Реальна цінність штучного інтелекту будується на даних та людях – а не лише на технологіях

Обіцянка штучного інтелекту розширюється щоденно – від підвищення індивідуальної продуктивності до надання організаціям можливості відкрити потужні нові бізнес-інсайти через дані. Хоча потенціал штучного інтелекту здається безмежним, а його вплив легко уявити, шлях до真正ньо штучного інтелекту екосистеми є складним і складним. Цей шлях не починається і не закінчується з впровадженням, прийняттям або навіть постійним використанням штучного інтелекту – він закінчується там. Реалізація повної цінності рішення штучного інтелекту в кінцевому підсумку залежить від якості даних і людей, які впроваджують, керують і застосовують його для отримання значимих результатів.

Дані: Кутова точка успіху штучного інтелекту

Дані – постійна величина організації. Будь то маленький магазин чи велика корпорація, кожна організація працює на даних (фінансові записи, інвентар, відеозаписи тощо). Керування, доступність і управління цими даними є кутовою точкою реалізації повного потенціалу штучного інтелекту в організації. Gartner недавно зазначив, що 63% організацій або не мають впевненості, або не знають, чи достатньо їхніх поточних практик даних або структури управління для успішного впровадження штучного інтелекту. Надання організації можливості розблокувати повний потенціал штучного інтелекту вимагає добре продуманої практики даних. Від збору, зберігання, синтезу, аналізу, безпеки, конфіденційності, управління та контролю доступу – повинна бути наявна структура і методологія для правильного використання штучного інтелекту. Крім того, важливо мінімізувати ризики і непередбачені наслідки. Основна думка, дані – це кутова точка аналітики і паливо для вашого штучного інтелекту.

Доступ рішення штучного інтелекту до ваших даних визначає його потенціал для надання результатів – так сильно, що ми бачимо появу нових функцій, спеціально розроблених для цього, таких як Головний офіцер даних (CDO). Просто кажучи, якщо рішення штучного інтелекту вводиться в середовище з “вільно плаваючими” даними, доступними будь-кому – воно буде помилковим, упередженим, неконфіденційним і дуже ймовірно викриє конфіденційну і приватну інформацію. Навпаки, коли середовище даних багате, структуроване, точне, з наявною структурою і методологією використання даних організацією – штучний інтелект може повернути негайні вигоди і заощадити багато часу на моделюванні, прогнозуванні і розвитку.

Люди: Недооцінена складова впровадження штучного інтелекту

IDC недавно поділився інформацією, що 45% CEO і понад 66% CIO, опитаних у дослідженні, висловили обережність щодо технологічних виробників, які не повністю розуміють потенційні ризики штучного інтелекту. Ці лідери мають підстави для обережності. Безсумнівно, наслідки традиційних ризиків IT залишаються подібними з управленим штучним інтелектом (наприклад, простої, операційних зупинок, дорогих премій кіберстрахування, штрафів за невідповідність, досвіду клієнта, порушень даних, вимагань викупу тощо) і посилюються інтеграцією штучного інтелекту в IT. Обережність виникає через відсутність розуміння кореневих причин цих наслідків або для тих, хто не знає, тривоги, яка виникає з асоціацією можливостей штучного інтелекту, яка служить каталізатором цих наслідків.

Нагальна питання: “Чи повинен я інвестувати в цю дорогу IT-інструмент, який може суттєво покращити продуктивність моєї організації на кожному функціональному рівні під ризиком IT-імплозії через відсутність готовності працівників і можливостей?” Драматично? Абсолютно – бізнес-ризик завжди є таким, і ми вже знаємо відповідь на це питання. З більш складними технологіями і підвищеним операційним потенціалом, так само повинна бути й робота з підготовкою команд до використання цих інструментів законно, правильно, ефективно і результативно.

Виклик виробникові

Відсутність впевненості у технологічних виробників виходить за рамки предметної експертизи і відображає глибшу проблему: нездатність чітко артикулювати конкретні ризики, з якими організація може зіткнутися при неправильній реалізації і нереалістичних очікуваннях.

Відношення між організацією і технологічними виробниками подібне до відношення між пацієнтом і медичним працівником. Пацієнт консультується з медичним працівником з симптомами, шукаючи діагноз і сподіваючись на просте і ефективне лікування. У профілактичних ситуаціях медичний працівник працює з пацієнтом над рекомендаціями щодо дієти, способу життя і спеціального лікування для досягнення певних цілей здоров’я. Подібно, існує очікування, що організації отримають рецептурні рішення від технологічних виробників для вирішення або планування технологічних впроваджень. Однак, коли організації не можуть надати рецептурні ризики, специфічні для даних IT-оточень, це посилює невизначеність впровадження штучного інтелекту.

