De ce GenAI se blochează în pilot

În timp ce companiile se luptă să mute proiectele de Inteligență Artificială Generativă (GenAI) de la experimentare la producție, multe afaceri rămân blocate în modul de pilot. După cum subliniază cercetarea noastră recentă, 92% din organizații sunt îngrijorate că proiectele GenAI se accelerează fără a aborda mai întâi problemele fundamentale de date. Mai mult, 67% nu au putut să scaleze nici măcar jumătate din proiectele lor de pilot la producție. Această lacună de producție este mai mult despre maturitatea tehnologică și mai puțin despre pregătirea datelor subiacente. Potențialul GenAI depinde de soliditatea temeliei pe care se sprijină. Și astăzi, pentru majoritatea organizațiilor, această temelie este, în cel mai bun caz, fragilă.

De ce GenAI se blochează în pilot

Deși soluțiile GenAI sunt, într-adevăr, puternice, eficacitatea lor este direct legată de calitatea datelor care le alimentează. Zicala “gunoi la intrare, gunoi la ieșire” este mai adevărată astăzi decât oricând. Fără date de încredere, complete, intitulate și explicabile, modelele GenAI produc adesea rezultate inexacte, biasate sau nefolositoare.

Din nefericire, organizațiile s-au grăbit să implementeze cazuri de utilizare cu efort redus, cum ar fi chatbot-urile alimentate de IA care oferă răspunsuri personalizate din diferite documente interne. Și, deși acestea îmbunătățesc experiența clienților într-o anumită măsură, ele nu cer schimbări profunde în infrastructura de date a companiei. Dar pentru a scala GenAI strategic, indiferent dacă este vorba de sănătate, servicii financiare sau automatizarea lanțului de aprovizionare, se necesită un nivel diferit de maturitate a datelor.

De fapt, 56% din directorii de date menționează fiabilitatea datelor ca o barieră cheie în implementarea IA. Alte probleme includ date incomplete (53%), probleme de confidențialitate (50%) și lacune mai mari în guvernanța IA (36%).

Fără guvernanță, fără GenAI

Pentru a duce GenAI dincolo de stadiul de pilot, companiile trebuie să trateze guvernanța datelor ca o prioritate strategică pentru afacerile lor. Ele trebuie să se asigure că datele sunt adecvate pentru a alimenta modelele IA și, pentru a face acest lucru, următoarele întrebări trebuie să fie abordate:

• Provin datele utilizate pentru antrenarea modelului din sistemele corecte?
• Am eliminat informațiile cu caracter personal și am respectat toate regulamentele de date și confidențialitate?
• Suntem transparenți și putem dovedi proveniența datelor utilizate de model?
• Putem documenta procesele noastre de date și suntem pregătiți să demonstrăm că datele nu conțin bias?

Guvernanța datelor trebuie, de asemenea, să fie integrată în cultura organizației. Pentru a face acest lucru, este necesar să se dezvolte alfabetizarea IA în toate echipele. Actul IA al UE formalizează această responsabilitate, cerând atât furnizorilor, cât și utilizatorilor de sisteme IA să facă eforturi pentru a se asigura că angajații sunt suficient de alfabetizați în IA, înțelegând cum funcționează aceste sisteme și cum să le utilizeze în mod responsabil. Cu toate acestea, adoptarea eficientă a IA depășește cunoștințele tehnice. Ea cere, de asemenea, o bază solidă în abilitățile de date, de la înțelegerea guvernanței datelor la formularea de întrebări analitice. Tratarea alfabetizării IA în mod izolat de alfabetizarea în date ar fi o abordare scurtă, având în vedere cât de strâns sunt legate.

În ceea ce privește guvernanța datelor, încă există mult de lucru de făcut. Printre companiile care doresc să crească investițiile în gestionarea datelor, 47% sunt de acord că lipsa de alfabetizare în date este o barieră de top. Acest lucru subliniază nevoia de a construi sprijin la nivel superior și de a dezvolta abilitățile potrivite în toată organizația, ceea ce este crucial. Fără aceste fundații, chiar și cele mai puternice modele LLM vor lupta să livreze.

