Уже почти три года технология Generative AI (GenAI) привлекает компании по всему миру и обещает изменить качество обслуживания клиентов, повысить производительность и создать новые потоки доходов.
Однако сегодня многим крупным компаниям приходится иметь дело с реальностью, стоящей за этой шумихой. Фирмы, занимающиеся исследованием рынка и консалтингом, поставили GenAI в фазу разочарования, поскольку компании пытаются осознать его истинный потенциал и ограничения.
Исполнительный вице-президент HCLTech.
Инвестиции продолжаются во всей отрасли, но многие компании разочарованы медленной и измеримой прибылью. В это критическое время старший Лидеры бизнеса и технологий задаются вопросом: как мы можем управлять внедрением и масштабированием GenAI, чтобы обеспечить реальную ценность для бизнеса и не стать частью 30% проектов GenAI, которые, по прогнозам Gartner, будут заброшены к 2025 году?
Содержание
С какими проблемами сталкиваются компании при масштабировании GenAI?
Крупные компании, стремящиеся внедрить GenAI, сталкиваются с множеством практических проблем, в том числе ошибочными. Качество данных, неадекватный контроль рисков, растущие затраты и неясная ценность для бизнеса угрожают сорвать проекты еще до того, как они будут запущены в производство.
Основным препятствием является несоответствие между инвестициями и немедленной отдачей. Еще одной важной проблемой является организационная готовность. Многим компаниям не хватает базы данных и знаний в области искусственного интеллекта для поддержки GenAI в масштабе.
Организации с низким уровнем зрелости изо всех сил пытаются определить правильные варианты использования и имеют нереалистичные ожидания, в то время как более зрелые организации сталкиваются с нехваткой кадров и им необходимо прививать навыки GenAI всем командам. Обеспечение качества данных также является постоянной проблемой, поскольку системы GenAI, как и любая другая модель ИИ, хороши настолько, насколько хороши данные, на которых они обучаются.
Плохие данные приводят к ненадежным результатам. Управлению и контролю рисков часто приходится догонять, поскольку первые пользователи сталкиваются с такими проблемами, как модельные галлюцинации, предвзятость и соблюдение новых правил, таких как знаковый, юридически обязательный закон ЕС об искусственном интеллекте.
Все эти проблемы ясно показывают, что внедрение GenAI — это не только технологическая задача, но также проблема людей и процессов. Изолированные инновационные усилия терпят неудачу без межфункциональной поддержки, а проекты, реализуемые в отрыве от потребностей бизнеса, рискуют не дать четких бизнес-результатов.
Как компании могут избежать провала проектов GenAI и повысить их ценность?
Чтобы перейти от пилотного проекта к производству, компании должны с самого начала использовать стратегический подход, ориентированный на ценность. Во-первых, крайне важно разработать четкое экономическое обоснование и показатели успеха.
Вместо того, чтобы использовать ИИ ради самого себя, компаниям следует начать с определения высокоэффективных вариантов использования, в которых GenAI может решить реальную проблему или обеспечить измеримые улучшения, такие как: B. сокращение времени ожидания обслуживания клиентов или автоматизация дорогостоящих ручных процессов.
В то же время компании должны заранее тщательно проанализировать общие затраты и потенциальную ценность инициативы для бизнеса, чтобы принять обоснованные инвестиционные решения.
Еще одна передовая практика — содействие тесному межфункциональному сотрудничеству. Сотрудничество с первого дня. Успешные программы GenAI разрушают разрозненность между ИТ, наукой о данных, бизнес-подразделениями и управлением рисками.
Такой межфункциональный подход гарантирует, что технические команды понимают бизнес-контекст и факторы, определяющие ценность, и при этом держат заинтересованные стороны бизнеса в курсе возможностей и ограничений ИИ. Содействуя сотрудничеству между командами, люди на всех уровнях могут принимать обоснованные решения и вместе внедрять инновации.
Один из подходов заключается в создании «совета по искусственному интеллекту» или аналогичного руководящего органа с представителями нескольких департаментов, которые могут отстаивать инициативу, согласовывать ее с корпоративной стратегией и контролировать вопросы этики и соблюдения требований.
Управление культурой и аспектами изменений одинаково важно. Поскольку GenAI часто расширяет или переопределяет рабочие места и процессы, компании должны готовить свою рабочую силу. Это означает обучение и управление изменениями, чтобы помочь сотрудникам доверять инструментам искусственного интеллекта и эффективно их использовать.
Некоторые ранние пользователи сочли полезным начать с пилотных проектов с участием конечных пользователей и повторять их на основе отзывов; Демонстрация небольших успехов помогает придать импульс и заинтересованность. В нынешней атмосфере высоких ожиданий установление реалистичных ориентиров и празднование постепенного прогресса могут предотвратить разочарование.
Хотя шумиха обещала немедленные выгоды, на практике успех GenAI зависит от ряда хорошо реализованных, ориентированных на ценность шагов.
Какая структура может способствовать успешному развертыванию GenAI в больших масштабах?
