I 2022 hadde selskapene i gjennomsnitt 3,8 AI-modeller i produksjon. I dag er syv av ti selskaper i ferd med å eksperimentere med generativ AI, noe som betyr at antallet AI-modeller i produksjon vil øke dramatisk i årene som kommer. Dette har ført til at industrien diskuterer ansvarlig AI med større intensitet.

Det positive er at mer enn halvparten av organisasjonene allerede fremmer AI-etikk. Imidlertid har bare rundt 20% implementert omfattende programmer med rammer, styring og sikkerhet for å overvåke utviklingen av AI-modeller og proaktivt identifisere og minimere risiko. Gitt den raske utviklingen av AI, bør ledere gå videre nå for å implementere rammer og modne prosesser. Reguleringer verden over er på vei, og allerede en av to organisasjoner har hatt en ansvarlig AI-feil.

Ufordringer ved implementering av Ansvarlig AI

Ansvarlig AI omfatter opptil 20 forskjellige forretningsfunksjoner, noe som øker prosess- og beslutningskompleksitet. Teamene for ansvarlig AI må samarbeide med nøkkelstakeholdere, inkludert ledelse; forretnings-eiere; data-, AI- og IT-team; og partnere for å:

• Bygge AI-løsninger som er rettferdige og frie for bias: Teamene og partnerne kan bruke forskjellige teknikker, som utforskende dataanalyse, for å identifisere og minimere potensielle bias før løsningene utvikles – slik at modellene bygges med rettferdighet i mente fra starten. Teamene og partnerne kan også gjennomgå dataene som brukes i forprosessering, algoritmedesign og postprosessering for å sikre at de er representative og balanserte. I tillegg kan de bruke gruppe- og individuell rettferdighetsteknikk for å sikre at algoritmene behandler forskjellige grupper og individer rettferdig. Og kontrafaktisk rettferdighetstilnærming modellerer resultater hvis bestemte faktorer endres, noe som hjelper med å identifisere og håndtere bias.
• Fremme AI-gjennomsiktighet og forklarbarhet: AI-gjennomsiktighet betyr at det er lett å forstå hvordan AI-modellene fungerer og tar beslutninger. Forklarbarhet betyr at disse beslutningene kan lett kommuniseres til andre på ikke-tekniske termer. Ved å bruke vanlig terminologi, holde regelmessige diskusjoner med stakeholdere og skape en kultur av AI-bevissthet og kontinuerlig læring kan man oppnå disse målene.
• Sikre dataprivatitet og -sikkerhet: AI-modellene bruker store mengder data. Selskapene utnytter første- og tredjepartsdata for å mata modellene. De bruker også privatlivsbeskyttende læringsteknikker, som å lage syntetisk data for å overvinne sparsomhetsproblemer. Ledere og teamene vil ønske å gjennomgå og utvikle dataprivatitet- og sikkerhetstiltak for å sikre at konfidensielle og sensitive data fortsatt er beskyttet mens de brukes på nye måter. For eksempel bør syntetisk data etterligne kundens nøkkelkarakteristika, men ikke være sporbar tilbake til enkeltpersoner.
• Implementere styring: Styring vil variere basert på selskapets AI-modning. Likevel bør selskapene sette AI-prinsipper og -politikk fra starten. Etterhvert som bruken av AI-modeller øker, kan de utnevne AI-tjenestemenn; implementere rammer; skape ansvar og rapporteringsmekanismer; og utvikle tilbakemeldings- og kontinuerlig forbedringsprogrammer.

Kritiske muliggjørere for et Ansvarlig AI-program

Hva skiller selskapene som er ansvarlige AI-ledere fra andre? De:

• Skape en visjon og mål for AI: Ledere kommuniserer sin visjon og mål for AI og hvordan det fordeler selskapet, kundene og samfunnet.
• Sette forventninger: Seniorledere setter riktige forventninger til teamene for å bygge ansvarlige AI-løsninger fra bunnen av, i stedet for å prøve å tilpasse løsningene etter at de er fullført.
• Implementere en ramme og prosesser: Partnere tilbyr ansvarlige AI-rammer med gjennomsiktige prosesser og sikkerhetstiltak. For eksempel bør dataprivatitet, rettferdighet og bias-kontroller være bygget inn i den innledende dataprosesseringen, modellutviklingen og den kontinuerlige overvåkingen.
• Tilgang til domene-, bransje- og AI-ferdigheter: Teamene ønsker å akselerere innovasjonen av AI-løsninger for å øke forretningskonkurransen. De kan vende seg til partnere for relevante domene- og bransjeferdigheter, som data- og AI-strategi-setting og -utføring, kombinert med kundeanalyse, markedsførings-teknologi, leverandørkjede og andre ferdigheter. Partnere kan også tilby fullspektrum AI-ferdigheter, inkludert stor-språkmodell (LLM) ingeniørarbeid, utvikling, drift og plattform-ingeniørkapasiteter, som utnytter ansvarlige AI-rammer og -prosesser for å designe, utvikle, operasjonalisere og produksjonsgjøre løsninger.
• Tilgang til akseleratorer: Partnere tilbyr tilgang til et AI-økosystem, som reduserer utviklingstiden for ansvarlige tradisjonelle og generative AI-pilotprosjekter med opptil 50%. Bedriftene får vertikale løsninger som øker deres markedskonkurransesevne.
• Sikre teamadopsjon og ansvar: Bedrifts- og partner-teamene blir trent på nye politikker og prosesser. I tillegg gjennomfører bedriftene team-undersøkelser for å sikre overholdelse av nøkkel-politikker.
• Bruke riktige målinger for å kvantifisere resultater: Ledere og teamene bruker benchmark og andre målinger for å demonstrere hvordan ansvarlig AI bidrar til forretningsverdi for å holde stakeholderengasjement høyt.
• Overvåke AI-systemer: Partnere tilbyr modell-overvåkingstjenester, som løser problemer proaktivt og sikrer at de leverer pålitelige resultater.

Planlegg for Ansvarlig AI nå

Hvis ditt selskap akselerer AI-innovasjon, har du sannsynligvis behov for et ansvarlig AI-program. Gå proaktivt for å redusere risiko, modne programmer og prosesser, og demonstrere ansvar til stakeholdere.

En partner kan tilby de ferdighetene, rammer, verktøy og samarbeid du trenger for å låse opp forretningsverdi med ansvarlig AI. Deploy modeller som er rettferdige og frie for bias, gjennomfør kontroller, og øk overholdelse av selskapets krav samtidig som du forbereder deg på kommende reguleringer.