in een breed scala aan situaties inschakelt. We zorgen ervoor dat ze worden getraind met hoogwaardige, grote hoeveelheden gegevens die eigendom zijn van het bedrijf. We hebben meer dan vier jaar besteed aan het bouwen van een toonaangevend dataplatform, waarbij we ervoor zorgden dat meer dan 40 terabytes aan gegevens onmiddellijk beschikbaar waren toen het begon met het bouwen van AI-agents, waardoor onze ‘digitale teamgenoten’ de best mogelijke training kregen.
4) Investeer in de juiste fundamenten
“AI-first” is niet wat werkt; ‘data-first’ is. Zo zorg je ervoor dat jouw ‘AI-collega’s’ die werknemerachtige context hebben.
Meer dan vier jaar geleden (pre-LLM’s!) hebben we de beslissing genomen om te investeren in een data-engine van de volgende generatie die ervoor zou zorgen dat alles wat er op ons platform gebeurde (van een enkel sms-bericht tot een volledige acceptatieanalyse) zou worden opgeslagen en door iedereen en alles kon worden bevraagd: traditionele AI-modellen, menselijke analisten en, ja, zelfs LLM’s via vectorisatie.
Met één enkele monorepo en een op gebeurtenissen gebaseerd systeem dat alles registreert, hebben we een vrijwel perfecte context: 50 terabytes aan schone, doorzoekbare gegevens. Als u niet de eigenaar bent van uw stack (dat wil zeggen: u heeft geen controle over uw gegevens en gebeurtenislogboeken), verhuurt u uw voordeel aan een leverancier. Bereid uw AI-native team voor op succes door alles te loggen en profiteer van de voordelen van een database die zowel door mensen als door AI kan worden gelezen.
5) Vier adoptie
Beloon het gebruik van AI door werknemers door de acceptatiegraad, de verkorting van de cyclustijd en het voorkomen van defecten te vieren.
Dit jaar hebben onze AI-initiatieven ruim $ 500.000 aan jaarlijkse bedrijfskosten bespaard. Voor lean teams waar het succes van een startup het succes van hun teamgenoten is, zijn deze statistieken (en transparantie) van belang. Die $ 500.000 is geen bezuiniging; het gaat $ 500.000 terug in de zakken van onze werknemers in de vorm van loonsverhogingen, betere arbeidsvoorwaardenpakketten en winstdeling. Koppel budgetten aan opgeloste tickets, bespaarde minuten, geactiveerde verkopers en vermenigvuldig de winsten vervolgens naar de volgende kwartalen.
Die mentaliteit van ‘AI-winst is jouw winst’ is de reden waarom AI gemakkelijk de helft van onze juridische en codeerdoorvoer, een groot deel van de CX en cruciale onboarding-stromen kan aansturen.
Samengevat
Train uw mensen om AI-native te zijn en geef ze de infrastructuur om te gedijen. De modellen zullen veranderen. De spieren die je opbouwt, zullen dat niet doen. Dankzij deze aanpak hebben we meer producten sneller kunnen lanceren en tegelijkertijd een over het algemeen gestroomlijnd team kunnen behouden. Daarom ben ik ervan overtuigd dat de beste AI-ROI-verhalen nog moeten komen.
