Od pilota do produkcji: wgląd w skalowanie programów GenAI w perspektywie długoterminowej

Za kilka lat, gdy będziemy rozmyślać nad rozprzestrzenianiem się generatywnej sztucznej inteligencji (GenAI), rok 2024 będzie postrzegany jako przełomowy moment – ​​okres powszechnych eksperymentów, optymizmu i wzrostu, gdy liderzy biznesu, niegdyś wahający się przed zanurzeniem palców u stóp w nieprzetestowanych wodach innowacji, rzucili się na głęboką wodę. Globalne badanie McKinsey’a na temat sztucznej inteligencji przeprowadzone w połowie 2024 r. wykazało, że 75% ankietowanych przewiduje, że GenAI doprowadzi w nadchodzących latach do znaczących lub przełomowych zmian w ich branżach.

Chociaż wiele już wiadomo o zaletach i ograniczeniach GenAI, ważne jest, aby pamiętać, że nadal jesteśmy na etapie ewolucji. Programy pilotażowe można szybko rozwijać i są stosunkowo niedrogie w budowie, ale co się stanie, gdy te programy przejdą do produkcji pod nadzorem biura CIO? Jak będą działać przypadki użycia specyficzne dla funkcji w mniej kontrolowanych środowiskach i jak zespoły mogą uniknąć utraty dynamiki, zanim ich program będzie miał szansę pokazać wyniki?

Typowe wyzwania związane z przejściem od pilotażu do produkcji

Biorąc pod uwagę ogromny potencjał GenAI w zakresie poprawy wydajności, redukcji kosztów i usprawnienia procesu podejmowania decyzji, mandat C-Suite dla funkcjonalnych liderów biznesowych był jasny – ruszajcie i majstrujcie. Liderzy biznesowi zabrali się do pracy, bawiąc się funkcjonalnością GenAI i tworząc własne programy pilotażowe. Zespoły marketingowe wykorzystały GenAI do tworzenia wysoce spersonalizowanych doświadczeń klientów i automatyzacji powtarzających się zadań. W obsłudze klienta GenAI pomogło inteligentnym chatbotom rozwiązywać problemy w czasie rzeczywistym, a zespoły badawczo-rozwojowe mogły analizować ogromne ilości danych, aby dostrzec nowe trendy.

Mimo to wciąż istnieje wielka rozbieżność między całym tym potencjałem a jego ostatecznym wykonaniem.

Gdy program pilotażowy wkracza w orbitę biura CIO, dane są badane znacznie dokładniej. Obecnie znamy już niektóre typowe problemy GenAI, takie jak stronniczość modelu i halucynacje, a na większą skalę te problemy stają się dużymi problemami. CIO odpowiada za prywatność danych i zarządzanie danymi w całej organizacji, podczas gdy liderzy biznesowi wykorzystują dane, które mogą dotyczyć tylko ich konkretnego obszaru zainteresowania.

3 kluczowe rzeczy, o których należy pomyśleć przed skalowaniem

Nie popełnij błędu, liderzy biznesowi poczynili znaczne postępy w budowaniu przypadków użycia GenAI z imponującymi wynikami dla ich konkretnej funkcji, ale skalowanie w celu uzyskania długoterminowego wpływu jest zupełnie inne. Oto trzy kwestie do rozważenia przed wyruszeniem w tę podróż:

1. Wcześnie (i często) włączaj zespoły ds. bezpieczeństwa IT i informacji

Liderzy funkcjonalni często mają klapki na oczach w swojej codziennej pracy i niedoceniają tego, co jest potrzebne do rozszerzenia programu pilotażowego na szerszą organizację. Ale gdy ten pilotaż przejdzie do produkcji, liderzy biznesowi potrzebują wsparcia zespołu ds. IT i bezpieczeństwa informacji, aby przemyśleć wszystkie różne rzeczy, które mogą pójść nie tak.

Dlatego dobrym pomysłem jest zaangażowanie zespołów IT i bezpieczeństwa informacji od samego początku, aby pomóc w przeprowadzeniu testu obciążeniowego pilota i omówieniu potencjalnych problemów. Pomoże to również w promowaniu współpracy międzyfunkcyjnej, co jest kluczowe dla włączenia zewnętrznych perspektyw i zakwestionowania stronniczości potwierdzania, która może wystąpić w ramach poszczególnych funkcji.

2. Używaj prawdziwych danych zawsze, gdy jest to możliwe

Jak wspomniano wcześniej, problemy związane z danymi należą do największych przeszkód w skalowaniu GenAI. Dzieje się tak, ponieważ programy pilotażowe często opierają się na syntetycznych danych, co może prowadzić do niedopasowanych oczekiwań między liderami biznesowymi, zespołami IT i ostatecznie CIO. Dane syntetyczne to sztucznie generowane dane mające na celu imitację danych ze świata rzeczywistego, w istocie działające jako substytut prawdziwych danych, ale bez żadnych poufnych informacji osobistych.

Liderzy funkcjonalni nie zawsze będą mieć dostęp do rzeczywistych danych, więc kilka dobrych wskazówek dotyczących rozwiązywania problemu to: (1) unikanie programów pilotażowych, które mogą wymagać dodatkowej kontroli regulacyjnej w przyszłości; (2) wdrożenie wytycznych zapobiegających uszkodzeniu/zniekształceniu wyników pilotażu przez błędne dane; oraz (3) inwestowanie w rozwiązania wykorzystujące istniejący zestaw technologii firmy w celu zwiększenia prawdopodobieństwa przyszłego dostosowania.

3. Ustaw realistyczne oczekiwania

Kiedy GenAI po raz pierwszy zyskało publiczną sławę po uruchomieniu ChatGPT pod koniec 2022 r., oczekiwania wobec technologii, która zrewolucjonizuje branże z dnia na dzień, były bardzo wysokie. Ten szum (na dobre i na złe) w dużej mierze przetrwał, a zespoły nadal są pod ogromną presją, aby pokazać natychmiastowe wyniki, jeśli ich inwestycje w GenAI mają nadzieję otrzymać dalsze finansowanie.

Rzeczywistość jest taka, że ​​chociaż GenAI będzie transformacyjne, firmy muszą dać technologii czas (i wsparcie), aby zaczęła się transformować. GenAI nie jest rozwiązaniem typu plug-and-play, ani jego prawdziwa wartość nie ogranicza się tylko do sprytnych chatbotów lub kreatywnych obrazów. Firmy, które mogą skutecznie skalować programy GenAI, będą tymi, które jako pierwsze poświęcą czas na zbudowanie kultury innowacji, która stawia na pierwszym miejscu długoterminowy wpływ ponad krótkoterminowe wyniki.

Jesteśmy w tym razem

Pomimo tego, ile ostatnio czytaliśmy o GenAI, jest to wciąż bardzo raczkująca technologia, a firmy powinny uważać na każdego dostawcę, który twierdzi, że rozgryzł ją już we wszystkim. Tego rodzaju pycha zaciemnia osąd, przyspiesza niedopracowane koncepcje i prowadzi do problemów z infrastrukturą, które mogą doprowadzić do bankructwa firm. Zamiast tego, wkraczając w kolejny rok ekscytacji GenAI, poświęćmy również czas na sensowne dyskusje na temat tego, jak odpowiedzialnie skalować tę potężną technologię. Wprowadzając zespół IT na wczesnym etapie procesu, polegając na rzeczywistych danych i utrzymując rozsądne oczekiwania dotyczące zwrotu z inwestycji, firmy mogą pomóc zapewnić, że ich strategie GenAI są nie tylko skalowalne, ale także zrównoważone.