ผู้นำทางความคิด

เปิดโอกาสให้ AI ส่งผลกระทบ: วิธีการใช้ Enterprise Architecture ที่มีพลวัตเพื่อความสำเร็จที่ขับเคลื่อนด้วยข้อมูล

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

การนำ AI มาใช้ในการดำเนินธุรกิจเป็นเรื่องที่มีความสำคัญมากขึ้น โดยมี 83% ของบริษัทที่เห็นว่าเทคโนโลยีนี้เป็นส่วนสำคัญของกลยุทธ์ในปีนี้ ความไม่แน่นอนของอัตราภาษีศุลกากรและงบประมาณที่จำกัดทำให้ความสามารถของ AI ในการเพิ่มประสิทธิภาพ การค้นหาข้อมูล การลดต้นทุน และช่วยให้รักษาความได้เปรียบในการแข่งขันอย่างไร้ขอบเขต

ช่องว่างการมองเห็นของ IT ที่เพิ่มขึ้น

โดยมี 60% ขององค์กรที่ให้ความสำคัญกับ AI ที่สร้างขึ้นใหม่ แต่มีเพียง 48% ที่รู้สึกพร้อมที่จะนำไปใช้ ความจำเป็นในการมีความชัดเจนในระดับสถาปัตยกรรมในเวลาจริงจึงไม่เคยเป็นเรื่องสำคัญมากขึ้นเช่นนี้มาก่อน โดยไม่มีการทำความเข้าใจในระดับนี้ องค์กรจะล้มเหลวในการพิจารณาการใช้จ่ายและการลงทุนที่ไม่จำเป็น ซึ่งนำไปสู่หนี้สินเพิ่มขึ้น ซึ่งเป็นข้อผิดพลาดที่เจ็บปวดสำหรับองค์กร แต่การทำการลงทุนเหล่านี้โดยไม่ทราบว่าเทคโนโลยีจะเข้ากันได้กับโครงสร้างองค์กรและผลประโยชน์ที่เป็นรูปธรรมที่จะให้มา จะทำให้การตัดสินใจนี้แย่ลง

Enterprise Architecture ถือกำเนิดใหม่

นี่คือที่ที่ Enterprise Architecture มีบทบาทสำคัญ โดยให้ความเชื่อมโยงระหว่างโครงการ AI และผลลัพธ์ของธุรกิจที่พวกเขาตั้งใจจะให้บริการ ช่วยให้ผู้นำสามารถย้ายจากความตั้งใจไปสู่ผลกระทบได้ แม้ว่าจะยากที่จะกำหนดคำจำกัดความเดียว แต่ EA เป็นหลักการทำงานที่แปลสินทรัพย์ IT และกระบวนการทางธุรกิจในปัจจุบันให้เป็นข้อมูลเชิงลึกที่สามารถดำเนินการได้ ซึ่งช่วยให้ธุรกิจสามารถจัดแนวเป้าหมายและเปลี่ยนไปสู่ “สถานะในอนาคต” ที่ต้องการ สิ่งสำคัญที่ต้องทราบคือ แม้ว่า EA จะไม่ใช่สิ่งใหม่ แต่ก็เป็นสิ่งสำคัญที่จะรับรองความสอดคล้องเชิงกลยุทธ์ระหว่างวัตถุประสงค์ขององค์กรและความสามารถทางเทคโนโลยีขององค์กร

สี่โดเมนของ EA

เพื่อทำความเข้าใจว่า EA คืออะไรและวิธีการที่สามารถสนับสนุนโครงการ AI ของธุรกิจ ควรพิจารณาโดเมนหลักของสถาปัตยกรรมหรือโดเมนเหล่านี้ โดเมนเหล่านี้ช่วยให้ผู้นำมีความเข้าใจในเวลาจริงเกี่ยวกับกระบวนการปัจจุบัน เทคโนโลยี และทรัพยากรข้อมูลที่ขับเคลื่อนผลลัพธ์ของธุรกิจ โดยไม่มีการทำความเข้าใจในระดับนี้ การนำ AI มาใช้โดยไม่มีการพิจารณาอาจนำไปสู่ปัญหาในการบูรณาการและหนี้สินทางเทคนิคที่ไม่สามารถจัดการได้

