I 2022 havde virksomheder i gennemsnit 3,8 AI-modeller i produktion. I dag er syv ud af ti virksomheder eksperimenterende med generativ AI, hvilket betyder, at antallet af AI-modeller i produktion vil stige dramatisk over de kommende år. Dette har ført til, at branchens diskussioner om ansvarlig AI er blevet mere presserende.

Det gode nyheds er, at mere end halvdelen af organisationerne allerede fremmer AI-etik. Dog har kun omkring 20% implementeret omfattende programmer med rammer, styring og sikkerhedsforanstaltninger til at overvåge AI-modeludvikling og proaktivt identificere og afhjælpe risici. Givet den hurtige udvikling af AI, bør ledere gå videre nu for at implementere rammer og modne processer. Reguleringer verden over er på vej, og allerede en ud af to organisationer har haft et ansvarligt AI-fejl.

Udfordringer ved Implementering af Ansvarlig AI

Ansvarlig AI omfatter op til 20 forskellige forretningsfunktioner, hvilket øger proces- og beslutningskompleksiteten. Ansvarlige AI-hold må samarbejde med nøgleinteressenter, herunder ledelse; forretnings ejere; data-, AI- og IT-hold; og partnere for at:

• Bygge AI-løsninger, der er retfærdige og fri for bias: Hold og partnere kan bruge forskellige teknikker, såsom eksploratorisk dataanalyse, til at identificere og afhjælpe potentielle bias før udvikling af løsninger – således bygges modeller med retfærdighed i mente fra starten. Hold og partnere kan også gennemgå data, der bruges i forarbejdning, algoritme-design og efterbehandling for at sikre, at det er repræsentativt og balanceret. Derudover kan de bruge gruppe- og individuel retfærdighedsteknikker til at sikre, at algoritmer behandler forskellige grupper og individer retfærdigt. Og kontrafaktisk retfærdigheds tilgange modellerer resultater, hvis visse faktorer ændres, hvilket hjælper med at identificere og afhjælpe bias.
• Fremme AI-gennemsigtighed og forklarbarhed: AI-gennemsigtighed betyder, at det er let at forstå, hvordan AI-modeller fungerer og træffer beslutninger. Forklarbarhed betyder, at disse beslutninger kan let kommunikeres til andre på ikke-teknisk sprog. Ved at bruge fælles terminologi, holde regelmæssige diskussioner med interessenter og skabe en kultur af AI-bevidsthed og kontinuerlig læring kan man opnå disse mål.
• Sikre dataintegritet og sikkerhed: AI-modeller bruger store mængder data. Virksomheder udnytter første- og tredjepartsdata til at føde modeller. De bruger også privatlivsbeskyttende lære-teknikker, såsom oprettelse af syntetisk data for at overvinde sparsomhedsproblemer. Ledere og hold vil ønske at gennemgå og udvikle dataintegritets- og sikkerhedsforanstaltninger for at sikre, at fortrolig og følsom data stadig er beskyttet, mens det bruges på nye måder. For eksempel bør syntetisk data efterligne kundernes nøglekarakteristika, men ikke være tilbage til individuelle personer.
• Implementere styring: Styring vil variere afhængigt af virksomhedens AI-modning. Dog bør virksomheder fastlægge AI-principper og politikker fra starten. Da deres AI-modelbrug øges, kan de udpege AI-ansvarlige; implementere rammer; oprette ansvarligheds- og rapporteringsmekanismer; og udvikle feedback-løkker og kontinuerlige forbedringsprogrammer.

Kritiske Aktiveringsfaktorer for et Ansvarligt AI-Program

Hvad adskiller virksomheder, der er ansvarlige AI-ledere, fra andre? De:

• Skaber en vision og mål for AI: Ledere kommunikerer deres vision og mål for AI og hvordan det gavner virksomheden, kunderne og samfundet.
• Fastlægger forventninger: Seniorledere fastlægger de rigtige forventninger til hold for at bygge ansvarlige AI-løsninger fra bunden og ikke forsøge at tilpasse løsninger efter de er færdige.
• Implementerer en ramme og processer: Partnere tilbyder ansvarlige AI-rammer med gennemsigtige processer og sikkerhedsforanstaltninger. For eksempel bør dataintegritet, retfærdighed og bias-tjek være indbygget i den initielle dataforarbejdning, modeludvikling og løbende overvågning.
• Får adgang til domæne-, brancher- og AI-færdigheder: Hold ønsker at accelerere innovationen af AI-løsninger for at øge forretningskonkurrencen. De kan vende sig til partnere for relevante domæne- og branchefærdigheder, såsom data- og AI-strategi-fastlægning og -gennemførelse, kombineret med kundeanalyse, marketingteknologi, leverandørkæde og andre færdigheder. Partnere kan også tilbyde fuldspektrum AI-færdigheder, herunder stor-sprogmodel (LLM)-ingeniørarbejde, udvikling, drift og platformtekniske færdigheder, der udnytter ansvarlige AI-rammer og -processer til at designe, udvikle, operationalisere og producere løsninger.
• Får adgang til acceleratorer: Partnere tilbyder adgang til et AI-økosystem, der reducerer udviklingstiden for ansvarlige traditionelle og generative AI-pilotprojekter med op til 50%. Virksomheder får vertikale løsninger, der øger deres markedskonkurrence.
• Sikrer holdadoption og ansvarlighed: Virksomheds- og partnerhold trænes på nye politikker og processer. Derudover gennemfører virksomheder revision af hold for overholdelse af nøglepolitikker.
• Bruger de rigtige målinger til at kvantificere resultater: Ledere og hold bruger benchmark og andre målinger til at demonstrere, hvordan ansvarlig AI bidrager til forretningsværdi for at holde interessekoncentration høj.
• Overvåger AI-systemer: Partnere tilbyder modelovervågnings-tjenester, der løser problemer proaktivt og sikrer, at de leverer troværdige resultater.

Planlæg Ansvarlig AI Nu

Hvis din virksomhed accelererer AI-innovation, har du sandsynligvis brug for et ansvarligt AI-program. Gå proaktivt for at reducere risici, modne programmer og processer og demonstrere ansvarlighed over for interessenter.

En partner kan tilbyde de færdigheder, rammer, værktøjer og partnerskaber, du har brug for for at låse op for forretningsværdi med ansvarlig AI. Implementer modeller, der er retfærdige og fri for bias, gennemfør kontroller og øg overholdelse af virksomhedskrav, mens du forbereder dig på fremtidige reguleringer.