การกำกับดูแล AI อย่างสอดคล้องกันกลายเป็นความได้เปรียบเชิงการแข่งขัน

ผู้นำด้านเทคโนโลยีส่วนใหญ่ไม่ต้องการการชักชวนอีกต่อไปว่า AI สามารถสร้างมูลค่าได้แล้ว ความท้าทายของพวกเขาคือการเปลี่ยนการทดลองที่ประสบความสำเร็จหลายสิบครั้งให้กลายเป็นความสามารถระดับองค์กร

การเปลี่ยนแปลงนั้นมักยากกว่าที่คาดไว้ การนำ AI ไปใช้ได้ล้ำหน้ากลยุทธ์ AI เนื่องจากทีมต่าง ๆ ปล่อย copilots อย่างรวดเร็ว ทดสอบโมเดลใหม่ ๆ และฝัง AI ลงในกระบวนการทำงานของตน ผลลัพธ์คือการผสมผสานของเครื่องมือ นโยบาย และกระบวนการที่ทำให้เกิดความซับซ้อนในการดำเนินงานแทนที่จะเป็นข้อได้เปรียบระดับองค์กร

การควบคุมที่เข้มงวดเป็นส่วนหนึ่งของคำตอบ แต่หลายองค์กรกังวลว่าจะทำให้การทดลองช้าลงหรือทำให้ทีมไม่อยากลองแนวคิดใหม่ เมื่อทำอย่างดีแล้วไม่จำเป็นต้องเป็นเช่นนั้น

ในความเป็นจริง เมื่อโมเดลพื้นฐานกลายเป็นสิ่งที่สามารถทดแทนกันได้มากขึ้น การกำกับดูแลที่ออกแบบอย่างดีจะกลายเป็นแหล่งความได้เปรียบเชิงการแข่งขันที่ทนทานที่สุดขององค์กร มันให้ทีมมีกรอบการทำงานร่วมกันเพื่อทดสอบโมเดล AI, แพลตฟอร์มและเครื่องมือใหม่อย่างปลอดภัย ใช้ซ้ำสิ่งที่ทำงานได้และขยายโครงการที่ประสบความสำเร็จทั่วทั้งองค์กรด้วยความเร็วและความปลอดภัย

ทำไมการกระจายตัวจึงมีค่าใช้จ่ายเพิ่มขึ้นเมื่อ AI เติบโต

ในช่วงการทดลอง ส่วนใหญ่ขององค์กรไม่สังเกตว่าตนกำลังสะสมภาระการดำเนินงานอยู่ โครงการแต่ละโครงการประสบความสำเร็จ ทีมทำงานอย่างรวดเร็ว และมูลค่าทางธุรกิจปรากฏขึ้นทันที

อย่างไรก็ตาม ใต้พื้นผิว มีความไม่มีประสิทธิภาพสะสมกันอยู่:

• ทีมต่าง ๆ ใช้โมเดลที่แตกต่างกัน สร้างกระบวนการกำกับดูแลแยกจากกัน และประเมินความสำเร็จด้วยเมตริกที่ต่างกัน
• หลายทีมแก้ปัญหาทางเทคนิคเดียวกันโดยอิสระ แทนที่จะสร้างบนความสามารถร่วมกัน ทำให้ทรัพยากรสูญเปล่า
• แต่ละระบบมีสำเนาข้อมูลที่แตกต่างกันและรันโมเดลของตนเอง
• ข้อมูลที่สำคัญกระจายอยู่ในหลายสภาพแวดล้อมพร้อมการควบคุมและบันทึกการตรวจสอบที่ไม่สอดคล้องกัน

ช่องว่างเหล่านี้ยิ่งเร่งด่วนขึ้นเมื่อคณะกรรมการ, หน่วยกำกับดูแล, และลูกค้าต้องการคำอธิบายที่ชัดเจนว่าการตัดสินใจของ AI ทำอย่างไร, หลักฐานของการกำกับดูแลที่เหมาะสม และผลลัพธ์ทางธุรกิจที่วัดได้

ลองพิจารณาบริษัทประกันภัยสมมุติ หน่วยบริการลูกค้าสร้างผู้ช่วย AI โดยใช้ผู้ให้บริการหนึ่ง ส่วนการเคลมใช้แพลตฟอร์มอื่นเพื่อสรุปเอกสารกรมธรรม์ ในขณะเดียวกัน แผนกอื่นเริ่มใช้เครื่องมือ AI สาธารณะโดยไม่มีการกำกับดูแลจากศูนย์กลาง เนื่องจากต้องการผลลัพธ์อย่างรวดเร็ว

