Connect with us

Τι μπορούν να μάθουν οι ελπίζοντες της γεννητικής τεχνητής νοημοσύνης από τα δοκίμια και τα λάθη του cloud computing

Ηγέτες σκέψης

Τι μπορούν να μάθουν οι ελπίζοντες της γεννητικής τεχνητής νοημοσύνης από τα δοκίμια και τα λάθη του cloud computing

mm

Η γεννητική τεχνητή νοημοσύνη (GenAI) είναι εδώ για να μείνει, με οργανισμούς σε όλο τον κόσμο να απολαμβάνουν τις ικανότητες της τεχνολογίας. Ήδη, 72% των οργανισμών αναφέρουν ότι χρησιμοποιούν ήδη την GenAI εκτενώς ή σπανίως και άλλοι 26% πειραματίζονται με την τεχνολογία. Ωστόσο, αυτό το νέο στάδιο της υιοθέτησης της GenAI είναι ακόμη στις πρώτες ημέρες.

Σύμφωνα με το McKinsey, μόνο το 1% των διευθυντών των εταιρειών περιγράφουν την υλοποίηση της GenAI ως «ωριμής», που σημαίνει ότι η τεχνολογία είναι πλήρως ενταγμένη στις ροές εργασίας και οδηγεί σε σημαντικά επιχειρηματικά αποτελέσματα. Η κλείσιμο αυτού του χάσματος ωριμότητας απαιτεί συνεχείς διορθώσεις, συχνά που καταλήγουν σε εμπόδια υλοποίησης, όπως σημαντικά έξοδα, αμφιβολίες για μη αποδεδειγμένες τεχνολογίες και ρίσκα κανονιστικής συμμόρφωσης. Αν αυτά τα προκλήματα σας φαίνονται οικεία, πρέπει να το είναι – όταν οι ομάδες IT πρώτα άρχισαν να υιοθετούν το cloud ως το επόμενο μεγάλο πράγμα, πολλά από τα ίδια εμπόδια εμφανίστηκαν.

Οι δύο κυματισμούς του νέου τεχνολογικού ενθουσιασμού διαφέρουν σε κάποια σημεία. Ενώ το cloud computing υλοποιήθηκε σε πιο κρίσιμες συστήματα από την αρχή, η GenAI υιοθετείται πιο γρήγορα σε πειραματικά στάδια και για περιπτώσεις χρήσης που αφορούν κυρίως την απόδοση και την παραγωγικότητα. Ωστόσο, η καμπύλη μάθησης είναι παρόμοια: και οι δύο ωθούν τις οργανώσεις να σκέφτονται και να εργάζονται διαφορετικά.

Με την ανάκτηση των εμπειριών των προκατόχων τους στο cloud computing, οι σημερινοί ελπίζοντες της GenAI μπορούν να θέσουν τους εαυτούς τους για ένα καλύτερα ενημερωμένο μέλλον.

Διαχείριση Κόστους, Ρίσκου και Αλλαγής: Μάθηση από τα Λάθη του Cloud

Γυρίζοντας πίσω τον χρόνο, όταν η τεχνολογία του cloud άρχισε να κερδίζει έδαφος, πολλές οργανώσεις υποεκτίμησαν την πολυπλοκότητα της μετεγκατάστασης και υπερέτιμαν τις βραχυπρόθεσμες οικονομίες. Ως αποτέλεσμα, οι περισσότερες από τις ίδιες οργανώσεις έπεσαν θύματα τριών основных εμποδίων: κακή διαχείριση κόστους, λάθη ασφαλείας και η φυσική αντίσταση που έρχεται με τις πολιτιστικές και οργανωτικές αλλαγές.

Η εποχή του cloud μας δίδαξε ότι η απλή «ανύψωση και μεταφορά» των φορτίων εργασίας – μεταφέροντάς τα στο cloud χωρίς moderneποίηση – συχνά απέτυχε να προσφέρει αξία. Παρόμοια, οι πρωτοβουλίες της GenAI συχνά σταματούν όταν οι οργανώσεις προσπαθούν να συνδέσουν κληρονομικά, μη δομημένα ή κακώς τεκμηριωμένα δεδομένα με новые ισχυρές μοντέλα χωρίς να ενημερώσουν τις βάσεις δεδομένων. Στην πραγματικότητα, τα έργα της GenAI μπορούν να προσφέρουν απογοητευτικά αποτελέσματα ή ακόμη και να ενισχύσουν τις υφιστάμενες ανεπάρκειες. Η διδαχή: η τεχνολογία seule δεν μπορεί να υπερβεί τις θεμελιώδεις αδυναμίες.

