Навигация по развертыванию ИИ: избежание ловушек и обеспечение успеха

Путь к ИИ не является спринтом – это марафон, и бизнесу необходимо соответствующим образом регулировать свой темп. Те, кто бежит, прежде чем научился ходить, споткнется, присоединившись к кладбищу бизнеса, который попытался слишком быстро достичь某ого рода финишной черты ИИ. Правда в том, что нет финишной черты. Нет пункта назначения, в котором бизнес может прибыть и сказать, что ИИ был достаточно завоеван. Согласно McKinsey, 2023 год был годом прорыва ИИ, когда около 79% сотрудников заявили, что имели некоторый уровень воздействия ИИ. Однако прорывные технологии не следуют линейным путям развития; они то набирают, то теряют силу, то поднимаются, то падают, пока не станут частью ткани бизнеса. Большинство бизнесов понимают, что ИИ – это марафон, а не спринт, и это стоит помнить.

Возьмем, например, Хайп-цикл Gartner. Каждая новая технология, которая появляется, проходит через одну и ту же серию стадий на хайп-цикле, с очень少кими исключениями. Эти стадии следующие: Триггер инноваций; Пик завышенных ожиданий; ТROUGH разочарования; Склон просвещения и Плато продуктивности. В 2023 году Gartner поместил Генеративный ИИ твердо на вторую стадию: Пик завышенных ожиданий. Это когда уровень хайпа вокруг технологии находится на своем пике, и хотя некоторые бизнесы могут воспользоваться этим早 и взлететь вперед, подавляющее большинство будут бороться через ТROUGH разочарования и, возможно, даже не достигнут Плато продуктивности.

Все это говорит о том, что бизнесу необходимо осторожно подходить к развертыванию ИИ. Хотя первоначальный шарм технологии и ее возможностей может быть заманчивым, он все еще находит свои ноги и его пределы все еще тестируются. Это не означает, что бизнесу следует избегать ИИ, но они должны признать важность установления устойчивого темпа, определения четких целей и тщательного планирования своего пути. Команды руководства и сотрудники должны быть полностью вовлечены в идею, качество и целостность данных должны быть гарантированы, цели соблюдения должны быть выполнены – и это только начало.

Начиная с малого и очерчивая достижимые вехи, бизнес может использовать ИИ в измеренном и устойчивом方式, обеспечивая, что они движутся с технологией, а не скачут впереди нее. Вот некоторые из наиболее распространенных ловушек, которые мы видим в 2024 году:

Ловушка 1: Руководство ИИ

Это факт: без одобрения сверху инициативы ИИ будут бороться. Хотя сотрудники могут открыть для себя инструменты генеративного ИИ и включить их в свою повседневную рутину, это подвергает компании риску проблем с конфиденциальностью данных, безопасностью и соблюдением. Развертывание ИИ, в любой форме, должно исходить сверху, и отсутствие интереса к ИИ со стороны руководства может быть таким же опасным, как слишком быстрое движение.

Возьмем, например, сектор медицинского страхования в США. В недавнем опросе ActiveOps было обнаружено, что 70% лидеров операций считают, что руководители высшего звена не заинтересованы в инвестициях в ИИ, создавая значительный барьер для инноваций. Хотя они могут видеть выгоды, с почти 8 из 10 согласившихся с тем, что ИИ может помочь существенно улучшить операционную производительность, отсутствие поддержки со стороны руководства оказывается разочаровывающим барьером на пути к прогрессу.

Где ИИ используется, организационное одобрение и поддержка руководства являются необходимыми. Ясные каналы связи между руководством и командами проектов ИИ должны быть установлены. Регулярные обновления, прозрачные отчеты о прогрессе и обсуждения проблем и возможностей помогут сохранить руководство вовлеченным и информированным. Когда лидеры хорошо осведомлены о пути ИИ и его вехах, они с большей вероятностью предоставят необходимую поддержку для навигации через сложности и непредвиденные проблемы.

Ловушка 2: Качество и целостность данных

Использование плохого качества данных с ИИ похоже на то, как если бы вы залили дизельное топливо в бензиновый автомобиль. Вы получите плохую производительность, сломанные детали и дорогостоящий счет за ремонт. Системы ИИ полагаются на огромные объемы данных, чтобы учиться, адаптироваться и делать точные прогнозы. Если данные, вводимые в эти системы, являются ошибочными, неполными, неправильно классифицированными или предвзятыми, результаты будут неизбежно ненадежными. Это не только подрывает эффективность решений ИИ, но и может привести к значительным неудачам и недоверию к возможностям ИИ.

Наше исследование показывает, что 90% лидеров операций считают, что слишком много усилий требуется для извлечения информации из их операционных данных – слишком много из них разрознено и фрагментировано по нескольким системам и наполнено несоответствиями. Это еще одна ловушка, с которой сталкиваются бизнесы при рассмотрении ИИ – их данные просто не готовы.

Чтобы решить эту проблему и улучшить свою гигиену данных, бизнесу необходимо инвестировать в прочные框架 управления данными. Это включает в себя установление четких стандартов данных, обеспечение того, что данные последовательно очищаются и проверяются, и реализацию систем для постоянного мониторинга качества данных. Создавая единую точку истины, организации могут повысить надежность и доступность своих данных, что также облегчит путь для ИИ.

Ловушка 3: Грамотность ИИ

ИИ – это инструмент, и инструменты эффективны только тогда, когда они используются правильными руками. Успех инициатив ИИ зависит не только от технологии, но и от людей, которые ее используют, и этих людей не хватает. Согласно Salesforce, почти две трети (60%) специалистов по информационным технологиям определили нехватку навыков ИИ как свою основную проблему при развертывании ИИ. Это звучит так, как если бы бизнес просто не был готов к ИИ, и им нужно начать решать эту проблему пробела в навыках до того, как они начнут инвестировать в технологию ИИ.

Это не означает, что необходимо нанять новых сотрудников. Программы обучения могут быть введены для повышения квалификации текущих сотрудников, обеспечивая, что они имеют возможности эффективно использовать ИИ. Создание такого рода грамотности ИИ внутри организации включает в себя создание среды, в которой поощряется непрерывное обучение – семинары, онлайн-курсы и практические проекты могут помочь развеять мифы об ИИ и сделать его более доступным для сотрудников на всех уровнях, закладывая основу для более быстрого развертывания и более осязаемых выгод.

Что дальше?

Успешное внедрение ИИ требует больше, чем просто инвестиций в технологию; оно требует хорошо спланированного подхода, который обеспечивает одобрение сотрудников и поддержку руководства. Оно также требует от бизнеса быть самосознательным и осведомленным о том, что технология имеет пределы – хотя интерес к ИИ растет, и внедрение находится на самом высоком уровне, есть большая вероятность, что пузырь ИИ лопнет, прежде чем он придет в норму и станет надежным инструментом, который бизнесу нужен. Помните, мы сейчас находимся на Пике завышенных ожиданий, и ТROUGH разочарования еще предстоит пережить. Бизнес, стремящийся инвестировать в ИИ, может подготовиться к надвигающемуся шторму, готовя своих сотрудников, устанавливая политику использования ИИ и обеспечивая, что их данные чисты, хорошо организованы и правильно классифицированы и интегрированы во все свое бизнес.