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

År från nu, när vi ser tillbaka på spridningen av generativ AI (GenAI), kommer 2024 att ses som ett vattendelare – en period av omfattande experiment, optimism och tillväxt, då företagsledare som tidigare var tveksamma till att testa okända vatten av innovation, gav sig in i det med full kraft. I McKinseys globala undersökning om AI som genomfördes i mitten av 2024, förutspådde 75% att GenAI kommer att leda till betydande eller störande förändringar i deras branscher i framtiden.

Medan mycket har lärt sig om fördelarna och begränsningarna med GenAI, är det viktigt att komma ihåg att vi fortfarande är i en utvecklingsskede. Pilotprogram kan snabbt skalfas upp och är relativt billiga att bygga, men vad händer när dessa program går in i 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 ens har haft chansen att visa resultat?

Vanliga utmaningar när man går från pilot till produktion

Med tanke på den enorma potentialen för GenAI att förbättra effektivitet, minska kostnader och förbättra beslutsfattning, har C-Suites mandat till funktionella affärsledare varit tydligt – gå vidare och experimentera. Företagsledare gav sig i kast med att arbeta med GenAI-funktionalitet och skapa sina egna pilotprogram. Marknadsföringsteam använde GenAI för att skapa högt personanpassade kundupplevelser och automatisera repetitiva uppgifter. I kundservice 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.

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

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

3 viktiga saker att tänka på innan du skalar

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

1. Inkludera IT- och informations säkerhets team tidigt (och ofta)

Det är vanligt för funktionella affärsledare att utveckla blindhet i sitt dagliga arbete och underskatta vad som krävs för att expandera sitt pilotprogram till hela organisationen. Men när det pilotprogrammet går in i produktion behöver affärsledare stöd från IT- och informations säkerhets team för att tänka igenom alla olika saker som kan gå fel.

Därför är det en bra idé att involvera IT- och informations säkerhets team 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 hindren för att skala GenAI. Det beror på att pilotprogram ofta förlitar sig på syntetisk data som kan leda till missmatchade förväntningar mellan affärsledare, IT-team och slutligen CIO. Syntetisk data är artificiellt genererad data som skapats för att efterlikna verkliga data, i princip fungerar den som en ersättning för verklig 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 skulle vara: (1) undvika pilotprogram som kanske kräver ytterligare regulatorisk granskning i framtiden; (2) sätta riktlinjer för att förhindra att dålig data korrumperar / 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 allmän 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 transformerande, men företag måste ge teknologin tid (och stöd) för att börja transformera. GenAI är inte plug-and-play, och dess sanna värde är inte begränsat till bara smarta chatbotar eller kreativ bild. Företag som kan skala GenAI-program framgångsrikt kommer att vara de som först tar sig tid att bygga en innovationskultur som prioriterar långsiktig påverkan över kortfristiga resultat.

Vi är alla i detta 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 hubris molnar omdömet, accelererar halvbakade 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 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.