Переход от путаницы с ИИ к уверенности в ИИ: восемь вопросов, которые каждый руководитель должен задать о ИИ

Что если причина, по которой ваши инвестиции в ИИ не оправдывают ожиданий, не связана с технологией?

Широко цитируемое исследование MIT показало, что 95% проектов генеративного ИИ не достигают значимой отдачи от инвестиций. Если вы руководитель, наблюдающий, как ваша организация экспериментирует с инструментами ИИ в различных командах и отделах, вы почувствовали разрыв между активностью и результатами на собственном опыте.

Симптомы знакомы. Сотрудники экспериментируют, но нет明ного владельца результатов. И хотя пилотные проекты успешны в изоляции, они никогда не масштабируются на уровне всей организации. Также сложно делиться тем, что работает, потому что каждая команда реализует ИИ по-разному. Тем временем, риски соблюдения и безопасности тихо накапливаются на фоне. Даже измерение является сложным, потому что, хотя прогнозы ROI выглядят впечатляюще на слайдах, никто не отслеживает, материализуются ли они.

Проблема не заключается в отсутствии инноваций или интереса. Сотрудники экспериментируют с инструментами ИИ, открывают возможности повышения производительности и делятся успехами. Проблема заключается в том, что без стратегического руководства сверху эти усилия редко превращаются в масштабируемые, генерирующие ценность инициативы, которые влияют на бизнес.

Проблема снежинки тихо убивает вашу отдачу от инвестиций в ИИ.

Когда внедрение ИИ происходит органически снизу вверх без стратегического надзора, организации сталкиваются с ограничениями. Индивидуальные участники и команды могут испытывать повышение производительности, такое как написание электронных писем быстрее, генерация кодовых фрагментов более эффективно или анализ данных быстрее. Эти улучшения ценны на индивидуальном уровне, но перевод их в измеримую организационную ценность требует скоординированного подхода.

Основная проблема заключается в проблеме снежинки. Без стандартизированных методологий и общих рамок каждый проект ИИ внутри организации реализуется по-разному. Каждая реализация становится уникальной снежинкой, что делает почти невозможным масштабирование успешных экспериментов, эффективное обмен знаниями и интеграцию возможностей ИИ на уровне всего предприятия.

Кроме того, когда экспериментирование происходит без стратегического руководства, команды могут по умолчанию использовать одно или несколько знакомых инструментов ИИ, независимо от их соответствия деловому случаю. Инструмент, который помог написать маркетинговое письмо, может стать молотком для каждого гвоздя, даже когда специализированные решения обеспечивают лучшие результаты для специализированных приложений, таких как анализ юридических документов, финансовое прогнозирование или техническая документация.

Более того, если экспериментирование происходит с неавторизованными инструментами, это может ввести риски соблюдения и безопасности, которые организации обнаруживают позже. В погоне за производительностью сотрудники могут подвергать чувствительные данные клиентов публичным моделям ИИ, нарушать правила или создавать проблемы с интеллектуальной собственностью.

Руководителям не нужно становиться инженерами ИИ, но они должны задавать более проницательные вопросы.

Руководителям не нужно быть экспертами в ИИ или даже понимать, как он работает, чтобы эффективно руководить своими организациями. Что важно, так это знать, какие вопросы задавать и какие решения принимать. Развитие лидерской грамотности в ИИ менее связано с пониманием архитектуры и более связано с развитием стратегического инстинкта, чтобы различать важную информацию и нерелевантные данные.

Руководители должны решить восемь критических вопросов, которые сформируют траекторию ИИ их организации.

1. Кто владеет созданием ценности ИИ и несет ответственность за результаты? Без назначенного владельца ничего не измеряется и никто не несет ответственности, когда результаты не материализуются.
2. Какие конкретные бизнес-ставки ИИ мы делаем в течение следующих 12-24 месяцев? Организации должны решить, будут ли они преследовать смесь подходов, таких как повышение эффективности, новые возможности продукта, улучшение опыта клиентов или сосредоточат ресурсы на едином стратегическом направлении. Это решение определяет распределение ресурсов и метрики успеха.
3. Имеем ли мы дисциплину измерения, чтобы проверить, становится ли запланированная ROI фактической ROI? Большинство организаций отлично проектируют, но немногие отслеживают строго.
4. Готовы ли мы инвестировать в трансформацию организации, которую требует ИИ? Это включает в себя комплексную подготовку, рамки управления и инициативы по изменению. Технологические инвестиции сами по себе не принесут результатов.
5. Какие внутренние возможности нам нужно закрыть, чтобы ликвидировать пробел в лидерской грамотности? Консультативные советы, программы образования и внешние партнерства могут помочь руководителям развить узнавание образцов для эффективной реализации ИИ.
6. Как мы балансируем быстрое экспериментирование с операционной дисциплиной? Циклы разработки ИИ быстрее и неопределеннее, чем традиционное программное обеспечение, требуя другого подхода к управлению портфелем и толерантности к риску.
7. Как мы будем использовать ИИ безопасно, этично и в пределах приемлемых рисков? Организациям нужны рамки для оценки предвзятости, конфиденциальности, прозрачности и подотчетности, прежде чем эти проблемы будут обострены.
8. Какие основные технологические инвестиции поддерживают нашу стратегию? Инфраструктура облачного вычисления, платформы данных, развертывание моделей и архитектура интеграции являются решениями на уровне совета директоров, а не только решениями ИТ.