Όπως η τεχνολογία του cloud εξέθεσε κενά στη διακυβέρνηση, τις δεξιότητες και τη μακροπρόθεσμη στρατηγική, έτσι και η GenAI. Εάν οι υπάλληλοι υιοθετήσουν εργαλεία GenAI χωρίς επιτήρηση ή χρησιμοποιήσουν την τεχνολογία εκτός των ορίων της αποδεκτής χρήσης, τα ρίσκα της σκιώδους τεχνολογίας μπορεί να επανεμφανιστούν, μαζί με τις δυσκολίες της ασφάλειας των GenAI pipelines και της διασφάλισης της συμμόρφωσης σε κλίμακα. Αυτές οι αναλογίες θα συνεχίσουν να εμφανίζονται καθώς η GenAI μεταβαίνει από την πειραματική στην ευρεία εταιρική ενσωμάτωση, απαιτώντας τις ίδιες ροβούστες πλαισια κυβερνοασφάλειας, σχέδια απόκρισης σε περιπτώσεις και δομές διακυβέρνησης που υπάρχουν στο cloud.

Πέρα από τη διαχείριση ρίσκου, η μη διαχειριζόμενη διασπορά κόστους είναι ένα μακροχρόνιο ζήτημα στην τεχνολογία. Το cloud δεν είναι εξαίρεση και καθώς οι επιχειρήσεις συνεχίζουν να ενσωματώνουν την GenAI στις ροές εργασίας τους, αντιμετωπίζουν μια παρόμοια αύξηση των εξόδων.

Ένας αυξανόμενος αριθμός οργανισμών που προσπαθούν να βελτιώσουν τη στρατηγική διαχείρισης κόστους τους στρέφονται στο FinOps ως λύση. Χρησιμοποιώντας έγκαιρες, δεδομένα-κίνητες πληροφορίες για να βοηθήσουν στη βελτίωση της πρόβλεψης και να ενθαρρύνουν τη δια-λειτουργική ευθύνη και συνεργασία, μια ολοκληρωμένη υποδομή FinOps έχει αποδειχθεί απτή για την περικοπή των υπερ-εξόδων και την μεγιστοποίηση της επιχειρηματικής αξίας. Οι αρχές του FinOps δεν περιορίζονται μόνο στη διαχείριση κόστους του cloud, προσφέροντας μια βιώσιμη επιλογή για τα έξοδα της GenAI.

Εφαρμογή των Μαθημάτων του Cloud στην Πρακτική της GenAI

Μέχρι το τέλος του έτους, ο Gartner προβλέπει ότι τουλάχιστον το 30% των έργων της GenAI θα εγκαταλειφθούν μετά την απόδειξη της концепτός. Όταν η υστερία υπερβαίνει την πραγματικότητα, οι κρυφές τάσεις πίσω από τις αποτυχίες των έργων της GenAI – όπως η μη προετοιμασμένη δεδομένων, η ασαφής ιδιοκτησία επιχείρησης ή η περιττή πολυπλοκότητα – συχνά δεν αντιμετωπίζονται στην βιασύνη να υιοθετήσουν नई τεχνολογία. Η αναγνώριση και αντιμετώπιση αυτών των σημάτων νωρίς μπορεί να σημαίνει τη διαφορά μεταξύ της επιτυχίας της GenAI και ενός ακόμη εγκαταλειμμένου έργου. Οι ηγέτες που παρακολουθούν ενεργά αυτά τα σημάδια, αντί να παρακάμπτουν τη διαδικασία, ρυθμίζουν τις ομάδες τους για μακροπρόθεσμη επιτυχία.

Όταν η υιοθέτηση εγκριθεί, οι εταιρείες πρέπει να δώσουν έμφαση σε μικρά πειραματικά έργα της GenAI για να δοκιμάσουν και να διασφαλίσουν την πραγματική αξία αντί να πηδήξουν στην άμεση εταιρική κλίμακα. Είναι κρίσιμο ότι οι εταιρείες αρχίσουν με μόνο quelques καθορισμένες, υψηλής επίδρασης περιπτώσεις χρήσης με σαφείς στόχους ROI που αντιστοιχούν σε πραγματικές επιχειρηματικές ανάγκες.

