Navigation af AI-udrulning: Undgå fælder og sikre succes

Vejen til AI er ikke en sprint – det er et maraton, og virksomhederne skal pace sig selv derefter. De, der løber, før de har lært at gå, vil snuble, og slutte sig til kirkegården af virksomheder, der prøvede at flytte for hurtigt for at nå et eller andet AI-mål. Sandheden er, at der ikke er nogen målstreg. Der er ikke en destination, hvor en virksomhed kan ankomme og sige, at AI er tilstrækkeligt erobret. Ifølge McKinsey var 2023 AI’s gennembrudsår, med omkring 79% af medarbejderne, der har haft en vis grad af eksponering for AI. Men gennembrudsteknologier følger ikke lineære udviklingsbaner; de ebber og floder, stiger og falder, indtil de bliver en del af virksomhedens fabric. De fleste virksomheder forstår, at AI er et maraton og ikke en sprint, og det er værd at huske.

Tag Gartners Hype Cycle for eksempel. Hver ny teknologi, der opstår, går gennem samme række faser på hype-cyklen, med meget få undtagelser. Disse faser er følgende: Innovation Trigger; Peak of Inflated Expectations; Trough of Disillusionment; Slope of Enlightenment, og Plateau of Productivity. I 2023 placerede Gartner Generative AI fast i den anden fase: Peak of Inflated Expectations. Dette er, når hype-niveauerne omkring teknologien er på deres højeste, og selv om nogle virksomheder kan udnytte det tidligt og flyve foran, vil de fleste kæmpe sig gennem Trough of Disillusionment og måske ikke engang nå Plateau of Productivity.

Alt dette er for at sige, at virksomhederne skal gå forsigtigt, når det kommer til AI-udrulning. Mens den første tiltrækning af teknologien og dens muligheder kan være fristende, er det stadig meget under udvikling og begrænsningerne bliver stadig testet. Det betyder ikke, at virksomhederne skal undgå AI, men de skal erkende vigtigheden af at sætte en bæredygtig pace, definere klare mål og planlægge deres rejse omhyggeligt. Ledelseshold og medarbejdere skal være fuldt indforstået med ideen, datakvalitet og integritet skal være garanteret, og compliance-mål skal være opfyldt – og det er kun begyndelsen.

Ved at starte småt og fastlægge opnåelige milepæle kan virksomhederne udnytte AI på en måde, der er målrettet og bæredygtig, og sikre, at de flytter sig med teknologien i stedet for at springe foran den. Her er nogle af de mest almindelige fælder, vi ser i 2024:

Fælde 1: AI-ledelse

Det er en kendsgerning: uden opbakning fra toppen vil AI-initiativerne fejle. Mens medarbejderne måske selv opdager generative AI-værktøjer og integrerer dem i deres daglige rutiner, udsætter det virksomhederne for problemer omkring dataintegritet, sikkerhed og compliance. Udrulning af AI i enhver kapacitet skal komme fra toppen, og mangel på interesse for AI fra toppen kan være lige så farligt som at gå for hårdt ind i det.

Tag sundhedsforsikringssektoren i USA for eksempel. I en ny undersøgelse af ActiveOps blev det afsløret, at 70% af operationsledere mener, at C-suite-chefer ikke er interesseret i AI-investeringer, hvilket skaber en betydelig barriere for innovation. Mens de kan se fordelene, med næsten 8 ud af 10 enige om, at AI kunne hjælpe med at forbedre operationel præstation betydeligt, er mangel på støtte fra toppen en frustrerende barriere for fremskridt.

Hvor AI bliver brugt, er organisationsmæssig opbakning og ledelsesstøtte afgørende. Klare kommunikationskanaler mellem ledelse og AI-projekthold skal etableres. Regelmæssige opdateringer, transparente fremdriftsrapporter og diskussioner om udfordringer og muligheder vil hjælpe med at holde ledelsen engageret og informeret. Når ledere er godt informerede om AI-rejsen og dens milepæle, er de mere sandsynligt at give den fortsatte støtte, der er nødvendig for at navigere gennem kompleksiteter og uforudsete problemer.

Fælde 2: Datakvalitet og integritet

At bruge dårlig kvalitetsdata med AI er som at putte diesel i en benzinbil. Du vil få dårlig præstation, ødelagte dele og en dyrekøbt regning for at reparere det. AI-systemer afhænger af store mængder data for at lære, tilpasse sig og gøre præcise forudsigelser. Hvis data, der fødes ind i disse systemer, er fejlbehæftet, ufuldstændig, misclassificeret eller fordomsfuld, vil resultaterne uvægerligt være upålidelige. Dette undergraver ikke kun effektiviteten af AI-løsninger, men kan også føre til betydelige tilbageslag og mistillid til AI-kapaciteter.

Vores forskning viser, at 90% af operationsledere siger, at der kræves for meget indsats for at udtrække indsigt fra deres operationelle data – for meget af det er siloet og fragmenteret på tværs af multiple systemer og riddled med inkonsistenser. Dette er endnu en fælde, virksomheder står overfor, når de overvejer AI – deres data er simpelthen ikke klar.

For at løse dette og forbedre deres datahygiejne skal virksomheder investere i solide datastyringsrammer. Dette inkluderer at etablere klare datastandarder, sikre, at data konsekvent rengøres og valideres, og implementere systemer for kontinuerlig datakvalitetsovervågning. Ved at skabe en enkelt sandhedskilde kan organisationer forbedre pålideligheden og tilgængeligheden af deres data, hvilket vil have den ekstra fordel at glatte vejen for AI.

Fælde 3: AI-litteracitet

AI er et værktøj, og værktøjer er kun effektive, når de håndteres af de rette hænder. Succesen af AI-initiativer afhænger ikke kun af teknologien, men også af de mennesker, der bruger den, og disse mennesker er i kort supply. Ifølge Salesforce identificerede næsten to tredjedele (60%) af IT-fagfolk en mangel på AI-færdigheder som deres nummer ét-barriere for AI-udrulning. Det lyder, som om virksomhederne ikke er klar til AI, og de skal begynde at løse den færdighedsgab.

Det behøver ikke at betyde, at man skal gå på en ansættelsesrus, dog. Uddannelsesprogrammer kan introduceres for at opgradere den nuværende arbejdsstyrke, så de har kapaciteten til at bruge AI effektivt. Opbygning af denne slags AI-litteracitet inden for organisationen indebærer at skabe en miljø, hvor kontinuerlig læring opmuntres – workshops, online-kurser og praktiske projekter kan hjælpe med at afmystificere AI og gøre det mere tilgængeligt for medarbejdere på alle niveauer, og lægge grundlag for hurtigere udrulning og mere konkrete fordele.

Hvad nu?

Vellykket AI-adopteringskrav kræver mere end bare investering i teknologi; det kræver en velplanlagt, strategisk tilgang, der sikrer opbakning fra medarbejdere og støtte fra ledelsen. Det kræver også, at virksomhederne er selvbevidste og opmærksomme på, at teknologien har begrænsninger – mens interessen for AI stiger og adopteringen er på et rekordhøjt niveau, er der en god chance for, at AI-boblen vil briste, før den korrekturerer og bliver det stabile, pålidelige værktøj, som virksomhederne har brug for. Husk, vi er nu på Peak of Inflated Expectations, og Trough of Disillusionment skal stadig være vejet. Virksomheder, der er ivrige efter at investere i AI, kan forberede sig på den forestående storm ved at forberede deres medarbejdere, etablere AI-brugsregler og sikre, at deres data er ren, velorganiseret og korrekt klassificeret og integreret på tværs af deres forretning.