Z pilotního provozu do produkční fáze: Přehled o škálování programů GenAI pro dlouhodobý úspěch

Po letech, kdy budeme vzpomínat na rozšíření generativní umělé inteligence (GenAI), bude rok 2024 považován za zlomový moment – období rozsáhlého experimentování, optimismu a růstu, kdy se lídři podniků, kteří byli dříve váhaví s novými inovacemi, ponoří do nich bez výhrad. V globálním průzkumu McKinsey o umělých inteligencích provedeném v polovině roku 2024 se 75 % respondentů domnívalo, že GenAI povede k významným nebo disruptivním změnám v jejich odvětvích v následujících letech.

Ačkoli bylo mnoho věcí nalezeno o výhodách a omezeních GenAI, je důležité si uvědomit, že jsme stále ve fázi vývoje. Pilotní programy lze rychle spustit a jsou relativně levné na vybudování, ale co se stane, když tyto programy přejdou do produkční fáze pod dohledem úřadu CIO? Jak budou fungovat případové použití v méně kontrolovaném prostředí a jak mohou týmy zabránit ztrátě impulzu, než jejich program bude mít šanci ukázat výsledky?

Obecné problémy při přechodu z pilotního provozu do produkční fáze

Vzhledem k enormnímu potenciálu GenAI pro zlepšení efektivity, snížení nákladů a zlepšení rozhodování, bylo vedení podniků jasně nařízeno – jít dál a experimentovat. Lídři podniků začali pracovat, experimentovali s funkcionalitou GenAI a vytvářeli své vlastní pilotní programy. Marketingové týmy používaly GenAI k vytváření vysoce personalizovaných zákaznických zkušeností a automatizaci opakujících se úkolů. V zákaznickém servisu GenAI pomáhalo napájet inteligentní chatboty pro řešení problémů v reálném čase a týmy R&D byly schopny analyzovat obrovské množství dat, aby našly nové trendy.

Již existuje mnoho nesouladů mezi tímto potenciálem a jeho konečnou realizací.

Jakmile pilotní program přejde do sféry úřadu CIO, data jsou mnohem pečlivěji prošetřována. Již jsme se seznámili s některými běžnými problémy s GenAI, jako je modelová předpojatost a halucinace, a v širším měřítku se tyto problémy stávají velkými problémy. CIO je zodpovědný za ochranu dat a správu dat po celé organizaci, zatímco lídři podniků používají data, která se mohou týkat pouze jejich konkrétní oblasti zájmu.

3 klíčové věci, které je třeba vzít v úvahu před škálováním

Nemylte se, lídři podniků udělali významný pokrok ve vytváření případových použití GenAI s působivými výsledky pro svou konkrétní funkci, ale škálování pro dlouhodobý dopad je zcela jiné. Zde jsou tři úvahy předtím, než se vydáte na tuto cestu:

1. Zahrňte týmy IT a informační bezpečnosti brzy a často

Je obvyklé, že lídři podniků vyvíjejí během své denní práce slepé skvrny a podceňují, co je zapotřebí k rozšíření svého pilotního programu na širší organizaci. Ale jakmile pilotní program přejde do produkční fáze, lídři podniků potřebují podporu týmů IT a informační bezpečnosti, aby mohli promyslet všechny možné věci, které mohou jít špatně.

To je důvod, proč je dobré zapojit týmy IT a informační bezpečnosti od začátku, aby pomohly testovat pilotní program a projít potenciální obavy. Tímto způsobem bude také podporována mezioborová spolupráce, která je kritická pro přinášení vnějších perspektiv a zpochybňování potvrzovací předpojatosti, která může nastat uvnitř jednotlivých funkcí.

2. Používejte skutečná data, kdykoli je to možné

Jak bylo zmíněno dříve, datové problémy jsou mezi největšími překážkami při škálování GenAI. To je způsobeno tím, že pilotní programy často spoléhají na syntetická data, která mohou vést k nesouladům mezi očekáváním lídrů podniků, týmů IT a nakonec CIO. Syntetická data jsou umělá data vytvořená k napodobení skutečných dat, vlastně jako náhrada za skutečná data, ale bez jakýchkoli citlivých osobních informací.

Funkční lídři nebudou mít vždy přístup ke skutečným datům, takže několik dobrých tipů pro řešení tohoto problému by bylo: (1) vyhnout se pilotním programům, které by mohly vyžadovat další regulační kontrolu v budoucnu; (2) stanovit směrnice, aby se zabránilo poškození/pokroucení výsledků pilotního programu špatnými daty; a (3) investovat do řešení, která využívají stávající technologický stack společnosti, aby se zvýšila pravděpodobnost budoucího souladu.

3. Nastavte realistické očekávání

Když GenAI poprvé získala veřejnou pozornost po spuštění ChatGPT na konci roku 2022, očekávání byla velmi vysoká, že tato technologie bude revoluční pro průmysly přes noc. Tento hype (lepší nebo horší) přetrvává a týmy jsou stále pod enormním tlakem, aby ukázaly okamžité výsledky, pokud chtějí, aby jejich investice do GenAI dostaly další financování.

Realita je taková, že zatímco GenAI bude transformační, společnosti potřebují dát této technologii čas (a podporu), aby mohla začít transformovat. GenAI není věc, kterou můžete jednoduše zapnout a spustit, ani její skutečná hodnota není omezena pouze na chytré chatboty nebo kreativní obrázky. Společnosti, které budou moci úspěšně škálovat programy GenAI, budou ty, které nejdříve vytvoří kulturu inovací, která upřednostňuje dlouhodobý dopad před krátkodobými výsledky.

Jsme všichni v tom spolu

Navzdory tomu, kolik jsme o GenAI četli nedávno, je to stále velmi raná technologie a společnosti by měly být opatrné vůči jakémukoli dodavateli, který tvrdí, že už všechno vyřešil. Takový postoj zamlžuje úsudek, urychluje polovičaté koncepty a vede k problémům s infrastrukturou, které mohou ohrozit podniky. Místo toho, když vstupujeme do dalšího roku nadšení pro GenAI, měli bychom také věnovat čas smysluplným diskusím o tom, jak škálovat tuto mocnou technologii zodpovědně. Zapojením týmu IT na začátku procesu, spoléháním se na skutečná data a udržováním rozumných očekávaní ROI mohou společnosti pomoci zajistit, aby jejich strategie GenAI byly nejen škálovatelné, ale také udržitelné.