Γιατί η Επιχειρησιακή AI Σταματά και Τι Απαιτείται για να Κλιμακωθεί Πέρα από το Πιλοτικό

Τρία χρόνια πριν, οι περισσότεροι ηγέτες επιχειρήσεων αρνούνταν την AI. Η κυρίαρχη άποψη ήταν ότι αυτό ήταν θόρυβος στην αγορά ή απλώς ένα έξυπνο παιχνίδι, αλλά όχι μια τεχνολογία επιχειρηματικού επιπέδου. Η λέξη «παραίσθηση» ήταν στο μυαλό όλων. Μόνο τον τελευταίο χρόνο, αυτή η σκεπτικιστική στάση έχει σχεδόν εντελώς αντιστραφεί. Οι προσδοκίες βρίσκονται τώρα στην κορυφή, με τα διοικητικά συμβούλια να είναι πεπεισμένα ότι η AI θα μετασχηματίσει κάθε ρόλο και κάθε διαδικασία.

Ωστόσο και τα δύο άκρα χάνουν το νόημα. Η AI δεν είναι ούτε μια παροδική μόδα ούτε ένα μαγικό ραβδί. Είναι η πιο ολοκληρωτική μεταμόρφωση που έχει δει η βιομηχανία· μεγαλύτερη από το cloud, που ήταν θεμελιωδώς για αποδοτικότητα και ευελιξία. Η AI είναι μια επιχειρηματική μεταμόρφωση. Αυτό είναι ακριβώς ο λόγος που τόσες πολλές οργανώσεις, μετά από εντυπωσιακά πιλοτικά, βρίσκονται σε αδιέξοδο. Η έρευνα State of AI της McKinsey & Company καταγράφει το μέγεθος του προβλήματος: σχεδόν τα δύο τρίτα των ερωτηθέντων λένε ότι οι οργανισμοί τους δεν έχουν ακόμη ξεκινήσει την κλιμάκωση της AI σε όλη την επιχείρηση.

Το Πραγματικό Σημείο Συμφόρησης Δεν Είναι η Ικανότητα

Είναι δελεαστικό να κατηγορούμε την τεχνολογία, αλλά αυτό θα ήταν λάθος. Σε αυτό το στάδιο, τα μοντέλα frontier διαθέτουν τεράστια ικανότητα. Η δυσκολία έγκειται στην ενσωμάτωση της AI σε πραγματικές επιχειρηματικές διαδικασίες ώστε να παραχθούν μετρήσιμα αποτελέσματα.

Η έρευνα IDC διαπίστωσε ότι το 88% των έργων απόδειξης της ιδέας για την AI αποτυγχάνει να φτάσει στην παραγωγική υλοποίηση, πράγμα που σημαίνει ότι για κάθε 33 που ξεκινούν, μόνο τέσσερα φτάνουν στην παραγωγική λειτουργία. Ο λόγος σπάνια είναι η ίδια η τεχνολογία. Ένα πιλοτικό δείχνει τι είναι δυνατόν· η κλιμάκωση απαιτεί από έναν οργανισμό να αλλάξει τον τρόπο που γίνεται η εργασία. Αυτό είναι πολύ πιο περίπλοκο εγχείρημα από ό,τι προβλέπουν οι περισσότεροι ηγέτες. Περιλαμβάνει διαχείριση αλλαγών, τριβές μεταξύ τμημάτων της επιχείρησης, κύκλους προϋπολογισμού που δεν σχεδιάστηκαν ποτέ για αυτό το είδος επένδυσης, και το δύσκολο έργο του επανασχεδιασμού των ροών εργασίας από άκρη σε άκρη. Αυτός είναι ο λόγος που το ταξίδι από την απόδειξη της ιδέας στην παραγωγική λειτουργία διαρκεί περισσότερο από ό,τι υποδηλώνει η προώθηση: οι επιχειρήσεις είναι σύνθετες και η πολυπλοκότητα αντιστέκεται στις συντομεύσεις.

Οι ηγέτες πρέπει να αντισταθούν στην αντίδραση «υιοθέτηση AI τώρα» που παράγει ακατάστατα, αποσυνδεδεμένα πειράματα. Ξεκινήστε αντίθετα ορίζοντας το συγκεκριμένο πρόβλημα και το αναμενόμενο αποτέλεσμα, για παράδειγμα, τη μείωση του χρόνου επίλυσης αιτημάτων εξυπηρέτησης, την ταχύτερη ανάκτηση γνώσης, τη συντόμευση του κύκλου ανάπτυξης. Όταν η AI σχεδιάζεται γύρω από ένα καθορισμένο workflow, η επίδραση γίνεται μετρήσιμη, και η μετρήσιμη επίδραση κερδίζει το δικαίωμα κλιμάκωσης.