แต่ละโครงการอาจสร้างมูลค่าได้ด้วยตนเอง จึงไม่มีแรงกดดันให้ประสานงาน อย่างไรก็ตาม เมื่อบริษัทประกันพยายามขยายการทดลองที่ประสบความสำเร็จเหล่านี้ รอยแตกก็ปรากฏอย่างรวดเร็ว:

• ลูกค้าได้รับคำตอบที่แตกต่างกันสำหรับคำถามกรมธรรม์เดียวกัน ขึ้นอยู่กับระบบที่พวกเขาติดต่อ
• ผู้บริหารตระหนักว่าพวกเขาเสียการมองเห็นว่าเครื่องมือใดกำลังเข้าถึงข้อมูลสำคัญ ทำให้การปฏิบัติตามกฎระเบียบถูกขัดขวาง
• ฝ่ายการเงินเห็นค่าใช้จ่าย AI เพิ่มขึ้น แต่ไม่สามารถกำหนดได้อย่างสม่ำเสมอว่าการลงทุนใดสร้างมูลค่า หรือทำการตัดสินใจเชิงกลยุทธ์เกี่ยวกับสิ่งที่ควรขยาย

นี่คือวิธีที่การนำ AI ที่กระจายตัวมักล้มเหลว ไม่ใช่จากเหตุการณ์ที่รุนแรงครั้งเดียว แต่จากการสึกหรออย่างค่อยเป็นค่อยไปของความสอดคล้อง, ความเชื่อมั่น, และการใช้ซ้ำ การดำเนินการที่ไม่ต่อเนื่องแต่ละรายการทำให้โครงการต่อไปมีค่าใช้จ่ายสูงขึ้น, ซับซ้อนขึ้น, และยากต่อการขยาย

สร้างพื้นฐานที่สามารถพัฒนาไปพร้อมกับ AI

คำตอบไม่ได้อยู่ที่การบังคับให้ทุกทีมใช้โมเดล AI เดียวกัน โมเดลจะพัฒนาอย่างต่อเนื่องและองค์กรจะนำโมเดลใหม่ ๆ มาใช้ตามความต้องการและการเปลี่ยนแปลงของตลาด

แนวทางที่ทนทานกว่าคือการสร้างพื้นฐานร่วมใต้เครื่องมือต่าง ๆ เพื่อให้ทีมสามารถสร้างสรรค์ได้โดยไม่ต้องสร้างซิลโลใหม่ ๆ องค์กรที่กำลังขยาย AI ไปทั่วระดับองค์กรควรมุ่งเน้นที่สี่หลักการ

1. เริ่มจากผลลัพธ์ทางธุรกิจ ไม่ใช่เทคโนโลยี

โครงการ AI มากเกินไปเริ่มด้วยโมเดลแล้วตามหาปัญหาที่จะแก้ วิธีที่ดีกว่าคือเริ่มจากวัตถุประสงค์ทางธุรกิจ:

• กระบวนการทำงานใดต้องการการปรับปรุง?
• ผลลัพธ์ใดที่สำคัญ?
• ความสำเร็จจะถูกวัดอย่างไร?

3. แทนที่การกำกับดูแลแบบตายตัวด้วยแนวทางควบคุมตามความเสี่ยง

ไม่ใช่ทุกกรณีการใช้ AI ที่ควรได้รับการกำกับดูแลในระดับเดียวกัน

ผู้ช่วยเพิ่มประสิทธิภาพภายในไม่ควรผ่านกระบวนการอนุมัติเดียวกับระบบที่ติดต่อกับลูกค้าและมีผลต่อการกำหนดสิทธิ์, การตั้งราคา, หรือการตัดสินใจเคลม การใช้การควบคุมเดียวกันกับทุกกรณีทำให้เกิดความขัดแย้งที่ไม่จำเป็นและกระตุ้นให้พนักงานหาทางหลีกเลี่ยงกระบวนการที่ได้รับการอนุมัติ

