Ηγέτες σκέψης

Αυτό Δεν Είναι Μια Φούσκα AI, Είναι Μια Ανάπτυξη

Chris Zangrilli
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΗ τρέχουσα φάση της Τεχνητής Νοημοσύνης είναι μια δομική ανάπτυξη σε όλη την…
Δείτε περισσότερα
  • Η τρέχουσα φάση της Τεχνητής Νοημοσύνης είναι μια δομική ανάπτυξη σε όλη την τεχνολογική στοίβα, όχι μια κερδοσκοπική φούσκα.
  • Ο μεγαλύτερος επιχειρηματικός κίνδυνος είναι η υπο-υιοθέτηση, καθώς η ΤΝ αναδιαμορφώνει τις ροές εργασίας και τα οικοσυστήματα συνεργατών.
  • Η διακυβέρνηση και η δυνατότητα εξήγησης είναι πλέον προϋποθέσεις για την ανάπτυξη της ΤΝ σε υψηλού κινδύνου βασικές λειτουργίες.

Τον τελευταίο χρόνο, ένα οικείο αφήγημα έχει κυριαρχήσει στα διοικητικά συμβούλια και τους τίτλους: οι επενδύσεις σε AI αυξάνονται σε κερδοσκοπικό επίπεδο που προορίζεται να σπάσει εάν τα έσοδα δεν ανταποκριθούν στις προσδοκίες. Η εισροή δαπανών για πιλοτικά έργα έχει αμφισβητηθεί, καθώς οι αναλυτές συζητούν εάν οι επιχειρήσεις έχουν υπερβεί τα όριά τους, κυνηγώντας την καινοτομία αντί της αξίας. Με αυτή τη ματιά, το AI μοιάζει με μια άλλη επανάληψη σε ένα οικείο κύκλο υπερβολής τεχνολογίας· κάνει μεγάλες υποσχέσεις και επιτυγχάνει άνιση αποτελεσματικότητα. Ωστόσο, αυτή η ερμηνεία παρουσιάζει λανθασμένα τι συμβαίνει στην πραγματικότητα. Ο κλάδος δεν είναι μάρτυρας μιας φούσκας AI, αλλά μιας ανάπτυξης. Η οικονομία του AI βρίσκεται σήμερα σε μια φάση αναπροσαρμογής, όπου η πρώιμη πειραματική έρευνα δίνει τη θέση της στην ενσωμάτωση και η ανθεκτική αξία αρχίζει να εμφανίζεται όχι στα άκρα της επιχείρησης, αλλά στο πιο σύνθετο πυρήνα της.

Αυτή είναι μια διαφορετική μετάβαση που δείχνει ακριβώς πώς μοιάζει η ώριμη υιοθέτηση τεχνολογίας. Στις πρώτες μέρες κάθε θεμελιώδους αλλαγής, οι οργανισμοί έχουν την τάση να πειραματίζονται ευρέως (σκεφτείτε την υπολογιστική στο cloud, την επιχειρηματική SaaS, τις ψηφιακές πληρωμές, κ.λπ.). Όπως και η τεχνολογία που προηγήθηκε, τα πειραματικά μοντέλα του AI δοκιμάζονται, οι απομονωμένες περιπτώσεις εξετάζονται και η αναποτελεσματικότητα γίνεται ανεκτή με αντάλλαγμα τη μάθηση. Τι είναι διαφορετικό τώρα είναι ότι οι οργανισμοί μετακινούνται πέρα από το να ρωτούν “τι μπορεί να κάνει το AI” και προς την απαίτηση σαφήνειας σχετικά με το πού ανήκει, πώς κλιμακώνεται και πώς ταιριάζει σε πραγματικές λειτουργίες με διακυβέρνηση.

