Navigering av AI-utvikling: Unngå fallgruber og sikre suksess

Veien til AI er ikke et sprint, men et maraton, og bedrifter må pace seg selv deretter. De som løper før de har lært å gå, vil snuble, og slutte seg til kirkegårdene av bedrifter som prøvde å flytte for raskt for å nå et slags AI-mål. Sannheten er at det ikke finnes noen målstrek. Det finnes ingen destinasjon hvor en bedrift kan ankomme og si at AI har blitt tilstrekkelig erobret. Ifølge McKinsey, var 2023 AI-s årbåre år, med rundt 79% av ansatte som sa de hadde hatt en viss grad av eksponering for AI. Imidlertid følger ikke gjennombruddsteknologier lineære utviklingsbaner; de ebber og floder, stiger og faller, til de blir en del av bedriftens fundament. De fleste bedrifter forstår at AI er et maraton og ikke et sprint, og det er verdt å huske på.

Ta Gartners Hype Cycle for eksempel. Hver ny teknologi som oppstår går gjennom samme serie av stadier på hype-cyklen, med svært få unntak. Disse stadiene er følgende: Innovasjonsutløser; Peak of Inflated Expectations; Trough of Disillusionment; Slope of Enlightenment, og Plateau of Productivity. I 2023 plasserte Gartner Generative AI fast i det andre stadiet: Peak of Inflated Expectations. Dette er når hype-nivåene omkring teknologien er på sitt største, og mens noen bedrifter er i stand til å kapitalisere på det tidlig og stige frem, vil de fleste stride gjennom Trough of Disillusionment og kanskje ikke engang nå Plateau of Productivity.

Alt dette er for å si at bedrifter må gå forsiktig når det gjelder AI-utvikling. Mens den innledende tiltrekningen av teknologien og dens muligheter kan være fristende, er det fortsatt svært mye under utvikling og grensene er fortsatt under testing. Dette betyr ikke at bedrifter bør unngå AI, men de bør erkjenne viktigheten av å sette en bærekraftig pace, definere klare mål, og planlegge reisen nøye. Ledelseslag og ansatte må være fullstendig innført i ideen, datakvalitet og integritet må være garantert, og compliance-objektiver må være møtt – og det er bare begynnelsen.

Ved å starte smått og tegne opp nåbare milepæler, kan bedrifter utnytte AI på en måte som er både målrettet og bærekraftig, og sikre at de flytter seg med teknologien i stedet for å hoppe foran den. Her er noen av de vanligste fallgrubene vi ser i 2024:

Fallgrubbe 1: AI-ledelse

Det er en fakta: uten godkjenning fra toppen, vil AI-initiativer strandsitte. Mens ansatte kan oppdage generative AI-verktøy for seg selv og innføre dem i sine daglige rutiner, åpner det selskaper for problemer rundt dataintegritet, sikkerhet og compliance. Utvikling av AI, i noen kapacitet, må komme fra toppen, og mangel på interesse for AI fra toppen kan være like farlig som å gå for hardt.

Ta helseforsikringssektoren i USA for eksempel. I en nylig undersøkelse av ActiveOps, ble det avdekket at 70% av operasjonsledere trodde at C-suite-eksekutiver ikke var interessert i AI-investeringer, og skapte en betydelig barriere for innovasjon. Mens de kan se fordelene, med nesten 8 av 10 som er enige om at AI kunne hjelpe med å forbedre operasjonell ytelse betydelig, er mangel på støtte fra toppen en frustrerende barriere for fremgang.

Der AI brukes, er organisatorisk godkjenning og ledelsesstøtte essensiell. Klare kommunikasjonskanaler mellom ledelse og AI-prosjektgrupper må etableres. Regelmessige oppdateringer, transparente fremdriftsrapporter og diskusjoner om utfordringer og muligheter vil hjelpe med å holde ledelsen engasjert og informert. Når ledere er godt kjent med AI-reisen og dens milepæler, er de mer sannsynlig å gi den pågående støtten som er nødvendig for å navigere gjennom kompleksiteter og uforutsette problemer.

Fallgrubbe 2: Datakvalitet og integritet

Bruk av dårlig kvalitetsdata med AI er som å putte diesel i en bensinbil. Du vil få dårlig ytelse, ødelagte deler og en dyrekostnad for å fikse det. AI-systemer avhenger av store mengder data for å lære, tilpasse seg og gjøre nøyaktige forutsigelser. Hvis data som mates inn i disse systemene er feilaktig, ufullstendig, misklassifisert eller bias, vil resultater være uansvarlige. Dette undergraver ikke bare effektiviteten av AI-løsninger, men kan også føre til betydelige tilbakeslag og mistillit til AI-kapasiteter.

Vår forskning viser at 90% av operasjonsledere sier at for mye innsats er nødvendig for å trekke ut innsikt fra deres operative data – for mye av det er siloet og fragmentert over flere systemer, og ridd med inkonsistenser. Dette er en annen fallgrubbe bedrifter møter når de vurdere AI – deres data er bare ikke klare.

For å løse dette og forbedre datahygiene, må bedrifter investere i robuste datastyringsrammer. Dette inkluderer å etablere klare datastandarder, sikre at data er konsistent rengjort og valideret, og implementere systemer for kontinuerlig datakvalitetsovervåking. Ved å skape en enkelt kilde til sannhet, kan organisasjoner forbedre påliteligheten og tilgjengeligheten av deres data, noe som vil ha den ekstra fordelen å gjøre veien for AI lettere.

Fallgrubbe 3: AI-kompetanse

AI er et verktøy, og verktøy er bare effektive når de håndteres av riktige hender. Suksessen av AI-initiativer henger ikke bare avhengig av teknologi, men også av menneskene som bruker det, og disse menneskene er i kort supply. Ifølge Salesforce, identifiserte nesten to tredjedeler (60%) av IT-proffene en mangel på AI-ferdigheter som deres største hindring for AI-utvikling. Det høres ut som om bedrifter bare ikke er klare for AI, og de må begynne å løse denne ferdighetsgapen før de starter å investere i AI-teknologi.

Det betyr ikke at de må gå på en anssettelsesrunde, imidlertid. Opplæringsprogrammer kan innføres for å oppgradere den nåværende arbeidsstyrken, og sikre at de har evnene til å bruke AI effektivt. Bygging av denne type AI-kompetanse innen organisasjonen innebærer å skape en miljø hvor kontinuerlig læring er oppmuntret – workshop, online-kurs og praktiske prosjekter kan hjelpe med å avmystifisere AI og gjøre det mer tilgjengelig for ansatte på alle nivåer, og legge grunnlaget for raskere utvikling og mer konkrete fordeler.

Hva nå?

Suksessfull AI-tilpasning krever mer enn bare investering i teknologi; det krever en vel-på-plassert, strategisk tilnærming som sikrer godkjenning fra ansatte og støtte fra ledelsen. Det krever også at bedrifter er selvbevisste og åpne for å erkjenne at teknologien har grenser – mens interessen for AI er på topp, og tilpasningen er på et rekordhøyt nivå, er det en god sjanse at AI-boblen vil briste før den korrigere og blir det stabile, pålitelige verktøyet som bedrifter trenger det til å være. Husk at vi nå er på Peak of Inflated Expectations, og Trough of Disillusionment må fortsatt være været. Bedrifter som er ivrige etter å investere i AI kan forberede seg på den kommende stormen ved å forberede sine ansatte, etablere AI-brukspolitikk, og sikre at deres data er ren, godt organisert og riktig klassifisert og integrert over hele bedriften.