จากการทดลองไปสู่การผลิต: ข้อมูลเชิงลึกเกี่ยวกับการขยายโปรแกรม GenAI สำหรับการใช้งานในระยะยาว

หลายปีที่ผ่านมา เมื่อเรามองย้อนกลับไปที่การแพร่กระจายของปัญญาประดิษฐ์สร้างสรรค์ (GenAI) ปี 2024 จะถูกมองว่าเป็นช่วงเวลาสำคัญ – ช่วงเวลาของการทดลองอย่างกว้างขวาง ความหวัง และการเติบโต เมื่อผู้นำธุรกิจที่เคยลังเลที่จะเข้าไปในน้ำที่ไม่ได้ทดสอบของนวัตกรรม ได้กระโดดเข้าไปด้วยความมั่นใจ ใน การสำรวจทั่วโลกเกี่ยวกับ AI ของ McKinsey ที่ดำเนินการในช่วงกลางปี 2024 75% คาดการณ์ว่า GenAI จะนำไปสู่การเปลี่ยนแปลงที่สำคัญหรือการเปลี่ยนแปลงในอุตสาหกรรมของตนในอนาคต

แม้ว่าจะมีการเรียนรู้มากมายเกี่ยวกับข้อดีและข้อจำกัดของ GenAI แต่ก็จำเป็นต้องจำไว้ว่าเรายังคงอยู่ในช่วงการเปลี่ยนแปลง Pilot programs สามารถเริ่มต้นได้อย่างรวดเร็วและค่อนข้างถูก แต่เกิดอะไรขึ้นเมื่อโปรแกรมเหล่านั้นเข้าสู่การผลิตภายใต้การดูแลของสำนักงาน CIO? ฟังก์ชันการใช้งานเฉพาะจะทำงานอย่างไรในสถานการณ์ที่ไม่ได้รับการควบคุม และทีมงานสามารถหลีกเลี่ยงการเสียโมเมนตัมก่อนที่โปรแกรมจะแสดงผลลัพธ์หรือไม่?

ความท้าทายทั่วไปในการย้ายจากการทดลองไปสู่การผลิต

ด้วยศักยภาพที่ยิ่งใหญ่ของ GenAI ในการปรับปรุงประสิทธิภาพ ลดต้นทุน และเพิ่มประสิทธิภาพในการตัดสินใจ ผู้นำธุรกิจได้รับมอบหมายจาก C-Suite ให้สร้างโปรแกรมทดลอง GenAI ของตนเอง ทีมการตลาดใช้ GenAI เพื่อสร้างประสบการณ์ลูกค้าที่เป็นส่วนตัวและอัตโนมัติงานที่ซ้ำซาก ในการบริการลูกค้า GenAI ช่วยให้โชว์หุ่นยนต์ฉลาดที่สามารถแก้ไขปัญหาได้แบบเรียลไทม์ และทีม R&D สามารถวิเคราะห์ข้อมูลจำนวนมากเพื่อค้นหาความคิดใหม่ๆ

อย่างไรก็ตาม ยังมีความไม่สอดคล้องกันระหว่างศักยภาพและความสำเร็จจริง

3 สิ่งที่ต้องพิจารณาก่อนการขยาย

ไม่มีข้อผิดพลาด ผู้นำธุรกิจได้สร้างกรณีการใช้งาน GenAI ที่น่าประทับใจ แต่การขยายเพื่อผลกระทบระยะยาวนั้นแตกต่างออกไป มี 3 สิ่งที่ต้องพิจารณาก่อนเริ่มการเดินทางนี้:

1. รวมทีม IT และความปลอดภัยของข้อมูลตั้งแต่เนิ่นๆ (และบ่อยๆ)

เป็นเรื่องปกติที่ผู้นำธุรกิจจะมีการมองเห็นที่แคบลงในงานประจำวันและประเมินค่าต่ำเกินไปว่าต้องทำอะไรบ้างจึงจะขยายโปรแกรมทดลองไปสู่องค์กรทั้งหมด แต่เมื่อโปรแกรมทดลองเข้าสู่การผลิต ผู้นำธุรกิจต้องการการสนับสนุนจากทีม IT และความปลอดภัยของข้อมูลเพื่อคิดถึงสิ่งที่อาจไปไม่ถูกต้อง