Από την πειραματική έρευνα στην υποδομή

Η πολυσχιδής μεταμόρφωση του AI είναι ίσως το μεγαλύτερο σήμα του που δείχνει πού εστιάζουν η καινοτομία και η επένδυση. Η αλλαγή ρέει σε κάθε στρώμα του στακ από εξειδικευμένα τσιπ, υπερκλίμακα κέντρα δεδομένων, μοντέλα θεμελίου, πλαίσια ενορχήστρωσης, και επιχειρηματικές εφαρμογές. Αυτό δεν είναι το προφίλ μιας προσωρινής τάσης. Είναι η υπογραφή μιας μακροπρόθεσμης αλλαγής υποδομής.

Οι επιχειρήσεις μετακινούνται πέρα από την αντιμετώπιση του AI ως προσθήκη ή καινούργιο χαρακτηριστικό. Τώρα το ενσωματώνουν στα συστήματα εγγραφής και εκτέλεσης, στοχεύοντας σε μέρη όπου η ακρίβεια, η διαφάνεια και η ανθεκτικότητα έχουν περισσότερη σημασία από την ταχύτητα για να δείξουν. Σε αυτό το επίπεδο, οι προσδοκίες αρχίζουν να αλλάζουν.

Σε αυτά τα περιβάλλοντα, το AI δεν αναμένεται να αντικαταστήσει την υπάρχουσα λογική στο σύνολό της. Αντίθετα, ζητείται να μειώσει την τριβή, να αναδεικνύει χρήσιμες πληροφορίες νωρίτερα, να αυτοματοποιήσει την εργασία που ήταν προηγουμένως πολύ σύνθετη ή πολύ χειροκίνητη για να κλιμακωθεί, και συχνά να αλλάξει την ισορροπία της εργασίας μεταξύ του ανθρώπου και του AI. Ο στόχος δεν είναι η αυτονομία για τον εαυτό της, αλλά οι ομάδες πρέπει να αρχίσουν να σκέφτονται πώς μπορούν να χρησιμοποιήσουν το AI για να κερδίσουν ώθηση. Υπάρχει αξία στο να κλιμακώνουμε τους ανθρώπους μέσω του AI για να χειριστούμε πιο σύνθετες εργασίες με ψηφιακά εργαλεία που επεκτείνουν τις ικανότητές τους.

Είναι μια σημαντική αναγνώριση επειδή πολύ από την απογοήτευση που περιβάλλει το AI προέρχεται από την εφαρμογή του σε μέρη όπου η πολυπλοκότητα είναι χαμηλή και τα οριακά οφέλη είναι περιορισμένα. Η παραγωγή πραγματικών αποδόσεων είναι η επόμενη φάση, που εξαρτάται από την ενσωμάτωση του AI στις βασικές ροές εργασίας και όχι από την προσθήκη του πάνω στα υπάρχοντα συστήματα, υποστηριζόμενη από σύγχρονες βάσεις δεδομένων και διακυβέρνηση. Εκεί είναι που αρχίζουν να συνδυάζονται οι ικανότητες αναγνώρισης προτύπων, ανάλυσης του πλαισίου και ενορχήστρωσης του AI, καθώς γίνεται ένα σύστημα που κινείται και μαθαίνει.

Το μεγαλύτερο ρίσκο είναι να μείνεις στάσιμος

Εάν υπάρχει αληθινή δυσκολία που αντιμετωπίζουν οι επιχειρήσεις σήμερα, δεν πρέπει να είναι γύρω από την υπερεπένδυση στο AI, αλλά την υπο-αποδοχή.

Το λογισμικό, οι ροές εργασιών και οι ρόλοι έχουν ήδη ξαναδιαμορφωθεί. Οι κύκλοι οικονομικής λήξης συμπιέζονται, τα μοντέλα συμμόρφωσης μεταβαίνουν από περιοδικά σε συνεχή και οι αλληλεπιδράσεις πελατών μετακινούνται σε συνομιλίες και διεπαφές με πράκτορες. Σε κάθε περίπτωση, το AI δεν ενεργεί μόνο, αλλά ως επιταχυντής που επικάθεται στις υπάρχουσες ψηφιακές μεταμορφώσεις.

