Navigera i AI-guldfeber: Avslöja de dolda kostnaderna för teknisk skuld i företagsprojekt

Under det senaste året har artificiell intelligens fångat uppmärksamheten hos företagsledare, vilket har fått dem att skynda på sina investeringar i AI-företag eller påskynda lanseringen av sina egna produkter för att hinna med. Men i jakten på att ansluta sig till denna nya era av teknisk utveckling, kan organisationer som är nya inom AI inte överväga en viktig faktor som bör vara högst upp på listan när de investerar eller skapar nya AI-produkter: teknisk skuld.

Trots att idén om teknisk skuld inte är ny, medför AI-teknik en annan typ av teknisk skuld jämfört med vanliga programtjänster. Och eftersom AI fortsätter att förbättras snabbt, orsakar det att denna viktiga fråga växer i takt med det.

Vad är teknisk skuld?

Teknisk skuld, i den enklaste definitionen, är ackumuleringen av dålig kvalitet på kod under skapandet av ett program. Detta beror vanligtvis på antingen en accelererad marknadsintroduktion för att möta affärsbehov eller för att få ut något snabbare för att få kundfeedback. När man överväger teknisk skuld, är det viktigt att fokusera på den medvetna aspekten av det, eftersom beslutsfattare ofta är medvetna om riskerna med programvara och effekterna av att ta genvägar för hastighet. Uppkomsten av AI har medfört en ny och unik utmaning när det gäller teknisk skuld, och med det betydande risker och konsekvenser som kan uppstå.

När AI-system börjar bli äldre och deras träningsdata blir inkorrekt och föråldrad, överstiger kostnaden för att investera i AI nu tiden och investeringen som krävs för att upprätthålla högkvalitativ träningsdata, även kallad datahygien.

Låt oss undersöka hur teknisk skuld ackumuleras, vilken påverkan den har på resultaträkningen och hur organisationer kan åtgärda den.

Hur ackumulerar organisationer teknisk skuld?

 Det finns två sätt som programvara kan ackumulera teknisk skuld. Det ena är genom ren och skär dålig kod. Organisationer kan köpa produkter eller ärva dem genom M&A-aktivitet, för att senare upptäcka kvalitetsproblem på toppen av långsamma förändringstakter och innovation. Det andra är när ledare medvetet väljer att ta på sig teknisk skuld.

När det gäller AI vill över 72% av ledarna anta AI för att förbättra medarbetarproduktiviteten, men den främsta oron kring att implementera AI är datakvalitet och kontroll. Det verkar kontraproduktivt för en organisation att använda en produkt som främjar produktivitet, samtidigt som man tar bort tid från det viktiga arbetet med att kontinuerligt hantera alla kvalitetsproblem som orsakas av teknisk skuld som kan äventyra produktiviteten. Men löftet om den slutliga avkastningen för ökad produktivitet väger tyngre än dessa hinder i den omedelbara framtiden, som kommer att komma tillbaka för att till slut hemsöka programvaran på lång sikt.

Modellglidning: En ny typ av teknisk skuld

Med uppkomsten av ökade investeringar i AI, har organisationer skyndat på marknadsstrategier för att kamma in på den generativa AI-guldrushen. Medan detta kan fungera som en kortvarig intäktsdrivare, ser organisationer över vad som kan bli en stor mängd teknisk skuld längre fram, känd som modellglidning.

Modellglidning inträffar när ett AI-systems prestanda börjar försämras och utdata blir mindre exakta när träningsdata åldras. Om man tittar på AI-livscykeln, är det uppenbart att träningsdata kommer att behöva underhållas och uppdateras kontinuerligt för att säkerställa att svaren som maskinen tillhandahåller är så exakta som möjligt – detta är där brytpunkten börjar. När man skyndar på att få lösningar, prioriterar beslutsfattare ofta problem som att skaffa ytterligare träningsdata, underhålla systemets datahygien och säkerställa att det finns en arbetsstyrka som har tillräckligt med människor för att stödja dessa uppgifter.

