Fra pilot til produktion: Indsigt i skalering af GenAI-programmer på lang sigt

Om flere år, når vi reflekterer over udbredelsen af ​​generativ AI (GenAI), vil 2024 blive set som et vandskeløjeblik – en periode med udbredt eksperimentering, optimisme og vækst, hvor virksomhedsledere engang tøvede med at dyppe tæerne i uprøvet vand. innovation, duede hovedet først. I McKinseys globale undersøgelse af kunstig intelligens udført i midten af ​​2024 forudsagde 75 %, at GenAI vil føre til betydelige eller forstyrrende ændringer i deres industrier i de kommende år.

Selvom der er blevet lært meget om fordelene og begrænsningerne ved GenAI, er det vigtigt at huske, at vi stadig er meget i et udviklingsstadium. Pilotprogrammer kan hurtigt øges og er relativt billige at bygge, men hvad sker der, når disse programmer går i produktion under CIO's kontor? Hvordan vil funktionsspecifikke use cases fungere i mindre kontrollerede miljøer, og hvordan kan teams undgå at miste momentum, før deres program overhovedet har haft chancen for at vise resultater?

Fælles udfordringer, der går fra pilot til produktion

I betragtning af GenAI's enorme potentiale til at forbedre effektiviteten, reducere omkostningerne og forbedre beslutningstagningen, har C-Suites mandat til funktionelle virksomhedsledere været klart – fortsæt og pille. Virksomhedsledere gik i gang med at lege med GenAI-funktionalitet og lave deres egne pilotprogrammer. Marketingteams brugte GenAI til at skabe meget personlige kundeoplevelser og automatisere gentagne opgaver. I kundeservice hjalp GenAI med at drive intelligente chatbots til at løse problemer i realtid, og R&D-teams var i stand til at analysere enorme mængder data for at spotte nye tendenser.

Alligevel er der stadig meget afbrydelse mellem alt dette potentiale og dets ultimative udførelse.

Når først et pilotprogram bevæger sig ind i kredsløbet om CIO's kontor, bliver data gransket meget nærmere. Efterhånden er vi bekendt med nogle af de almindelige problemer med GenAI som modelbias og hallucinationer, og i større skala bliver disse problemer store problemer. En CIO er ansvarlig for databeskyttelse og datastyring på tværs af en hel organisation, hvorimod virksomhedsledere bruger data, der muligvis kun vedrører deres specifikke fokusområde.

3 vigtige ting at tænke over, før du skalerer

Tag ikke fejl, virksomhedsledere har gjort betydelige fremskridt med at opbygge GenAI use cases med imponerende resultater for deres specifikke funktion, men skalering for langsigtet effekt er helt anderledes. Her er tre overvejelser, før du begiver dig ud på denne rejse:

1. Inkluder IT- og informationssikkerhedsteamene tidligt (og ofte)

Det er almindeligt, at funktionelle virksomhedsledere udvikler skyklapper i deres daglige arbejde og undervurderer, hvad der kræves for at udvide deres pilotprogram til den bredere organisation. Men når først den pilot går i produktion, har virksomhedsledere brug for support fra IT- og informationssikkerhedsteamet til at tænke igennem alle de forskellige ting, der kan gå galt.

Derfor er det en god idé at involvere IT- og informationssikkerhedsteamene fra begyndelsen for at hjælpe med at stressteste piloten og gennemgå potentielle bekymringer. At gøre det vil også hjælpe med at fremme tværfunktionelt samarbejde, hvilket er afgørende for at bringe eksterne perspektiver ind og udfordre den bekræftelsesbias, der kan opstå inden for individuelle funktioner.

2. Brug rigtige data, når det er muligt

Som tidligere nævnt er datadrevne problemer blandt de største vejspærringer i at skalere GenAI. Det skyldes, at pilotprogrammer ofte er afhængige af syntetiske data, der kan føre til uoverensstemmende forventninger mellem virksomhedsledere, it-teams og i sidste ende CIO'en. Syntetiske data er kunstigt genererede data skabt til at efterligne data fra den virkelige verden, der i det væsentlige fungerer som en stand-in for faktiske data, men uden nogen følsomme personlige oplysninger.

Funktionelle ledere vil ikke altid have adgang til rigtige data, så et par gode råd til fejlfinding af problemet ville være: (1) undgå pilotprogrammer, der kan kræve yderligere lovgivningsmæssig kontrol hen ad vejen; (2) indføre retningslinjer for at forhindre, at dårlige data korrumperer/forvrider pilotresultater; og (3) investere i løsninger, der bruger virksomhedens eksisterende teknologistak for at øge sandsynligheden for fremtidig tilpasning.

3. Sæt realistiske forventninger

Da GenAI først fik offentlig fremtræden efter lanceringen af ​​ChatGPT i slutningen af ​​2022, var forventningerne skyhøje til, at teknologien skulle revolutionere industrier fra den ene dag til den anden. Den hype (på godt og ondt) har stort set bestået, og hold er stadig under et enormt pres for at vise øjeblikkelige resultater, hvis deres GenAI-investeringer håber at modtage yderligere finansiering.

Virkeligheden er, at selvom GenAI vil være transformerende, skal virksomheder give teknologien tid (og støtte) til at begynde at transformere. GenAI er ikke plug-and-play, og dens sande værdi er heller ikke kun begrænset til smarte chatbots eller kreative billeder. Virksomheder, der med succes kan skalere GenAI-programmer, vil være dem, der først tager sig tid til at opbygge en innovationskultur, der prioriterer langsigtet effekt frem for kortsigtede resultater.

Vi er alle i dette sammen

På trods af hvor meget vi har læst om GenAI for nylig, er det stadig en meget ny teknologi, og virksomheder bør være på vagt over for enhver leverandør, der hævder at have fundet ud af det hele. Den slags hybris forplumrer dømmekraft, fremskynder halvfærdige koncepter og fører til infrastrukturproblemer, der kan slå virksomheder konkurs. I stedet, mens vi går ind i endnu et år med GenAI-spænding, lad os også tage os tid til at deltage i meningsfulde diskussioner om, hvordan man skalerer denne kraftfulde teknologi ansvarligt. Ved at inddrage it-teamet tidligt i processen, stole på data fra den virkelige verden og opretholde rimelige ROI-forventninger, kan virksomheder hjælpe med at sikre, at deres GenAI-strategier ikke kun er skalerbare, men også bæredygtige.