Οι οργανισμοί που καθυστερούν την υιοθέτηση μέχρι το AI να αισθανθεί “σταθερό” μπορεί να βρουν ότι το περιβάλλον έχει ήδη μετακινηθεί. Οι συνεργάτες θα περιμένουν δεδομένα που μπορούν να διαβαστούν από μηχανές. Οι πλατφόρμες θα υποθέτουν ρύθμιση με τη βοήθεια του AI και θα ενεργοποιήσουν εργασίες με πράκτορες. Οι ρυθμιστές θα απαιτήσουν ταχύτερη, πιο λεπτομερή αναφορά. Σε εκείνο το σημείο, το να πιάσεις το ρυθμό γίνεται πολύ πιο ακριβό από το να εξελίσσεσαι.

Αυτό είναι ιδιαίτερα αληθινό σε κλάδους που κυβερνώνται από την πολυπλοκότητα και την αλλαγή. Στο φορολογικό και οικονομικό χώρο, οι κανόνες εξελίσσονται συχνά και οι συναλλαγές συμβαίνουν σε διεθνές επίπεδο. Όταν η παρακολούθηση αυτών των αποτελεσμάτων πρέπει να είναι και ακριβής και εξηγήσιμη, το κόστος των χειροκίνητων διαδικασιών αυξάνεται εκθετικά. Ωστόσο, εφαρμοσμένο σοφά, το AI προσφέρει έναν τρόπο να απορροφήσει αυτή την πολυπλοκότητα. Οι ψηφιακοί πράκτορες και βοηθοί εξαλείφουν επαναλαμβανόμενα βήματα, επιφέρουν μόνο ό,τι έχει σημασία, και συγχρονίζουν δεδομένα και αποφάσεις σε όλα τα συστήματα, ώστε οι φορολογικές ομάδες να μπορούν να λειτουργούν γρήγορα και με εμπιστοσύνη.

Η διακυβέρνηση διατηρεί την κίνηση του AI

Ένας λόγος που η υιοθέτηση του AI ωριμάζει τώρα είναι ότι η διακυβέρνηση τελικά ανταποκρίνεται στην ικανότητα. Οι πρώτες αναπτύξεις συχνά αντιμετώπιζαν τη διακυβέρνηση ως μια δεύτερη σκέψη, υποθέτοντας ότι οι ελέγχοι θα μπορούσαν να προστεθούν αργότερα. Ωστόσο, το κλειδί που έχουν μάθει οι επιχειρήσεις είναι ότι η εμπιστοσύνη πρέπει να είναι στο σχέδιο από την αρχή.

Τα ρυθμιστικά πλαίσια εξελίσσονται παράλληλα, δείχνοντας σαφώς προς τη διαφάνεια, την ευθύνη και την ανθρώπινη εποπτεία ως μη διαπραγματεύσιμες. Δεν προορίζονται για να επιβραδύνουν την υιοθέτηση, αυτά τα φράγματα δημιουργούν τις απαραίτητες συνθήκες για να κλιμακωθεί.

Όταν οι οργανισμοί μπορούν να δουν πώς το AI φτάνει σε συμπεράσματα, ελέγχει τις αποφάσεις του και διατηρεί την ανθρώπινη ευθύνη, μπορεί να αναπτυχθεί σε περιβάλλοντα υψηλού κινδύνου. Αυτή είναι η διαφορά μεταξύ πειραματισμού και επιχειρησιακής εφαρμογής. Η εξηγησιμότητα μετατρέπει το AI από μαύρο κουτί σε εργαλείο στο οποίο μπορούν να βασίζονται οι ομάδες, το οποίο μπορούν να αξιολογούν οι ρυθμιστικές αρχές και να υποστηρίζουν τα στελέχη.

Γιατί οι συνεργασίες έχουν περισσότερη σημασία παρά ποτέ

Όσο το AI ενσωματώνεται στις επιχειρηματικές λειτουργίες, ο δρόμος δεν πρέπει να χαρτογραφηθεί μόνο. Το στάκ του AI είναι πολύ ευρύ, και το ρυθμιστικό τοπίο είναι ακόμη πολύ νεαρό μεταξύ φιλόδοξων επιχειρηματικών στόχων και απρόβλεπτων επιπτώσεων.

