Varje företagsledare jag talar med befinner sig för närvarande i samma situation. Du bombarderas av programvaruuppdateringar, tankeledare på LinkedIn och försäljningsmejl som alla gör anspråk på att ha den ”magiska lösningen” för din verksamhet. Pressen att innovera är verklig, men den maskeras ofta av en betydligt mer påträngande fråga: bör jag använda AI i min verksamhet just nu, eller är detta bara ännu en cykel av dyra, uppsvällda programvaror?
Jag har sett tusentals företag navigera genom denna omställning. Jag har sett företag spara £50k om året genom att byta till ett enda AI-nativt verktyg, och jag har sett andra bränna sexsiffriga belopp på föråldrad programvara som helt enkelt lagt till en ”Generera med AI”-knapp i en trasig process. Skillnaden mellan dessa två utfall handlar inte om tur; det handlar om förmågan att skilja mellan AI-nativa verktyg och vad jag kallar SaaS-taxidermi – äldre programvara som har stoppats upp med ett AI-API för att få det att se ut som om den fortfarande lever i den moderna eran.
För att hjälpa dig att navigera genom bruset har jag tagit fram ett ramverk. Innan du skriver under ännu ett användarbaserat avtal eller uppgraderar din teknikstack bör du ställa dessa fem frågor.
1. Kollapsar det arbetsflödet eller ändras bara gränssnittet?
💡 Vill du att Penny ska analysera ditt företag? Hon kartlägger vilka roller AI kan ersätta och bygger en etappplan. Starta din kostnadsfria provperiod →
Detta är den mest kritiska distinktionen när du ska avgöra om du bör använda AI i din verksamhet för en specifik funktion.
Äldre ”AI-paketerade” verktyg förbättrar vanligtvis gränssnittet. De ger dig en chatbot vid sidan av skärmen som hjälper dig att skriva en beskrivning eller sammanfatta en tråd. Det är hjälpsamt, men det är en marginell förbättring. Det sparar dig tre minuter av skrivande men håller dig kvar i samma manuella arbetsflöde.
AI-nativa verktyg kollapsar arbetsflödet.
Istället för ett verktyg som hjälper dig att skriva en bättre faktura (gränssnittsförbättring), övervakar ett AI-nativt verktyg din projektledningsprogramvara, upptäcker när en milstolpe har nåtts, genererar fakturan, stämmer av den mot ditt bankflöde och kontaktar dig endast om det finns en avvikelse. Arbetsflödet har inte förbättrats; det har raderats.
När du utvärderar ett nytt verktyg, fråga dig: Tar detta bort steg från min dag, eller gör det bara de befintliga stegen något snabbare? Om det inte tar bort en uppgift betalar du troligen bara för ett skal.
2. Är det inbyggt eller påskruvat?
Jag ser detta mönster i alla branscher, från detaljhandel till professionella tjänster. Etablerade SaaS-företag är desperata efter att undvika att bli irrelevanta. Deras lösning är ofta att ”skruva på” en tredjeparts AI-modell (som GPT-4) som en separat funktion.
Detta skapar vad jag kallar latensgapet. Eftersom AI:n är en efterhandskonstruktion har den inte djup tillgång till programvarans kärndata. Den kan bara ”se” det du kopierar och klistrar in i den, eller det den hämtar via ett begränsat API.
Ett AI-nativt verktyg är byggt kring modellen. Datastrukturen, användarupplevelsen och automations-triggers är alla utformade utifrån antagandet att en LLM gör grovjobbet.
Om du till exempel tittar på att optimera dina programvarukostnader, leta efter verktyg där AI:n är motorn, inte bara lacken. En påskruvad AI-funktion är vanligtvis ett tecken på att företaget försöker rättfärdiga en prishöjning snarare än att fundamentalt utveckla sin produkt.
3. Vad är ”värdeenheten”?
I tjugo år har SaaS sålts per ”användare” (seat). Du betalar £20/månad för varje människa som loggar in. Denna modell står i direkt motsats till AI-eran.
Om ett verktyg verkligen är AI-nativt bör det minska antalet människor som behöver logga in. Om ett programvaruföretag fortfarande driver en tung användarbaserad modell samtidigt som de påstår sig vara ”AI-first”, satsar de mot sin egen produkts effektivitet.
När du frågar dig själv ”bör jag använda AI i min verksamhet?”, bör du också fråga: ”Hur debiteras jag?”