  • สถาปัตยกรรมธุรกิจ: ครอบคลุมกลยุทธ์ธุรกิจ การกำกับดูแล องค์กร และกระบวนการธุรกิจหลัก
  • สถาปัตยกรรมแอปพลิเคชัน: มุ่งเน้นไปที่การทำความเข้าใจแอปพลิเคชันที่ใช้ในองค์กร วิธีการออกแบบ และวิธีการโต้ตอบกับแอปพลิเคชันอื่น ผู้ใช้ และแอปพลิเคชันอื่น
  • สถาปัตยกรรมข้อมูล: พิจารณาโครงสร้างของทรัพยากรข้อมูลขององค์กร และทรัพยากรการจัดการข้อมูล มันให้ความเข้าใจว่าข้อมูลถูกเก็บเก็บไว้ ที่เก็บไว้ ถูกแปลง ถูกกระจาย และถูกบริโภค มันจัดการกับวิธีการที่ข้อมูลถูกป้องกันและควบคุมด้วย
  • สถาปัตยกรรมเทคโนโลยี: ระบุฮาร์ดแวร์ ซอฟต์แวร์ และโครงสร้างพื้นฐานเครือข่ายที่ใช้ในธุรกิจ วิธีการที่พวกมันถูกใช้งาน และวิธีการที่พวกมันให้ประโยชน์ต่อธุรกิจ

จากความนิยมไปสู่การนำไปใช้เชิงกลยุทธ์

นอกเหนือจากการนำเทคโนโลยีใหม่ๆ มาใช้ ส่วนใหญ่ของธุรกิจมีความเข้าใจน้อยมากเกี่ยวกับเครื่องมือที่กำลังใช้งานอยู่ และเพิ่มมูลค่าให้กับองค์กรในแง่ของ ROI ตัวอย่างเช่น ผู้บริหารส่วนใหญ่ไม่มีความเข้าใจที่ครอบคลุมเกี่ยวกับกลุ่มเทคโนโลยีที่ใช้ในบริษัท ในกรณีขององค์กรขนาดใหญ่ สิ่งนี้อาจรวมถึงบริษัทอื่นๆ อีกหลายร้อยแห่งที่ได้มา ซึ่งทำให้การนำ AI มาใช้ไม่เพียงแต่ซับซ้อนและต้องใช้เงินมากเท่านั้น แต่ยังเสี่ยงต่อการไม่ปฏิบัติตามกฎระเบียบอีกด้วย โดยการใช้ EA องค์กรสามารถวิเคราะห์การใช้จ่าย IT อย่างต่อเนื่อง ระบุเครื่องมือที่ซ้ำซ้อนหรือทำงานไม่ได้ดี ลดการเสี่ยง และจัดแนวการลงทุนให้สอดคล้องกับการสร้างมูลค่า

การทำลายความโดดเดี่ยวของข้อมูล

อีกเหตุผลหนึ่งที่การนำ AI มาใช้เชิงกลยุทธ์อาจล้มเหลวคือการไม่สอดคล้องกันภายในองค์กร เมื่อพิจารณาว่าการนำ AI มาใช้ไม่เพียงแต่ส่งผลกระทบต่อพื้นที่เดียวของธุรกิจ EA ยังช่วยเชื่อมช่องว่างระหว่างทีมธุรกิจและทีม IT โดยการให้ภาษาและบริบทที่ใช้ร่วมกัน และแบบจำลองที่พัฒนาอย่างต่อเนื่องเกี่ยวกับความสัมพันธ์ทางเทคโนโลยีและผลลัพธ์ ในความเป็นจริง การสำรวจล่าสุดพบว่า 36% ของบุคคลที่จัดอันดับ “การไม่สอดคล้องกันระหว่างเป้าหมายธุรกิจและเป้าหมาย IT” เป็นอุปสรรคที่ใหญ่ที่สุดในการย้ายจากกลยุทธ์ไปสู่การดำเนินการ EA ช่วยสร้างรากฐานสำหรับ AI ที่สามารถอธิบายได้ การตรวจสอบและกฎระเบียบที่จำเป็นในการขยาย AI อย่างรับผิดชอบทั่วทีม

