Co mohou doufající v generativní AI naučit z chyb cloud computingu

Generativní AI (GenAI) je zde, aby zůstala, s organizacemi po celém světě, které si užívají schopností technologií. Už 72 % organizací uvádí, že目前 používají GenAI buď rozsáhle nebo příležitostně a dalších 26 % experimentuje s touto technologií. Nicméně, tato nová fáze adopce GenAI je stále v raných dnech.

Podle McKinsey, pouze 1 % výkonných ředitelů popisuje své nasazení GenAI jako „zralé“, což znamená, že technologie je plně integrována do pracovních postupů a přináší podstatné obchodní výsledky. Zavření této mezery zralosti vyžaduje neustálé korekce kurzu, často spočívající v nasazení překážek, jako jsou významné výdaje, nedůvěra k neprověřeným technologiím a regulační rizika. Pokud tyto výzvy znějí povědomě, měly by – když IT týmy poprvé skočily na přijetí cloudu jako další velkou věc, mnoho z těchto stejných překážek se objevilo.

Dvě vlny nového technologického nadšení se liší některými způsoby. Zatímco cloud computing byl implementován v více kritických systémech na počátku, GenAI je přijímána rychleji v pilotních fázích a pro použití případů, které jsou primárně věnovány ziskům z efektivnosti a produktivity. Nicméně, křivka učení je podobná: obě nutí organizace myslet a pracovat jinak.

Reflektováním zkušeností svých předchůdců v cloud computingu mohou dnešní doufající v GenAI lépe informovat svou budoucnost.

Zpráva o nákladech, rizicích a změnách: Učení z chyb cloudu

Obrácením se zpět k době, kdy cloudová technologie začala získávat trakci, mnoho organizací podcenilo složitost migrace a přecenilo krátkodobé úspory nákladů. V důsledku toho většina z těchto organizací se stala obětí tří hlavních pastí: špatného řízení nákladů, bezpečnostních konfigurací a přirozeného odporu, který přichází s kulturními a organizačními změnami.

Éra cloudu nás naučila, že jednoduché „zvednutí a přesunutí“ pracovních zátěží – jejich přesunutí do cloudu bez modernizace – často selhává ve việc dodání hodnoty. Podobně, iniciativy GenAI často stagnují, když organizace se snaží vložit dědictví, nestrukturovaná nebo špatně zdokumentovaná data do nových modelů bez aktualizace základny dat. Skutečně, projekty GenAI mohou dodat podprůměrné výsledky nebo dokonce posílit stávající neefektivitu. Lekce: technologie sama o sobě nemůže překonat základní slabiny.

Stejně jako cloudová technologie odhalila mezery v řízení, dovednostech a dlouhodobé strategii, tak i GenAI. Pokud zaměstnanci přijmou nástroje GenAI bez dohledu nebo použijí technologii mimo hranice akceptovatelného použití, rizika stínového IT se mohou znovu objevit, spolu s obtížemi zabezpečení GenAI potrubí a zajišťováním shody v měřítku. Tyto paralely budou pokračovat v objevování, jak se GenAI přesouvá z experimentování na širokou podnikovou integraci, vyžadující stejné robustní bezpečnostní rámce, plány reakce na incidenty a struktury řízení, které se nacházejí v cloudu.

Mimo řízení rizik je neřízený růst nákladů dlouhodobým problémem v technologiích. Cloud není výjimkou a jak podniky pokračují v integraci GenAI do svých pracovních postupů, čelí podobnému nárůstu výdajů.

Rostoucí počet organizací, které se snaží zlepšit svou strategii řízení nákladů, se obrací na FinOps jako na řešení. Díky včasnému, datům řízenému vhledu, který pomáhá zlepšit předpověď a povzbudit mezioborovou odpovědnost a spolupráci, komplexní infrastruktura FinOps se osvědčila jako cenná pro potlačování nadměrných výdajů a maximalizaci obchodních hodnot. Zásady FinOps nejsou omezeny pouze na řízení cloudových nákladů, ale nabízejí životaschopnou možnost i pro výdaje na GenAI.

Přenos cloudových lekcí do praxe GenAI

Do konce tohoto roku předpovídá Gartner, že alespoň 30 % projektů GenAI bude opuštěno po prokázání konceptu. Když se hype předchází realitě, skryté vzorce za neúspěchy projektů GenAI – jako neočekávaná data, nejasné obchodní vlastnictví nebo zbytečná složitost – často zůstávají nezaznamenány ve spěchu přijmout novou technologii. Rozpoznání a řešení těchto signálů brzy může znamenat rozdíl mezi úspěchem GenAI a dalším opuštěným projektem. Vedoucí, kteří aktivně hledají tyto varovné signály, místo aby zkracovali proces, připravují svá týmu pro dlouhodobý úspěch.

Jakmile je adopce schválena, společnosti by měly klást důraz na malé pilotní projekty GenAI, aby otestovaly a zajistily skutečnou hodnotu, místo aby se okamžitě přesunuly k rozsáhlému škálování. Je zásadní, aby společnosti začaly s několika jasně definovanými, vysoce dopadajícími použitími s jasnými cíli ROI mapovanými na skutečné obchodní potřeby.

To zajišťuje rané výhry, buduje vnitřní důvěru a vyhýbá se plýtvání časem a zdroji na obecné experimentování. Připoutáním adopce GenAI k hmotnému výsledku – jako je automatizace souhrnů zákaznické podpory nebo urychlení kontrol kódu – organizace mohou rychle prokázat hodnotu, vyladit svůj přístup a škálovat více strategicky. To také pomáhá sladit technické úsilí s obchodními cíli, kde mnoho pilotních projektů GenAI目前 selhává.

Od té doby je zavedení silných kontrol, pokračujícího monitorování a jasně definovaných politik řízení dalším kritickým krokem pro odpovědné použití a shodu. Spolupráce s externími odborníky může být prvním krokem v navigaci dnešního komplexního a neustále se vyvíjejícího regulačního prostředí. Investicí do správných nástrojů a infrastruktury brzy v procesu implementace GenAI, spolu s kontinuálním školením, organizace mohou vytvořit základ pro udržitelný úspěch.

Nalezení správné rovnováhy s inovací GenAI

Aplikací lekcí z éry cloudu s disciplínou a předvídavostí mohou organizace vyhnout se drahým omylům a odemknout plný potenciál GenAI – bezpečně, udržitelně a v měřítku.

GenAI je nastavena zůstat silnou silou, s 70 % CEO, kteří uvádějí, že očekávají, že technologie bude mít dopad na jejich obchodní modely během následujících tří let. Číslo, které se zvyšuje na 89 % mezi těmi, kteří již používají technologii. Zjevně transformační potenciál GenAI je prokazuje cenný pro výkonné rozhodčí, ale udržitelný, rozsáhlý dopad stále závisí na řešení otázek důvěry, řízení a integrace.