ดังนั้น จึงเป็นความคิดที่ดีที่จะให้ทีม IT และความปลอดภัยของข้อมูลเข้ามามีส่วนร่วมตั้งแต่เนิ่นๆ เพื่อช่วยทดสอบและพิจารณาปัญหา ทั้งนี้ยังช่วยให้เกิดการทำงานร่วมกันระหว่างทีมต่างๆ ซึ่งเป็นสิ่งสำคัญในการนำมุมมองภายนอกและท้าทายความลำเอียงที่อาจเกิดขึ้นภายในฟังก์ชัน

2. ใช้ข้อมูลจริงเมื่อใดก็ตามที่เป็นไปได้

ตามที่กล่าวไว้ก่อนหน้านี้ ปัญหาเกี่ยวกับข้อมูลเป็นหนึ่งในอุปสรรคที่ใหญ่ที่สุดในการขยาย GenAI โปรแกรมทดลองมักใช้ข้อมูลสังเคราะห์ที่อาจนำไปสู่ความคาดหวังที่ไม่ตรงกันระหว่างผู้นำธุรกิจ ทีม IT และ CIO ในที่สุด ข้อมูลสังเคราะห์ คือข้อมูลที่สร้างขึ้นโดยใช้ข้อมูลจริง แต่ไม่มีข้อมูลส่วนบุคคลที่ละเอียดอ่อน

ผู้นำฟังก์ชันอาจไม่มีการเข้าถึงข้อมูลจริงเสมอไป ดังนั้นคำแนะนำที่ดีในการแก้ไขปัญหาคือ:

3. ตั้งค่าคาดหวังที่เป็นจริง

เมื่อ GenAI ได้รับความนิยมสูงหลังจากการเปิดตัว ChatGPT ในปลายปี 2022 ความคาดหวังต่อเทคโนโลยีนี้สูงมาก และทีมงานยังคงถูกกดดันให้แสดงผลลัพธ์ที่ดีเพื่อให้ได้รับการสนับสนุนต่อไป

ความเป็นจริงคือ GenAI จะเปลี่ยนแปลงโลก แต่บริษัทต่างๆ ต้องให้เวลาและสนับสนุนเทคโนโลยีนี้เพื่อให้เริ่มเปลี่ยนแปลง สิ่งสำคัญคือต้องสร้างวัฒนธรรมนวัตกรรมที่ให้ความสำคัญกับผลกระทบระยะยาวมากกว่าผลลัพธ์ในระยะสั้น

เราทุกคนอยู่ในเรื่องนี้ด้วยกัน

แม้ว่าเราจะอ่านเกี่ยวกับ GenAI มากในช่วงไม่กี่ปีที่ผ่านมา แต่นี่ยังคงเป็นเทคโนโลยีที่ยังใหม่ และบริษัทควรระมัดระวังผู้ขายที่อ้างว่าได้พบคำตอบทั้งหมดแล้ว ความหยิ่งยโสเช่นนี้บดบังการตัดสินใจ และนำไปสู่การสร้างแนวคิดที่ไม่สมบูรณ์ และปัญหาโครงสร้างพื้นฐานที่สามารถล้มละลายธุรกิจได้ แทนที่จะทำเช่นนั้น เมื่อเราเข้าสู่อีกปีหนึ่งของความตื่นเต้นเกี่ยวกับ GenAI เราควรใช้เวลาในการมีส่วนร่วมในการอภิปรายที่มีความหมายเกี่ยวกับวิธีการขยายเทคโนโลยีที่ทรงพลังนี้อย่างรับผิดชอบ โดยการให้ทีม IT เข้ามามีส่วนร่วมตั้งแต่เนิ่นๆ ใช้ข้อมูลจริง และตั้งค่าคาดหวังที่เป็นจริง บริษัทต่างๆ สามารถช่วยให้แน่ใจว่ากลยุทธ์ GenAI ของตนไม่เพียงแต่ขยายได้ แต่ยังยั่งยืนได้ด้วย