Älykkäät aloitteet eivät tarvitse täydellisiä tietoja: Pragmatistin näkökulma yritysten älykkääseen tekniikkaan

Yritysten älykkään tekniikan markkinat tulevat kasvamaan 204 miljardiin dollariin vuoteen 2030 mennessä. 92 prosenttia organisaatioista aikoo lisätä älykkään tekniikan investointejaan seuraavan kolmen vuoden aikana. MIT:n tutkimus osoittaa, että 90 prosenttia älykkään tekniikan hankkeista epäonnistuu siirtymisessä pilot-vaiheesta eteenpäin. Ja pääsyy tähän ei ole mallin monimutkaisuus, vaan tiedon laatu.

Johtoryhmät keskustelevat ChatGPT:n ja Clauden välillä. He kysyvät väärää kysymystä. Todellinen ongelma on, onko organisaation tieto valmis millekään älykkään tekniikan toteutukselle. Useimmat yritykset rakentavat monimutkaisia älykkään tekniikan ominaisuuksia hajanaisilla, epäjohdonmukaisilla ja kontekstuaalisesti köyhillä tietopohjilla.

Tämä luo valitettavasti kalliita epäonnistumisia. Rahoituslaitokset käyttävät chatboteja, jotka kuvittelevat tuloverot. Vähittäiskauppiaat toteuttavat suositusmoottoreita, jotka ehdottavat lopetettuja tuotteita. Valmistajat investoivat ennustavaan analytiikkaan, joka ei voi vastata perustason operatiivisiin kysymyksiin. Nämä epäonnistumiset johtuvat siitä, että edistyneitä malleja toteutetaan kiireesti, ja perustietojen valmistelua ohitetaan.

Tiedon monimutkaisuuden haasteen ymmärtäminen

Yritysten tieto on jaettu kolmeen kategoriaan. Kukin edellyttää erilaisia valmistelumenetelmiä. Niden erojen ymmärtäminen määrää älykkään tekniikan onnistumisen.

Rakenteiset tiedot ovat tuttuja. Tiedot sijaitsevat tietokannoissa ja taulukoissa, joissa on selkeät rivit ja sarakkeet. Monet organisaatiot olettavat, että hyvin järjestetyt transaktiot järjestelmät tarkoittavat älykkään tekniikan valmiutta. Tämä oletus luo ongelmia. Älykkään tekniikan järjestelmät kamppailevat rakenteisten tietojen kanssa, ei sen takia, että ne ovat epäjärjestyksessä, vaan sen takia, että niissä on kontekstiaukkoja. Kun älykkään tekniikan järjestelmä kohtaa “Tuotetunnus”-kenttiä useissa tietokantatauluissa, se ei voi ymmärtää näitä suhteita ilman eksplisiittistä ohjeistusta. Tuloksena on älykkään tekniikan järjestelmä, joka pääsee käsiksi tietoihin, mutta ei voi niitä mielekkäästi analysoida.

Epästrukturoidut tiedot tarjoavat vastakkaisia haasteita ja mahdollisuuksia. Tähän kategoriaan kuuluvat sähköpostit, asiakirjat, esitykset, videot ja muu ihmisten luoma sisältö, jossa suurin osa organisaation tietämys elää. Perinteiset analytiikkatyökalut kamppailevat epästrukturoiden tietojen kanssa. Nykyaikaiset älykkään tekniikan järjestelmät on suunniteltu käsittelemään niitä. Onnistuminen edellyttää systemaattista valmistelua. Organisaatiot eivät voi ladata tuhansia PDF-tiedostoja ja odottaa mielekkäitä oivalluksia. Tehokas toteutus vaatii sisällön segmentoinnin, metatietojen luomisen ja hakutoiminnon optimoinnin.

