Активация данных для закрытия разрыва ROI ИИ: 4 шага для получения бизнес-ценности через агентные решения ИИ

Когда мы вступаем в четвертый подряд «год ИИ», многие лидеры организаций рассматривают два, казалось бы, противоположных вопроса. Во-первых, является ли генеративный ИИ наиболее трансформационной технологией 21-го века? И, во-вторых, не переоценен ли ИИ? Я бы парадоксально ответил «да» на оба вопроса. Но я думаю, что эти лидеры должны задавать себе другой вопрос: как моя организация может получить бизнес-ценность от ИИ прямо сейчас?

Реальность такова, что многие компании потратили последние три года на инвестиции в новые технологии ИИ и эксперименты с новыми инструментами ИИ, но они еще не получили запланированных результатов. Несмотря на давление со стороны генеральных директоров «использовать ИИ во всем», организации не видят желаемой отдачи от инвестиций. Это не должно быть удивительным. История учит нас, что самые глубокие технические инновации требуют времени, прежде чем они оправдают себя. Есть лаг между техническим изобретением и бизнес-инновациями.

Томас Эдисон продемонстрировал силу электричества в Манхэттене в 1882 году, но только в 1913 году, когда Форд представил электрифицированную сборочную линию, электричество полностью заменило паровую мощность в производстве. Можете ли вы представить себе руководителя бизнеса в 1885 году, который призывает своих рабочих начать экспериментировать с электрической мощностью? Тем не менее, электрическая мощность победила и проложила путь для многих революционных инноваций 20-го века, от радиопередач до цифровых вычислений.

Как более недавний пример, Всемирная паутина стала мейнстримом в начале 90-х. Потребительское использование взорвалось сразу, но бизнес-адопция отстала. Прошло полдесятилетия, прежде чем большинство установленных предприятий начали получать выгоду от Веба через электронную коммерцию. Тем не менее, Веб проложил путь для социальных сетей, мобильного взаимодействия, облачных вычислений и, в конечном итоге, ИИ. Бизнес-ценность генерируется постепенно из новых технологий.

Если электрическая эпоха бизнеса началась с производственной линии, и эпоха Веба началась с электронной коммерции, что будет убийственным приложением для эпохи бизнеса ИИ? Запуск ChatGPT в конце 2022 года представил силу больших языковых моделей широкой общественности. Благодаря его популярности, «чат-бот, который понимает меня и звучит как человек», стал архетипом того, как ИИ можно применить. В результате многие бизнесы начали использовать ИИ, вводя подобных помощников, настроенных на то, чтобы быть их версией ChatGPT. Во многих случаях результаты были хорошо приняты пользователями, но бизнес-отдача от производительности трудна для измерения.

Одним из наиболее развитых применений БЯМ для бизнеса является область помощников по программированию. Claude Code, Cursor и другие инструменты получили широкую популярность, показывая почти магические результаты. Однако исследования показывают, что производительность отдельных разработчиков еще не перевелась в общую производительность организации. Кроме того, ускорение разработки не помогает бизнес-результатам организации, если то, что производится, не само по себе приносит бизнес-ценность. Помощники по программированию помогут масштабировать принятие ИИ во времени, но они не являются убийственным приложением.

Чтобы найти наиболее эффективное применение ИИ, организации должны сосредоточиться на механизмах, которые движут их собственными бизнес-моделями. В нашей книге «Распаковка предприятия» Стивен Фишман и я исследуем концепцию «динамики ценности», метод для разбиения бизнес-моделей на набор взаимосвязанных обменов ценностью. Обмены ценностью включают несколько «валют», включая сборы, экономию времени, охват и улучшение качества. Наиболее уникальная валюта — это данные. В книге мы показываем, как компании, такие как Google и Meta, превратили накопление данных в цифровое доминирование. Их успех был достигнут за счет предоставления реальных, автоматических ссылок в их обменах ценностью. Они связали сбор данных с генерацией дохода в добродетельном круге. Обе компании контекстуализировали данные клиентов в виде таргетированной рекламы, а затем использовали это для стимулирования своего основного дохода и сбора еще больше данных через взаимодействие пользователей.

Хотя многие организации потратили последние пару десятилетий на сбор и совершенствование данных, они еще не смогли полностью использовать потенциальную отдачу от данных через такой маховик. В своей основе большая языковая модель — это просто примененные данные. У нее есть потенциал стать двигателем, который будет стимулировать такой маховик ценности для организаций, но этот двигатель нуждается в топливе в виде контекстуализированных данных и должен быть прикреплен к шестерням бизнес-модели организации. Этот «процесс активации данных» делает данные достоверными и доступными в масштабе, создавая основу для более динамической автоматизации в предприятии и, в конечном итоге, открывая убийственное приложение ИИ для таких организаций.

