ทำไมยุทธวิธีการลงทุน AI ขององค์กรถูกขัดขวาง

AI ขององค์กรได้ถึงจุดหนึ่งที่ไม่สบายใจ มันเหมือนกับวัยรุ่นที่ไม่สบายใจ ความตั้งใจมี แต่เทคโนโลยีกำลังเติบโต แต่ขนาดที่มีความหมายยังคงไม่ชัดเจน องค์กรหลายแห่งยังคงติดอยู่ในโหมดทดลอง โดยหมุนเวียนผ่านกรณีการใช้งานที่มีแนวโน้ม แต่ไม่เคยฝัง AI ลึกเข้าไปในธุรกิจ

ความเป็นจริงคือปัญหาไม่ได้ลึกซึ้งไปกว่าเครื่องมือหรือตัวเลือกแบบจำลอง มันอยู่ที่วิธีการที่ AI ได้รับการสนับสนุน การกำกับดูแล และจัดลำดับความสำคัญที่ระดับองค์กร

ทำไม AI ตามโครงการจึงต้องเผชิญกับขีดจำกัด

การลงทุนเทคโนโลยีขององค์กรได้ตามรูปแบบที่คาดการณ์ได้มาหลายปี: นิยามกรณีการใช้งาน จัดสรรเงินงบประมาณ ส่งมอบโครงการ แล้วจึงย้ายไปสู่สิ่งอื่น ๆ วิธีการนี้นำมาซึ่งความชัดเจนและควบคุม ซึ่งเป็นเหตุผลที่มันคงอยู่

AI อย่างไรก็ตามไม่เข้ากับโครงสร้างนี้ การใช้งาน AI ครั้งเดียวไม่เคยอยู่ในฟังก์ชันเดียว มันจะแพร่กระจายอย่างรวดเร็วทั่วกระบวนการ ทีม และการตัดสินใจ สิ่งที่เริ่มต้นด้วยการทดลองในวงแคบมักจะพัฒนาเป็นสิ่งที่กว้างขึ้น โดยมีข้อพึ่งพาที่ไม่เห็นได้จากต้น

การรักษา AI ไว้เป็นโครงการที่แยกจากกันทำให้เกิดความขัดแย้ง ทีมงานทำซ้ำความพยายาม ระบบข้อมูลถูกสร้างขึ้นใหม่จากศูนย์ และการกำกับดูแลไม่สอดคล้องกัน ความคืบหน้าได้รับการทำ แต่มันไม่สม่ำเสมอและยากที่จะรักษา

การลงทุนที่กรณีธุรกิจ AI ส่วนใหญ่ไม่ได้พิจารณา

กรณีธุรกิจในช่วงแรกมักมุ่งเน้นไปที่ต้นทุนแบบจำลองและผลผลิตที่คาดหวัง และไม่น่าแปลกใจ เนื่องจากสิ่งเหล่านี้เป็นองค์ประกอบที่ง่ายที่สุดในการ量化 ซึ่งเป็นเหตุผลที่พวกมันครอบงำการอภิปราย

ความเป็นจริงซับซ้อนกว่านั้น การลงทุนที่ใหญ่ที่สุดอยู่ในระดับที่ล้อมรอบแบบจำลอง และระดับเหล่านี้กำหนดว่า AI จะส่งมอบคุณค่าในทางปฏิบัติหรือไม่

โครงสร้างพื้นฐานเป็นจุดกดดันแรก การใช้งาน AI ในขนาดใหญ่ โดยเฉพาะในสภาพแวดล้อมแบบเรียลไทม์ จะทำให้เกิดความต้องการคอมพิวเตอร์ที่ยั่งยืนซึ่งเติบโตอย่างรวดเร็วเมื่อการใช้งานเพิ่มขึ้น ต้นทุนไม่คงเดิมหลังจากการทดลองสำเร็จ มันจะขยายตัวเมื่อมีการนำไปใช้

ความพร้อมของข้อมูลนำเสนอความท้าทายอีกอย่างหนึ่ง ข้อมูลขององค์กรมักไม่ได้อยู่ในสถานะที่ AI สามารถใช้งานได้อย่างน่าเชื่อถือ มันกระจัดกระจาย ไม่สอดคล้องกัน และมักจะไม่ได้รับการกำกับดูแลที่ดี การเตรียมการนี้ต้องใช้เวลา การประสานงาน และความพยายามอย่างต่อเนื่องในทีม

และแล้วมีการกำกับดูแลซึ่งเพิ่มน้ำหนัก นโยบาย ระบบตรวจสอบ และการดูแลของมนุษย์เป็นสิ่งจำเป็นสำหรับการรักษาความไว้วางใจและความสอดคล้อง ระบบเหล่านี้ต้องได้รับการออกแบบและบำรุงรักษาเป็นส่วนหนึ่งของระบบ ไม่ใช่เพิ่มเข้ามาหลังจากนั้น

การยอมรับของพนักงานมักถูกมองข้าม พนักงานต้องเข้าใจว่า AI ติดต่อกับงานของตนอย่างไร จุดจำกัดของมันคืออะไร และวิธีการใช้งานอย่างมีความรับผิดชอบ โดยไม่มีสิ่งนี้ แม้แต่ระบบที่สร้างขึ้นด้วยความดีจะดิ้นรนเพื่อให้ได้รับการยอมรับ

ตัวอย่างเชิงปฏิบัติจากแนวหน้า

พิจารณาบริษัทบริการทางการเงินที่ใช้ AI เพื่อสนับสนุนการวิเคราะห์ความเสี่ยงภายใน การทดลองครั้งแรกมุ่งเน้นไปที่การสรุปรายงานและเน้นย้ำถึงความผิดปกติในข้อมูลที่ควบคุมไว้ ผลลัพธ์ดูแข็งแกร่ง และกรณีสำหรับการขยายตัวได้รับการอนุมัติ

