Adoptarea cu succes a AI creează o a doua etapă de implementare pentru care companiile rareori se pregătesc

Acum aproximativ trei ani, mi-am făcut primul abonament AI contra cost și am început să testez ce putea face, de fapt, pentru mine. Treptat, ceea ce a început ca o experiență personală s-a transformat într-un mic proiect intern, apoi în abonamente profesionale la nivelul întregii companii și, în cele din urmă, într-o implementare a AI care a cuprins aproape toate departamentele — dezvoltare, finanțe, juridic, marketing și asistență.

În linii mari, prima etapă a funcționat. Viteza dezvoltării interne a crescut de aproximativ cinci ori în circa șase luni. În același timp, a crescut și o altă cifră: cheltuielile noastre cu AI au ajuns de aproximativ 15 ori mai mari.

Atunci am înțeles că adoptarea cu succes a AI poate crea probleme proprii. Odată ce tehnologia a ajuns să fie folosită pe scară largă, regulile de la care am pornit nu au mai funcționat. Costurile puteau scăpa de sub control, pe măsură ce AI primea acces la mai multe date ale companiei și prelua tot mai multe sarcini, în timp ce multe dintre instrumente rămâneau controlate de furnizori externi.

Așadar, ce ar trebui să facă un director general când adoptarea AI dă rezultate, dar compania nu mai deține controlul deplin asupra modului în care este folosită? Să încercăm să răspundem la această întrebare.

Nu mai confundați utilizarea activă a AI cu rezultatele de afaceri

Am observat imediat că, în timpul primei etape de implementare, indicatorii de adoptare — precum numărul de utilizatori activi sau frecvența utilizării — erau relevanți. În calitate de lider, vrei să știi dacă angajații folosesc instrumentele, în special care dintre ele și dacă AI le economisește cu adevărat timp. Însă, odată ce utilizarea se extinde în întreaga companie, acești indicatori devin mult mai puțin utili.

Am văzut acest lucru și la noi. Odată ce au avut acces la modele performante, oamenii au început să le folosească aproape pentru orice. La un moment dat, angajații au început să întrebe AI cât este ceasul în New York. Desigur, exemplul este ridicol, dar arată cât de repede poate crește utilizarea fără să aducă o valoare semnificativă companiei.

Shopify s-a confruntat cu o problemă similară după ce a integrat AI atât de profund, încât agentul său intern, River, redactează acum până la jumătate dintre cererile de integrare a codului în producție. Totuși, CEO-ul Tobi Lütke a avertizat recent asupra a ceea ce numește „grenade de conținut de proastă calitate”: materiale generate de AI pe care angajații le transmit mai departe fără să le verifice cum se cuvine, lăsându-i pe alții să le revizuiască, să le corecteze sau chiar să le rezume.

Cu alte cuvinte, mai multă activitate cu AI poate duce cu ușurință la mai multă muncă, nu la mai multă valoare. O companie poate înregistra cifre impresionante de utilizare și poate genera volume uriașe de conținut, în timp ce o parte din acesta nu face decât să creeze o sarcină suplimentară pentru altcineva.

Asta trebuie să schimbe directorii generali. Numărul de solicitări, autentificările și consumul de tokenuri indică o activitate intensă în fluxul de lucru. Totuși, nu arată dacă AI își justifică, de fapt, costurile.

Viteza creează un nou blocaj

Există o vorbă: graba strică treaba. Cred că se aplică și în cazul AI, pentru că am învățat că, dacă AI îi face pe oameni „mai rapizi”, asta nu înseamnă neapărat că au brusc mai puțină muncă de făcut.

În dezvoltare, AI îi permite acum echipei noastre să producă mult mai mult cod în același interval de timp, dar ideea principală este că tot codul trebuie verificat înainte de a fi lansat. Fără îndoială, verificarea automată este de ajutor.

Totuși, suntem încă departe de a putea avea încredere oarbă în ea. Așadar, deși dezvoltatorii petrec mai puțin timp scriind totul de la zero, acum au mult mai mult conținut de revizuit și testat și cu privire la care trebuie să ia decizii.

Cu alte cuvinte, munca nu dispare. Doar capătă o altă formă.

Astfel, creșterea de cinci ori a vitezei de dezvoltare pare ceva mai puțin impresionantă, având în vedere că volumul de cod care necesită atenție umană crește în paralel. Costul real al unui flux de lucru bazat pe AI include și timpul petrecut verificând ceea ce produce AI și, mai presus de toate, hotărând dacă rezultatul poate fi considerat de încredere.

A doua etapă de implementare este imperativă

Din punctul meu de vedere, companiile au nevoie de ceea ce aș numi o „a doua” etapă de implementare a AI.

Prima etapă de implementare se concentrează în principal pe adoptare: le oferi oamenilor acces, identifici cazuri de utilizare și vezi unde ajută, de fapt, tehnologia și unde nu. Însă, după câteva luni de utilizare efectivă, ai deja ceva mult mai valoros decât presupunerile — dovezi proprii despre zonele în care cresc costurile, echipele care obțin rezultate mai bune și locurile în care oamenii petrec prea mult timp verificând rezultatele generate de AI.

Așadar, cred că acesta este momentul potrivit pentru a regândi regulile privind AI, în loc să încurajăm pur și simplu o utilizare mai amplă. În practică, m-aș concentra pe trei lucruri:

• Potriviți modelul cu sarcina. Solicitările de rutină pot fi direcționate către modele mai mici și mai ieftine, în timp ce sarcinile mai complexe pot fi atribuite modelelor care justifică un cost suplimentar. Scopul final este să evităm plata prețurilor modelelor de vârf pentru sarcini cu valoare redusă.
• Stabiliți unde este obligatoriu controlul uman. Pentru codul destinat producției, documentele juridice sau alte rezultate cu impact major, definiți punctele în care o persoană trebuie să aprobe rezultatul înainte ca acesta să avanseze în fluxul de lucru. Separat, stabiliți reguli de acces pentru datele sensibile, astfel încât angajații să știe căror modele le pot fi încredințate și căror modele nu.
• Elaborați un plan de rezervă, chiar dacă sunteți de părere că nu aveți nevoie de unul. Dacă un flux de lucru critic depinde de un furnizor extern, documentați suficient de bine prompturile, integrările, fluxurile de date și dependențele specifice modelului, astfel încât sarcina de lucru să poată fi migrată la un alt furnizor în caz de urgență.

Aceasta este diferența dintre prima și a doua etapă de implementare a AI. Prima întreabă: unde putem folosi AI? A doua întreabă: unde ar trebui să îl folosim, în ce condiții și cu ce costuri?

Auditați implementarea înainte de a o extinde din nou

După ce adoptarea AI dă rezultate și prima etapă de implementare pare să fi avut succes, nu aș continua să o extind în același fel încă un an. După aproximativ 90 până la 180 de zile de utilizare reală, m-aș opri pentru a audita ceea ce a construit efectiv compania.

Aceasta presupune măsurarea rezultatelor de afaceri acceptate, corelarea modelului și a costului acestuia cu valoarea reală a sarcinii, identificarea situațiilor în care verificarea umană rămâne obligatorie și a celor în care un flux de lucru poate fi, într-o oarecare măsură, mai aproape de automatizarea completă.

Prima etapă de implementare demonstrează că AI poate face compania mai rapidă. A doua este cea care împiedică transformarea acestui ritm într-o cheltuială inutilă, într-un acces necontrolat sau în dependențe față de furnizori pe care compania nu și le-a asumat niciodată în mod conștient.