Hvad Generative AI-håbfulde kan lære af sky-computing-fejl og -erfaringer

Generative AI (GenAI) er her for at blive, med organisationer verden over, der nyder teknologiens muligheder. Allerede 72% af organisationerne rapporterer, at de bruger GenAI enten omfattende eller sporadisk, og yderligere 26% eksperimenterer med teknologien. Men denne nye fase af GenAI-adopteringsprocessen er stadig i de tidlige dage.

Ifølge McKinsey beskriver kun 1% af virksomhedsledere deres GenAI-udrulninger som “modne”, hvilket betyder, at teknologien er fuldt integreret i arbejdsgange og driver betydelige forretningsresultater. At lukke denne modningsgap kræver kontinuerlig kurskorrektion, ofte kommer det ned til udrulningshinder, såsom betydelige omkostninger, mistillid til uprøvede teknologier og regulatoriske risici. Hvis disse udfordringer lyder bekendte, skal de – da IT-hold først sprang til at omfavne skyen som den næste store ting, dukkede mange af de samme barrierer op.

De to bølger af ny teknologi-begejstring adskiller sig på visse måder. Mens sky-computing blev implementeret i mere mission-kritiske systemer tidligt, bliver GenAI adopteret mere hurtigt i pilotfaser og til brugsfald, der primært er viet til effektivitets- og produktivitetsgevinster. Men læringskurven er lignende: de får begge organisationer til at tænke og arbejde anderledes.

Ved at reflektere over erfaringerne fra deres sky-computing forgængere kan i dag GenAI-håbfulde positionere sig for en bedre underrettet fremtid.

Styring af omkostninger, risici og forandring: Læring fra sky-computing-fejl

Ved at vende tilbage til, da sky-teknologien startede med at vinde frem, undervurderede mange organisationer kompleksiteten af migration og overvurderede kortfristige omkostningsbesparelser. Som resultat blev de fleste af disse organisationer ofre for tre hovedfælder: dårlig omkostningsstyring, sikkerhedsfejlkonfigurationer og den naturlige modstand, der følger med kulturelle og organisatoriske forandringer.

Sky-æraen lærte os, at man blot “løfter og flytter” arbejdsmængder – flytter dem til skyen uden modernisering – ofte ikke leverede værdi. Lignende GenAI-initiativer standsede ofte, når organisationer forsøgte at plugge legacy-, ustruktureret eller dårligt dokumenteret data ind i nye, kraftfulde modeller uden at opdatere datafundamentet. Faktisk kan GenAI-projekter levere skuffende resultater eller endda forstærke eksisterende ineffektiviteter. Lektionen: teknologi alene kan ikke overvinde grundlæggende svagheder.

Lige som sky-teknologien afslørede huller i styring, færdigheder og langsigtede strategier, har GenAI også gjort det. Hvis medarbejdere adopterer GenAI-værktøjer uden tilsyn eller bruger teknologien uden for grænserne for acceptabel brugs politik, kan risikoen for skygge-IT genskabes, sammen med vanskelighederne ved at sikre GenAI-pipelines og sikre overholdelse i stor målestok. Disse paralleller vil fortsætte med at dukke op, da GenAI bevæger sig fra eksperimentering til omfattende virksomhedsintegration, og kræver de samme robuste cybersecurity-rammer, reaktionsplaner og styringsstrukturer, der findes inden for skyen.

Ud over risikostyring er ukontrolleret omkostningsspredning en langvarig problem i tech. Skyen er ingen undtagelse, og da virksomheder fortsætter med at integrere GenAI i deres arbejdsgange, står de over for en lignende stigning i omkostninger.

En voksende antal organisationer, der forsøger at forbedre deres omkostningsstyringsstrategi, vender sig til FinOps som en løsning. Ved at udnytte rettidige, data-drevne indsigt til at forbedre prognoser og opmuntre til tværfaglig ansvarlighed og samarbejde, har en omfattende FinOps-infrastruktur bevist sig værdifuld til at begrænse overforbrug og maksimere forretningsværdi. FinOps-principper er ikke begrænset til sky-omkostningsstyring alene, men tilbyder en gyldig mulighed for GenAI-udgifter også.

At sætte cloud-lærdomme i GenAI-praksis

Inden årets udgang forudser Gartner, at mindst 30% af GenAI-projekter vil blive opgivet efter proof of concept. Når hype overgår virkeligheden, går skjulte mønstre bag GenAI-projektfejl – som uparret data, uklar forretnings ejerskab eller unødvendig kompleksitet – ofte ubemærket i hasten til at adoptere ny teknologi. At genkende og adressere disse signaler tidligt kan betyde forskellen mellem GenAI-succes og endnu et opgivet projekt. Ledere, der aktivt holder øje med disse advarselsignaler i stedet for at forkorte processen, sætter deres hold op for langsigtede succes.

Når adoption er godkendt, skal virksomheder lægge vægt på små GenAI-pilotprojekter for at teste og sikre virkelige værdier i stedet for at springe til øjeblikkelig virksomhedsomfattende skala. Det er afgørende, at virksomheder starter med kun få tydeligt definerede, højt impact-tilfælde med klare ROI-mål, der er tilknyttet til reelle forretningsbehov.

Dette sikrer tidlige sejre, bygger internt tillid og undgår at spilde tid og ressourcer på generisk eksperimentering. Ved at fastgøre GenAI-adopteringsprocessen til en konkret outcome – som f.eks. automatisering af kundesupportsamlinger eller acceleration af kodegennemgang – kan organisationer demonstrere værdi hurtigt, finpudse deres tilgang og skala mere strategisk. Det hjælper også med at tilpasse tekniske bestræbelser med forretningsmål, hvilket er, hvor mange GenAI-pilotprojekter i øjeblikket mangler.

Herefter er etablering af stærke kontroller, løbende overvågning og tydeligt definerede styringspolitikker det næste kritiske skridt for ansvarlig brug og overholdelse. At engagere sig med eksterne eksperter kan være et godt første skridt i at navigere i dagens komplekse og evigt udviklende regulatoriske landskab. Ved at investere i de rette værktøjer og infrastruktur tidligt i GenAI-implementeringsprocessen, sammen med kontinuerlig træning, kan organisationer lægge grundlaget for bæredygtig succes.

At finde den rette balance med GenAI-innovation

Ved at anvende cloud-æra-lærdomme med disciplin og forsigtighed kan organisationer undgå dyre fejltrin og låse GenAI’s fulde potentiale op – sikkert, bæredygtigt og i stor målestok.

GenAI er sat til at forblive en kraftfuld kraft, med 70% af CEO’er, der rapporterer, at de forventer, at teknologien vil påvirke deres forretningsmodeller over de næste tre år. Et tal, der stiger til 89% blandt dem, der allerede bruger teknologien. Det er tydeligt, at GenAI’s transformative potentiale viser sig værdifuldt for ledere, men bæredygtig, storstilede effekter afhænger stadig af at adressere tillid, styring og integrationsbarrierer.