Активація даних для закриття розриву між інвестиціями в AI та їх віддачею: 4 кроки для реалізації бізнес-цінності через агентську AI

Коли ми вступаємо в четвертий поспіль “рік AI”, багато лідерів організацій розглядають два суперечливі питання. По-перше, чи є генераційна AI найбільш трансформаційною технологією 21 століття? А по-друге, чи надмірно розрекламована AI? Я би парадоксально відповів “так” на обидва питання. Але я вважаю, що ці лідери повинні ставити собі інше питання: як моя організація може отримати бізнес-цінність від AI прямо зараз?

Дійсність така, що багато компаній протягом останніх трьох років інвестували в нові технології AI та експериментували з новими інструментами AI, але вони ще не отримали передбачені вигоди. Незважаючи на тиск з боку CEO щодо “вдосконалення всього за допомогою AI”, організації не бачать повернення інвестицій, яких вони бажають. Це не повинно бути несподіванкою. Історія вчить нас, що найбільш глибокі технічні інновації потребують часу, перш ніж вони окупляться. Є затримка між технічним винаходом та бізнес-інновацією.

Томас Едісон продемонстрував силу електрики в Манхеттені в 1882 році, але лише коли Форд представив електрично-зарядну збірку в 1913 році, електрика повністю витіснила парову силу в виробництві. Чи можете ви уявити собі бізнес-лідера в 1885 році, який закликає своїх працівників експериментувати з електричною силою? Тим не менш, електрична сила перемогла і проложила шлях для багатьох революційних інновацій 20 століття, від радіопередач до цифрових обчислень.

Як більш недавній приклад, Всесвітня павутина стала популярною на початку 90-х років. Вживання споживачами вибухово зросло одразу, але прийняття бізнесом відставало. Пройшло півдесятиліття, перш ніж більшість встановлених підприємств почали отримувати вигоду від вебу через електронну комерцію. Тим не менш, веб проложив шлях для соціальних медіа, мобільного залучення, обчислень в хмарі та, врешті-решт, AI. Бізнес-цінність генерується інкрементально з нових технологій.

Якщо електрична епоха бізнесу почалася з збірки, а епоха вебу почалася з електронної комерції, то чим буде вбивча аплікація для епохи бізнесу AI? Запуск ChatGPT у кінці 2022 року представив силу великих мовних моделей загальній публіці. Через свою популярність, “чат-бот, який розуміє мене і звучить як людина”, став архетипом для того, як AI могла бути застосована. В результаті багато підприємств почали з AI, вводячи подібних помічників, налаштованих під їхню компанію, як версію ChatGPT. У багатьох випадках результати були добре прийняті користувачами, але бізнес-повернення на продуктивність важко виміряти.

Одним з найбільш розвинених застосувань LLM для бізнесу є область помічників з кодуванням. Claude Code, Cursor та інші інструменти здобули широку популярність, демонструючи майже магічні результати. Однак дослідження вказують на те, що продуктивні вигоди окремих розробників ще не перекладалися в загальну продуктивність організації. Крім того, прискорення розробки не допомагає організації бізнес-перформансу, якщо те, що виробляється, не доставляє сам по собі бізнес-цінності. Помічники з кодуванням допоможуть масштабувати прийняття AI з часом, але вони не вбивча аплікація.

Щоб знайти найбільш впливаючу аплікацію AI, організації повинні зосередитися на механізмах, які рухають їхні власні бізнес-моделі. У нашій книзі Unbundling the Enterprise Стівен Фішман і я розглядаємо концепцію “динаміки цінності”, метод для розбирання бізнес-моделей на набір взаємопов’язаних обмінів цінності. Обміни цінності включають кілька “валют”, включаючи плату, економію часу, охоплення та покращення якості. Найунікальнішою валютою є дані. У книзі ми показуємо, як компанії, такі як Google і Meta, перетворили накопичення даних у цифрове домінування. Їхній успіх прийшов завдяки наданню реального, автоматичного зв’язку в їхніх обмінах цінності. Вони зв’язали збір даних з генерацією доходу у добродійному колі. Обидві компанії контекстуалізували дані клієнтів у вигляді таргетованої реклами, а потім використали це для стимулювання свого основного доходу та збору ще більше даних через взаємодію з користувачами.

Хоча багато організацій протягом останніх кількох десятиліть збирали та розвивали дані, вони ще не повністю скористалися потенційним виходом даних через такий маховик. У своєму ядрі велика мовна модель є просто застосованними даними. Вона має потенціал бути двигуном, який рухає такий маховик цінності для організацій, але цей двигун потребує палива у вигляді контекстуалізованих даних та повинен бути прикріплений до механізмів бізнес-моделі організації. Цей “процес активації даних” робить дані довіреними та доступними у масштабі, встановлює основу для більш динамічної автоматизації в підприємстві та, врешті-решт, розкриває вбивчу аплікацію AI для таких організацій.

Як виглядатимуть організації, які активації свої дані для епохи AI? Розгляньте наступні сценарії:

• Фармацевтична компанія, яка зараз повинна робити багатомільйонні, багаторічні ставки на нові ліки, перетворюється у більш рухливу компанію з коротшими, паралельними клінічними циклами клінічних випробувань, забезпеченими через динамічну, інфузовану AI автоматизацію
• Рітейл-банк, який зараз надсилає “надію та молитву” пропозиції продуктів усім своїм клієнтам з малим прийняттям та ручним подальшим виконанням, перетворюється на персоналізовані пропозиції з оптимізованою кредитною видачею, що призводить до вищого прийняття прибуткових кредитних продуктів
• Рітейлер, чия поточна система управління запасами наповнена як надмірним запасом, так і запасом, що перевищує продажі, перетворюється на компанію, яка розуміє свою позицію запасів в реальному часі, завдяки безпосереднім з’єднанням з магазинами, складами та постачальниками, проаналізованими через завжди-включені агенти AI

Дорога до ROI, описана в цих сценаріях, слідує за цією новою формою динамічної автоматизації та рухається активацією даних.

Як організації можуть розпочати цей шлях? Ось чотири кроки, щоб розпочати…

Крок 1: Поясніть динаміку цінності вашої організації

Розбивка бізнес-моделі організації на її основні обміни цінності є безцінною з кількох причин. Результатом є карта обміну цінності, яка показує, які можливості рухають бізнес, які бізнес-функції є найбільш критичними, та як кожен елемент в організації внесок у створення, захоплення та розподілення цінності. Для наших цілей карта обміну цінності може бути використана для візуалізації основних бізнес-процесів, які будуть кандидатами на динамічну автоматизацію. Як наступний рівень вниз, ви можете відобразити кожен обмін цінності та компонент того, як вони оперативно реалізовані в організації. Це може бути у вигляді програмних застосунків, сховищ даних або навіть завдань працівників. Можливості автоматизації можуть бути зважені за впливом та складністю реалізації, щоб сфокусуватися на найкращому місці для застосування AI та активації даних.

Крок 2: Поширення варіантів через шар активації даних

Спроможність організації активації даних залежить від варіантності її цифрового ландшафту. Варіантність існує, коли цифрові активи – програмні функції, джерела даних, послуги третіх сторін – доступні в реальному часі. У контексті AI це означає дві речі. По-перше, організація повинна бути здатна синтезувати дані з різних джерел, щоб надати точний контекст LLM, який призводить до точного висновку та уникнення галюцинацій. По-друге, програмні компоненти, які виконують основні бізнес-функції – такі як сервіс розгляду кредитних заяв банку або система живих запасів рітейлера – повинні бути викликані LLM-орієнтованими застосунками для виконання автоматизації. У обидвох випадках API є найкращим механізмом для надання даних та функцій належним чином доступними. Протокол моделі контексту (MCP) набуває популярності як протокол API вибору для активації даних. Цей набір доступних можливостей може бути перетворений на контекстну платформу для вашої організації. Трансформація вашого цифрового ландшафту з набору ізольованих застосунків та даних у шар бізнес-орієнтованих API є важливою для досягнення ROI через активацію даних.

Крок 3: Прийняття парадигми агентських цифрових рішень

Домінантна програмна архітектура епохи AI виникає. Оптимізовані програмні рішення вимагають балансу компонентів, наповнених AI, та компонентів, не наповнених AI. AI-агенти – компоненти, наповнені AI, у цій архітектурі – використовують висновок LLM, заснований на контекстному усвідомленні, для виконання завдань через інструменти, які вони мають. Вони є інструментами активації даних та динамічної автоматизації. Цифровий ландшафт, варіантний через API (включаючи інструменти MCP), є найбільш фертильною землею для таких агентів, щоб процвітати. Архітектура агентів дозволяє численні шаблони, які поєднують детерміністичні програмні компоненти в існуючій інфраструктурі з такими AI-агентами. Ці шаблони варіюються від простих чат-ботів та робочих агентів до агентських робочих процесів та аж до автономних багатокомпонентних систем. Організації, які приймають цей архітектурний підхід, зможуть зібрати найбільшу цінність зі своїх існуючих цифрових активів, приймаючи AI за темпом, який дозволяє їм керувати зростаючою складністю рішень, які приносять все більшу цінність.

Крок 4: Використання AI як інструменту продуктивності для побудови агентських автоматизацій

Застосування AI для продуктивності працівників може не принести найвищих поверненів для бізнесу самостійно. Використання продуктивних вигод AI на службі активації даних організації та надання агентської автоматизації, однак, може прискорити реальні повернення. Це не просто означає використання AI для прискорення роботи розробників. Навіть до вибуху AI одним з найбільших бар’єрів для доставки була організаційна прогалина між бізнес-доменними експертами, які розуміють застосування технологій, та командами IT, які будують рішення. Організаційні тенденції, такі як DevOps, допомогли звузити цю прогалину, але AI може допомогти ще більш відчутними способами. Як мова-орієнтована технологія, LLM здатна перекладати між вимогами та рішеннями незрівнянним чином. Багатомодальна AI дозволяє захоплювати бізнес-написи, які можуть генерувати придатні артефакти для подальшої розробки. Транскрипти можуть бути перетворені на прототипи. Це новий тип активації даних: перетворення бізнес-доменної інформації у рішення-скефолдинг в реальному часі.

Слідуючи цим чотирьом крокам, організації можуть активації свої дані та почати бачити повернення на свої інвестиції в AI. Крім того, вони будуть краще підготовлені до нових екосистем, робочих місць та можливостей, створених економікою AI. Пояснюючи динаміку цінності вашого бізнесу, перетворюючи свої цифрові активи на виконувані варіанти та орієнтуючись на агентську архітектуру, ви підготуєте свою організацію до майбутнього AI, винаходячи його самі.