Alinierea potențialului AI cu realitatea practică

Uneltele AI au cunoscut o adoptare pe scară largă în mediul de afaceri de la lansarea ChatGPT în 2022, cu 98% din IMM-urile chestionate de Camera de Comerț a SUA utilizându-le. Cu toate acestea, în ciuda succesului în domenii precum analiza datelor, rezumarea, personalizarea și altele, un sondaj recent realizat pe 2.500 de lucrători din SUA, Marea Britanie, Australia și Canada a constatat că 3 din 4 lucrători raportează că AI a crescut de fapt sarcinile lor de muncă. Prin urmare, promisiunea AI rămâne ridicată, dar realitatea de pe teren pare până acum puțin sub așteptări.

Această discrepanță subliniază o provocare critică: podirea golului dintre promisiunea vastă a AI și impactul său practic limitat asupra operațiunilor întreprinderilor. Închiderea acestui gol este esențială pentru ca organizațiile să poată realiza pe deplin valoarea investițiilor lor în AI și să crească adoptarea în rândul lucrătorilor și stakeholderilor lor.

O viziune de produs pentru investițiile în AI

În timp ce AI a făcut pași importanți, multe soluții de afaceri rămân în stadiul experimental de concept și nu sunt pe deplin adaptate pentru operațiunile zilnice. Într-un sondaj transnațional și de industrie realizat pe 1.000 de CxO și directori seniori, BCG a constatat că 74% din companii se confruntă cu dificultăți în a-și realiza și scala valoarea investițiilor în AI. O parte a motivului pentru aceasta este că, în prezent, cele mai proeminente interfețe de utilizator AI sunt bazate pe limbaj natural livrate prin un paradigma de chatbot. Deși aceste modalități sunt, fără îndoială, utile atunci când vine vorba de sarcini precum rezumarea și alte contexte bazate pe text, ele nu se potrivesc cu modul în care munca este condusă în cele mai multe întreprinderi.

Pentru a maximiza impactul, proiectarea uneltelor AI trebuie să evolueze pentru a merge dincolo de interfețele izolate, bazate pe text, în aplicații integrate, care îmbunătățesc fluxul de lucru și care îndeplinesc mai bine nevoile operaționale ale organizațiilor mari. Următoarea fază a evoluției AI va fi din ce în ce mai mult agențială, topindu-se fără efort în fundalul operațiunilor întreprinderilor și permițând echipelor să se concentreze pe idei și strategii de nivel înalt, care conduc la operațiuni automate, ocolind execuția manuală, dar păstrând totuși controlul uman în buclă, care se bazează încă pe judecata umană neautomatizabilă.

Această tranziție de la “experimental” la “esențial” necesită o abordare productizată a dezvoltării, implementării și operațiunilor AI, asemănătoare cu modul în care Apple (AAPL ), de exemplu, a revoluționat industria tehnologică prin lansarea iPhone-ului – un produs gândit, prietenos cu utilizatorul, care a integrat tehnologia de ultimă generație și a unit-o cu o experiență de utilizator de clasă mondială de la început.

Închiderea golurilor de date și asigurarea eficienței costurilor

Pentru a trece la această versiune mai sofisticată și productizată a AI, este vital să abordăm golurile din interiorul patrimoniului de date al întreprinderii. Interesul tot mai mare de a implementa AI în întreprinderi a expus pe scară largă silozuri de date, care împiedică organizațiile să scaleze AI dincolo de prototipuri.

Desigur, este important de remarcat că obstacolele financiare pot, de asemenea, să descurajeze organizațiile să-și extindă utilizarea AI de la proiecte-pilot la aplicații la nivel de întreprindere. Infrastructura necesară pentru antrenarea și întreținerea modelelor avansate de AI – cuprinzând puterea de calcul, stocarea datelor și costurile operaționale continue – poate crește rapid. Fără o supraveghere atentă, aceste proiecte riscă să devină nejustificat de scumpe, reflectând provocările inițiale întâlnite în timpul adoptării tehnologiilor cloud.

Concentrarea asupra asigurării integrității, curățeniei și calității datelor, în primul rând, poate ajuta la reducerea costurilor pe termen lung. Prea des, companiile se concentrează mai întâi pe AI și abordează provocările lor de date abia mai târziu, creând ineficiențe și oportunități ratate.

Eficiența costurilor este strâns legată de investițiile efectuate în straturile de date și infrastructură de bază. Investițiile în această parte a stivei sunt cheia pentru a asigura că LLM-urile pot fi rulate la scară. În termeni practici, acest lucru înseamnă standardizarea colectării de date, asigurarea accesibilității și implementarea unor cadre robuste de guvernanță a datelor.

AI responsabilă

Companiile care încorporează principiile AI responsabile pe o bază solidă de date bine guvernată vor fi mai bine poziționate pentru a-și scala aplicațiile în mod eficient și etic. Principii precum echitatea, transparența și răspunderea în intrările și ieșirile AI nu mai sunt opționale pentru întreprinderi – ele sunt imperative strategice pentru menținerea încrederii cu angajații și clienții, precum și pentru respectarea reglementărilor emergente.

Un cadru critic este Actul privind Inteligența Artificială al UE, care impune documentarea clară, transparența și guvernanța pentru sistemele de AI cu risc ridicat. Conformitatea cu astfel de cadre necesită ca companiile să implementeze procese care nu numai că validează modelele lor AI, dar le și fac interpretabile și răspunzătoare, ceea ce este deosebit de vital în aplicații cu risc ridicat, cum ar fi evaluarea creditului, detectarea fraudelor și recomandările de investiții. Companiile care prioritizează aceste practici pot rămâne înaintea cerințelor reglementare și pot evita riscuri legale sau de reputație costisitoare.

Mai mult, pe măsură ce industria evoluează și sistemele AI agențiale care pot lua decizii autonome devin mai răspândite, pariul pentru implementarea responsabilă crește. Delegarea acțiunilor către uneltele AI necesită încredere în comportamentul lor etic și fiabil. Pentru a atinge acest lucru, organizațiile trebuie să investească în cadre de audit și monitorizare continue pentru a asigura că sistemele AI funcționează așa cum sunt intenționate și să se păzească cu atenție împotriva prejudecăților de rezultat și a perpetuării rezultatelor injuste.

Privind înainte

Potențialul transformativ al AI în operațiunile întreprinderilor este incontestabil, dar realizarea valorii sale complete necesită o schimbare în abordarea dezvoltării și implementării sale. Trecerea de la aplicații experimentale la unelte integrate în fluxul de lucru și scalabile necesită o concentrare atentă asupra adresării problemelor fundamentale de calitate a datelor, guvernanță și accesibilitate, și adoptarea unei mentalități de produs.

Închiderea golurilor de date și facerea AI responsabile va fi cheia pentru a menține încrederea cu stakeholderii, a continua să îndeplinească imperativele strategice de conformitate și a asigura că sistemele AI nu sunt doar scalabile, ci și fiabile și eficiente. În acest fel, promisiunea AI poate fi realizată și luptele sale actuale de adoptare vor fi depășite în organizații de orice dimensiune.