เมื่อระบบขยายตัว ความต้องการใหม่เกิดขึ้น มันต้องการการเข้าถึงข้อมูลสดทั่วระบบหลายระบบ แต่ละระบบมีรูปแบบและควบคุมที่แตกต่างกัน ทีมการกำกับดูแลต้องการความสามารถในการตรวจสอบได้ เพื่อให้แน่ใจว่าผลลัพธ์ทุกอย่างสามารถติดตามและอธิบายได้ นักวิเคราะห์ต้องการการฝึกอบรมเพื่อตีความผลลัพธ์อย่างถูกต้องและรวมเข้ากับการตัดสินใจ

งบประมาณเดิม ซึ่งสร้างขึ้นรอบกรณีการใช้งานที่ถูกจำกัด มักจะพิสูจน์ว่าไม่เพียงพอ การลงทุนที่เพิ่มเติมจำเป็นในการลงทุนโครงสร้างพื้นฐาน การวิศวกรรมข้อมูล และการปฏิบัติตามกฎระเบียบ โดยไม่มีรูปแบบการลงทุนที่รองรับชั้นเหล่านี้ ความคืบหน้าจะชะลอตัวลงและความมั่นใจจะลดลง

ทำไมระบบมรดกจึงขัดขวางความก้าวหน้าของ AI ในปัจจุบัน

หลายองค์กรพบว่าระบบเทคโนโลยีที่มีอยู่ไม่เหมาะสมกับ AI ระบบที่สร้างขึ้นแยกจากกัน โดยมีการบูรณาการที่จำกัดและโครงสร้างข้อมูลที่ไม่สอดคล้องกัน สร้างอุปสรรคที่ยากจะหลีกเลี่ยง

ระบบ AI พึ่งพาการเข้าถึง การเชื่อมต่อ และบริบท เมื่อเหล่านี้ไม่มี ผลลัพธ์จะน่าเชื่อถือน้อยลงและยากต่อการตรวจสอบ ความพยายามที่จำเป็นในการเชื่อมช่องว่างระหว่างระบบอาจมากกว่าคุณประโยชน์ของ AI เอง

การปรับปรุงมักถูกเลื่อนออกไปเพื่อจัดลำดับความสำคัญในระยะสั้น และ AI กำลังบังคับให้ประเมินใหม่ ระบบที่ไม่สามารถรองรับการทำงานร่วมกันหรือเปิดเผยข้อมูลในลักษณะที่ใช้งานได้กำลังกลายเป็นอุปสรรคต่อความก้าวหน้า

ห้องประชุมคณะกรรมการต้องคิดใหม่

วิธีที่ผู้นำองค์กรกำหนดการลงทุน AI มีผลกระทบต่อผลลัพธ์ที่ตามมา เมื่อ AI ถูกมองว่าเป็นซื้อขายที่แยกจากกัน การตัดสินใจมักมุ่งเน้นไปที่ผลตอบแทนระยะสั้นและความเสี่ยงที่จำกัด

แนวทางที่แตกต่างมอง AI ว่าเป็นความสามารถที่พัฒนาอย่างต่อเนื่อง การใช้งาน AI แต่ละครั้งจะช่วยให้พื้นฐานที่กว้างขึ้น ทำให้การทำงานในอนาคตเร็วขึ้นและได้ผลมากกว่า ระบบข้อมูลสามารถใช้ซ้ำได้ โครงสร้างการกำกับดูแลจะเติบโต และทีมจะสร้างประสบการณ์ที่นำไปสู่อนาคต

สิ่งนี้มีผลกระทบต่อการงบประมาณ มันต้องการการลงทุนที่ยั่งยืน ความรับผิดชอบที่ชัดเจน และความเต็มใจที่จะลงทุนในพื้นที่ที่ไม่ได้ส่งมอบผลตอบแทนในทันที แต่จำเป็นต่อความสำเร็จในระยะยาว

สร้างขึ้นเพื่อความยั่งยืน

องค์กรแรกที่ประสบความสำเร็จกับ AI มีลักษณะร่วมกัน – พวกเขารับรู้ว่าคุณค่ามาจากการสะสมมากกว่าการชนะแบบแยกจากกัน

สิ่งนี้หมายถึงการลงทุนในระบบพื้นฐานที่รองรับ AI แม้ว่าจะไม่เห็นได้ มันหมายถึงการประสานทีมรอบ ๆ แพลตฟอร์มที่ใช้ร่วมกัน มันหมายถึงการรักษาการนำไปใช้งานเป็นกระบวนการที่ต่อเนื่อง ไม่ใช่ขั้นตอนสุดท้าย

การเปลี่ยนแปลงนี้ไม่ใช่เรื่องง่าย มันท้าทายแบบจำลองงบประมาณที่มีอยู่และต้องการการประสานงานระหว่างฟังก์ชันทางเทคนิคและไม่ใช่เทคนิค มัน đòiความอดทน เนื่องจากผลประโยชน์จะสะสมเมื่อเวลาผ่านไปมากกว่าที่จะปรากฏทันที

ทางเลือกคือสิ่งที่เห็นได้แล้วในหลายองค์กร: ชุดการทดลองที่แสดงถึงศักยภาพ แต่ไม่สามารถเปลี่ยนแปลงวิธีการดำเนินธุรกิจ

AI ได้พ้นจากขั้นทดลองแล้ว องค์กรที่ปรับกลยุทธ์การลงทุนของตนตามนั้นจะอยู่ในตำแหน่งที่แข็งแกร่งกว่าในการเปลี่ยนศักยภาพนั้นเป็นผลประโยชน์ที่ยั่งยืน