Внедрение GenAI в крупной компании требует структуры. Компаниям нужна операционная модель, которая сможет перенести ИИ от идеи к промышленной реализации, позволяя многопрофильным командам сохранять гибкость без ущерба для безопасности и подотчетности.
Многие компании также используют ориентированные на продукт операционные модели, чтобы связать работу ИИ с результатами бизнеса.
Эффективный способ управления развертыванием ИИ — применить трехэтапную структуру от пилотного проекта до производства.
Первый этап, «Обнаружение и базовая оценка», направлен на понимание готовности и возможностей организации. Это включает в себя оценку текущего состояния данных, технологического стека и зрелости искусственного интеллекта, а также определение приоритетных вариантов использования посредством семинаров с руководителями бизнеса.
Цель состоит в том, чтобы определить проблему, привести ее в соответствие с критериями успеха и добиться общего понимания среди всех участников.
Второй этап, оснащение и проектирование, включает в себя тяжелую работу по созданию решения. Здесь компании выбирают правильные инструменты и модели и разрабатывают решение с учетом масштабируемости, безопасности и управления.
Оно включает в себя настройку Облачная или локальная инфраструктура и интеграция модели GenAI в бизнес-процессы. Дизайн также распространяется на пользовательский опыт. Например, как помощник на базе GenAI интегрируется в повседневные инструменты сотрудника.
Заключительный этап, «Окупаемость инвестиций и масштабирование», заключается в подтверждении ценности и последующем масштабировании того, что работает. На этом этапе решение GenAI развертывается в реальной среде, часто начиная с ограниченного объема или группы пользователей, и тщательно сопоставляется с ключевыми показателями эффективности, установленными на этапе открытия.
Если результаты соответствуют целям или превосходят их, организация может уверенно расширить использование ИИ и начать институционализировать его как возможность. На этом этапе основное внимание также уделяется внедрению и управлению изменениями в масштабах всей компании.
Ответственный ИИ должен быть встроен во все три этапа масштабирования GenAI. При проведении обнаружения заранее определите предполагаемое использование и ограничения, оцените происхождение и качество данных и установите измеримые показатели подотчетности наряду с бизнес-ключевыми показателями эффективности.
При разработке системы проектируйте ее в соответствии с этими стандартами, включая внедрение политик и контроль доступа, а также применение предвзятости и тестирование безопасности. По мере масштабирования и запуска внедрите непрерывный мониторинг шагов с высоким уровнем риска, непрерывный мониторинг и реагирование на инциденты, контрольные журналы и периодическую переоценку модели.
Где компании добиваются успеха с GenAI?
При правильном подходе GenAI может дать впечатляющие результаты. Например, в банковском секторе австралийский банк применил GenAI в процессе тестирования программного обеспечения, который традиционно требует много времени и выполняется вручную.
Используя GenAI, банк смог значительно ускорить жизненный цикл тестирования и улучшить качество программного обеспечения, тем самым способствуя созданию более совместной и адаптивной культуры тестирования. На практике это означало более быстрый выпуск новых функций для клиентов и повышение доверия к этим выпускам.
Другой пример можно привести из фармацевтической промышленности, где североамериканская фармацевтическая компания использовала GenAI, чтобы заново изобрести свои процессы обеспечения соответствия и аудита. Существующая в компании система проверки документов, основанная на правилах, была дорогостоящей и неудобной для пользователя, поэтому компания работала с партнером над интеграцией решения GenAI.
Результатом стал помощник на базе искусственного интеллекта, который мог проверять правила. документов и выявлять потенциальные пробелы в качестве с точностью более 95 %, одновременно сокращая усилия по ручной разработке документов на 65 % и повышая показатели читабельности на 50 %.
Марафон, а не спринт
Путь к внедрению GenAI на крупных предприятиях — это марафон, а не спринт. Многие компании в настоящее время находятся на нижней точке разочарования, поскольку первоначальные эксперименты еще не принесли обещанной рентабельности инвестиций. Но этот этап можно пережить, поскольку компании переосмысливают свои стратегии в области искусственного интеллекта, переходя от шумихи к реальности.
Занимаясь вопросами качества данных, инвестируя в организационную готовность и способствуя сотрудничеству между ИТ-отделами и бизнесом, компании могут избежать распространенных ошибок. Важно то, что компании могут получить значительную выгоду, используя операционные модели, ориентированные на продукт, и устанавливая реалистичные ожидания.
Однако достижение этой цели в больших масштабах требует продуманного, ответственного ИИ, управления, итераций и постоянного внимания к результатам бизнеса. Компании, которые рассматривают использование ИИ как целостное изменение и согласовывают технологии с людьми, процессами и целями, — это те компании, которые превращают первоначальные инвестиции в ИИ в устойчивую окупаемость инвестиций.
Мы представили лучшую платформу бизнес-аналитики.
Эта статья была создана в рамках канала Expert Insights от TechRadarPro, где мы рассказываем о лучших и ярких умах в области технологий сегодня. Мнения, выраженные здесь, принадлежат автору и не обязательно принадлежат TechRadarPro или Future plc. Если вы заинтересованы в участии, узнайте больше здесь:

