อนุมัติจากคณะกรรมการบริหารให้กองทุน AI แต่โครงสร้างพื้นฐานที่ทำให้มันเกิดขึ้นจริง

โครงการ AI ขององค์กรส่วนใหญ่ล้มเหลวไม่ใช่เพราะแบบจำลองไม่สมบูรณ์แบบ AI ติดค้างเพราะโครงสร้างพื้นฐานที่อยู่ภายใต้นั้นไม่พร้อม

ตัวเลขมักถูกนำเสนอในลักษณะที่ไม่ดี มันถูกเข้าใจได้ดีกว่าในฐานะแผนที่ สำหรับ Forrester คาดการณ์ว่า 73% ของการนำ AI ไปใช้จะล้มเหลว ในการบรรลุผลตอบแทนจากการลงทุนที่คาดหวัง ในขณะที่ Gartner ได้เตือนซ้ำๆ ว่า หลายโครงการ AI ที่สร้างขึ้นจะดิ้นรน ที่จะพัฒนาไปไกลกว่าขั้นการทดลอง เนื่องจากองค์กรต่างๆ พบว่ามีความท้าทายด้านการดำเนินงานและความสามารถในการปรับขนาด

ในขณะเดียวกัน คณะกรรมการบริหารได้อนุมัติการลงทุน AI ที่ใหญ่ขึ้น Competitors กำลังประกาศการนำไปใช้ใหม่ๆ เกือบทุกสัปดาห์ และทีมผู้นำมองว่าการนำ AI ไปใช้เป็นตัวบ่งชี้ที่มองเห็นได้ของนวัตกรรมและความเกี่ยวข้องของตลาด ในหลายบริษัท ความกดดันที่จะแสดงความก้าวหน้าได้กลายเป็นเรื่องที่ยากที่จะแยกออกจากความกดดันที่จะแสดงความพร้อม

อนาคตของโครงสร้างพื้นฐานที่พร้อมสำหรับ AI

บริษัทต่างๆ ทั่วอุตสาหกรรมต้องเผชิญกับสภาพแวดล้อมข้อมูลที่กระจัดกระจาย การกำกับดูแลที่ไม่สอดคล้องกัน การผสานรวมที่เก่า การรักษาความปลอดภัยที่ออกแบบมาสำหรับโลกก่อน AI None ของสิ่งเหล่านี้เป็นปัญหาแบบจำลอง แต่ละปัญหาเป็นปัญหาการสร้าง ซึ่งสามารถแก้ไขได้ นี่คือการอ่านเชิงบวก และยังเป็นการอ่านเชิงความถูกต้อง

เมื่อฉันพูดถึงโครงสร้างพื้นฐาน ฉันหมายถึงทั้งหมดของสแต็ก ไม่ใช่แค่ชั้นข้อมูลเท่านั้น AI ส่งผลกระทบต่อส่วนต่างๆ ของสภาพแวดล้อมที่ทำงานได้ดีมาหลายปี Data center ที่ออกแบบมาเพื่อการคำนวณขององค์กรที่คงที่ตอนนี้ต้องดูดซับ GPU clusters ที่หนาแน่นและกินพลังงานมาก หลายๆ ที่ไม่มีพลังงาน การทำความเย็น หรือพื้นที่เพียงพอในการทำเช่นนั้นโดยไม่ต้องมีการออกแบบใหม่ Network ที่ปรับให้เหมาะสมสำหรับการรับส่งข้อมูลปกติจะล้มเหลวเมื่อแบบจำลองเริ่มย้ายข้อมูลหลายเทระไบต์ระหว่างการเก็บข้อมูลและการคำนวณ ข้อมูลอยู่ในระบบที่ไม่ได้ออกแบบมาเพื่อเลี้ยงอะไรแบบเรียลไทม์

แต่ละสิ่งเหล่านี้เป็นการตัดสินใจทางวิศวกรรมที่ตั้งใจ: ที่ไหนที่จะทำงาน ไม่ว่าจะสร้าง คอลเลกชัน หรือเช่าความสามารถ จะย้ายข้อมูลไปที่ไหน และใครจะรักษามันให้ทำงานเมื่อเปิดใช้งานได้ ตัดสินใจเหล่านั้นให้ถูกต้องในตอนต้นและ AI จะขยายขนาดได้ เลื่อนออกไปและพวกเขาจะกลายเป็นเพดานที่การปรับใช้จะถูกตี

ความซื่อสัตย์เกี่ยวกับความพร้อมของ AI กำลังยากขึ้นเมื่อคาดหวังของผู้บริหารสูงขึ้น ผู้นำด้านเทคโนโลยีกำลังชั่งน้ำหนักความกดดันทางธุรกิจที่แท้จริงกับโครงสร้างพื้นฐานที่ความพร้อมและความสอดคล้องไม่สามารถแก้ไขได้ ทีมผู้นำสามารถสนับสนุนการริเริ่ม AI อย่างเต็มที่ แต่การสนับสนุนไม่ได้สร้างการกำกับดูแลที่มีประสิทธิภาพ การขนส่งข้อมูลที่เชื่อถือได้ หรือการเป็นเจ้าของการดำเนินการที่ระบบต้องการเพื่อทำงานในระดับใหญ่ สิ่งเหล่านั้นถูกสร้างขึ้น หรือไม่มีอยู่

