Sladění potenciálu AI s praktickou realitou

Nástroje AI se široce využívají v podnikání od spuštění ChatGPT v roce 2022, přičemž 98 % malých podniků dotázaných Americkou komorou obchodu je používá. Přestože byly úspěchy zaznamenány v oblastech, jako je analýza dat, souhrny, personalizace a dalších, nedávný průzkum 2 500 pracovníků po celé USA, Velké Británii, Austrálii a Kanadě ukázal, že 3 ze 4 pracovníků uvádějí, že AI ve skutečnosti zvýšilo jejich pracovní zatížení. Slib AI je tedy stále vysoký, ale realita na místě se zatím zdá být trochu zklamáním.

Tento nesoulad poukazuje na kritickou výzvu: most mezi slibem AI a jeho目前 omezeným praktickým dopadem na podnikové operace. Zavření této mezery je nezbytné pro to, aby organizace plně využily hodnotu svých investic do AI a zvýšily přijetí mezi svými pracovníky a stakeholdery.

Produktová vize pro investice do AI

AI udělala významný pokrok, ale mnoho obchodních řešení zůstává ve fázi experimentálního proof-of-concept a není plně vhodné pro denní operace. V mezinárodním a odvětvovém průzkumu 1 000 CxO a seniorních manažerů BCG zjistila, že 74 % společností má potíže s realizací a škálováním hodnoty svých investic do AI. Část důvodu tohoto je, že dnes jsou nejvýznamnější uživatelské rozhraní AI založena na přirozeném jazyce dodávaném prostřednictvím chatbotového paradigmatu. Přestože tyto modality jsou bezpochyby užitečné pro úkoly, jako je souhrn a další textové kontexty, nesouladují se s tím, jak práce je skutečně prováděna ve většině podniků.

Pro maximální dopad musí design nástrojů AI evoluce jít za izolované, textově založené rozhraní do integrovaných, workflow-enhancujících aplikací, které lépe splňují provozní potřeby velkých organizací. Další fáze evoluce AI bude stále více agentic, plynule se slučující do pozadí podnikových operací a umožňující týmům soustředit se na vysoké úrovně ideace a strategie vedoucí k automatizovaným operacím, obcházejícím manuální provedení, ale stále zachovávajícím lidskou kontrolu, která stále spoléhá na nelikvidovatelné lidské úsudky.

Tento přechod z “experimentálního” na “nezbytného” vyžaduje produktový přístup k vývoji, nasazení a operacím AI, podobně jako to, jak Apple (AAPL ) například revolucionalizovala technologický průmysl spuštěním iPhone – uvážlivě navrženým, uživatelsky přívětivým produktem, který integroval špičkovou technologii a spojil ji s prvotřídní uživatelskou zkušeností od samého počátku.

Zavření datových mezer a zajištění nákladové efektivity

Pro přechod k této sofistikovanější produktové verzi AI je nezbytné řešit mezery v podnikovém datovém majetku. Rostoucí zájem o nasazení AI v podnicích odhalil široké datové sila, které brání organizacím ve škálování AI za rámec prototypů.

Samozřejmě je důležité poznamenat, že finanční překážky mohou také odradit organizace od rozšíření jejich použití AI z pilotních projektů na podnikové aplikace. Infrastruktura vyžadovaná pro školení a údržbu pokročilých modelů AI – sahající od výpočetního výkonu, úložiště dat a provozních nákladů – může rychle narůst. Bez pečlivého dohledu tyto projekty riskují, že se stanou neudržitelně nákladnými, podobně jako se tomu stalo na počátku přijetí cloudových technologií.

Soustředění se na zajištění integrity, čistoty a kvality dat v první řadě může pomoci snížit náklady v dlouhodobém horizontu. Příliš často se společnosti soustředí na AI jako první a řeší své datové výzvy až později, vytvářejíce neefektivitu a promarněné příležitosti.

Nákladová efektivita je úzce spojena s investicemi napříč datovou a jádrovou infrastrukturou. Investice do této části zásobníku je klíčová pro zajištění, že LLMs mohou být spuštěny v měřítku. V praktických termínech to znamená standardizaci sběru dat, zajištění přístupnosti a implementaci robustních rámců pro správu dat.

Odpovědná AI

Společnosti, které vkládají zásady odpovědné AI na robustní, dobře spravovaný datový základ, budou lépe vybaveny pro škálování svých aplikací efektivně a eticky. Zásady, jako je spravedlnost, transparentnost a odpovědnost ve vstupních a výstupních datech AI, již nejsou pro podniky volitelné – jsou strategickými imperativy pro udržení důvěry s zaměstnanci a zákazníky, stejně jako pro dodržování vznikajících předpisů.

Jedním kritickým rámcem je EU AI Act, který vyžaduje jasnou dokumentaci, transparentnost a správu pro vysoce rizikové systémy AI. Dodržování těchto rámců vyžaduje, aby společnosti implementovaly procesy, které nejen ověřují jejich modely AI, ale také je činí interpretovatelnými a odpovědnými, což je zvláště důležité ve vysoce rizikových aplikacích, jako je hodnocení úvěru, detekce podvodů a investiční doporučení. Společnosti, které priorizují tyto postupy, mohou zůstat před požadavky regulátorů a vyhnout se nákladným právním nebo reputačním rizikům.

Navíc, jak se průmysl vyvíjí a agentic systémy AI, které mohou dělat autonomní rozhodnutí, se stávají stále více rozšířenými, stoupá i sázka na odpovědnou implementaci. Delegování akcí na nástroje AI vyžaduje důvěru v jejich spolehlivost a etické chování. Proto musí organizace investovat do kontinuálních auditních a monitorovacích rámců, aby zajistily, že systémy AI fungují tak, jak jsou určeny, a pečlivě střeží proti výsledným biasům a perpetuování nespravedlivých výsledků.

Pohled do budoucna

Transformační potenciál AI v podnikových operacích je nezpochybnitelný, ale realizace jeho plné hodnoty vyžaduje posun v přístupu organizací k jeho vývoji a nasazení. Přechod od experimentálních aplikací k škálovatelným, workflow-integrovaným nástrojům vyžaduje pečlivé soustředění se na řešení základních otázek datové kvality, správy a přístupnosti a přijetí produktového myšlení.

Zavření datových mezer a učinění odpovědné AI středobodem strategie bude klíčové pro udržení důvěry s stakeholdery, pokračování ve splňování strategických imperativů compliance a zajištění, že systémy AI jsou nejen škálovatelné, ale také spolehlivé a efektivní. Tímto způsobem může být slib AI realizován a jeho současné potíže s přijetím budou překonány v organizacích všech velikostí.