ในความเป็นจริง องค์กรหลายแห่งกำลังนำ EA มาใช้เพื่อสร้างแนวทาง “มนุษย์อยู่ในวงจร” เพื่อลดความเสี่ยงในการตัดสินใจของ AI โดยที่ผลลัพธ์ที่สร้างโดย AI จะถูกตรวจสอบและอนุมัติโดยมนุษย์ก่อนที่จะดำเนินการ สิ่งนี้ช่วยให้มั่นใจในคุณภาพ บริบท และการปฏิบัติตามกฎระเบียบ โดยเฉพาะอย่างยิ่งเมื่อ AI ถูกนำไปใช้ในสภาพแวดล้อมองค์กรที่ซับซ้อนและมีความเสี่ยงสูง

การนำ AI มาใช้ไม่ใช่การตัดสินใจที่ควรทำอย่างเบาๆ โดยไม่สนใจการโปรโมตที่ไม่หยุดยั้งเกี่ยวกับโซลูชันที่เกิดขึ้นใหม่และผลลัพธ์ที่ทะเยอทะยานที่บริษัทสัญญาไว้ ในขณะที่เครื่องมือเหล่านี้สามารถช่วยให้ธุรกิจบรรลุเป้าหมายและยังคงอยู่ในความสามารถในการแข่งขันในตลาดที่ไม่แน่นอน การแก้ปัญหาเป็นเพียงแค่ดีเท่ากับระบบนิเวศที่นำไปสู่ โดยการใช้ EA ที่มีพลวัตและสามารถมองเห็นภูมิทัศน์ IT ที่เชื่อมโยงกันในเวลาจริง ผู้บริหารสามารถเข้าใจผลกระทบของ AI ได้อย่างครอบคลุมมากขึ้นก่อนที่จะลงทุนเงินของบริษัท ด้วยข้อมูลเชิงลึกที่ได้รับการสนับสนุนจากข้อมูลเหล่านี้ ผู้นำธุรกิจสามารถรับรองว่าการนำ AI มาใช้จะดำเนินไปอย่างมีกลยุทธ์ มีประสิทธิภาพ และสอดคล้องกับกฎระเบียบในการยอมรับยุคใหม่นี้ของนวัตกรรม

ไบรอัน เซมัน เป็นผู้ประกอบการมืออาชีพที่มีประสบการณ์ในด้านโครงสร้างพื้นฐาน ความปลอดภัย วิเคราะห์/ปัญญาประดิษฐ์ และแนวตั้งอื่นๆ เขามีความเชี่ยวชาญที่ลึกซึ้งในการขยายทั้งการเริ่มต้นและองค์กรระดับโลกในหลายรูปแบบการดำเนินงานตั้งแต่เทคโนโลยีบนพื้นฐานถึงซอฟต์แวร์แบบบริการ เขาเคยดำรงตำแหน่งผู้บริหารระดับสูงหลายตำแหน่ง รวมถึง Chief Revenue Officer และ President ของ LeanIX, Inc. (ซึ่งถูกซื้อโดย SAP) Chief Operating Officer ของ NS1 (ซึ่งถูกซื้อโดย IBM) Chief Operating Officer ของ Prevalent Chief Revenue Officer ของ SevOne (ซึ่งถูกซื้อโดย Turbonomic) และผู้นำธุรกิจ Global Services และ Product Operations ของ RSA ซึ่งเป็นแผนกความปลอดภัยของ Dell EMC