От пилотного проекта к производству: идеи о масштабировании программ GenAI для долгосрочного периода

Через годы, когда мы оглянемся на распространение генеративного ИИ (GenAI), 2024 год будет воспринят как поворотный момент – период широкого экспериментирования, оптимизма и роста, когда бизнес-лидеры, ранее колебавшиеся, чтобы окунуться в непроверенные воды инноваций, нырнули головой. В Глобальном опросе McKinsey об ИИ, проведенном в середине 2024 года, 75% предсказали, что GenAI приведет к значительным или разрушительным изменениям в их отраслях в ближайшие годы.

Хотя многое было узнано об преимуществах и ограничениях GenAI, важно помнить, что мы все еще находимся на стадии эволюции. Пилотные программы можно быстро развернуть и относительно недорого построить, но что происходит, когда эти программы переходят в производство под надзором офиса CIO? Как будут работать функциональные случаи использования в менее контролируемых средах, и как команды могут избежать потери импульса, прежде чем их программа даже успеет показать результаты?

Общие проблемы при переходе от пилотного проекта к производству

Учитывая огромный потенциал GenAI для улучшения эффективности, снижения затрат и повышения качества принятия решений, мандат C-Suite для функциональных бизнес-лидеров был ясен – идти вперед и экспериментировать. Бизнес-лидеры приступили к работе, экспериментируя с функциональностью GenAI и создавая свои собственные пилотные программы. Маркетинговые команды использовали GenAI для создания высокопersonализированных клиентских trải nghiệm и автоматизации повторяющихся задач. В сфере обслуживания клиентов GenAI помогла запустить интеллектуальные чат-боты для решения проблем в режиме реального времени, и команды R&D смогли проанализировать огромные объемы данных, чтобы обнаружить новые тенденции.

Однако все еще существует большая разрыв между всем этим потенциалом и его окончательной реализацией.

Как только пилотная программа переходит в орбиту офиса CIO, данные подвергаются более тщательному анализу. Теперь мы знакомы с некоторыми из общих проблем с GenAI, таких как предвзятость моделей и галлюцинации, и в большом масштабе эти проблемы становятся большими проблемами. CIO отвечает за защиту данных и управление данными на протяжении всей организации, тогда как бизнес-лидеры используют данные, которые могут относиться только к их конкретной области фокуса.

3 ключевых аспекта, которые следует учитывать перед масштабированием

Не ошибитесь, бизнес-лидеры добились значительного прогресса в создании случаев использования GenAI с впечатляющими результатами для своей конкретной функции, но масштабирование для долгосрочного воздействия quite другое. Вот три соображения, прежде чем отправиться в это путешествие:

1. Вовлеките команды IT и информационной безопасности рано (и часто)

Это общая проблема для функциональных бизнес-лидеров развивать слепоту в своей повседневной работе и недооценивать, что требуется для расширения их пилотной программы на более широкую организацию. Но как только этот пилот переходит в производство, бизнес-лидерам нужна поддержка команд IT и информационной безопасности, чтобы подумать о всех различных вещах, которые могут пойти не так.

Поэтому хорошей идеей будет вовлечь команды IT и информационной безопасности с самого начала, чтобы помочь проверить пилот и обсудить потенциальные проблемы. Это также поможет содействовать межфункциональному сотрудничеству, которое имеет решающее значение для привлечения внешних перспектив и挑жения подтверждения предвзятости, которая может возникнуть внутри отдельных функций.

2. Используйте реальные данные, когда это возможно

Как упоминалось ранее, проблемы, связанные с данными, являются среди самых больших препятствий при масштабировании GenAI. Это связано с тем, что пилотные программы часто полагаются на синтетические данные, которые могут привести к несоответствию ожиданий между бизнес-лидерами, командами IT и, в конечном итоге, CIO. Синтетические данные – это искусственно сгенерированные данные, созданные для имитации реальных данных, по сути, выступающие в качестве замены реальных данных, но без какой-либо чувствительной личной информации.

Функциональные лидеры не всегда будут иметь доступ к реальным данным, поэтому несколько хороших советов для устранения проблемы будут: (1) избегать пилотных программ, которые могут потребовать дополнительного нормативного контроля в будущем; (2) установить руководящие принципы для предотвращения коррупции/искажения результатов пилота плохими данными; и (3) инвестировать в решения, использующие существующую технологическую базу компании, чтобы увеличить вероятность будущей согласованности.

3. Установите реалистичные ожидания

Когда GenAI впервые получил общественное признание после запуска ChatGPT в конце 2022 года, ожидания были чрезвычайно высокими для технологии, чтобы революционизировать отрасли за одну ночь. Этот ажиотаж (к лучшему или худшему) в значительной степени сохранился, и команды все еще находятся под огромным давлением, чтобы показать немедленные результаты, если их инвестиции в GenAI надеются получить дальнейшее финансирование.

Реальность состоит в том, что хотя GenAI будет трансформативным, компаниям необходимо дать технологии время (и поддержку), чтобы начать трансформацию. GenAI не является готовым решением, и его истинная ценность не ограничивается только умными чат-ботами или творческой графикой. Компании, которые смогут успешно масштабировать программы GenAI, будут теми, кто сначала потратит время на построение культуры инноваций, которая отдает приоритет долгосрочному воздействию над краткосрочными результатами.

Мы все в этом вместе

Несмотря на то, сколько мы прочитали о GenAI недавно, это все еще очень молодая технология, и компании должны быть осторожны с любым поставщиком, который утверждает, что все понял. Такой высокомерие затуманивает суждение, ускоряет недоделанные концепции и приводит к проблемам с инфраструктурой, которые могут обанкротить бизнес. Вместо этого, когда мы вступаем в еще один год ажиотажа вокруг GenAI, давайте также потратим время на проведение осмысленных дискуссий о том, как масштабировать эту мощную технологию ответственно. Вовлекая команды IT на ранней стадии, полагаясь на реальные данные и поддерживая разумные ожидания ROI, компании могут помочь обеспечить, чтобы их стратегии GenAI были не только масштабируемыми, но и устойчивыми.