Αυτό διασφαλίζει τις πρώτες νίκες, χτίζει την εσωτερική εμπιστοσύνη και αποφεύγει τη σπατάλη χρόνου και πόρων σε γενικές πειραματικές εργασίες. Με την αγκύρωση της υιοθέτησης της GenAI σε एक ορατό αποτέλεσμα – όπως η αυτοματοποίηση των περίληψης της υποστήριξης πελατών ή η επιτάχυνση των αναθεωρήσεων κώδικα – οι οργανώσεις μπορούν να αποδείξουν αξία γρήγορα, να βελτιώσουν την προσέγγισή τους και να κλιμακωθούν πιο στρατηγικά. Αυτό επίσης βοηθά να ευθυγραμμιστεί η τεχνική προσπάθεια με τους επιχειρηματικούς στόχους, που είναι όπου πολλά πειραματικά έργα της GenAI σήμερα δεν ανταποκρίνονται.

Από εκεί, η καθιέρωση ισχυρών ελέγχων και ισορροπιών, της συνεχούς παρακολούθησης και των σαφώς καθορισμένων πολιτικών διακυβέρνησης είναι το επόμενο κρίσιμο βήμα για την υπεύθυνη χρήση και τη συμμόρφωση. Η συνεργασία με εξωτερικούς εμπειρογνώμονες μπορεί να είναι ένα伟το πρώτο βήμα στη διαπλοκή του σημερινού σύνθετου και εξελισσόμενου κανονιστικού τοπίου. Με την επένδυση στα σωστά εργαλεία και την υποδομή από νωρίς στη διαδικασία υλοποίησης της GenAI, μαζί με τη συνεχής εκπαίδευση, οι οργανώσεις μπορούν να θέσουν τις βάσεις για τη βιώσιμη επιτυχία.

Επτάθεση της Σωστής Ισορροπίας με την Καινοτομία της GenAI

Με την εφαρμογή των μαθημάτων της εποχής του cloud με πειθαρχία και προοπτική, οι οργανώσεις μπορούν να αποφύγουν τα δαπανηρά λάθη και να ξεκλειδώσουν το πλήρες δυναμικό της GenAI – ασφαλώς, βιώσιμα και σε κλίμακα.

Η GenAI είναι προγραμματισμένη να παραμείνει một ισχυρή δύναμη, με 70% των διευθυντών που αναφέρουν ότι περιμένουν ότι η τεχνολογία θα επηρεάσει τα επιχειρηματικά μοντέλα τους τα επόμενα τρία χρόνια. Ένας αριθμός που αυξάνεται στο 89% μεταξύ εκείνων που ήδη χρησιμοποιούν την τεχνολογία. Είναι σαφές ότι το μετασχηματιστικό δυναμικό της GenAI αποδεικνύεται πολύτιμο για τους εκτελεστικούς αποφασιστές, αλλά η βιώσιμη, ευρεία επίδραση εξακολουθεί να εξαρτάται από την αντιμετώπιση της α信ότητας, της διακυβέρνησης και των εμποδίων ενσωμάτωσης.

Ο Niladri Ray είναι ο Επικεφαλής Χώρας, Ινδία και Αντιπρόεδρος-Μηχανικής για το Flexera, με τις ευθύνες του να εκτείνονται σε Παγκόσμια AI/ ML, Data Intelligence, FinOps, SAAS, Αειφορία και Διαχείριση Ασφαλείας σε Υβριδικά IT περιβάλλοντα. Με hơn 27 χρόνια εμπειρίας, έχει εξειδικευμένη εμπειρία σε cả FinTech και DeepTech περιοχές, κλιμάκωση αυτών σε πολλαπλά επιχειρηματικά πεδία και τεχνολογικά περιβάλλοντα. Είναι επίσης Μέντορ DeepTech του NASSCOM και Άγγελος Επενδυτής/ Μέλος Δ.Σ. για πολλές Παγκόσμιες Τεχνολογικές Εκκινήσεις. Είναι μέρος της Παγκόσμιας Ομάδας Εργασίας "FinOps για AI" για το Ίδρυμα FinOps και τα ενδιαφέροντά του περιλαμβάνουν Διαχείριση Δαπανών AI, Κλιμακωτή Τεχνολογική Μεταμόρφωση, Αειφορία και Μέγιστη Αξιοποίηση Τιμής Υβριδικών IT που διασχίζει μια ποικιλία Finops Πεδίων και Προσώπων.