Ενδυναμώστε την Επιχείρηση με μια Πλατφόρμα AI

Σε όλους τους κλάδους, βλέπω το ίδιο μοτίβο: οι πρώτες πολύτιμες περιπτώσεις χρήσης του AI σπάνια προέρχονται από μια επιτροπή διεύθυνσης. Προέρχονται από τις ομάδες που είναι πιο κοντά στη λειτουργική τριβή.

Παίρνω πολύ χρόνο με τις ομάδες της διεύθυνσης, απαντώντας στην ίδια ερώτηση: «Επενδύουμε σε AI, οπότε πού είναι η επιχειρηματική αξία;» Είναι एक δίκαιη ερώτηση, και η ειλικρινής απάντηση είναι ότι για τις περισσότερες οργανώσεις, η αξία δεν εμφανίζεται αρκετά γρήγορα. Το RAND έχει εκτιμήσει ότι περισσότερο από 80% των έργων AI αποτυγχάνουν, περίπου το διπλάσιο ποσοστό των μη-εργων έργων IT. Η έρευνα της BCG είναι εξίσου σοβαρή: μέχρι το τέλος του 2025, το 60% των εταιρειών παρήγαγαν μικρή ή καθόλου υλική αξία από το AI, και μόνο το 5% δημιουργούσε αξία σε κλίμακα. Η προσπάθεια του MIT το είπε με σαφήνεια: μόνο περίπου το 5% των επιχειρηματικών πιλότων γεννητικών AI επιτύγχαναν ταχεία επιτάχυνση εσόδων.

Η ενστικτώδης αντίδραση είναι συχνά να εκκινήσει ένα τεράστιο πρόγραμμα μετασχηματισμού και να αναβληθεί η σημαντική παράδοση του AI μέχρις ότου κάθε θεμελιώδες επίπεδο είναι ολοκληρωμένο. Εκεί είναι που πεθαίνει η ορμή. Εδώ είναι το βασικό μήνυμα: η πλατφόρμα δεδομένων σας είναι απαραίτητη για την επιτυχία του AI, αλλά η αναμονή για το ολόκληρο το πρόγραμμα να ολοκληρωθεί είναι το λάθος λειτουργικό μοντέλο. Κτίστε την πλατφόρμα και δημιουργήστε αξία παράλληλα.

Γιατί η Πρώτη Γραμμή είναι όπου Ξεκινά η Αξία

Σε οποιαδήποτε οργάνωση με μεγάλο πληθυσμό εργαζομένων γνώσεων, η αξία συχνά βρίσκεται εύκολα αν ρωτήσετε τους σωστούς ανθρώπους, και είναι μεγαλύτερη από το να ζητήσετε από ένα chatbot να συνοψίσει ένα έγγραφο. Η πραγματική ευκαιρία είναι το ενσωματωμένο AI στις λειτουργικές ροές εργασίας. Έχουμε χρησιμοποιήσει πλατφόρμες χαμηλού κώδικα στην λογιστική για να επιταχύνουμε την επεξεργασία των τιμολογίων και να απαντήσουμε αυτόματα στις ερωτήσεις των λογαριασμών πληρωμών. Στην υποστήριξη πελατών, ένας πράκτορας που διευθετεί μια εισερχόμενη περίπτωση, τραβά την ιστορία του πελάτη και συντάσσει μια λύση για ανθρώπινη αναθεώρηση μπορεί να βελτιώσει σημαντικά τις ταχύτητες απόκρισης και την ικανοποίηση του πελάτη. Αυτές είναι πολύπλοκες ροές εργασίας που διασχίζουν συστήματα, απαιτούν κρίση και βρίσκονται πιο κοντά στους ανθρώπους που ήδη γνωρίζουν πού ζει η τριβή. Δεν χρειάζονται μια περίοδο ανακάλυψης έξι μηνών για να τους πει τι είναι κατεστραμμένο. Ασχολούνται με αυτό κάθε μέρα.

