Predajcovia by vás chceli presvedčiť, že sme uprostred revolúcie AI, ktorá mení samotnú podstatu toho, ako pracujeme. Pravda však podľa niekoľkých nedávnych štúdií naznačuje, že je oveľa jemnejšia.
Spoločnosti majú obrovský záujem generatívna AI ako predajcovia presadzujú potenciálne výhody, ale premena tejto túžby z overenia konceptu na funkčný produkt sa ukazuje oveľa náročnejšie: Narážajú na technickú zložitosť implementácie, či už je to kvôli technickému dlhu zo staršej technológie, alebo jednoducho nedostatok ľudí s primeranými schopnosťami.
V skutočnosti nedávna štúdia od Gartner zistili, že dve hlavné prekážky pri implementácii riešení AI boli nájdenie spôsobov, ako odhadnúť a preukázať hodnotu na úrovni 49 % a nedostatok talentu na úrovni 42 %. Tieto dva prvky by sa mohli ukázať ako kľúčové prekážky pre spoločnosti.
Zvážte to štúdia LucidWorksspoločnosť zaoberajúca sa podnikovým vyhľadávaním, zistila, že iba 1 zo 4 opýtaných ohlásil úspešnú implementáciu generatívneho projektu AI.
Aamer Baig, senior partner v spoločnosti McKinsey and Company, vystúpil na konferencii Sympózium CIO MIT Sloan v máji povedal, že jeho spoločnosť tiež našla v a nedávny prieskum že len 10 % spoločností implementuje generatívne projekty AI vo veľkom rozsahu. Uviedol tiež, že len 15 % zaznamenalo pozitívny vplyv na zisky. To naznačuje, že humbuk môže byť ďaleko pred realitou, ktorú zažíva väčšina spoločností.
Aké je zdržanie?
Baig vidí zložitosť ako primárny faktor, ktorý spomaľuje spoločnosti aj pri jednoduchom projekte vyžadujúcom 20-30 technologických prvkov, pričom správny LLM je len východiskovým bodom. Potrebujú tiež veci, ako sú správne kontroly údajov a zabezpečenia, a zamestnanci sa možno budú musieť naučiť nové možnosti, ako je rýchle inžinierstvo a okrem iného, ako implementovať kontroly IP.
Staroveké technologické zásobníky môžu tiež brzdiť spoločnosti, hovorí. „V našom prieskume bolo jednou z hlavných prekážok, ktoré sa uvádzali pri dosahovaní generatívnej AI vo veľkom rozsahu, v skutočnosti príliš veľa technologických platforiem,“ povedal Baig. „Nebol to prípad použitia, nebola to dostupnosť údajov, nebola to cesta k hodnote; boli to vlastne technologické platformy.“
Mike Mason, šéf AI v poradenskej firme Myšlienkové diela, hovorí, že jeho firma trávi veľa času prípravou spoločností na AI – a ich súčasné nastavenie technológie je toho veľkou súčasťou. „Otázkou teda je, koľko máte technického dlhu, aký veľký deficit? A odpoveď bude vždy znieť: Závisí to od organizácie, ale myslím si, že organizácie čoraz viac pociťujú bolesť,“ povedal Mason pre TechCrunch.
Začína to dobrými dátami
Veľkú časť tohto deficitu pripravenosti tvoria údaje, pričom 39 % respondentov prieskumu Gartner vyjadrilo obavy z nedostatku údajov ako hlavnej prekážky úspešnej implementácie AI. „Údaje sú obrovskou a skľučujúcou výzvou pre mnohé organizácie,“ povedal Baig. Odporúča zamerať sa na obmedzený súbor údajov s ohľadom na opätovné použitie.
„Jednoduchá lekcia, ktorú sme sa naučili, je skutočne sa zamerať na údaje, ktoré vám pomôžu s viacerými prípadmi použitia, a ktoré sa vo väčšine spoločností zvyčajne stanú tromi alebo štyrmi doménami, s ktorými môžete začať a použiť ich na svoje prioritné oblasti. obchodné výzvy s obchodnými hodnotami a dodanie niečoho, čo sa skutočne dostane do výroby a rozsahu,“ povedal.
