Hva generative AI-håpefulle kan lære fra skytjenestens prøving og feiling

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

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

De to bølgene av ny teknologi-entusiasme skiller seg på noen måter. 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 begge presser organisasjonene til å tenke og arbeide annerledes.

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

Å håndtere kostnader, risiko og endring: Læring fra skytjenestens misgrep

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

Skytiden lærte oss at enkel “lifting og shifting” av arbeidsbyrder – flytte dem til skyen uten modernisering – ofte ikke leverte verdi. Tilsvarende stanser GenAI-initiativer ofte når organisasjonene prøver å plugge legacy, ustrukturert eller dårlig dokumentert data inn i nye, kraftfulle modeller uten å oppdatere datafundamentet. I virkeligheten kan GenAI-prosjekter levere skuffende resultater eller til og med forsterke eksisterende ineffektiviteter. Lektionen: teknologi alene kan ikke overvinne grunnleggende svakheter.

Like 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 skygge-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 kostnadssprell en langvarig problem i teknologi. Skyen er ingen unntak, og ettersom bedrifter fortsetter å integrere GenAI i sine arbeidsflyter, står de overfor 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 prognostisering og oppmuntre til tverrfunksjonell ansvarlighet og samarbeid, har en omfattende FinOps-infrastruktur vist seg å være uvurderlig for å begrense overutgifter og maksimere forretningsverdi. FinOps-prinsipper er ikke begrenset til skytjenestekostnadsstyring alene, og tilbyr en livskraftig løsning for GenAI-utgifter også.

Å sette skytjenestens leksjoner i GenAI-praksis

Innen slutten av dette året, forutsier Gartner at minst 30% av GenAI-prosjektene vil bli forkastet etter proof of concept. Når hype overstiger realiteten, går skjulte mønster bak GenAI-prosjektfeil – som upålitelig data, uklar forretnings-eierskap eller unødvendig kompleksitet – ofte ubemerket i rushen til å adoptere ny teknologi. Å gjenkjenne og håndtere 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 adopsjon er godkjent, bør selskaper legge vekt på små GenAI-pilotprosjekter for å teste og sikre virkelig verdi, i stedet for å hoppe til umiddelbar bedrifts-dekkende skala. Det er kritisk at selskaper begynner med bare noen få tydelig definerte, høy-impakt-brukstilfeller med klare ROI-mål kartlagt 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 kundesupport-opsummeringer eller akselerere kode-gjennomgang – kan organisasjoner demonstrere verdi raskt, finjustere sin tilnærming og skala mer strategisk. Det hjelper også å tilpasse tekniske innsats med forretningsmål, som er der mange GenAI-piloter nå faller kort.

Deretter er etablering av sterke sjekker og balanser, kontinuerlig overvåking og tydelig definerte styringspolitikker det neste kritiske skrittet for ansvarlig bruk og overholdelse. Å engasjere seg 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.

Å finne riktig balanse med GenAI-innovasjon

Ved å anvende skytidenes leksjoner med disiplin og forsiktighet, kan organisasjoner unngå kostbare feilgrep og låse opp GenAI’s 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. Tydeligvis er GenAI’s transformative potensiale bevist verdifullt for ledere, men bærekraftig, stor-skala-impakt avhenger fortsatt av å håndtere tillit, styring og integreringsbarrierer.