Fra Pilot til Produktion: Indsigt i Skalering af GenAI-Programmer på Længere Sigt

År fra nu, når vi ser tilbage på udbredelsen af generativ AI (GenAI), vil 2024 blive set som et vendepunkt – en periode med omfattende eksperimenter, optimisme og vækst, hvor erhvervsledere, der tidligere var tilbageholdende med at dykke ned i uTESTEDE vande af innovation, kastede sig ud i det. I McKinseys Global Survey on AI gennemført i midten af 2024, forudsagde 75%, at GenAI vil føre til betydelig eller omvæltning i deres brancher i årene fremover.

Selvom meget er blevet lært om fordelene og begrænsningerne ved GenAI, er det vigtigt at huske, at vi stadig er i en udviklingsfase. Pilotprogrammer kan oprettes hurtigt og er relativt billige at bygge, men hvad sker der, når disse programmer går i produktion under tilsyn af CIO-kontoret? Hvordan vil funktionsbestemte brugstilfælde fungere i mindre kontrollerede miljøer, og hvordan kan hold undgå at miste momentum, før deres program har haft chancen for at vise resultater?

Almindelige Udfordringer ved at Flytte fra Pilot til Produktion

Givet det enorme potentiale for GenAI til at forbedre effektiviteten, reducere omkostningerne og forbedre beslutningstagningen, har C-Suite-given en klar direktiv til funktionsbestemte erhvervsledere – gå ud og eksperimentér. Erhvervsledere fik arbejdet i gang, leget med GenAI-funktioner og oprettede deres egne pilotprogrammer. Marketinghold brugte GenAI til at skabe højt personlige kundeoplevelser og automatisere repetitive opgaver. I kundeservice hjalp GenAI med at aktivere intelligente chatbots til at løse problemer i realtid, og R&D-hold kunne analysere enorme mængder data for at spotte nye tendenser.

Der er dog stadig en stor diskonnektionsfaktor mellem al dette potentiale og dets endelige gennemførelse.

Når et pilotprogram flytter ind i CIO-kontorets område, bliver data undersøgt meget nærmere. Vi er nu bekendte med nogle af de almindelige problemer med GenAI, såsom modelforvrængning og hallucinationer, og på en større skala bliver disse problemer store problemer. En CIO er ansvarlig for dataprivatliv og datastyring på tværs af hele organisationen, hvorimod erhvervsledere bruger data, der kun vedrører deres specifikke fokusområde.

3 Vigtige Ting at Tænke Over Før Skalering

Der skal ikke være nogen tvivl om, at erhvervsledere har gjort betydelig fremskridt i opbygning af GenAI-brugstilfælde med imponerende resultater for deres specifikke funktion, men skalering for langsigtede resultater er noget helt andet. Her er tre overvejelser, før man begynder på denne rejse:

1. Indklud IT- og Informationssikkerhedsholdene Tidligt (og Ofte)

Det er almindeligt for funktionsbestemte erhvervsledere at udvikle blindhed i deres daglige arbejde og undervurdere, hvad der kræves for at udvide deres pilotprogram til hele organisationen. Men når det pilotprogram flytter ind i produktion, har erhvervslederne brug for støtten fra IT- og informationssikkerhedsholdet for at tænke over alle de forskellige ting, der kan gå galt.

Det er derfor en god idé at inddrage IT- og informationssikkerhedsholdene fra begyndelsen for at hjælpe med at stressteste piloten og gå over potentielle bekymringer. Dette vil også hjælpe med at fremme tværfaglig samarbejde, som er afgørende for at bringe indenfor eksterne perspektiver og udfordre den bekræftelsesforvrængning, der kan opstå inden for enkeltfunktioner.

2. Brug Ægte Data, Når Det Er Muligt

Som nævnt tidligere er data-drevne problemer blandt de største hindringer for at skale GenAI. Dette skyldes, at pilotprogrammer ofte afhænger af syntetisk data, der kan føre til misforståede forventninger mellem erhvervsledere, IT-hold og slutligt CIO. Syntetisk data er kunstigt genereret data, der er designet til at efterligne virkelige data, og fungerer som en erstatning for faktiske data, men uden nogen følsomme personlige oplysninger.

Funktionsledere har ikke altid adgang til ægte data, så nogle gode råd til at løse problemet ville være: (1) undgå pilotprogrammer, der kan kræve yderligere regulativ gennemgang længere fremme; (2) fastsætte retningslinjer for at forhindre dårlig data i at korrumperere/svinge pilotresultater; og (3) investere i løsninger, der bruger virksomhedens eksisterende teknologi til at øge sandsynligheden for fremtidig alignment.

3. Sæt Realistiske Forventninger

Når GenAI først fik offentlig opmærksomhed efter lanceringen af ChatGPT i slutningen af 2022, var forventningerne himmelhøje til, at teknologien skulle revolutionere brancher over nat. Den hype (for bedre eller værre) har overvejende holdt sig, og hold er stadig under enormt pres for at vise øjeblikkelige resultater, hvis deres GenAI-investeringer skal have yderligere finansiering.

Realiteten er, at selvom GenAI vil være transformerende, har virksomhederne brug for at give teknologien tid (og støtte) til at begynde at transformere. GenAI er ikke plug-and-play, og dets sande værdi er ikke kun begrænset til kreative chatbots eller kreative billeder. Virksomheder, der kan skale GenAI-programmer med succes, vil være dem, der først tager sig tid til at bygge en kultur af innovation, der prioriterer langsigtede resultater over kortsigtede resultater.

Vi Er Alle I Dette Sammen

Trods hvor meget vi har læst om GenAI for nylig, er det stadig en meget ny teknologi, og virksomheder bør være forsigtige over for enhver leverandør, der påstår at have løst det hele. Den slags overmod skygger dømmekraften, accelererer halvfærdige koncepter og fører til infrastrukturproblemer, der kan ruinere virksomheder. I stedet, da vi går ind i endnu et år med GenAI-begejstring, lad os også tage os tid til at engagere os i meningsfulde diskussioner om, hvordan vi skal skale denne kraftfulde teknologi ansvarligt. Ved at inddrage IT-holdet tidligt i processen, afhænge af virkelige data og opretholde realistiske forventninger til ROI, kan virksomheder hjælpe med at sikre, at deres GenAI-strategier ikke kun er skalérbare, men også bæredygtige.