Puolistrukturoidut tiedot ovat monimutkaisen välimaastoa. JSON-tiedostot, järjestelmän lokit ja raportit yhdistävät järjestyneitä elementtejä kerronnalliseen sisältöön. Yleinen virhe on kohdella näitä lähteitä pelkästään epästrukturoiduina, mikä johtaa arvokkaiden järjestyneiden komponenttien menettämiseen. Älykkään tekniikan onnistunut toteutus vaatii järjestyneiden elementtien käsittelyä, epästrukturoiden oivallusten säilyttämistä ja niiden yhdistämistä kattavaan analyysiin.

Kunkin tietotyypin edellyttää erityisiä valmistelustrategioita. Älykkään tekniikan järjestelmien on oltava määritetty käsittelemään tätä monimutkaisuutta. Organisaatiot, jotka kohtelevat kaikkia tietoja yhdenmukaisesti, luovat älykkään tekniikan toteutukset, jotka menestyvät yhdessä tietotyypissä ja epäonnistuvat toisessa.

Kontekstiaukko, joka heikentää älykkään tekniikan suorituskykyä

Konteksti on kriittisin tekijä älykkään tekniikan onnistumisessa. Se on myös yleisimmin huomiotta jätetty. Ihmisanalyytikot tuovat vuosikymmenien liiketoimintatuntemuksen tietojen tulkintaan. Kun he tarkastelevat neljännesvuosiraportteja, he ymmärtävät, että “Liikevaihto” edustaa veronjälkeistä Yhdysvaltain myyntiä dollareina. Älykkään tekniikan järjestelmillä ei ole vastaavaa ymmärrystä. Ilman eksplisiittistä kontekstia älykkään tekniikan järjestelmä saattaa tulkita “47 prosenttia” liikevaihdon luvuksi, kun todellinen arvo on 4,7 miljoonaa dollaria. Tämä johtaa perustavanlaatuisesti virheellisiin liiketoimintasuosituihin.

Kontekstiaukko ulottuu perustason tietojen tulkinnan ulkopuolelle. Jokainen organisaatio kehittää yksilöllisiä määritelmiä yleisille mittareille. “Asiakasluontimiskustannukset” tarkoittavat jotain aivan erilaista startup-yrityksessä kuin vakiintuneessa yrityksessä. “Käyttäjämenetysluokan” laskelmat vaihtelevat dramaattisesti eri aloilla ja yrityksissä. Älykkään tekniikan järjestelmien on oltava eksplisiittinen ohjeistus näissä organisaatiokohtaisissa nuansseissa, jotta ne voivat tarjota mielekkäitä oivalluksia.

Perinteiset dokumentaatiomenetelmät eivät onnistu älykkään tekniikan toteutuksessa. Statiset tietosanastot, jotka tallennetaan palvelimille, ovat näkymättömiä älykkään tekniikan järjestelmille ja vanhenevat nopeasti. Menestyvät organisaatiot luovat elävän dokumentaation, jota älykkään tekniikan järjestelmät voivat viitata. Tämä päivittyy automaattisesti, kun liiketoimintasäännöt kehittyvät.

Automaatio ja ihmisten panos tasapaino tulee oleelliseksi tässä. Konet voivat tunnistaa tekniset suhteet. Ne tunnistavat, että Sarake A liittyy Taulu B:hen tietokantajärjestelmissä. Vain ihmisten asiantuntemus tarjoaa liiketoimintakontekstin. Ihmiset selittävät, miksi tietyt mittarit ovat tärkeitä, miten ne lasketaan ja mitä edustaa normaalia tai huolestuttavaa suorituskykyä. Älykkään tekniikan onnistunut toteutus yhdistää automaattisen löytämisen ja ihmisten asiantuntemuksen kuratoinnin.

Älykkään tekniikan aikakauden kasvavat riskit

Älykkään tekniikan toteutus lisää olemassa olevia tietohallinnan haasteita ennennäkemättömällä skaalalla ja nopeudella. Perinteiset tietohallinnan haasteet tulevat eksponentiaalisesti monimutkaisemmiksi, kun älykkään tekniikan järjestelmät pääsevät käsiksi tietoihin, käsittelevät ja jakavat tietoa organisaatioiden rajojen yli.