Как будут выглядеть организации, которые активировали свои данные для эпохи ИИ? Рассмотрите следующие сценарии:

• Фармацевтическая компания, которая в настоящее время должна делать многомиллионные, многолетние ставки на новые лекарства, становится более гибкой компанией с более короткими, параллельными циклами клинических испытаний, облегченными динамической, наполненной ИИ автоматизацией
• Розничный банк, который в настоящее время отправляет «надежды и молитвы» предложения продукции всем своим клиентам с небольшим количеством принятия и ручной реализации, становится компанией с персонализированными предложениями, оптимизированными кредитными возможностями, что приводит к более высокому принятию прибыльных кредитных продуктов
• Розничная торговля, чья текущая система управления запасами полна как переизбытка, так и дефицита товаров, становится компанией, которая понимает свое положение запасов в реальном времени, благодаря прямым соединениям с магазинами, складами и поставщиками, анализируемыми через всегда включенные агенты ИИ

Путь к ROI, описанный в этих сценариях, следует этой новой форме динамической автоматизации и стимулируется активацией данных.

Итак, как организации могут начать это путешествие? Вот четыре шага, чтобы начать…

Шаг 1: Понять динамику ценности вашей организации

Разбиение бизнес-модели организации на ее основные обмены ценностью бесценно по нескольким причинам. Результатирующая карта обменов ценностью показывает, какие возможности стимулируют бизнес, какие бизнес-функции наиболее критичны и как каждый элемент в организации способствует созданию, захвату и распределению ценности. Для наших целей карта обменов ценностью может быть использована для визуализации основных бизнес-процессов, которые будут кандидатами на динамическую автоматизацию. Как следующий слой, вы можете сопоставить каждую ценность обмена и компонента с тем, как они операционализируются внутри организации. Это может быть в форме программного обеспечения, хранилищ данных или даже задач сотрудников. Возможности автоматизации могут быть затем взвешены по влиянию и сложности реализации, чтобы сосредоточиться на лучшем месте для применения ИИ и активации данных.

Шаг 2: Распространить опциональность через слой активации данных

Способность организации активировать данные зависит от опциональности ее цифрового ландшафта. Опциональность существует, когда цифровые активы — программные функции, источники данных, услуги третьих сторон — доступны в реальном времени. В контексте ИИ это означает две вещи. Во-первых, организация должна быть в состоянии синтезировать данные из различных источников, чтобы предоставить точный контекст БЯМ, что приводит к точному рассуждению и избегаету галлюцинаций. Во-вторых, программные компоненты, которые выполняют основные бизнес-функции — такие как служба кредитования банка или система живого запаса розничной торговли — должны быть доступны для БЯМ-приложений, чтобы выполнить автоматизацию. В обоих случаях API являются лучшим механизмом для обеспечения доступности данных и функций. Протокол контекста модели (MCP) набирает популярность как протокол API выбора для активации данных. Этот набор доступных возможностей может быть преобразован в контекстную платформу для вашей организации. Преобразование вашего цифрового ландшафта из набора изолированных приложений и данных в слой бизнес-ориентированных API является важным для достижения ROI через активацию данных.

Шаг 3: Принять парадигму агентных решений цифровых решений

Преобладающая архитектура программного обеспечения эпохи ИИ появляется. Оптимизированные программные решения требуют баланса компонентов, наполненных ИИ, и не-ИИ. Агенты ИИ — компоненты, наполненные ИИ, в этой появляющейся архитектуре — используют рассуждения БЯМ, основанные на контекстуальном осознании, для выполнения задач через инструменты, находящиеся в их распоряжении. Они являются инструментами активации данных и динамической автоматизации. Цифровой ландшафт, опционализированный через API (включая инструменты MCP), является наиболее плодородной почвой для таких агентов, чтобы процветать. Агентная архитектура позволяет для многочисленных шаблонов, которые объединяют детерминированные программные компоненты в существующей инфраструктуре с такими агентами ИИ. Эти шаблоны варьируются от простых чат-ботов и рабочих агентов до агентных рабочих процессов и до автономных многоагентных систем. Организации, которые принимают этот архитектурный подход, смогут получить максимальную ценность из своих существующих цифровых активов, принимая ИИ в темпе, который позволяет им управлять все возрастающей сложностью решений, которые приносят все больше и больше ценности.

Шаг 4: Использовать ИИ как инструмент производительности для построения агентных автоматизаций

Применение ИИ для производительности работников может не принести наибольшие доходы для бизнеса само по себе. Использование выгод ИИ от производительности в службе активации данных организации и обеспечения агентной автоматизации, однако, может ускорить реальные доходы. Это не только означает использование ИИ для ускорения работы разработчиков. Даже до взрыва ИИ одним из самых больших барьеров для поставки было организационное расстояние между бизнес-экспертами, которые понимают применение технологий, и командами ИТ, которые строят решения. Тенденции, такие как DevOps, помогли сократить это расстояние, но ИИ может помочь еще более осязаемыми способами. Как языковая технология, БЯМ способны переводить между требованиями и решениями в беспрецедентном виде. Мультимодальный ИИ позволяет захватывать бизнес-эскизы, которые могут генерировать полезные артефакты для последующего развития. Транскрипты могут быть преобразованы в прототипы. Это новый тип активации данных: превращение знаний бизнес-домена в каркас решения в реальном времени.

Следуя этим четырем шагам, организации могут активировать свои данные и начать видеть доходы от своих инвестиций в ИИ. Кроме того, они будут лучше подготовлены к новым экосистемам, работам и возможностям, созданным экономикой ИИ. Понимая динамику ценности вашего бизнеса, превращая ваши цифровые активы в осуществимые опции и ориентируясь на агентную архитектуру, вы подготовите свою организацию к будущему ИИ, изобретая его сами.