การกำกับดูแลทำงานได้ดีที่สุดเมื่อสอดคล้องกับระดับความเสี่ยงและทำให้เส้นทางที่ได้รับการอนุมัติเป็นเส้นทางที่ง่ายที่สุด สภาพแวดล้อมที่กำกับดูแล, เครื่องมือที่ได้รับการอนุมัติ, และนโยบายที่ชัดเจนให้พนักงานมีพื้นที่ทดลองโดยไม่กระทบต่อความปลอดภัยหรือการปฏิบัติตามกฎระเบียบ

4. ออกแบบโครงการ AI ทุกโครงการให้สามารถนำกลับมาใช้ใหม่ได้

ทุกโครงการ AI ควรทำให้โครงการต่อไปง่ายขึ้น แทนที่จะทิ้งแอปพลิเคชันแยกเดี่ยวไว้ โครงการควรสร้างสินทรัพย์ที่นำกลับมาใช้ใหม่ได้ (เช่น ตัวเชื่อมต่อข้อมูลร่วม, การควบคุมการกำกับดูแล, รูปแบบการปรับใช้, และกรอบการประเมิน) เพื่อ ลดงานที่ต้องทำสำหรับการปรับใช้ AI ในอนาคต

มาดูตัวอย่างของบริษัทประกันภัยกันอีกครั้ง ด้วยสถาปัตยกรรมอ้างอิงร่วมกัน ฝ่ายบริการลูกค้า, ฝ่ายเคลม, และแผนกอื่น ๆ จะไม่ต้องแก้ปัญหาทางเทคนิคและการกำกับดูแลเดียวกันอย่างอิสระ การดำเนินการแต่ละรายการสามารถส่งมอบส่วนประกอบที่นำกลับมาใช้ใหม่ให้กับโครงการต่อไปได้

ในที่สุด คุณควรมองการกำกับดูแลเป็นผลิตภัณฑ์ ไม่ใช่นโยบาย ผลิตภัณฑ์จะพัฒนาเมื่อเทคโนโลยีเปลี่ยนแปลงและผู้ใช้ให้ข้อเสนอแนะ การกำกับดูแลทำงานในลักษณะเดียวกัน

เมื่อการกำกับดูแลช่วยให้พนักงานทำงานได้เร็วขึ้นแทนที่จะเพิ่มความขัดแย้งที่ไม่จำเป็น สิ่งจูงใจให้หลบเลี่ยงเครื่องมือที่ได้รับการอนุมัติจะหายไปอย่างมาก การกำกับดูแลจึงไม่ใช่อุปสรรคอีกต่อไปและกลายเป็นกลไกที่ทำให้การนวัตกรรมสามารถขยายได้

สร้างพื้นฐานที่ยืนหยัดเหนือโมเดล AI ปัจจุบัน

AI ระดับองค์กรจะยังคงเคลื่อนที่อย่างรวดเร็ว โมเดลใหม่, ผู้จำหน่าย, และเอเจนต์อัตโนมัติจะปรากฏขึ้นเร็วกว่าองค์กรส่วนใหญ่จะอัปเดตกลยุทธ์เทคโนโลยีของตน การรอให้ตลาดนิ่งเป็นกลยุทธ์ที่ไม่ใช่

ดังนั้น การตัดสินใจในวันนี้จึงไม่ใช่เรื่องการเลือกโมเดล AI “ที่ถูกต้อง” แต่เป็นการสร้างพื้นฐานที่ทำให้คุณสามารถนำสิ่งที่ตามมามาใช้ได้ ข้อมูลที่เชื่อถือได้, การกำกับดูแลที่สอดคล้อง, สถาปัตยกรรมที่นำกลับมาใช้ใหม่, และมาตรฐานการดำเนินงานที่ชัดเจน ให้ความยืดหยุ่นเมื่อเทคโนโลยีพัฒนา

เมื่อโมเดลพื้นฐานพัฒนา ความได้เปรียบเชิงการแข่งขันของคุณจะมาจากโมเดลการดำเนินงานที่ช่วยให้คุณนำความสามารถใหม่ ๆ มาใช้ได้อย่างรวดเร็ว, ปลอดภัย, และสม่ำเสมอ การลงทุนในพื้นฐานนั้นในตอนนี้ จะทำให้คุณอยู่ในตำแหน่งที่ดีกว่าในการเปลี่ยนความก้าวหน้า AI ของวันพรุ่งนี้ให้เป็นมูลค่าทางธุรกิจที่วัดได้