Hvad generative AI-håbefulde kan lære af skycomputingens prøver og fejl

Generative AI (GenAI) er her for at blive, med organisationer verden over, der nyder teknologiens muligheder. Allerede rapporterer 72% af organisationerne om, at de bruger GenAI enten omfattende eller sparsomt, 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 modningskløft kræver kontinuerlig kurskorrektion, ofte på grund af udrulningshinder, såsom betydelige omkostninger, mistillid til uprøvede teknologier og regulatoriske risici. Hvis disse udfordringer lyder bekendte, skal de det – da IT-team først sprang til at omfavne skyen som den næste store ting, opstod mange af de samme barrierer.

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

Ved at reflektere over erfaringerne fra deres skycomputing-forløbere kan dagens GenAI-håbefulde positionere sig for en bedre informeret fremtid.

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

Ved at vende tilbage til, da skyteknologien startede med at vinde frem, undervurderede mange organisationer kompleksiteten af migration og overvurderede kortfristige omkostningsbesparelser. Som følge heraf 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 ikke blot kan “løfte og flytte” arbeidsbyrder – flytte dem til skyen uden modernisering – ofte ikke leverede værdi. Lignende GenAI-initiativer standser ofte, når organisationer forsøger at plugge legacy-, ustruktureret eller dårligt dokumenteret data ind i nye, kraftfulde modeller uden at opdatere datagrundlaget. I virkeligheden kan GenAI-projekter levere skuffende resultater eller endda forstærke eksisterende ineffektiviteter. Lektionen: teknologi alene kan ikke overvinde grundlæggende svagheder.

Ligesom skyteknologien 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 af acceptabel brugspolitik, kan risikoen for skygge-IT genopstå, sammen med vanskelighederne ved at sikre GenAI-pipelines og sikre overholdelse i stor målestok. Disse paralleller vil fortsætte med at dukke op, efterhånden som GenAI bevæger sig fra eksperimentering til omfattende virksomhedsintegration, og kræver de samme robuste cybersikkerhedsrammer, reaktionsplaner og styrestrukturer, der findes inden for skyen.

Ud over risikostyring er ukontrolleret omkostnings-spræll en længevarende problem i tech. Skyen er ingen undtagelse, og efterhånden som virksomheder fortsætter med at integrere GenAI i deres arbejdsgange, står de over for en lignende stigning i omkostninger.

Et 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 hjælpe med 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 skyomkostningsstyring alene og tilbyder en vældig mulighed for GenAI-udgifter også.

At sætte sky-lærdomme i GenAI-praksis

Inden årets udgang forudser Gartner, at mindst 30% af GenAI-projekter vil blive opgivet efter proof of concept. Når hype overstiger virkeligheden, går skjulte mønstre bag GenAI-projektfejl – som uparerede data, uklar forretnings ejerskab eller unødvendig kompleksitet – ofte ubemærket i hastværket til at adoptere ny teknologi. At genkende og adresse disse signaler tidligt kan betyde forskellen på 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 til langsigtede succes.

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

Dette sikrer tidlige sejre, bygger internt tillid og undgår spild af tid og ressourcer på generisk eksperimentering. Ved at ankere GenAI-adopteringsprocessen til en konkrete outcome – som f.eks. automatisering af kundesupport-sammenfattelser eller accelerering af kode-gennemgang – kan organisationer demonstrere værdi hurtigt, finpudse deres tilgang og skala mere strategisk. Det hjælper også med at tilpasse tekniske indsats til forretningsmål, som er, hvor mange GenAI-pilotprojekter i øjeblikket mangler.

Herefter er etablering af stærke kontroller, løbende overvågning og tydeligt definerede styrepolitikker det næste kritiske skridt for ansvarlig brug og overholdelse. At engagere sig med eksterne eksperter kan være et godt første skridt til 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 sætte grundlaget for bæredygtig succes.

At finde den rette balance med GenAI-innovation

Ved at anvende sky-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 i de næste tre år. Et tal, der stiger til 89% blandt dem, der allerede bruger teknologien. Det er tydeligt, at GenAI’s transformative potentiale er værdifuldt for ledere, men bæredygtig, storstile impact afhænger stadig af at adresse tillid, styring og integrationsbarrierer.