قادة الفكر
لماذا تعيق استراتيجيات الاستثمار في الذكاء الاصطناعي الشركات
الذكاء الاصطناعي في الشركات قد وصل إلى مرحلة محرجة. وهو يشبه المراهقة المحرجة، حيث التطلعات موجودة، والتكنولوجيا تتنضج، ومع ذلك فإن النطاق المهم يبقى غير واضح. لا تزال العديد من المنظمات عالقة في وضع تجريبي، وتتكرر الحالات الواعدة دون أن تدمج الذكاء الاصطناعي بشكل عميق في الأعمال.
الواقع هو أن القضية تRuns أعمق من الأدوات أو اختيار النموذج. إنها تقع في كيفية تمويل الذكاء الاصطناعي، وحكمت، وأعطيت الأولوية على مستوى المنظمة.
لماذا يصطدم الاستثمار في الذكاء الاصطناعي بالسقف
لمدة سنوات، اتبعت استثمارات تكنولوجيا الشركات نمطًا متوقعًا: تحديد حالة استخدام، وتعيين ميزانية، وتسليم المشروع، ثم الانتقال. هذا النهج يأتي بالوضوح والسيطرة، وهو السبب في استمراره.
然而، لا يناسب الذكاء الاصطناعي هذا الهيكل بشكل جيد. النشر الفردي نادرًا ما يبقى محتجزًا داخل وظيفة واحدة؛ إنه ينتشر بسرعة عبر تدفقات العمل، والفرق، والقرارات. ما يبدأ كتجربة ضيقة غالبًا ما يتطور إلى شيء أوسع بكثير، مع اعتبارات لم تكن مرئية في البداية.
معالجة الذكاء الاصطناعي كمنشآت منفصلة تخلق احتكاكًا. الفرق تتكرر في الجهد، وخطوط أنابيب البيانات يتم بناؤها من الصفر، وحوكمة تصبح غير متسقة. يتم إحراز تقدم، لكنه غير متساوٍ وصعب الاستمرار.
المنظمات التي تتجاوز هذا النمط وتنجح بشكل أسرع تميل إلى تبني عقلية مختلفة. إنهم ي финансиرون الذكاء الاصطناعي كقدرة مستمرة، مع ملكية مخصصة، واستثمار مستمر، وماندا واضحة لخدمة الأعمال الأوسع.
الاستثمار الذي يتركه معظم حالات العمل في الذكاء الاصطناعي
تُركز الحالات التجارية المبكرة غالبًا على تكاليف النموذج والزيادات المتوقعة في الإنتاجية. ولا ي驚، لأن هذه هي العناصر الأسهل في Quantify، وهو السبب في أنها تهيمن على المحادثة.
الواقع أكثر تعقيدًا. الاستثمارات الكبيرة تقع في الطبقات المحيطة بالنموذج، وهذه الطبقات تحدد ما إذا كان الذكاء الاصطناعي يلقي قيمة في الممارسة.
البنية التحتية هي واحدة من النقاط الأولى للضغط. تشغيل الذكاء الاصطناعي بمقياس كبير، خاصة في بيئات الوقت الفعلي، يقدم طلبات حوسبة مستمرة تنمو بسرعة مع زيادة الاستخدام. التكاليف لا تبقى ساكنة بمجرد نجاح تجربة؛ إنها تتوسع مع الاستخدام.
جاهزية البيانات تعرض تحديًا آخر. البيانات المؤسسية نادرًا ما تكون في حالة يمكن أن يستخدمها أنظمة الذكاء الاصطناعي بشكل موثوق. إنها متجزئة، غير متسقة، وغالبًا ما تفتقر إلى الحوكمة. إعدادها يتطلب وقتًا، وتنسيقًا، وجهودًا مستمرة عبر الفرق.
ثم هناك حوكمة التي تضيف وزنًا إضافيًا. السياسات، وأنظمة المراقبة، والرقابة البشرية ضرورية للحفاظ على الثقة والامتثال. هذه الآليات تحتاج إلى التصميم والصيانة كجزء من النظام، وليس طبقة بعد ذلك.
استخدام القوى العاملة غالبًا ما يتم تقليله. الموظفون بحاجة إلى فهم كيف يتناسب الذكاء الاصطناعي مع عملهم، وأين تقع حدوده، وكيفية استخدامه بشكل مسؤول. بدون ذلك، حتى الأنظمة المبنية جيدًا ت투쟁 للحصول على زخم.
معًا، هذه العناصر تمثل معظم الجهد، لكن تجاهلها يؤدي إلى نتيجة مألوفة: تجارب ناجحة فنيًا تفشل في ترجمة إلى تأثير تجاري.
مثال عملي من الخطوط الأمامية
فكر في شركة خدمات مالية تنشر مساعدًا ذكاء اصطناعي لدعم تحليل المخاطر الداخلي. التركيز الأولي للتجربة على تلخيص التقارير وتسليط الضوء على الشذوذ في مجموعة بيانات محكومة. النتائج تبدو قوية، وحالة الحاجة إلى التوسع موافق عليها.
