Hva generative AI-håpefulle kan lære fra skytjenestefeil og -suksesser

Generative AI (GenAI) er her for å bli, med organisasjoner over hele verden som nyter teknologiens muligheter. Allerede 72% av organisasjonene rapporterer at de bruker GenAI enten omfattende eller sporadisk, og ytterligere 26% eksperimenterer med teknologien. Imidlertid er denne nye fasen av GenAI-tilpasning fortsatt i de tidlige dagene.

Ifølge McKinsey beskriver bare 1% av selskapsledere sine GenAI-utrullinger som “modne”, det vil si at teknologien er fullstendig integrert i arbeidsflyter og driver betydelige forretningsresultater. Å lukke denne modningsgapet krever kontinuerlig kurskorreksjon, ofte kommer det ned til utrullingshindringer, som betydelige utgifter, mistillit til uprøvede teknologier og regulatoriske risikoer. Hvis disse utfordringene lyder kjente, burde de – da IT-teamene først hoppet til å omfavne skytjenester som den neste store ting, mange av de samme barrierene dukket opp.

De to bølgene av ny teknologi-entusiasme skiller seg litt fra hverandre. Mens skytjenester ble implementert i mer kritiske systemer tidlig, blir GenAI adoptert raskere i pilotfasen og for brukstilfeller primært viet til effisiens- og produktivitetsgevinster. Likevel er læringskurven lignende: de både tvinger organisasjonene til å tenke og jobbe annerledes.

Ved å reflektere over erfaringene fra sine skytjenesteforgjengere, kan dagens GenAI-håpefulle posisjonere seg for en bedre informert fremtid.

Styring av kostnader, risiko og endring: Læring fra skytjenestefeil

Ved å vende klokken tilbake til når skyteknologien begynte å få fotfeste, undervurderte mange organisasjoner kompleksiteten ved migrering og overestimerte korttids-kostnadsbesparelser. Som resultat falt de fleste av disse organisasjonene ofre for tre hovedfallgruber: dårlig kostnadsstyring, sikkerhetsfeilkonfigurasjoner og den naturlige motstanden som følger med kulturelle og organisatoriske endringer.

Skypepoken lærte oss at enkel “heving og flytting” av arbeidsbyrder – flytting dem til skyen uten modernisering – ofte mislyktes i å levere verdi. Tilsvarende kan GenAI-initiativer ofte stagnere når organisasjoner prøver å plugge inn arv, ustrukturert eller dårlig dokumentert data i kraftfulle nye modeller uten å oppdatere datafundamentet. Faktisk kan GenAI-prosjekter levere skuffende resultater eller til og med forsterke eksisterende ineffektiviteter. Leksjonen: teknologi alene kan ikke overvinne grunnleggende svakheter.

Akkurat som skyteknologien avdekket hull i styring, ferdigheter og langtidsstrategi, har også GenAI. Hvis ansatte adopterer GenAI-verktøy uten tilsyn eller bruker teknologien utenfor grensene for godkjent brukspolitikk, kan risikoen for skygget IT dukke opp igjen, sammen med vanskelighetene med å sikre GenAI-pipelines og sikre overholdelse i stor skala. Disse parallellene vil fortsette å dukke opp ettersom GenAI beveger seg fra eksperimentering til omfattende bedriftsintegrering, og krever de samme robuste sikkerhetsrammeverk, hendelsesresponsplaner og styringsstrukturer som finnes innenfor skyen.

Forbi risikostyring er ukontrollert kostnads-sprell en langvarig utfordring i teknologi. Skyen er ingen unntak, og ettersom bedrifter fortsetter å integrere GenAI i sine arbeidsflyter, møter de en lignende eskalering av utgifter.

En voksende antall organisasjoner som prøver å forbedre sin kostnadsstyringsstrategi, vender seg til FinOps som en løsning. Ved å utnytte rettidige, data-drevne innsikter for å hjelpe med å forbedre prognoser og oppmuntre tverrfunksjonell ansvarlighet og samarbeid, har en omfattende FinOps-infrastruktur vist seg å være uvurderlig for å begrense overspending og maksimere forretningsverdi. FinOps-prinsipper er ikke begrenset til skykostnadsstyring alene, og tilbyr en gjeldende mulighet for GenAI-utgifter også.

Plassering av skytjenesteleksjoner i GenAI-praksis

Innen slutten av dette året, forutser Gartner at minst 30% av GenAI-prosjektene vil bli forkastet etter bevis på konsept. Når hype overstiger virkeligheten, kan skjulte mønster bak GenAI-prosjektfeil – som upåberedt data, uklar forretnings-eierskap eller unødvendig kompleksitet – gå ubemerket i rusen til å adoptere ny teknologi. Å erkjenne og adresse disse signalene tidlig kan bety forskjellen mellom GenAI-suksess og et annet forkastet prosjekt. Ledere som aktivt ser etter disse advarselssignalene, i stedet for å forkorte prosessen, setter sine team opp for langtids-suksess.

Når tilpasning er godkjent, bør selskapene legge vekt på små GenAI-pilotprosjekter for å teste og sikre virkelige verdier, i stedet for å hoppe til umiddelbar bedriftsvid utrulling. Det er kritisk at selskapene begynner med bare noen tydelig definerte, høy-impakt-bruksområder med klare ROI-mål koblet tilbake til virkelige forretningsbehov.

Dette sikrer tidlige seirer, bygger intern tillit og unngår å kaste bort tid og ressurser på generisk eksperimentering. Ved å forankre GenAI-tilpasning til en konkret utfall – som å automatisere kundesupportsummer eller akselerere kodegjennomgang – kan organisasjoner demonstrere verdi raskt, finjustere sin tilnærming og skalerer mer strategisk. Det hjelper også å alignere tekniske innsats med forretningsmål, som er der mange GenAI-piloter i øyeblikket mangler.

Fra der, å etablere sterke sjekker og balanser, kontinuerlig overvåking og tydelig definerte styringspolitikker er det neste kritiske skrittet for ansvarlig bruk og overholdelse. Å engasjere med eksterne eksperter kan være et godt første skritt i å navigere i dagens komplekse og evoluerende regulatoriske landskap. Ved å investere i riktige verktøy og infrastruktur tidlig i GenAI-implementeringsprosessen, sammen med kontinuerlig opplæring, kan organisasjoner sette grunnlaget for bærekraftig suksess.

Finne riktig balanse med GenAI-innovasjon

Ved å anvende skytjenesteleksjoner med disiplin og forsiktighet, kan organisasjoner unngå kostbare feil og låse opp GenAIs fulle potensiale – trygt, bærekraftig og i stor skala.

GenAI er satt til å forbli en kraftfull kraft, med 70% av CEO-er som rapporterer at de forventer at teknologien vil påvirke deres forretningsmodeller over de neste tre årene. Et tall som øker til 89% blant de som allerede bruker teknologien. Det er tydelig at GenAIs transformative potensiale er bevist verdifullt for ledere, men bærekraftig, stor-skala-påvirkning avhenger fortsatt av å adresse tillit, styring og integreringsbarrierer.