Υπάρχουν δύο κινήσεις που συνεργάζονται. Ενδυναμώστε τους εργαζόμενους γνώσεων με διακυβερνητικά εργαλεία χαμηλού κώδικα/χωρίς κώδικα AI, ώστε να μπορέσουν να βελτιώσουν τις δικές τους ροές εργασίας, και δημιουργήστε μια λειτουργία μηχανικής AI για τις επιχειρηματικές ομάδες για πιο δύσκολες περιπτώσεις χρήσης. Και οι δύο δημιουργούν αξία, και οι ισχυρότερες οργανώσεις κάνουν και τις δύο. Αλλά καμία από τις δύο δεν κλιμακώνεται χωρίς μια κοινή πλατφόρμα για ταυτότητα, πρόσβαση, δεδομένα, ενοποίηση και λειτουργίες.

Το Χάσμα Πιλότου-Παραγωγής είναι ένα Πρόβλημα Πλατφόρμας

Πολυάριθμες οργανώσεις μένουν κολλημένες στο να συζητούν ποιο μοντέλο να χρησιμοποιήσουν. Αυτό έχει σημασία, αλλά δεν είναι το πρωταρχικό περιορισμό. Το μεγαλύτερο ζήτημα είναι η ωριμότητα της πλατφόρμας. Οι ομάδες μπορούν να προτυποποιήσουν γρήγορα, αλλά δεν μπορούν να αναπτύξουν συνεχώς σε όλη την επιχείρηση όταν λείπουν οι κοινές βάσεις: έλεγχοι ταυτότητας και πρόσβασης που οι επιχειρηματικές ομάδες μπορούν πραγματικά να χρησιμοποιήσουν, σαφείς οριοθετήσεις δεδομένων, επαναχρησιμοποιήσιμα μοτίβα ενοποίησης και μια praktiki διαδικασία για αναθεώρηση, έκδοση και παρακολούθηση. Η S&P Global βρήκε (SPGI ) ότι ο μέσος οργανισμός απέρριψε το 46% των αποδείξεων концепτού AI πριν φτάσουν στην παραγωγή.

Αυτό είναι γιατί η πλατφόρμα δεδομένων έχει τόσο μεγάλη σημασία. Τα δεδομένα που είναι έτοιμα για AI δεν είναι ένα καλό να έχετε, είναι το κλειδί για την επιτυχία της παραγωγής. Χωρίς αξιόπιστα, προσιτά, συμμορφωμένα με την πολιτική δεδομένα, ακόμη και οι ισχυρές περιπτώσεις χρήσης σταματούν.

Η Φάλαγγα Δεδομένων και Γιατί Δεν Πρέπει να Περιμένετε

Εδώ είναι τι σταματά τις περισσότερες προγράμματα: τα δεδομένα. Η Gartner προβλέπει ότι μέχρι το 2026, οι οργανώσεις θα εγκαταλείψουν το 60% των έργων AI που δεν υποστηρίζονται από δεδομένα που είναι έτοιμα για AI. Η συνήθης αντίδραση είναι να εκκινήσει ένα τεράστιο πρόγραμμα πλατφόρμας δεδομένων πρώτα, να μοντερνοποιήσει όλα, να τελειοποιήσει την προέλευση και μετά να κάνει AI.

Αυτή η σειρά ακούγεται дисципλιναριακή, αλλά συχνά καθυστερεί την αξία για χρόνια. Η μοντερνοποίηση της πλατφόρμας δεδομένων είναι πραγματική, απαραίτητη και μη διαπραγματεύσιμη. Τρέχει επίσης σε χρονοδιαγράμματα πολλών ετών στις περισσότερες επιχειρήσεις. Αν κάθε περίπτωση χρήσης AI πρέπει να περιμένει μέχρι το ολοκληρωμένο αρχιτεκτονικό σχέδιο, η εμπιστοσύνη της διεύθυνσης εξαφανίζεται πριν φτάσουν οι σημαντικές εξελίξεις.

Η καλύτερη προσέγγιση είναι η παράλληλη εκτέλεση: συνεχίστε να κτίζετε την εταιρική πλατφόρμα δεδομένων ενώ δίνετε προτεραιότητα στην ενεργοποίηση του AI στις περιοχές με την υψηλότερη λειτουργική τριβή.