Käyttöoikeusmekanismit, jotka on suunniteltu ihmiskäyttäjille, osoittautuvat riittämättömiksi älykkään tekniikan järjestelmille. Perinteiset turvamallit saattavat antaa myyntianalyytikoille pääsyn tiettyihin kansioihin. Mutta älykkään tekniikan avustajat voivat vahingossa paljastaa arkaluontoisia tietoja valtuuttamattomille käyttäjille näennäisesti viattomien kyselyjen kautta. Asiakaspalvelun älykkään tekniikan järjestelmä saattaa päästä kilpailijan hintatietoihin ja jakaa niitä asiakirjoissa. Organisaatioiden on oltava turvallisuuskehykset, jotka ovat tarpeeksi kehittyneitä ymmärtämään, mitä älykkään tekniikan järjestelmät voivat ja eivät voi jakaa eri konteksteissa.

Säädösvaativuudet tulevat merkittävästi monimutkaisemmiksi, kun älykkään tekniikan järjestelmät tekevät päätöksiä, jotka vaikuttavat yksilöihin. GDPR:n noudattaminen oli haastavaa, kun ihmiset tekivät tietopohjaisia päätöksiä. Nyt organisaatioiden on selitettävä, miten älykkään tekniikan algoritmit saivat tiettyyn lopputulokseen. Heidän on ylläpidettävä audit-merkintöjä automaattisille päätöksille. Heidän on varmistettava, että älykkään tekniikan koulutusdata noudattaa tietosuojasääntöjä. “Selitysoikeus” saa uuden merkityksen, kun päätöksentekijä on algoritmisen järjestelmän sijaan ihmisanalyytikko.

Luottamuksen rakentaminen edellyttää uusia lähestymistapoja testaamiseen ja seuraamiseen. Perinteinen laadunvarmistus keskittyi siihen, toimivatko järjestelmät oikein odotetuissa olosuhteissa. Älykkään tekniikan järjestelmien on oltava jatkuvaa seurantaa havaitsemaan, kun ne epäonnistuvat, kuinka vakavasti ja miksi. Organisaatioiden on toteutettava reaaliaikainen seuranta kaikeen älykkään tekniikan päätöksiin, ei pelkästään järjestelmän suorituskykymittareihin.

Palautekanava on kriittinen parantamiseksi. Kun käyttäjät korjaavat älykkään tekniikan vastauksia, se korjaus edustaa arvokasta koulutusdataa. Mutta vain, jos organisaatiot keräävät ja sisällyttävät sen systemaattisesti. Tämä edellyttää prosesseja käyttäjien palautteen keräämiseksi, korjausten validointiin ja älykkään tekniikan käyttäytymisen päivittämiseen sen mukaisesti.

Rakennus- ja osto-päätöksen navigointi

Organisaatiot kohtaavat valinnan kehittääkö sisäisiä älykkään tekniikan kykyjä vai kumppanoidaanko ulkoisten alustojen kanssa. Kummallakin lähestymistavalla on omat edut ja haasteensa, jotka on sovittava organisaation kykyihin ja strategisiin tavoitteisiin.

Sisäisten älykkään tekniikan kykyjen kehittäminen tarjoaa maksimaalisen hallinnan ja mukautumismahdollisuuksia. Organisaatiot voivat kehittää järjestelmiä, jotka on suunniteltu heidän yksilöllisiin vaatimuksiinsa. He säilyttävät täydellisen omistajuuden tietoihinsa ja algoritmeihinsa. Kuitenkin resurssivaatimukset ovat merkittäviä. Onnistunut sisäinen kehitys edellyttää yleensä joukkoa data-insinöörejä, älykkään tekniikan asiantuntijoita ja toimialan asiantuntijoita. Kehitys kestää 12-24 kuukautta. Piilotettuja kustannuksia ovat pysyminen älykkään tekniikan nopeasti kehittyvien teknologioiden tasolla, järjestelmien ylläpito vuorokauden ympäri ja aikatauluvaiheiden selittäminen johtoryhmälle.

Alustaratkaisut lupaavat nopeampaa toteutusta ja vähennetyn teknisen ylläpidon. Organisaatiot voivat ladata tietonsa, määrittää perusasetukset ja aloittaa älykkään tekniikan oivallusten luomisen. Kuitenkin organisaatioiden on arvioitava alustojen kykyjä huolellisesti heidän yksilöllisiin vaatimuksiinsa nähden. Kriittisiä huomioita ovat tietomuodon yhteensopivuus, toimialakohtainen ymmärrys, tietoturva- ja tietosuojasuojat sekä integrointimahdollisuudet olemassa oleviin järjestelmiin.

Hybridi-lähestymistapa usein toimii parhaiten monille organisaatioille. Alustojen käyttäminen sallii yritysten osoittaa älykkään tekniikan arvon nopeasti, samalla kun he oppivat heidän yksilöllisistä vaatimuksistaan. Kun organisaatiot ymmärtävät, mitä toimii, he voivat tehdä perusteltuja päätöksiä siitä, mitkä kyvyt ansaitsevat sisäistä kehittämistä ja mitkä jatkavat alustojen käyttöä.

Praktinen kehys eteenpäin menemiseksi

Älykkään tekniikan onnistunut toteutus alkaa rehellisestä arvioinnista, ei kunnianhimoisesta suunnittelusta. Organisaatioiden on aloitettava olemassa olevien tietovarantojen inventoinnilla. Tämä prosessi paljastaa yleensä enemmän monimutkaisuutta ja epäjohdonmukaisuutta kuin aluksi odotettiin. Sen sijaan, että yritettäisiin toteuttaa kattavaa älykkään tekniikan muutos, menestyvät yritykset tunnistavat tiettyjä, mitattavissa olevia ongelmia, joissa älykkään tekniikka voi tarjota selkeää arvoa.

Perustustyö vaatii merkittävää ponnistelua, mutta se on välttämätöntä. Tähän sisältyy tietojen puhdistus, kontekstin dokumentointi, käyttöoikeuksien toteutus ja pilotin testaus selkeästi määritellyillä onnistumisen mittareilla. Organisaatioiden on suunniteltava realistisia aikatauluja. Ajatellaan kuukausia tai vuosia, ei viikkoja. Rakenna kykyjä askel kohtaa.

Yritykset, jotka suorittavat tämän perustyön, kun taas heidän kilpailijansa ovat keskittyneet älykkään tekniikan mallien valintaan, saavat merkittäviä etuja. Teknologian valinta on vähemmän merkittävää kuin valmistelu, joka mahdollistaa minkä tahansa älykkään tekniikan järjestelmän onnistumisen.

Odottamisen kustannus

Älykkään tekniikan vallankumous etenee riippumatta organisaation valmiudesta. Yritykset voivat valita, panostavatko ne tietojen valmisteluun nyt. Tai he voivat yrittää korjata ratkaisuja myöhemmin merkittävällä kustannuksella ja monimutkaisuudella. Organisaatiot, jotka nousevat älykkään tekniikan johtajiksi, tunnistavat aikaisin, että menestys riippuu ei siitä, valitsevatko he kaikkein monimutkaisimmat mallit, vaan siitä, rakentavatko he tietopohjat, jotka sallivat minkä tahansa älykkään tekniikan järjestelmän tarjoamaan mielekkäitä liiketoimintaa arvoa.

Kysymys, jota yritysjohtajat kohtaavat, ei ole, mikä älykkään tekniikan teknologia toteutetaan. Se on, onko heidän organisaatiollaan tehty vaikea työ, jotta mikä tahansa älykkään tekniikan toteutus voi onnistua. Älykkään tekniikan kyvyt kehittyvät kuukausittain. Kestävä kilpailuetu kuuluu yrityksille, joiden tietopohjat ovat tarpeeksi vahvat tukemaan mitä tahansa teknologisen kehityksen, joka tulee seuraavaksi.