Dezvoltarea IA care trebuie să fie responsabilă

În mediul regulamentar actual, nu este suficient ca IA să “funcționeze”, ci trebuie să fie și responsabilă și explicabilă. Actul IA al UE și Planul de Acțiune IA propus de Regatul Unit cer transparență în cazurile de utilizare a IA cu risc ridicat. Alții urmează exemplul, și peste 1.000 de proiecte de politici legate de IA se află pe ordinea de zi în 69 de țări.

Acestă mișcare globală către responsabilitate este un rezultat direct al creșterii cererilor consumatorilor și ale părților interesate pentru echitate în algoritmi. De exemplu, organizațiile trebuie să poată explica de ce un client a fost refuzat pentru un împrumut sau de ce i s-a cerut o primă de asigurare mai mare. Pentru a face acest lucru, ele ar trebui să știe cum a luat modelul acea decizie, și aceasta, la rândul său, depinde de existența unei urme clare și auditabile a datelor utilizate pentru antrenare.

Dacă nu există explicabilitate, afacerile riscă să piardă încrederea clienților, precum și să facă față unor repercusiuni financiare și legale. Prin urmare, trasabilitatea provenienței datelor și justificarea rezultatelor nu este un “ar fi bine”, ci o cerință de conformitate.

Și pe măsură ce GenAI se extinde dincolo de utilizarea sa pentru unelte simple la agenți complet echipați care pot lua decizii și acționa în consecință, mizele pentru o guvernanță puternică a datelor cresc și mai mult.

Pasi pentru construirea unei IA de încredere

Deci, ce înseamnă “bun” în acest context? Pentru a scala GenAI în mod responsabil, organizațiile ar trebui să adopte o strategie unică de date pe trei piloni:

• Adaptați IA la afaceri: Catalogați datele în jurul obiectivelor de afaceri cheie, asigurându-vă că reflectă contextul, provocările și oportunitățile specifice afacerii dvs.
• Stabiliți încredere în IA: Stabiliți politici, standarde și procese pentru conformitate și supraveghere a implementării etice și responsabile a IA.
• Construiți conducte de date gata pentru IA: Combinați sursele dvs. diverse de date într-o fundație de date robustă pentru coacerea IA, integrând conectivitatea GenAI preconstruită.

Când organizațiile fac acest lucru corect, guvernanța accelerează valoarea IA. De exemplu, în serviciile financiare, fondurile de investiții utilizează GenAI pentru a depăși analiștii umani în predicția prețurilor acțiunilor, reducând în același timp semnificativ costurile. În producție, optimizarea lanțului de aprovizionare condusă de IA permite organizațiilor să reacționeze în timp real la schimbările geopolitice și presiunile de mediu.

Și acestea nu sunt doar idei futuriste, ci se întâmplă acum, conduse de date de încredere.

Cu fundații solide de date, companiile reduc deriva modelului, limitează ciclurile de reantrenare și cresc viteza de valorificare. Acesta este motivul pentru care guvernanța nu este un obstacol, ci un catalizator al inovației.

Ce urmează?

După experimentare, organizațiile se mută dincolo de chatbot-uri și investesc în capacități transformatoare. De la personalizarea interacțiunilor cu clienții la accelerarea cercetării medicamentului, îmbunătățirea sănătății mintale și simplificarea proceselor de reglementare, GenAI începe să-și demonstreze potențialul în diferite industrii.

Cu toate acestea, aceste câștiguri depind în întregime de datele care le susțin. GenAI începe cu construirea unei fundații solide de date, prin guvernanță puternică a datelor. Și, deși GenAI și IA agențială vor continua să evolueze, ea nu va înlocui supravegherea umană în curând. În schimb, intrăm într-o fază de creare de valoare structurată, în care IA devine un copilot de încredere. Cu investițiile potrivite în calitatea datelor, guvernanță și cultură, afacerile pot, în sfârșit, să transforme GenAI dintr-un pilot promițător în ceva care să ia cu adevărat zborul.