Ścieżka do dojrzałości AI – Raport LXT 2023

Dziś, innowacyjne firmy inwestują znaczne środki w systemy sztucznej inteligencji (AI), aby przyspieszyć swoją podróż do dojrzałości AI. Według IDC, światowe wydatki na systemy zorientowane na AI przekroczą 300 miliardów dolarów do 2026 roku, w porównaniu z 118 miliardami dolarów w 2022 roku.

W przeszłości systemy AI częściej kończyły się niepowodzeniem z powodu braku dojrzałości procesów. Około 60-80% projektów AI kończyło się niepowodzeniem z powodu złego planowania, braku ekspertyzy, niewłaściwego zarządzania danymi lub problemów z etyką i sprawiedliwością. Ale z każdym mijającym rokiem, ta liczba się poprawia.

Dziś, średnio, wskaźnik niepowodzeń projektów AI spadł do 46%, według najnowszego raportu LXT. Prawdopodobieństwo niepowodzenia AI jest jeszcze mniejsze, gdy firma rozwija swoją dojrzałość AI.

Przejdźmy dalej, aby zbadać ścieżkę organizacji do dojrzałości AI, różne modele i ramy, które mogą być wykorzystane, oraz główne czynniki biznesowe dla budowy skutecznej strategii AI.

Czym jest dojrzałość AI?

Dojrzałość AI odnosi się do poziomu zaawansowania i wyrafinowania, jaki firma osiąga w przyjęciu, wdrożeniu i skalowaniu technologii wspomaganych przez AI w celu poprawy procesów biznesowych, produktów lub usług.

Według raportu LXT o dojrzałości AI 2023, 48% średnich i dużych organizacji w USA osiągnęło wyższe poziomy dojrzałości AI (omówione poniżej), co stanowi wzrost o 8% w porównaniu z wynikami ankiety z poprzedniego roku, podczas gdy 52% organizacji aktywnie eksperymentuje z AI.

Raport sugeruje, że najbardziej obiecująca praca została wykonana w dziedzinie przetwarzania języka naturalnego (NLP) i rozpoznawania mowy – podkategorii AI – ponieważ miały one największą liczbę wdrożonych rozwiązań w różnych branżach.

Co więcej, branża produkcji i łańcucha dostaw ma najniższy wskaźnik niepowodzeń projektów AI (29%), podczas gdy handel detaliczny i e-commerce mają najwyższy (52%).

Badanie różnych modeli dojrzałości AI

Zazwyczaj, organizacje napędzane przez AI rozwijają modele dojrzałości AI dostosowane do ich potrzeb biznesowych. Jednakże, podstawowa idea dojrzałości pozostaje spójna we wszystkich modelach, koncentrując się na rozwijaniu zdolności związanych z AI w celu osiągnięcia optymalnej wydajności biznesowej.

Niektóre wybitne modele dojrzałości zostały opracowane przez Gartner, IBM i Microsoft. Mogą one służyć jako przewodnik dla organizacji w ich podróży do przyjęcia AI.

Przejdźmy dalej, aby krótko omówić modele dojrzałości AI od Gartner i IBM.

Model dojrzałości AI Gartner

Gartner ma 5-poziomowy model dojrzałości AI, który firmy mogą wykorzystać do oceny swojego poziomu dojrzałości. Omówmy je poniżej.

Ilustracja modelu dojrzałości AI Gartner. Źródło: Raport LXT 2023

• Poziom 1 – Świadomość: Organizacje na tym poziomie zaczynają dyskutować o możliwych rozwiązaniach AI. Jednak nie ma jeszcze żadnych projektów pilotażowych ani eksperymentów, aby przetestować wykonalność tych rozwiązań na tym poziomie.
• Poziom 2 – Aktywny: Organizacje są na wstępnych etapach eksperymentowania z AI i projektów pilotażowych.
• Poziom 3 – Operacyjny: Organizacje na tym poziomie podjęły konkretny krok w kierunku przyjęcia AI, w tym przeniesienie co najmniej jednego projektu AI do produkcji.
• Poziom 4 – Systemowy: Organizacje na tym poziomie wykorzystują AI do większości swoich procesów cyfrowych. Ponadto, aplikacje AI ułatwiają produktywną interakcję wewnątrz i na zewnątrz organizacji.
• Poziom 5 – Przekształceniowy: Organizacje przyjęły AI jako nieodłączną część swoich procesów biznesowych.

Zgodnie z tym modelem, firmy zaczynają osiągać dojrzałość AI od poziomu 3.