Οι πιο επιτυχημένες αναπτύξεις προκύπτουν μέσω συνεργασιών μεταξύ επιχειρήσεων και τεχνολογικών παρόχων που κατανοούν και τα υποκείμενα συστήματα και τις ρυθμιστικές πραγματικότητες που τις κυβερνούν. Αυτές οι συνεργασίες μειώνουν τον κίνδυνο υλοποίησης, προλαμβάνουν τη θραύση εργαλείων και βοηθούν τις οργανώσεις να εστιάσουν τις εσωτερικές τους ομάδες σε αποτελέσματα αντί για ενορχήστρωση.

Ακόμη πιο σημαντικά, μειώνουν την εξάντληση. Μια παραμελημένη συνέπεια της πρώιμης υιοθέτησης του AI ήταν η πίεση που ασκείται στις εσωτερικές ομάδες να γίνουν εξειδικευμένες σε κάθε στρώμα ενός ταχέως μεταβαλλόμενου στακ. Η κοινή ευθύνη και τα εργαλεία που είναι συνειδητά του τομέα επιτρέπουν στις οργανώσεις να κλιμακώνουν χωρίς να υπερφορτώνουν τους ανθρώπους τους. Επίσης, όταν η τεχνολογία ενσωματώνεται άψογα στα οικοσυστήματα των συνεργατών, η κοινή ευφυΐα μπορεί να παραδοθεί χωρίς να μεταφέρεται η ευθύνη.

Η ανάπτυξη που έρχεται

Η σημερινή συγκυρία του AI δεν είναι μια κερδοσκοπική κορύφωση. Είναι μια ψηφιακή μεταμόρφωση που χαρακτηρίζεται από δομική μετάβαση. Όσο οι προσδοκίες ανακαλιβρώνονται, οι περιπτώσεις χρήσης αρχίζουν να στενεύουν καθώς οι επιχειρήσεις κερδίζουν βαθύτερη κατανόηση του πώς να εφαρμόσουν τις ικανότητες του AI. Έτσι μοιάζει η κατάσταση όταν η τεχνολογία μετακινείται από την υπόσχεση στην πρακτική.

Η επόμενη φάση του AI δεν θα οριστεί από εντυπωσιακές επιδείξεις ή γενικές απαιτήσεις αυτονομίας. Οι πιο διακριτικές επιτυχίες θα αρχίσουν να σηματοδοτούν τις πραγματικές προόδους σε λιγότερες χειροκίνητες παραδόσεις, πρωιμότερη ανίχνευση κινδύνων, ταχύτερους κύκλους αποφάσεων και συστήματα που προσαρμόζονται καθώς η πολυπλοκότητα αυξάνεται αντί να σπάει υπό το βάρος της.

Αυτό δεν είναι μια φούσκα που σπάει. Είναι μια βιομηχανία που χτίζει τις βάσεις που απαιτούνται για μακροπρόθεσμη αξία. Για τις επιχειρήσεις που είναι πρόθυμες να προχωρήσουν, η ανταπόδοση δεν θα είναι υποθετική, αλλά μετρήσιμη, βιώσιμη και θα αλλάξει ουσιαστικά τον τρόπο που γίνεται η δουλειά.

Ο Chris Zangrilli είναι Αντιπρόεδρος Τεχνολογικής Στρατηγικής στη Vertex Inc. Στο ρόλο του, ηγείται των τεχνολογικών στρατηγικών και καινοτομικών προσπαθειών, εφαρμόζοντας νέες τεχνολογίες για να κατανοήσει την τέχνη του δυνατού για να οδηγήσει την ανάπτυξη. Έχει διατελέσει σε πολλές τεχνολογικές ηγετικές θέσεις, υπεύθυνες για την αρχιτεκτονική και ανάπτυξη λύσεων SaaS. Φέρνει 30 χρόνια τεχνολογικής και στρατηγικής εμπειρογνωσίας, προωθώντας την αξία για τους πελάτες μέσω λύσεων φορολογικής τεχνολογίας.