Sztuczna inteligencja przedsiębiorstw osiągnęła pułap. Planowanie jest sposobem, aby ją przełamać.

Pierwsza fala sztucznej inteligencji przedsiębiorstw dała zespołom współpilotów, którzy optymalizowali wydajność w ramach poszczególnych funkcji. Następna fala napotyka teraz na problem koordynacji: najważniejsze decyzje biznesowe obejmują finanse, operacje, łańcuch dostaw i strategię, podczas gdy większość systemów sztucznej inteligencji nadal działa w ramach jednej funkcji.

Zgodnie z badaniami McKinsey na temat dojrzałości sztucznej inteligencji, tylko jeden procent liderów określa swoje firmy jako “dojrzałe” w spektrum wdrożeń, co oznacza, że sztuczna inteligencja jest w pełni zintegrowana z procesami roboczymi i przynosi znaczące wyniki biznesowe. Pozostałe 99 procent ma wdrożoną sztuczną inteligencję, ale nie ma wiele do pokazania na poziomie przedsiębiorstwa.

Przyczyną jest struktura. Systemy te potrzebują miejsca, w którym mogą się koordynować, a planowanie jest naturalnym miejscem. Planowanie jest tam, gdzie założenia finansowe, sygnały popytu, ograniczenia operacyjne i cele strategiczne już się łączą. Wbudowanie sztucznej inteligencji w tę warstwę zmienia ją z okresowej aktywności w łączną tkankę przedsiębiorstwa.

To jest pułap, który wiele przedsiębiorstw teraz odkrywa w przypadku pierwszych wdrożeń sztucznej inteligencji. Podczas gdy współpiloci poprawili wydajność zadań w ramach poszczególnych zespołów, większość organizacji nie rozwiązała trudniejszego problemu pod spodem: jak decyzje koordynują się w czasie rzeczywistym na całym przedsiębiorstwie. Szybszy proces prognozowania nadal ulega awarii, gdy założenia dotyczące łańcucha dostaw, ograniczenia operacyjne i priorytety finansowe pozostają od siebie oddzielone.

Architektura luki koordynacyjnej sztucznej inteligencji przedsiębiorstw

Trzy przesunięcia strukturalne muszą nastąpić, aby to działało.

1. Sztuczna inteligencja przedsiębiorstw musi wyjść poza silo funkcjonalne

Współpilot wbudowany w finanse może podsumować odchylenie od prognozy i wyjaśnić, co się zmieniło w sprawozdaniu finansowym. Nie może jednak pobrać sygnału popytu w czasie rzeczywistym z operacji, uwzględnić aktualizowaną ocenę ryzyka dostawcy i przesłać ją z powrotem do zrewidowanej prognozy, którą CFO i COO są jednocześnie przeglądają. To jest strukturalny pułap, który sztuczna inteligencja przedsiębiorstw uderza dzisiaj, i to jest powodem, dla którego wdrożenia funkcjonalne produkują silne indywidualne wyniki produktywności i słabe wyniki przedsiębiorstwa.

Pod tym rozpadem jest problem kontekstu. Każda funkcja sztucznej inteligencji działa na danych, które należą do jej funkcji, w systemach, które używa jej funkcja, z założeniami, które robi jej funkcja – i nie ma wspólnej warstwy, w której te widoki łączą się w jednym obrazie tego, w co przedsiębiorstwo wierzy.

To tworzy to, co wiele przedsiębiorstw teraz doświadcza jako “lukę koordynacyjną sztucznej inteligencji”: systemy zdolne do generowania informacji niezależnie, ale niezdolne do wyrównania decyzji w całym przedsiębiorstwie wystarczająco szybko dla warunków na żywo.

Przełamanie tego pułapu oznacza połączenie agentów za pomocą wspólnego kontekstu operacyjnego zbudowanego na wspólnych modelach danych, wspólnej logice biznesowej i ontologiach, które pozwalają im interpretować decyzje w sposób spójny w ramach funkcji.

Z tą podstawą w miejscu agent popytu może obserwować sygnał, agent łańcucha dostaw może uruchomić symulację zaopatrzenia przeciwko niemu, a agent finansowy może odświeżyć prognozę na podstawie obu. CFO widzi jedną zjednoczoną rekomendację zbudowaną na tym samym widoku rzeczywistości, na którym całe przedsiębiorstwo działa.