Ramy dojrzałości AI IBM

IBM opracował swoją unikalną terminologię i kryteria, aby ocenić dojrzałość rozwiązań AI. Trzy fazy ram dojrzałości AI IBM obejmują:

Fazy ram dojrzałości AI IBM

• Srebrny: Na tym poziomie możliwości AI, przedsiębiorstwa badają odpowiednie narzędzia i technologie, aby przygotować się do przyjęcia AI. Obejmuje to również zrozumienie wpływu AI na biznes, przygotowanie danych i innych czynników biznesowych związanych z AI.
• Złoty: Na tym poziomie organizacje osiągają przewagę konkurencyjną, dostarczając znaczące wyniki biznesowe za pomocą AI. Ta możliwość AI zapewnia rekomendacje i wyjaśnienia poparte danymi, jest użyteczna dla użytkowników linii biznesu i wykazuje dobrej jakości dane i automatyzację.
• Platynowy: Ta zaawansowana możliwość AI jest trwała dla krytycznych procesów biznesowych. Dostosowuje się do nadchodzących danych użytkowników i zapewnia wyraźne wyjaśnienia wyników AI. Ponadto, silne zarządzanie danymi i środki zarządzania są w miejscu, co wspiera podejmowanie decyzji w sposób zautomatyzowany.

Główne bariery na drodze do osiągnięcia dojrzałości AI

Organizacje napotykają wiele wyzwań na drodze do osiągnięcia dojrzałości. Raport LXT 2023 identyfikuje 11 barier, jak pokazano na poniższym wykresie. Omówmy niektóre z nich.

Wykres wyzwań dojrzałości AI. Źródło: Raport LXT 2023

1. Integracja AI z istniejącą technologią

Około 54% organizacji napotkało wyzwanie integracji technologii dziedzictwa lub istniejącej technologii z systemami AI, co stanowi największą barierę dla osiągnięcia dojrzałości.

2. Jakość danych

Wysokiej jakości dane szkoleniowe są niezbędne do budowy dokładnych systemów AI. Jednak zebranie wysokiej jakości danych pozostaje dużym wyzwaniem na drodze do osiągnięcia dojrzałości. Raport stwierdza, że 87% firm jest gotowych zapłacić więcej za uzyskanie wysokiej jakości danych szkoleniowych.

3. Brak umiejętności

Bez odpowiednich umiejętności i zasobów, organizacje mają trudności z budowaniem udanych przypadków użycia AI. W rzeczywistości, 31% organizacji napotkało brak wykwalifikowanych talentów, aby wspierać ich inicjatywy AI i osiągnąć dojrzałość.

4. Słaba strategia AI

Większość AI, którą obserwujemy w systemach świata rzeczywistego, można zakwalifikować jako słabą lub wąską. Jest to AI, która może wykonywać ograniczoną liczbę zadań, dla których została przeszkolona. Około 20% organizacji nie ma kompleksowej strategii AI.

Aby pokonać to wyzwanie, firmy powinny wyraźnie zdefiniować i udokumentować swoje cele AI, zainwestować w jakość danych i wybrać odpowiednie modele dla każdego zadania.

Główne czynniki biznesowe dla rozwoju strategii AI

Raport LXT o dojrzałości identyfikuje dziesięć kluczowych czynników biznesowych dla AI, jak pokazano na poniższym wykresie. Omówmy niektóre z nich.

Ilustracja kluczowych czynników biznesowych dla AI. Źródło: Raport LXT 2023

1. Zwinność biznesowa

Zwinność biznesowa odnosi się do tego, jak szybko organizacja może dostosować się do zmieniających się trendów cyfrowych i możliwości za pomocą innowacyjnych rozwiązań biznesowych. Pozostaje najważniejszym czynnikiem dla strategii AI dla około 49% organizacji.

AI może pomóc firmom osiągnąć zwinność biznesową, umożliwiając szybsze i bardziej dokładne podejmowanie decyzji, automatyzując powtarzalne zadania i poprawiając efektywność operacyjną.

2. Przewidywanie potrzeb klientów

Około 46% organizacji uważa przewidywanie potrzeb klientów za jeden z kluczowych czynników biznesowych dla strategii AI. Wykorzystując AI do analizy danych klientów, firmy mogą uzyskać wgląd w zachowania, preferencje i potrzeby klientów, co pozwala im dostosować swoje produkty i usługi do lepszego spełniania oczekiwań klientów.

3. Przewaga konkurencyjna

Przewaga konkurencyjna umożliwia firmom różnicowanie się od swoich konkurentów i uzyskanie przewagi na rynku. Jest to kluczowy czynnik dla strategii AI, według 41% organizacji.

4. Uproszczenie podejmowania decyzji

Podejmowanie decyzji zautomatyzowane za pomocą AI może znacznie skrócić czas potrzebny do podjęcia krytycznych decyzji opartych na danych. Dlatego około 42% organizacji uważa uproszczenie podejmowania decyzji za główny czynnik biznesowy dla strategii AI.

5. Rozwój produktu

Od momentu, gdy został uznany za najważniejszy czynnik biznesowy dla strategii AI w 2021 roku, innowacyjny rozwój produktu spadł na siódme miejsce, z 39% organizacji uważających go za czynnik biznesowy w 2023 roku.

To pokazuje, że stosowalność AI w procesach biznesowych nie zależy wyłącznie od jakości produktu. Inne aspekty biznesowe, takie jak wysoka odporność, zrównoważoność i szybki czas wejścia na rynek, są kluczowe dla sukcesu biznesowego.

Więcej informacji o najnowszych trendach i technologiach w dziedzinie sztucznej inteligencji można znaleźć na stronie unite.ai.