Mason hovorí, že veľká časť schopnosti úspešne vykonávať AI súvisí s pripravenosťou údajov, ale to je len časť toho. „Organizácie si rýchlo uvedomia, že vo väčšine prípadov potrebujú urobiť nejakú prácu na pripravenosti AI, nejaké budovanie platformy, čistenie dát, všetky takéto veci,“ povedal. „Ale nemusíte robiť prístup všetko alebo nič, nemusíte stráviť dva roky, kým získate nejakú hodnotu.“
Pokiaľ ide o údaje, spoločnosti musia tiež rešpektovať, odkiaľ údaje pochádzajú – a či majú povolenie na ich použitie. Akira Bell, CIO v spoločnosti Mathematica, poradenskej spoločnosti, ktorá spolupracuje so spoločnosťami a vládami na zhromažďovaní a analýze údajov súvisiacich s rôznymi výskumnými iniciatívami, tvrdí, že jej spoločnosť musí postupovať opatrne, pokiaľ ide o využitie týchto údajov v generatívnej AI.
„Keď sa pozrieme na generatívnu AI, určite sa nám naskytnú možnosti a pri pohľade na celý ekosystém údajov, ktoré používame, ale musíme to robiť opatrne,“ povedal Bell pre TechCrunch. Čiastočne je to preto, že majú veľa súkromných údajov s prísnymi zmluvami o používaní údajov, a čiastočne preto, že niekedy majú do činenia so zraniteľným obyvateľstvom a musia si toho byť vedomí.
„Prišiel som do spoločnosti, ktorá berie prácu dôveryhodného správcu údajov naozaj vážne, a vo svojej úlohe CIO musím byť na tom veľmi pevne, a to z hľadiska kybernetickej bezpečnosti, ale aj z hľadiska toho, ako zaobchádzame s našimi klientmi a ich údaje, takže viem, aké dôležité je riadenie,“ povedala.
Hovorí, že práve teraz je ťažké necítiť nadšenie z možností, ktoré prináša generatívna AI; táto technológia by mohla jej organizácii a jej zákazníkom poskytnúť výrazne lepšie spôsoby, ako porozumieť údajom, ktoré zhromažďujú. Ale jej úlohou je pohybovať sa opatrne bez toho, aby sa postavila do cesty skutočnému pokroku, čo je náročný akt balansovania.
Nájdenie hodnoty
Podobne ako keď sa pred desaťročím a pol objavoval cloud, CIO sú prirodzene opatrní. Vidia potenciál, ktorý prináša generatívna AI, no musia sa postarať aj o základy, ako je riadenie a bezpečnosť. Potrebujú tiež vidieť skutočnú návratnosť investícií, ktorú je niekedy ťažké merať touto technológiou.
V januári Článok TechCrunch o cenových modeloch AI, borievka CIO Sharon Mandell uviedla, že meranie návratnosti investícií do generatívnej AI sa ukázalo ako náročné.
„V roku 2024 budeme testovať humbuk genAI, pretože ak tieto nástroje dokážu priniesť typy výhod, o ktorých hovoria, potom je návratnosť investícií vysoká a môže nám pomôcť odstrániť iné veci,“ povedala. Takže ona a ďalší CIO sú pilotmi, postupujú opatrne a snažia sa nájsť spôsoby, ako zmerať, či skutočne existuje zvýšenie produktivity, ktoré by odôvodnilo zvýšené náklady.
Baig hovorí, že je dôležité mať centralizovaný prístup k AI v celej spoločnosti a vyhnúť sa tomu, čo nazýva „príliš veľa skunkworks iniciatív“, kde malé skupiny pracujú nezávisle na množstve projektov.
„Potrebujete lešenie od spoločnosti, aby ste sa skutočne uistili, že tímy produktov a platforiem sú organizované a sústredené a pracujú tempom. A, samozrejme, potrebuje zviditeľnenie vrcholového manažmentu,“ povedal.
Nič z toho nie je zárukou, že iniciatíva AI bude úspešná alebo že spoločnosti hneď nájdu všetky odpovede. Mason aj Baig povedali, že je dôležité, aby sa tímy nesnažili robiť príliš veľa a obaja zdôrazňovali opätovné použitie toho, čo funguje. „Opätovné použitie sa priamo premieta do rýchlosti doručovania, vďaka čomu sú vaše podniky spokojné a prináša dopad,“ povedal Baig.
Napriek tomu, že spoločnosti realizujú generatívne projekty AI, nemali by byť paralyzované výzvami súvisiacimi s riadením, bezpečnosťou a technológiou. Ale nemali by byť zaslepení humbukom: Prekážok bude veľa pre každú organizáciu.
Najlepším prístupom by mohlo byť rozbehnúť niečo, čo funguje a ukazuje hodnotu a budovať odtiaľto. A pamätajte, že napriek humbuku s tým má problém aj mnoho iných spoločností.