Το Ορατό και το Αόρατο

Οι πράκτορες είναι ο τρόπος με τον οποίο η AI ζωντανεύει μέσα σε μια επιχείρηση, και χωρίζονται σε δύο κατηγορίες. Πρώτον, οι βοηθητικοί πράκτορες είναι ορατοί βοηθοί που συνοψίζουν email ή βοηθούν έναν προγραμματιστή να γράψει κώδικα. Δεύτερον, οι πράκτορες ενσωματώνονται αόρατα στις ροές εργασίας, συμφωνώντας λογιστικά υπόλοιπα, εκτελώντας αλυσίδες έγκρισης και επισημαίνοντας απάτες. Πρέπει να είναι πραγματικά επιχειρησιακού επιπέδου: να κλιμακώνουν σε όγκο, να παρέχουν ακρίβεια, να προσφέρουν πλήρη ανιχνευσιμότητα και να λειτουργούν εντός των πλαισίων υπεύθυνης AI.

Οι τίτλοι που ανακοινώνουν «αριθμούς πρακτόρων» έχουν μικρή σημασία, καθώς δεν υπάρχει τυποποιημένος τρόπος μέτρησης ενός πράκτορα. Αυτό που μετράει είναι η εργασία που επιτυγχάνει ένας συνδυασμός ανθρώπου-πράκτορα. Η παραγωγικότητα υπό την ηγεσία πρακτόρων μπορεί να εξοικονομήσει ένα εκατομμύριο δολάρια· η επανεξέταση της επιχειρηματικής διαδικασίας με ομάδες άνθρωπος-πράκτορας μπορεί να δημιουργήσει εκατό εκατομμύρια από την ίδια προσπάθεια, και αυτό είναι το σημείο στο οποίο πρέπει να κοιτάζουν οι ηγέτες.

Διακυβέρνηση, Εμπιστοσύνη και το Τεστ της Ημέρας Βροχής

Η ανάληψη ευθύνης για το αποτέλεσμα είναι κρίσιμη για την εξασφάλιση της επιτυχίας. Είναι εύκολο να υλοποιηθεί η AI όταν δέκα σφάλματα είναι ανεκτά· είναι κάτι άλλο όταν η διαδικασία πρέπει να λειτουργεί άψογα σε κλίμακα. Η καθοδηγητική αρχή είναι το τεστ της βροχερής ημέρας: όταν η AI αρνείται να συνεργαστεί, αλλά η επιχείρηση συνεχίζει να λειτουργεί. Συνεπώς, η διακυβέρνηση δεν είναι εχθρός της ταχύτητας αλλά ο ενισχυτής της. Εν τω μεταξύ, η ευελιξία χωρίς διακυβέρνηση δημιουργεί χάος, ενώ η διακυβέρνηση χωρίς ευελιξία πνίγει την καινοτομία. Αυτό που τελικά περιορίζει την AI είναι ο φόβος, η εμπιστοσύνη, η ασφάλεια και ο έλεγχος των ίδιων των δεδομένων της επιχείρησης. Αυτές οι ανησυχίες αποφασίζουν αν μια επιχείρηση κλιμακώνεται ή παραμένει στάσιμη.

Κατάλληλο Μέγεθος της Αρχιτεκτονικής

Καίρια σημασία έχει ότι για το 80 έως 90 τοις εκατό των επιχειρησιακών περιπτώσεων χρήσης, ένα μοντέλο frontier δεν είναι απαραίτητο. Ένα μικρό γλωσσικό μοντέλο που χτίζεται πάνω στα δεδομένα του ίδιου του οργανισμού, συχνά λειτουργώντας παράλληλα με ένα μοντέλο frontier, είναι η πιο έξυπνη λύση. Το κόστος ανά token μειώνεται εκθετικά, αλλά τα μοντέλα συλλογιστικής και η επέκταση των παραθύρων συμφραζομένων αυξάνουν απότομα την κατανάλωση, καθιστώντας τη βελτιστοποίηση των tokens μια σημαντική ευκαιρία από μόνη της.

Κατασκευή για το Επόμενο Κύμα

Σε κάθε τεχνολογικό κύμα, η αξία πραγματώνεται εκεί όπου οι επιχειρήσεις χρησιμοποιούν στην πράξη την τεχνολογία. Η σημερινή δαπάνη βρίσκεται στο επίπεδο υποδομής, όπως πάντα στις αρχές ενός τεχνολογικού κύκλου. Το επόμενο, μεγαλύτερο κύμα είναι η υιοθέτηση σε κλίμακα.

Οι επιχειρηματικοί ηγέτες πρέπει να σημειώσουν ότι η επιχειρησιακή AI δεν σταματά επειδή η τεχνολογία είναι αδύναμη. Σταματά επειδή οι οργανισμοί αντιμετωπίζουν μια επιχειρηματική μεταμόρφωση ως τεχνολογικό έργο. Οι νικητές θα κάνουν την AI μια αξιόπιστη, επαναλήψιμη και λογοδοτική επιχειρηματική διαδικασία, και θα έχουν την υπομονή να την κλιμακώσουν και να κυνηγήσουν το μεγαλύτερο κύμα που έρχεται.