Jag har funnit att de mest effektiva AI-verktygen rör sig mot resultatbaserad prissättning. Du betalar för den utförda uppgiften, den behandlade fakturan eller den kvalificerade leaden. Detta synkroniserar programvarans framgång med din egen. Om du fortfarande betalar för 50 användare för ett verktyg som hävdar att dess AI ”gör 10 personers arbete”, går kalkylen inte ihop.
4. Lär det sig av din kontext, eller är det bara för ”allmänna ändamål”?
Många ”AI”-verktyg är bara skal för modeller för allmänna ändamål. Om du ber ett allmänt AI-verktyg att skriva en marknadsföringsplan för din specifika rörfirmas verksamhet i Leeds, kommer det att ge dig ett generiskt svar.
Verkligt AI-värde kommer från kontextuell intelligens. Ett AI-nativt verktyg ska kunna ta in dina historiska data, din varumärkesröst, dina prisstrukturer och din kundfeedback för att ge svar som är unika för dig.
Det är därför jag ofta styr företag bort från generiska ”AI för allt”-plattformar och mot specialiserade verktyg som löser ett problem på djupet. Oavsett om det handlar om automatisering av IT-support eller granskning av juridiska dokument, måste verktyget bevisa att det kan hantera dina specifika specialfall, inte bara ”genomsnittsfallet”.
5. 90/10-regeln: Vad händer med de återstående 10 %?
Det är här de flesta företagsägare fastnar. De ser ett AI-verktyg som kan hantera 90 % av ett jobb – till exempel bokföring eller grundläggande kundtjänst – och de tvekar på grund av de återstående 10 % som kräver mänskligt omdöme.
Mitt råd? Automatisera de 90 % och behandla de 10 % som en ledningsuppgift.
Misstaget är att behålla en människa på heltid (eller ett manuellt äldre system) för att hantera 100 % av arbetet bara för att AI:n inte kan göra de sista 10 %. När du anammar ett AI-nativt verktyg skiftar din roll från ”utförare” till ”redaktör”.
Du bör inte leta efter ett verktyg som är 100 % perfekt. Du bör leta efter ett verktyg som hanterar huvuddelen av volymen så att dina medarbetare kan fokusera på de värdefulla, komplexa specialfallen. Om du fortfarande styr din verksamhet genom manuell uppföljning, överväg hur AI-först-metoder jämförs med traditionella kalkylblad när det gäller felmarginaler och hastighet.
”Byråskatten” och varför den spelar roll nu
En av de största ”icke-uppenbara” observationerna jag har gjort nyligen är framväxten av byråskatten. Många företag betalar byråer £3,000/månad för utförande (skriva SEO-inlägg, hantera annonser, grundläggande rapportering) som nu kan hanteras av AI-nativa verktyg för £50/månad.
Byråerna ljuger inte nödvändigtvis för dig – många av dem har helt enkelt inte uppdaterat sina egna interna processer ännu. De debiterar dig fortfarande för mänskliga timmar som har blivit en standardvara tack vare AI.
När du utvärderar ditt nästa SaaS-köp, fråga dig: Gör det här verktyget det möjligt för mig att ta hem en tidigare outsourcad funktion? Om svaret är ja, är avkastningen på investeringen inte bara kostnaden för programvaran, utan borttagandet av byråavgiften.
Från avsikt till handling
Enligt mina data säger 73 % av småföretagare att de vill använda AI, men endast cirka 15 % har faktiskt integrerat ett AI-nativt verktyg i sitt kärnarbetsflöde. Detta gap mellan avsikt och handling är din största konkurrensfördel.
Dina konkurrenter är troligen fortfarande ”SaaS-taxidermister” – de använder gamla verktyg med nya knappar. Genom att ställa dessa fem frågor säkerställer du att du inte bara köper ännu en prenumeration, utan bygger en slimmare och mer autonom verksamhet.
Fönstret för denna konkurrensfördel håller på att stängas. Inom två år kommer AI-nativ drift att vara standard. Just nu är det en superkraft.
Var börjar du? Om du är osäker är min rekommendation alltid att börja där volymen är högst och komplexiteten lägst. Vanligtvis är det dina backoffice-funktioner eller din första linjes kundsupport.
Sluta fråga ”om” och börja fråga ”var”. Svaren finns redan i dina kalkylblad.