ניווט בהטמעת AI: הימנעות ממלכודות והבטחת הצלחה

הדרך ל-AI אינה ריצה – זה מרתון, ועסקים צריכים לקבוע קצב עצמם בהתאם. אלו שרצים לפני שלמדו ללכת יכשלו, ויצטרפו לבית הקברות של עסקים שניסו לנוע מהר מדי להגיע לקו הסיום של AI. האמת היא, אין קו סיום. אין יעד שאליו עסק יכול להגיע ולומר ש-AI נכבש במידה מספקת. על פי McKinsey, 2023 היה השנה הגדולה של AI, עם סביב 79% מהעובדים שאמרו שהייתה להם חשיפה כלשהי ל-AI. עם זאת, טכנולוגיות פריצה לא עוקבות אחר נתיבים ליניאריים של פיתוח; הן עולות ויורדות, עד שהן הופכות לחלק מהאריג של העסק. רוב העסקים מבינים ש-AI הוא מרתון ולא ריצה, וזה שווה לזכור.

ולקחו, למשל, את ה-Hype Cycle של Gartner. כל טכנולוגיה חדשה שצומחת עוברת את אותו סדרה של שלבים במחזור ההיסטריה, עם יוצאים מן הכלל מעטים. השלבים הם כדלקמן: אירוע חדש; שיא של ציפיות מנופחות; עמק של אכזבה; מדרון של הארה, ורמת פרודוקטיביות. ב-2023, Gartner הציב את Generative AI בחדות בשלב השני: שיא של ציפיות מנופחות. זהו הזמן שבו רמות ההיסטריה סביב הטכנולוגיה הן בשיאן, ובעוד שחלק מהעסקים מצליחים לנצל אותה מוקדם ולקדם, רובם יתקשו לעבור את עמק האכזבה ואולי אפילו לא יגיעו לרמת הפרודוקטיביות.

הכל זה לומר שעסקים צריכים לדרוך בזהירות כאשר מדובר בהטמעת AI. בעוד שהפיתוי הראשוני של הטכנולוגיה ויכולותיה יכול להיות מפתה, היא עדיין מוצאת את רגליה וגבולותיה עדיין נבדקים. זה לא אומר שעסקים צריכים להימנע מ-AI, אבל הם צריכים להכיר בחשיבות של קביעת קצב בר קיימא, הגדרת יעדים ברורים, ותכנון מדוקדק של המסע. צוותי הנהלה ועובדים צריכים להיות מעורבים לחלוטין ברעיון, איכות הנתונים ושלמותם צריכים להיות מובטחים, יעדים של ציות צריכים להיות מושגים – וזה רק ההתחלה.

בקיצור, עסקים יכולים לנצל AI בדרך מודדת וברת קיימא, ולהבטיח שהם נעים עם הטכנולוגיה במקום לקפוץ מעבר לה. כאן כמה מהמלכודות הנפוצות ביותר שאנו רואים ב-2024:

מלכוד 1: הנהגת AI

זה עובדה: ללא אישור מהצמרת, יוזמות AI ייכשלו. בעוד עובדים עשויים לגלות כלים של Generative AI בעצמם ולשלב אותם בשגרה היומית, זה מחשף חברות לבעיות סביב פרטיות הנתונים, ביטחון וציות. הטמעת AI, בכל יכולת, צריכה לבוא מהצמרת, וחוסר עניין ב-AI מהצמרת יכול להיות גם כן מסוכן כמו ללכת קדימה.

ולקחו, למשל, את ענף הביטוח הבריאות בארצות הברית. בסקר של ActiveOps, התגלה כי 70% ממנהלי ההפעלה מאמינים שבכירים בדרג ה-C אינם מעוניינים בהשקעה ב-AI, ויוצרים מחסום משמעותי לחדשנות. בעוד הם יכולים לראות את היתרונות, עם כמעט 8 מתוך 10 הסכמים ש-AI יכול לעזור לשפר את ביצועי ההפעלה, חוסר תמיכה מהצמרת מוכיח כמחסום מורט לקידום.

מלכוד 2: איכות ושלמות הנתונים

שימוש בנתונים באיכות ירודה עם AI הוא כמו להכניס דיזל למכונית בנזין. תקבלו ביצועים גרועים, חלקים שבורים, וחשבון יקר לתיקון. מערכות AI מסתמכות על כמויות עצומות של נתונים כדי ללמוד, להסתגל ולחזות במדויק. אם הנתונים המוזנים למערכות אלו הם לקויים, לא שלמים, מסווגים לא נכון או מוטים, התוצאות יהיו בהכרח לא אמינות. זה לא רק מערער את יעילותה של פתרונות AI, אלא גם יכול להוביל למפלות משמעותיות ואי אמון ביכולות AI.

מלכוד 3: הבנת AI

AI הוא כלי, וכלים הם יעילים רק כאשר הם מופעלים על ידי הידיים הנכונות. הצלחת יוזמות AI תלויה לא רק בטכנולוגיה, אלא גם באנשים שמשתמשים בה, ואנשים אלו הם במחסור. על פי Salesforce, כמעט שני שלישים (60%) ממקצועות ה-IT זיהו מחסור במיומנויות AI כאתגר הגדול ביותר להטמעת AI. זה נשמע כאילו עסקים פשוט לא מוכנים ל-AI, והם צריכים להתחיל לפתור את הפער הזה במיומנויות לפני שהם מתחילים להשקיע בטכנולוגיית AI.

מה הבא?

אימוץ AI מוצלח דורש יותר מאשר רק השקעה בטכנולוגיה; הוא דורש גישה אסטרטגית ומוכוונת זמן, שמבטיחה אישור מעובדים ותמיכה מהנהלה. הוא גם דורש מעסקים להיות מודעים לעובדה שטכנולוגיה היא בעלת גבולות – בעוד שהעניין ב-AI עולה, והאימוץ בשיאו, יש סיכוי טוב שבועה של AI תתפוצץ לפני שהיא תתקן ותהפוך לכלי יציב ואמין שעסקים צריכים. זכרו, אנחנו עכשיו בשיא של ציפיות מנופחות, ועמק האכזבה עדיין צריך להיעבור. עסקים ששואפים להשקיע ב-AI יכולים להתכונן לסערה המתקרבת על ידי הכנת עובדיהם, קביעת מדיניות שימוש ב-AI, והבטחה שנתוניהם נקיים, מאורגנים היטב, ומסווגים ומשולבים נכון ברחבי העסק.