Работа над этими вопросами укрепляет интуицию и узнавание образцов руководителей. Лидеры развивают общую ментальную модель хорошей реализации ИИ, что позволяет им выявлять слабые инициативы на ранней стадии и поддерживать перспективные.

Три возможности, которые создают победные организации

Как только лидеры устанавливают стратегическую ясность, они могут сосредоточиться на трех взаимосвязанных возможностях, которые отличают успешных принимающих ИИ от большинства, которые борются.

Научиться выявлять слабые бизнес-кейсы на ранней стадии. Красные флаги включают неясную собственность, расплывчатые прогнозы ROI, отсутствие связи с основными процессами и рабочими процессами и лидерство технологией, а не бизнес-результатами. Если предложение начинается с того, какой модель ИИ использовать, вместо того, какую бизнес-проблему решить, оно движется в неправильном направлении. Страх пропустить не должен стимулировать инициативы ИИ. Каждый проект требует обоснованного бизнес-кейса, который артикулирует конкретные механизмы создания ценности.

Относиться к реализации ИИ как к проблеме трансформации организации, а не к технологической установке. Развертывание инструментов ИИ без системной поддержки дает лишь незначительные повышения производительности. Победные организации инвестируют в тяжелую работу, которую большинство компаний избегают: комплексные программы подготовки, которые строят грамотность ИИ; инициативы по изменению, которые решают нарушение рабочих процессов и помогают командам адаптироваться; рамки управления, которые позволяют инновации; и стандартизированные методологии, которые предотвращают проблему снежинки, позволяя при этом гибкость.

Подготовка и управление создают организационную дисциплину, которая ускоряет создание ценности. Когда люди понимают возможности и границы инструментов ИИ, когда существуют четкие процессы для предложения, оценки и масштабирования инициатив, хорошие идеи движутся быстрее, а плохие идеи фильтруются раньше.

Установить четкую собственность и права принятия решений до инвестирования ресурсов. Организации должны определить права принятия решений до инвестирования времени и ресурсов. Кто решает, какие проекты финансируются? Кто владеет работой по интеграции между отделами? Кто несет ответственность, когда результаты не материализуются?

Структуры управления должны быть установлены с самого начала, но разработаны вдумчиво. Цель состоит в том, чтобы позволить инновациям безопасно, не ограничивая их. Риск-ориентированный подход помогает достичь этого баланса. Реализации с низким риском и деловые случаи, такие как использование ИИ для внутреннего мозгового штурма, генерации первых черновиков несensitive контента или автоматизации рутинного анализа данных, требуют менее строгого управления. Реализации с высоким риском, которые обрабатывают чувствительную информацию, принимают решения, влияющие на клиентов или сотрудников, или работают в регулируемых доменах, требуют более сильных ограничений, таких как надзор человека, аудиторские следы и механизмы проверки.

От путаницы к уверенности через лидерство

Отдача от инвестиций в ИИ не является технологической проблемой, а лидерской. Организации, которые борются с захватом ценности ИИ, не используют худшие инструменты или менее способные команды. Они не установили стратегическую ясность, организационную дисциплину и структуры управления, чтобы масштабировать эксперименты в возможности.

Истинные дифференциаторы для успешного внедрения ИИ – это надзор руководителей и операционная дисциплина, а не техническая экспертиза. Лидеры, которые могут задавать правильные вопросы, устанавливать собственность, инвестировать в трансформацию организации и создавать рамки управления на основе риска, будут руководить своими организациями от путаницы к уверенности.

С правильным стратегическим направлением сверху, инновации снизу могут процветать в пределах ограничений, эксперименты могут масштабироваться в возможности предприятия, и ИИ может перейти от путаницы и разрозненной деятельности к движущей силе конкурентного преимущества и бизнес-ценности.