عندما يتوسع النظام، تظهر مطالب جديدة. إنه يحتاج إلى الوصول إلى بيانات حية عبر أنظمة متعددة، كل منها بهياكل وأنظمة تحكم مختلفة. فرق الحوكمة تتطلب قابليتها للتأدية، مما يضمن أن كل إخراج يمكن تتبعه وشرحه. المحللون بحاجة إلى تدريب لتحليل النتائج بشكل صحيح وتكاملها في اتخاذ القرارات.
الميزانية الأصلية، التي بنيت حول حالة استخدام محتجزة، تثبت بسرعة أنها غير كافية. الاستثمار الإضافي مطلوب عبر البنية التحتية، و هندسة البيانات، والامتثال. بدون نموذج تمويل يحتوي على هذه الطبقات، يبطئ التقدم وتنخفض الثقة.
هذا النمط شائع. التحدي ليس في النشر الأولي؛ إنه كل ما يلي.
لماذا تقف أنظمة Legacy الآن في طريق تقدم الذكاء الاصطناعي
اكتشفت العديد من المنظمات أن مقاطعها التكنولوجية الحالية غير ملائمة للذكاء الاصطناعي. الأنظمة التي بنيت بشكل منفصل، مع دمج محدود، وهياكل بيانات غير متسقة، تخلق عوائق يصعب التغلب عليها.
أنظمة الذكاء الاصطناعي تعتمد على الوصول، والاتصال، والسياق. عندما تكون هذه النقاط مفقودة، تصبح الإخراجات أقل موثوقية وأصعب في التحقق. الجهد المطلوب لجسر الفجوات بين الأنظمة يمكن أن يفوق فوائد الذكاء الاصطناعي نفسه.
تم تأجيل التحديث غالبًا لصالح الأولويات قصيرة الأجل، والذكاء الاصطناعي يؤدي إلى إعادة تقييم. الأنظمة التي لا يمكنها دعم التفاعل أو إظهار البيانات بطريقة يمكن استخدامها تصبح قيودًا على التقدم.
في المصطلحات الحقيقية، يتطلب معالجة هذا أكثر من الإصلاحات المتزايدة. إنه يدعو إلى جهد متعمد لتبسيط الهياكل، وتنمية البيانات، وإزالة التعقيد غير الضروري.
غرف المجالس تحتاج إلى إعادة التفكير
طريقة قيادة إطار الاستثمار في الذكاء الاصطناعي تشكل النتائج التي تليها. عندما يُعالج الذكاء الاصطناعي كتسلسل من المشتريات المنفصلة، تتكزن القرارات على العائدات قصيرة الأجل والمخاطر المحتجزة.
نهج مختلف يرى الذكاء الاصطناعي كقدرة تطور مع مرور الوقت. كل نشر يسهم في أساس أوسع، مما يجعل العمل اللاحق أسرع وأكثر فعالية. خطوط أنابيب البيانات تصبح قابلة لإعادة الاستخدام، وأطر الحوكمة تنضج، والفرق تبني الخبرة التي تحملها إلى الأمام.
هذا له آثار على التمويل. إنه يتطلب تمويلًا مستمرًا، ومساءلة واضحة، ورضًا للاستثمار في المناطق التي لا تؤتي عوائد فورية ولكنها ضرورية للنجاح على المدى الطويل.
كما يغير ذلك كيف يتم تقييم التقدم. بدلاً من تقييم المشاريع المنفصلة، المنظمات تحتاج إلى تقييم كيف تتطور قدرتهم العامة، وما إذا كان من الأسهل نشر الذكاء الاصطناعي في مجالات جديدة.
بني ليدوم
المنظمات الأولى التي تميل إلى النجاح مع الذكاء الاصطناعي تشترك في سمة مشتركة – أنها تعترف بأن القيمة تأتي من التراكم وليس الانتصارات المنفصلة.
هذا يعني الاستثمار في الأنظمة الأساسية التي تدعم الذكاء الاصطناعي، حتى عندما تكون أقل وضوحًا. إنه يعني تنسيق الفرق حول منصات مشتركة بدلاً من المبادرات المنفصلة. إنه يعني معاملة الاستخدام كعملية مستمرة بدلاً من خطوة نهائية.
الانتقال ليس مباشرًا. إنه ي挑ج نماذج التمويل المثبتة ويحتاج إلى تنسيق عبر الوظائف الفنية وغير الفنية. كما يطلب الصبر، لأن الفوائد تتراكم مع مرور الوقت بدلاً من الظهور على الفور.
البديل واضح بالفعل في العديد من المنظمات: سلسلة من التجارب التي تظهر الإمكانات التي تفشل في تغيير كيفية عمل الأعمال.
الذكاء الاصطناعي قد تجاوز التجربة. المنظمات التي تعيد صياغة استراتيجيات الاستثمار وفقًا لذلك ستكون في وضع أقوى لتحويل ذلك الإمكانات إلى ميزة مستدامة.
