С пилота к производству: идеи о масштабировании программ GenAI на долгосрочную перспективу

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 вперед. 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 о 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 контролем офиса ЦIO? Как будут работать функциональные случаи использования в менее контролируемых средах, и как команды могут избежать потери импульса, прежде чем их программа даже имела шанс показать результаты?

Общие проблемы при переходе от пилота к производству

Учитывая огромный потенциал GenAI для улучшения эффективности, снижения затрат и повышения принятия решений, мандат руководства компании функциональным бизнес-лидерам был ясен – вперед, и экспериментируйте. Бизнес-лидеры приступили к работе, экспериментируя с функциональностью GenAI и создавая свои собственные пилотные программы. Маркетинговые команды использовали GenAI для создания высокоперсонализированных 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 исследований и разработок смогли проанализировать огромные объемы данных, чтобы выявить новые тенденции.

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

Как только пилотная программа переходит в сферу офиса ЦIO, данные подвергаются более тщательному контролю. Мы уже знакомы с некоторыми из общих проблем с GenAI, такими как предвзятость модели и галлюцинации, и в более крупном масштабе эти проблемы становятся большими. ЦIO 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 момента, о которых следует подумать 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 существенно отличается. Вот три соображения перед началом этого пути:

1. Включите команды ИТ и информационной безопасности на ранней стадии (и часто)

Это распространенная ошибка функциональных бизнес-лидеров развивать блинды 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 ИТ и информационной безопасности, чтобы подумать о всех возможных проблемах.

Это почему хорошей идеей является вовлечение команд ИТ и информационной безопасности с самого начала, чтобы помочь протестировать пилот и обсудить потенциальные проблемы. Это также поможет содействовать межфункциональному сотрудничеству, которое имеет решающее значение для привлечения внешних перспектив и проверки предвзятости подтверждения, которая может возникнуть внутри отдельных функций.

2. Используйте реальные данные, когда это возможно

Как упоминалось ранее, данные, связанные с принятием решений, являются одними из 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 ИТ и, в конечном итоге, ЦIO. Синтетические данные представляют собой искусственно сгенерированные данные, созданные для имитации реальных данных, по сути, выступая в качестве замены реальных данных, но без каких-либо конфиденциальных личных данных.

Функциональные лидеры не всегда имеют доступ к реальным данным, поэтому несколько хороших советов для решения этой проблемы будут: (1) избегайте пилотных программ, которые могут потребовать дополнительного нормативного контроля в будущем; (2) установите руководящие принципы, чтобы предотвратить плохие данные от искажения/загрязнения результатов пилота; и (3) инвестируйте в решения, использующие существующую технологическую базу компании, чтобы увеличить вероятность будущей согласованности.

3. Установите реалистичные ожидания

Когда GenAI впервые получил широкую известность после запуска ChatGPT в конце 2022 года, ожидания были чрезвычайно высокими для того, чтобы технология революционизировала 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 заключается в том, что хотя GenAI будет трансформативным, компаниям необходимо дать технологии время (и поддержку), чтобы начать преображать. GenAI не является готовым решением, ни его истинная ценность ограничена только умными чат-ботами или творческой графикой. Компании, которые смогут успешно масштабировать программы GenAI, будут теми, кто сначала возьмет время, чтобы построить культуру инноваций, которая отдает приоритет долгосрочному воздействию над краткосрочными результатами.

Мы все вместе в этом

Несмотря на то, что мы много читали о GenAI最近, это все еще очень молодая технология, и компании должны быть осторожны с любым поставщиком, который утверждает, что все разобрался. 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 волнения вокруг GenAI, давайте также возьмем время, чтобы участвовать в осмысленных обсуждениях о том, как масштабировать эту мощную технологию ответственно. Вовлекая команду ИТ на ранней стадии, полагаясь на реальные данные и сохраняя разумные ожидания ROI, компании могут помочь обеспечить, чтобы их стратегии GenAI были не только масштабируемыми, но и устойчивыми.