2. Ciągłe planowanie staje się warstwą koordynacyjną sztucznej inteligencji przedsiębiorstw

Ciągłe planowanie na górze tego kontekstu operacyjnego zmienia współpracujących agentów w rzeczywiste wyniki biznesowe. Oznacza to, że planowanie przestaje być ćwiczeniem kwartalnym i zaczyna działać jak system na żywo, z scenariuszami poruszającymi się przeciwko celom firmy, gdy warunki się zmieniają, zamiast czekać na następną rundę, aby dogonić. Gdy założenie się zmienia, alternatywy są już zmodeLOWane i przetestowane pod kątem ciśnienia, więc kierownictwo wchodzi w decyzję z wykonalnymi ścieżkami, zamiast jednej prognozy, którą trzeba odbudować pod presją.

Konflikt między Stanami Zjednoczonymi a Iranem testuje to w czasie rzeczywistym. Międzynarodowe firmy z ekspozycją absorbują kilka sygnałów na raz – ceny ropy i energii się zmieniają, trasy transportu przez Cieśninę Ormuz ponownie oceniają ryzyko, czasy dostaw dostawców się wydłużają. I kierownictwo musi zdecydować, co z tym zrobić w ciągu kilku dni. Ubezpieczenie energii, przekierowanie i renegocjacja umów wszystkie muszą być ocenione względem siebie w tym oknie. System planowania, który działa nieprzerwanie i testuje scenariusze, gdy sytuacja się zmienia, jest jedynym sposobem, aby wyprodukować niezawodną odpowiedź na czas, aby działać.

To jest to, co wygląda celowo ukierunkowana sztuczna inteligencja w praktyce. Agenci pracują w kierunku celów, które ustanowiło kierownictwo, i sygnalizują kompromis, gdy uderzenie w jedno oznacza rezygnację z drugiego. System może zmodelować setki alternatyw w czasie rzeczywistym i nadal pozostawić kierownictwo zakleszczonym w tym, który wybrać. Warstwa planowania jest tam, gdzie cele i kompromisy już istnieją. To jest różnica między systemem wieloagentowym, który działa w produkcji, a tym, który działa w demo.

Pilność wokół tego przesunięcia rośnie. Gartner przewiduje, że ponad 40 procent projektów sztucznej inteligencji agencji zostanie anulowanych do końca 2027 roku z powodu rosnących kosztów, słabych wyników biznesowych lub niewystarczających kontroli ryzyka. Wiele z tych niepowodzeń będzie sięgało do problemów z koordynacją i zarządzaniem, a nie tylko do możliwości modelu.

3. Zarządzanie przedsiębiorstwem nie może być dołączone później

Warstwa ciągłego planowania koncentruje rzeczywistą władzę decyzyjną w skoordynowanym systemie sztucznej inteligencji, co jest powodem, dla którego zarządzanie musi być częścią architektury od samego początku. To jest obawa, którą wiele CFO i CIO podnosi jako pierwszą, gdy tylko rozmowa zaczyna się od wdrożenia sztucznej inteligencji, i odzwierciedla uzasadniony punkt widzenia. Autonomiczne systemy nie należą do procesów decyzyjnych bez audytowalności, wyjaśnialności i jasnych granic polityki.

W wdrożeniach, które naprawdę działają, każda akcja, którą podejmuje agent, może być wyśledzona do wejść, logiki i polityki, która ją poprzedza. Każda rekomendacja przychodzi z założeniami, które lider finansowy, audytor lub członek zarządu potrzebuje, aby je zakwestionować na ich podstawie.

Śledzenie jest tym, co sprawia, że nadzór ludzki jest wykonalny. CFO, kontroler i liderzy odpowiedzialni za wynik mogą tylko przeglądać rekomendacje, zakwestionować założenia i upoważnić do działania, jeśli mogą zobaczyć, jak system do tego doszedł. Agenci zajmują się szybkością i zakresem, a ludzie posiadają sąd. Lider, który może obserwować system, gdy ten wykrywa odchylenie, zobaczyć założenia za tym i zakwestionować rekomendację przed jej wykonaniem, będzie rozszerzał więcej władzy na system z czasem. Lider, który otrzymuje odpowiedź w czarnej skrzynce z nieśledzalną logiką, odmówi polegania na systemie, a władza agenta maleje. Firmy, które budują zarządzanie w architekturze, otrzymują pierwszy rodzaj wdrożenia. Te, które dołączają je później, otrzymują drugi.

Przyszła dekada należy do budowniczych infrastruktury

Dziesięć lat od teraz różnica między firmami, które zrobiły planowanie warstwą łączną dla swojej sztucznej inteligencji, a tymi, które nie, będzie niezwykła.

Praca nieglamur – łączenie danych, integrowanie procesów roboczych, wbudowywanie zarządzania od samego początku – jest tym, co decyduje, po której stronie firma się znajdzie.

Zwycięzcy w sztucznej inteligencji przedsiębiorstw nie będą firmami z największą liczbą agentów. Będą to firmy, które zbudowały infrastrukturę zdolną do koordynowania ich.