Τιμής-Στιγμής, Ικανή Διακυβέρνηση για Ροές Εργασίας Υψηλής Τριβής

Ξεκινήστε με τον πόνο της διαδικασίας, όχι με το οδικό χάρτη της τεχνολογίας. Αναγνωρίστε πού είναι η υψηλότερη τριβή και η επιχειρηματική επίδραση είναι πιο σαφής: καθυστερημένες κύκλοι τιμολόγησης, chậmη case λύση, εξαιρέσεις-βαρείς εγκρίσεις, επαναλαμβανόμενες αναζητήσεις δεδομένων ή χειροκίνητες βρόχοι συμφωνίας. Τότε στοχεύστε πρώτα αυτές τις ροές εργασίας για ενεργοποίηση AI.

Χρησιμοποιήστε τη διακυβέρνηση της στιγμής για να το κάνετε αυτό δυνατό. Αντί να προσπαθήσετε να διακυβερνήσετε όλα από πριν, διακυβερνήστε τα συγκεκριμένα δεδομένα που χρειάζονται για κάθε περίπτωση χρήσης όταν η περίπτωση χρήσης είναι έτοιμη να κινηθεί. Μια μικρή διαλειτουργική ομάδα μπορεί να αποφασίσει την ιδιοκτησία, την πρόσβαση, τις απαιτήσεις ποιότητας και τους ελέγχους σε ημέρες, όχι μήνες, σε κύκλους επιτροπών.

Εφαρμόστε αρκετό έλεγχο για να αντιστοιχίσετε το πραγματικό κίνδυνο. Μια περίπτωση χρήσης που χειρίζεται δημόσιο περιεχόμενο προϊόντος δεν χρειάζεται τα ίδια φράγματα όπως μια που χειρίζεται προσωπικά δεδομένα πελάτη. Αυτό το μοντέλο κινδύνου-αναλογίας προστατεύει την οργάνωση ενώ διατηρεί την ταχύτητα παράδοσης, και μειώνει τη σκιώδη συμπεριφορά AI που εμφανίζεται όταν οι формάλες διαδρομές είναι πολύ αργές.

Η Λίστα Αναμονής είναι η Γέφυρα προς την Πλήρη Ετοιμότητα Δεδομένων

Κάθε ανάπτυξη AI στην πρώτη γραμμή πρέπει να παράγει δομημένη μάθηση: ποια δεδομένα χρησιμοποιήθηκαν, ποια ελαττώματα ποιότητας εμφανίστηκαν, ποίες μετασχηματίσεις απαιτήθηκαν και ποίες αποφάσεις διακυβέρνησης έγιναν. Καταγράψτε κάθε κενό ως ένα στοιχείο λίστας αναμονής για διορθώσεις πλατφόρμας.

Αυτή η λίστα αναμονής γίνεται μια ζητούμενη χάρτης για τη μοντερνοποίηση των δεδομένων. Αντί να μαντέψετε πού να επενδύσετε πρώτα, βελτιώστε τα σύνολα δεδομένων και τα προϊόντα δεδομένων που είναι ήδη συνδεδεμένα με μετρήσιμες επιχειρηματικές εξελίξεις. Με τον καιρό, αυτό δημιουργεί einen ενισχυτικό κύκλο: οι περιπτώσεις χρήσης AI στην πρώτη γραμμή εκθέτουν τα πιο σημαντικά κενά δεδομένων, οι ομάδες πλατφόρμας τα διορθώνουν και η επόμενη κυμαία λύσεων AI αποστέλλεται γρηγορότερα με χαμηλότερο κίνδυνο.

Τελική Σκέψη: Η Πλατφόρμα είναι η Απόφαση

Η απόφαση δεν είναι «πιλότος ή όχι». Είναι αν θα κτίσετε μια διακυβερνημένη πλατφόρμα AI και δεδομένων που σας επιτρέπει να μάθετε, να αποστείλετε και να κλιμακώσετε με ασφάλεια.

Θεάτε τα δεδομένα που είναι έτοιμα για AI ως αποστολική αποστολή. Κτίστε την πλατφόρμα δεδομένων ως ένα στρατηγικό πρόγραμμα. Αλλά μην περιμένετε μέχρι ολόκληρο το πρόγραμμα να ολοκληρωθεί. Δώστε προτεραιότητα στις περιοχές με την υψηλότερη τριβή, ενεργοποιήστε τις με AI και διακυβερνήστε τα δεδομένα στην ώρα. Αυτός είναι ο τρόπος με τον οποίο δημιουργείτε αξία τώρα ενώ κτίζετε τις βάσεις που διατηρούν την αξία σε κλίμακα.