Od pilota do produkcji: Wgląd w skalowanie programów GenAI na dłuższą metę

Za kilka lat, gdy będziemy wspominać o rozpowszechnieniu sztucznej inteligencji generatywnej (GenAI), rok 2024 będzie widziany jako moment przełomowy – okres powszechnych eksperymentów, optymizmu i wzrostu, kiedy liderzy biznesu, którzy wcześniej wahali się, aby zanurzyć się w nieprzetartych wodach innowacji, zanurzyli się w nie głową. W Globalnym Badaniu McKinseya na temat AI przeprowadzonym w połowie 2024 roku, 75% respondentów przewidywało, że GenAI doprowadzi do znaczących lub przełomowych zmian w ich branżach w nadchodzących latach.

Chociaż wiele się nauczyliśmy o zaletach i ograniczeniach GenAI, ważne jest, aby pamiętać, że nadal znajdujemy się na etapie ewolucji. Programy pilotażowe mogą być szybko uruchomione i są stosunkowo tanie w budowie, ale co się dzieje, gdy te programy przechodzą do produkcji pod opieką biura CIO? Jak będą działać przypadki użycia specyficzne dla funkcji w mniej kontrolowanych środowiskach, i jak zespoły mogą uniknąć utraty impetu, zanim ich program będzie miał szansę pokazać wyniki?

Typowe wyzwania przy przechodzeniu od pilota do produkcji

Biorąc pod uwagę ogromny potencjał GenAI w poprawie wydajności, redukcji kosztów i polepszeniu podejmowania decyzji, mandat zarządu dla liderów biznesu był jasny – idźcie i eksperymentujcie. Liderzy biznesu zaczęli pracować, bawiąc się funkcjonalnością GenAI i tworząc własne programy pilotażowe. Zespoły marketingowe wykorzystywały GenAI do tworzenia wysoko spersonalizowanych doświadczeń klientów i automatyzacji powtarzalnych zadań. W obszarze obsługi klienta GenAI pomagała napędzać inteligentne czatboty do rozwiązywania problemów w czasie rzeczywistym, a zespoły R&D były w stanie analizować ogromne ilości danych, aby zauważyć nowe trendy.

Jednak nadal istnieje wiele rozłączności między tym potencjałem a jego ostatecznym wykonaniem.

Gdy program pilotażowy przechodzi do orbity biura CIO, dane są bardziej szczegółowo analizowane. Już teraz jesteśmy zaznajomieni z niektórymi powszechnymi problemami z GenAI, takimi jak bias modelu i hallucynacje, a w większej skali te problemy stają się dużymi problemami. CIO jest odpowiedzialny za prywatność danych i zarządzanie danymi w całej organizacji, podczas gdy liderzy biznesu używają danych, które mogą dotyczyć tylko ich konkretnego obszaru zainteresowania.

3 kluczowe rzeczy do rozważenia przed skalowaniem

Nie myślcie, że liderzy biznesu nie zrobili znaczącego postępu w budowaniu przypadków użycia GenAI z imponującymi wynikami dla swojej specyficznej funkcji, ale skalowanie dla długoterminowego wpływu jest zupełnie inne. Oto trzy rzeczy do rozważenia przed rozpoczęciem tej podróży:

1. Włącz zespoły IT i bezpieczeństwa informacji na wczesnym etapie (i często)

Jest to powszechne, że liderzy biznesu rozwijają swoje codzienne zajęcia i niedoceniają, co jest wymagane do rozszerzenia ich programu pilotażowego na całą organizację. Ale gdy ten program przechodzi do produkcji, liderzy biznesu potrzebują wsparcia zespołów IT i bezpieczeństwa informacji, aby przemyśleć wszystkie różne rzeczy, które mogą pójść nie tak.

Dlatego jest to dobry pomysł, aby włączyć zespoły IT i bezpieczeństwa informacji od samego początku, aby pomóc w testowaniu wytrzymałościowego pilota i omówić potencjalne obawy. To również pomoże w promowaniu współpracy międzyfunkcyjnej, co jest kluczowe dla przywołania zewnętrznych perspektyw i wyzwania potwierdzenia uprzedzeń, które mogą wystąpić w ramach poszczególnych funkcji.

2. Używaj prawdziwych danych, gdy tylko jest to możliwe

Jak wcześniej wspomniano, problemy z danymi są wśród największych przeszkód w skalowaniu GenAI. To dlatego, że programy pilotażowe często polegają na syntetycznych danych, które mogą prowadzić do niezgodnych oczekiwań między liderami biznesu, zespołami IT i ostatecznie CIO. Syntetyczne dane to sztucznie wygenerowane dane stworzone w celu naśladowania danych z świata rzeczywistego, podstawowo działające jako zamiennik danych rzeczywistych, ale bez żadnych wrażliwych informacji osobowych.

Liderzy funkcjonalni nie zawsze będą mieli dostęp do prawdziwych danych, więc kilka dobrych wskazówek do rozwiązywania problemu to: (1) unikaj programów pilotażowych, które mogą wymagać dodatkowej kontroli regulacyjnej w przyszłości; (2) ustanów wytyczne, aby zapobiec psuciu danych, które mogą skażać wyniki pilota; i (3) zainwestuj w rozwiązania wykorzystujące istniejącą technologię firmy, aby zwiększyć prawdopodobieństwo przyszłej zgodności.

3. Ustaw realistyczne oczekiwania

Gdy GenAI po raz pierwszy zyskał publiczną sławę po uruchomieniu ChatGPT na początku 2022 roku, oczekiwania były bardzo wysokie, aby ta technologia rewolucjonizowała branże za jedną noc. To hype (dla lepszego lub gorszego) w dużej mierze się utrzymał, a zespoły nadal są pod ogromną presją, aby pokazać natychmiastowe wyniki, jeśli ich inwestycje w GenAI mają otrzymać dalsze finansowanie.

Rzeczywistość jest taka, że chociaż GenAI będzie przełomowy, firmy muszą dać tej technologii czas (i wsparcie), aby zacząć ją przekształcać. GenAI nie jest gotowym rozwiązaniem, ani jego prawdziwa wartość nie jest ograniczona tylko do inteligentnych czatbotów lub kreatywnych obrazów. Firmy, które będą w stanie pomyślnie skalować programy GenAI, będą tymi, które najpierw poświęcą czas na budowanie kultury innowacji, która priorytetem stawia długoterminowy wpływ nad krótkoterminowymi wynikami.

Jesteśmy wszyscy w tym razem

Pomimo tego, ile już przeczytaliśmy o GenAI, jest to nadal bardzo młoda technologia, a firmy powinny być ostrożne wobec każdego dostawcy, który twierdzi, że wszystko rozwiązał. Taka arogancja zaciemnia osąd, przyspiesza półgotowe koncepcje i prowadzi do problemów z infrastrukturą, które mogą zrujnować firmy. Zamiast tego, gdy wkraczamy w kolejny rok entuzjazmu GenAI, poświęćmy też czas, aby angażować się w znaczące dyskusje o tym, jak skalować tę potężną technologię w sposób odpowiedzialny. Przez włączenie zespołu IT na wczesnym etapie, poleganie na danych z świata rzeczywistego i utrzymanie rozsądnych oczekiwań ROI, firmy mogą pomóc zapewnić, że ich strategie GenAI nie tylko są skalowalne, ale także zrównoważone.