Från pilot till produktion: Insikt om skalning av GenAI-program för långsiktiga resultat

Om några år, när vi ser tillbaka på spridningen av generativ AI (GenAI), kommer 2024 att ses som en vändpunkt – en period av omfattande experiment, optimism och tillväxt, när företagsledare som tidigare var tveksamma till att dyka in i outestade vatten av innovation, gjorde det med hull och hår. I McKinseys globala undersökning om AI som genomfördes i mitten av 2024, förutspådde 75% att GenAI kommer att leda till betydande eller omvälvande förändringar i deras branscher i framtiden.

Medan mycket har lärt oss om fördelarna och begränsningarna med GenAI, är det viktigt att komma ihåg att vi fortfarande är i en utvecklingsfas. Pilotprogram kan skapas snabbt och är relativt billiga att bygga, men vad händer när dessa program flyttas till produktion under CIO-kontoret? Hur kommer funktionspecifika användningsfall att fungera i mindre kontrollerade miljöer, och hur kan team undvika att förlora momentum innan deras program har haft chansen att visa resultat?

Vanliga utmaningar när man flyttar från pilot till produktion

Med tanke på den enorma potentialen för GenAI att förbättra effektivitet, minska kostnader och förbättra beslutsfattning, har C-svitens mandat till funktionella företagsledare varit tydligt – gå vidare och experimentera. Företagsledare började arbeta, lekte med GenAI-funktionalitet och skapade sina egna pilotprogram. Marknadsföringsteam använde GenAI för att skapa högt personliga kundupplevelser och automatisera repetitiva uppgifter. I kundtjänst hjälpte GenAI till att driva intelligenta chatbotar för att lösa problem i realtid, och R&D-team kunde analysera stora mängder data för att upptäcka nya trender.

Ändå finns det fortfarande en stor diskrepans mellan all denna potential och dess slutliga genomförande.

När ett pilotprogram flyttas in i CIO-kontorets område granskas data mycket noggrannare. Vi är nu bekanta med några av de vanliga problemen med GenAI, som modellbias och hallucinationer, och i en större skala blir dessa problem stora. En CIO ansvarar för dataskydd och datastyrning i hela organisationen, medan företagsledare använder data som kanske bara gäller deras specifika område.

3 viktiga saker att tänka på innan man skalar upp

Inga misstag, företagsledare har gjort betydande framsteg i att bygga GenAI-användningsfall med imponerande resultat för sin specifika funktion, men att skala upp för långsiktig påverkan är helt annorlunda. Här är tre överväganden innan man påbörjar denna resa:

1. Inkludera IT- och informations säkerhetsteam tidigt (och ofta)

Det är vanligt för funktionella företagsledare att utveckla blindskär i sitt dagliga arbete och underskatta vad som krävs för att expandera sitt pilotprogram till hela organisationen. Men när piloten flyttas till produktion behöver företagsledare stöd från IT- och informations säkerhetsteam för att tänka igenom alla olika saker som kan gå fel.

Det är därför det är en bra idé att involvera IT- och informations säkerhetsteam från början för att hjälpa till att testa piloten och gå igenom potentiella problem. Detta kommer också att hjälpa till att främja samarbete mellan funktioner, vilket är avgörande för att ta in externa perspektiv och utmana bekräftelsebias som kan uppstå inom enskilda funktioner.

2. Använd riktiga data när det är möjligt

Som nämnts tidigare är datarelaterade problem bland de största hinder för att skala upp GenAI. Det beror på att pilotprogram ofta förlitar sig på syntetisk data som kan leda till felaktiga förväntningar mellan företagsledare, IT-team och slutligen CIO. Syntetisk data är artificiellt genererad data som skapas för att efterlikna riktiga data, i princip fungerar den som en ersättning för riktiga data, men utan någon känslig personlig information.

Funktionella ledare kommer inte alltid att ha tillgång till riktiga data, så några bra tips för att felsöka problemet vore: (1) undvika pilotprogram som kan kräva ytterligare regulatorisk granskning i framtiden; (2) införa riktlinjer för att förhindra att dåliga data korrumperar eller snedvrider pilotresultat; och (3) investera i lösningar som använder företagets befintliga teknikstack för att öka sannolikheten för framtida samstämmighet.

3. Sätt realistiska förväntningar

När GenAI först fick allmänhetens uppmärksamhet efter lanseringen av ChatGPT i slutet av 2022, var förväntningarna skyhöga för teknologin att revolutionera branscher över natten. Den hype (för bättre eller sämre) har i stort sett bestått, och team är fortfarande under enormt tryck för att visa omedelbara resultat om deras GenAI-investeringar ska få ytterligare finansiering.

Verkligheten är att GenAI kommer att vara omvälvande, men företag måste ge teknologin tid (och stöd) för att börja omvandla. GenAI är inte plug-and-play, och dess verkliga värde är inte begränsat till bara smarta chatbotar eller kreativ bild. Företag som kan skala upp GenAI-program framgångsrikt kommer att vara de som först tar sig tid att bygga en kultur av innovation som prioriterar långsiktig påverkan över kortsiktiga resultat.

Vi är alla i det här tillsammans

Trots allt vi har läst om GenAI nyligen, är det fortfarande en mycket omogen teknik, och företag bör vara försiktiga med varje leverantör som påstår att de har löst allt. Sådan högmodighet molnig ögonen, accelererar halvfärdiga koncept och leder till infrastrukturproblem som kan ruinera företag. Istället, när vi går in i ett nytt år av GenAI-upphets, låt oss också ta oss tid att engagera oss i meningsfulla diskussioner om hur man kan skala upp denna kraftfulla teknik på ett ansvarsfullt sätt. Genom att involvera IT-team tidigt i processen, förlita sig på riktiga data och upprätthålla rimliga förväntningar på avkastning, kan företag hjälpa till att säkerställa att deras GenAI-strategier inte bara är skalbara, utan också hållbara.