การทดลองผ่านไปใน环境ที่ควบคุมได้ จากนั้นแตกหักเมื่อขยายขนาด

ต้นทุนของการข้ามขั้นตอนนั้นจะปรากฏขึ้นทันทีหลังชัยชนะในตอนต้น การทดลองที่ประสบความสำเร็จสร้างความประทับใจว่าองค์กรในวงกว้างพร้อมแล้วเมื่อสภาพแวดล้อมยังคงไม่มั่นคง ตัวอย่างเช่น การกำกับดูแลแตกต่างกันไปตามแผนก ระบบสำคัญยังคงต้องการการแทรกแซงด้วยมือเพื่อแลกเปลี่ยนข้อมูล รูปแบบความปลอดภัยยังไม่คำนึงถึงว่า AI สัมผัสกับข้อมูลที่ละเอียดอ่อนอย่างไรทั่วทั้งกระบวนการ

เมื่องานเคลื่อนผ่านการทดลองที่ควบคุมได้ โครงสร้างพื้นฐานโดยรอบไม่สามารถรองรับการขยายตัวได้อย่างมีประสิทธิภาพหรือปลอดภัย งบประมาณถูกบีบอัด ระยะเวลาสลับซับซ้อน และความกังขาเกี่ยวกับการลงทุน AI ครั้งถัดไปก่อตัวขึ้น แม้ว่าเทคโนโลยีไม่ใช่ปัญหา แต่สภาพแวดล้อมที่เข้ามาเป็นปัญหา

ความกดดันที่จะเคลื่อนไหวอย่างรวดเร็วกำลังกำหนดกลยุทธ์ AI ทั่วอุตสาหกรรมเกือบทั้งหมด เกือบ 80% ขององค์กร รายงานการใช้ AI ในฟังก์ชันทางธุรกิจอย่างน้อยหนึ่งรายการ และหลายทีมผู้บริหารกลัวว่าการเลื่อนการปรับใช้จะทำให้พวกเขาอยู่ข้างหลังผู้แข่งขันที่กำลังจัดตำแหน่งตัวเองเป็นองค์กรที่ขับเคลื่อนด้วย AI

เรื่องราวสาธารณะรอบๆ การนำ AI ไปใช้มักจะให้รางวัลแก่การเปิดตัวที่มองเห็นได้และการส่งข้อความการเปลี่ยนแปลงอย่างก้าวร้าว ในทางกลับกัน องค์กรต่างๆ ยังคงทำงานผ่านปัญหาการกระจายโครงสร้างพื้นฐานที่สะสมมาหลายปี ซึ่งทำให้การปรับใช้ AI ที่ยั่งยืนซับซ้อนกว่าที่ทีมผู้นำคาดหวังในตอนแรก

สี่คำถามที่สามารถเปิดเผยความพร้อมของ AI

ก่อนที่การปรับใช้ AI ใดๆ จะขยายขนาด ทีมผู้นำควรจะสามารถตอบคำถามเหล่านี้ได้ด้วยความมั่นใจ ไม่ใช่ความหวัง

1. เราสามารถเชื่อถือข้อมูลของเราได้หรือไม่? นโยบายกำกับดูแลข้อมูลที่มีการบันทึกใช้ได้อย่างสม่ำเสมอในทุกหน่วยธุรกิจที่ระบบ AI นี้จะสัมผัสหรือไม่ หรือเรากำลังสมมติข้อมูลคุณภาพที่เราไม่ได้ตรวจสอบ
2. ใครเป็นเจ้าของหลังการเปิดตัว? มีโครงสร้างการดำเนินการที่กำหนดไว้ ไม่ใช่แค่ทีมโครงการเท่านั้น ที่รับผิดชอบในการติดตาม ดูแล และกำกับดูแลระบบนี้เมื่อขยายขนาด
3. การรักษาความปลอดภัยและความสอดคล้องได้รับการออกแบบหรือไม่? ทีมรักษาความปลอดภัยและความสอดคล้องเป็นส่วนหนึ่งของการอภิปรายโครงสร้างพื้นฐานตั้งแต่ต้นหรือไม่ หรือพวกเขากำลังตรวจสอบการปรับใช้ที่วางแผนโดยไม่มีพวกเขา
4. การผสานรวมของเราสามารถรองรับภาระได้หรือไม่? ระบบที่ AI นี้พึ่งพาแลกเปลี่ยนข้อมูลได้อย่างน่าเชื่อถือในระดับใหญ่หรือไม่ หรือเรากำลังสร้างบนการผสานรวมที่ต้องการการแทรกแซงด้วยมือเพื่อทำงาน