När träningsdata fortsätter att åldras och gapet mellan verkligheten och utdata ökar, kommer organisationer att bli lämnade med ökade kostnader och tid som läggs på att hantera dessa brister som kunde ha undvikits med rätt planeringsförfaranden och protokoll. För att sammanfatta: att hoppa över nästa steg när man planerar en marknadsstrategi kan möjliggöra snabbare leverans, men det är inte värt den oundvikliga reaktionen som kommer att kosta på flera sätt på lång sikt.

Teknisk skulds påverkan på resultaträkningen

Teknisk skuld kan också djupt påverka organisatoriska effektiviteter – till exempel försäljningsteam. När teknisk skuld börjar ackumuleras och förändringstakten bromsar, blir det allt svårare för säljrepresentanter att locka kunder, vilket bromsar stängningshastigheter och påverkar slutligen intäktsflöden som en följd.

Utöver försäljning påverkar teknisk skuld också utvecklingsteam. Det kommer inte bara att kräva mer tid som läggs på att uppdatera kod, utan den avleda uppmärksamheten kommer effektivt att sätta innovation på paus. Genom att flytta uppmärksamheten och tiden till underhåll, kommer produktvägen att bli försenad eller övergiven, vilket skapar en effekt som kan leda till misstro mellan den tekniska och kommersiella sidan av verksamheten. Utan en produktväg att följa, lämnas säljteam med antingen brutna löften eller ingenting att visa för prospekt, vilket påverkar intäkterna.

Hur man åtgärdar teknisk skuld

När förutsägbarheten för leverans minskar, kommer organisationer att börja se en nedbrytning av organisatoriska effektiviteter, vilket leder till diskussioner om hur man kan hantera utmaningarna. Det finns två sätt som beslutsfattare kan använda för att bekämpa teknisk skuld. Det första är att kasta bort plattformen och koden helt och omplattformera, eller införa små inkrementella förändringar, liknande att sakta städa ett rum ett föremål i taget, för att till slut få systemen att fungera.

Den första metoden, omplattformering, kräver en total översyn av systemen och är en stor och kostsam risk att ta. Liksom en stor konstruktionsprocess, kan eventuella förseningar i schemat kasta av produkttider och orsaka att hela ansträngningen misslyckas. Denna metod kan fungera ibland. Ta LinkedIn till exempel – efter deras IPO 2011 omplattformade företaget webbplatsen och är nu en stor spelare på marknaden.

Den säkrare vägen, att göra små förändringar som kommer att addera upp till stora förbättringar, är ett annat användningsfall att argumentera för. Med utvecklare som redan interagerar med data dagligen, kan man gå in och göra justeringar här och där för att forma systemen så att de blir fria från teknisk skuld. Det gynnar också utvecklarnas färdigheter, eftersom det kräver att de håller sig uppdaterade med de senaste kod- och teknikstandarderna, vilket i sin tur sätter en organisation upp för teknisk framgång eftersom de har färre färdighetsgap. Att implementera en ingenjörsdriven initiativ, där de tilldelas 20% av sin tid för att schemalägga produktuppdateringar, är ett bra sätt att komma igång. Medan denna process är mycket långsammare än omplattformering, är den mindre riskabel och producerar fortfarande värde för affärsmodellen.

Lämna din tekniska skuld bakom i AI-eran

Medan AI-utrymmet fortsätter att utvecklas snabbt, kommer vi att se fler lösningar som lovar produktivitetsvinster och organisatoriska effektiviteter. Medan detta är sant, måste beslutsfattare prioritera införandet av tekniker som kontinuerligt underhåll och tänka på den stora bilden när det gäller livscykeln för er lösning. Att investera i AI behöver inte vara dyrt och överväldigande, och med några små förändringar i planering och marknadsstrategi, kan ni undvika den nästa mängden teknisk skuld.