คำถามเหล่านี้ไม่ได้ออกแบบมาเพื่อชะลอการปรับใช้ แต่เพื่อเปิดเผยช่องว่างที่ขนาดจะทำให้ปรากฏอยู่ด้วยตัวมันเอง โดยทั่วไปก่อนที่ขนาดจะมาถึง องค์กรที่สามารถตอบคำถามทั้งสี่ได้อย่างชัดเจนไม่เพียงแต่พร้อมสำหรับ AI เท่านั้น แต่ยังมีความเป็นมืออาชีพในการดำเนินการที่จะปกป้องการลงทุนที่พวกเขากำลังทำ

การทดลองคือจุดเริ่มต้น

การทดลองที่ประสบความสำเร็จไม่ใช่หลักฐานของความพร้อมขององค์กร มันเป็นหลักฐานที่สภาพแวดล้อมที่ควบคุมได้สร้างผลลัพธ์ที่ควบคุมได้

สิ่งที่การทดลองไม่ค่อยเปิดเผยคือว่าองค์กรในวงกว้างสามารถกำกับดูแล รักษาความปลอดภัย และรักษาระบบได้หรือไม่ เมื่อออกจากสภาพแวดล้อมที่ควบคุมและเข้าสู่ความซับซ้อนที่แท้จริงของการดำเนินงาน สิ่งนี้คือช่องว่างที่โครงการ AI ส่วนใหญ่สูญเสียแรงผลักดัน ไม่ใช่เพราะเทคโนโลยีทำงานไม่ได้ แต่เพราะโครงสร้างพื้นฐานที่อยู่รอบๆ ไม่ได้สร้างมาเพื่อรองรับสิ่งที่จะตามมา

คณะกรรมการบริหารมีสิทธิ์ที่จะรักษา AI เป็นคู่มือการแข่งขันระยะยาว ความเสี่ยงคือเมื่อความเร่งด่วนในการปรับใช้เริ่มแทนที่การเรียงลำดับการดำเนินงาน การเปิดตัวอย่างรวดเร็วและการขยายขนาดบนพื้นฐานที่ไม่แข็งแกร่งไม่ได้เร่งความได้เปรียบในการแข่งขัน มันเลื่อนต้นทุนของการไม่พร้อมออกไปจนถึงจุดที่ยากที่จะควบคุม

ความพร้อมคือรากฐาน

สิ่งนี้คือส่วนที่ควรสร้างความกระตือรือร้นให้กับทุกผู้นำด้านเทคโนโลยี: ความพร้อมไม่ใช่การเล่นอย่างระมัดระวัง มันเป็นการเล่นอย่างก้าวร้าว CIO ที่สร้างรากฐานการดำเนินการที่มีประสิทธิภาพตอนนี้คือคนที่สามารถเคลื่อนไหวอย่างรวดเร็วในการจัดส่งความสามารถ AI ใหม่ๆ ภายในไม่กี่สัปดาห์ ขยายขนาดไปทั่วทั้งธุรกิจแทนการยึดไว้ในแผนกเดียว และสะสมความได้เปรียบในขณะที่คู่แข่งยังคงแก้ไขการเปิดตัวที่ล้มเหลวครั้งแรก

นี่คือการเปลี่ยนแปลงที่แท้จริง และไม่ได้เป็นของใครที่เปิดตัวก่อน มันเป็นของผู้นำที่เปลี่ยนโครงสร้างพื้นฐานจากข้อจำกัดเป็นเครื่องยนต์: ข้อมูลที่สะอาดและมีการกำกับดูแลที่ธุรกิจทั้งหมดสามารถสร้างได้ การผสานรวมที่ยังคงทำงานได้ภายใต้ภาระ การรักษาความปลอดภัยที่ออกแบบไว้ตั้งแต่ต้น ไม่ใช่การบังคับเข้ามาหลังจากนั้น เมื่อทำสิ่งนั้นถูกต้อง AI จะหยุดเป็นชุดการทดลองที่ไม่สอดคล้องกัน มันจะกลายเป็นความสามารถที่องค์กรสามารถมุ่งเป้าไปที่ปัญหาเกือบใดๆ และเชื่อถือคำตอบ

นี่คือที่ที่มูลค่าเพิ่มขึ้น รากฐานที่ทำให้บริษัทสามารถปรับใช้ AI ได้เร็วขึ้น ปลอดภัยยิ่งขึ้น และใหญ่ขึ้นกว่าใครที่เคลื่อนไหวด้วยความเร่งด่วนเพียงอย่างเดียว Board approval funds the ambition. Infrastructure makes it real. The CIOs who understand that will add massive value to their companies across industries. AI strategy and infrastructure readiness are not separate from workstreams. For organizations that want to compete on AI over the long term, readiness must be the foundation.