Дажи коли IT-виробники ефективно комунікують ризики і потенційні наслідки штучного інтелекту, багато організацій стримуються справжньою загальною вартістю володіння (TCO), пов’язаною з закладанням необхідної основи. Розширюється усвідомлення того, що успішне впровадження штучного інтелекту повинно починатися всередині існуючого оточення – і тільки коли це оточення модернізується, організації можуть真正ньо розблокувати цінність інтеграції штучного інтелекту. Це подібно до того, як якщо хтось може миттєво сісти за кермо Ф1-суперкара і виграти перегони. Будь-хто розумний знає, що успіх у перегонах є результатом як кваліфікованого водія, так і високопродуктивного автомобіля. Подібно, вигоди штучного інтелекту можуть бути реалізовані лише тоді, коли організація належним чином підготовлена, навчена і обладнана для прийняття і впровадження його.

Приклад: Microsoft 365 Copilot

Microsoft 365 Copilot – це чудовий приклад існуючого рішення штучного інтелекту, чий потенційний вплив і цінність часто були неправильно зрозумілі або занижені через неправильні очікування клієнтів – щодо того, як штучний інтелект повинен бути впроваджений і чого вони вважають, що він повинен робити, а не розуміння того, що він може зробити. Сьогодні більше 70% компаній Fortune 500 вже використовують Microsoft 365 Copilot. Однак поширений страх, що штучний інтелект замінить роботу, є великим недорозумінням, коли мова йде про більшість реальних застосувань штучного інтелекту. Хоча заміщення роботи відбулося в деяких галузях – таких як повністю автоматизовані “темні склади” – важливо розрізняти штучний інтелект в цілому і його використання в робототехніці. Останнє мало більш прямий вплив на заміщення роботи.

У контексті сучасної роботи основна цінність штучного інтелекту полягає в підвищенні продуктивності і посиленні експертизи – а не заміні її. Зберігаючи час і підвищуючи функціональну продуктивність, штучний інтелект дозволяє реалізувати більш гнучкі стратегії виходу на ринок і швидшу доставку цінності. Однак ці вигоди залежать від критичних факторів:

• Зріла практика даних
• Сильне керування доступом і управлінням
• Надійні заходи безпеки для мінімізації ризиків
• Підготовка працівників щодо відповідального використання штучного інтелекту і найкращих практик

Ось кілька прикладів покращень, забезпечених штучним інтелектом, у різних галузях бізнесу:

• Лідери продажів можуть створювати моделі схильності за допомогою даних життєвого циклу клієнта для реалізації стратегій крос-селінгу і апселінгу, покращуючи утримання клієнтів і їхню цінність.
• Команди корпоративної стратегії та фінансового планування отримують глибші інсайти завдяки економії часу при аналізі бізнес-підрозділів, що дозволяє їм краще відповідати корпоративним цілям.
• Команди облікових рахунків можуть керувати циклами оплати більш ефективно завдяки швидкому доступу до дієвої інформації, покращуючи взаємодію з клієнтами.
• Лідери маркетингу можуть створювати більш ефективні, орієнтовані на продажі стратегії виходу на ринок, використовуючи інсайти штучного інтелекту щодо результатів продажів і можливостей.
• Оперативні команди можуть скоротити час, витрачений на узгодження фінансових і продажних даних, мінімізуючи хаос під час квартальних або річних процесів.
• Команди успіху клієнтів і підтримки можуть скоротити час реакції і вирішення проблем, автоматизуючи робочі процеси і спрощуючи ключові кроки.

Ці приклади лише поверхнево торкаються потенціалу штучного інтелекту для забезпечення функціональної трансформації і підвищення продуктивності. Однак реалізації цих вигод вимагає правильної основи – систем, які дозволяють штучному інтелекту інтегруватися, синтезувати, аналізувати і, в кінцевому підсумку, виконувати свою обіцянку.

Остання думка: Ні плагін і гра для штучного інтелекту

Впровадження штучного інтелекту для розблокування його повного потенціалу не так просте, як встановлення програми або застосування. Це інтеграція взаємопов’язаної мережі автономних функцій, яка проникає в увесь ваш стек IT – забезпечуючи інсайти і операційні ефективності, які інакше потребували б значних ручних зусиль, часу і ресурсів.

Реалізація цінності рішення штучного інтелекту ґрунтується на будівництві практики даних, підтримці міцної структури доступу і управління, і забезпечення безпеки екосистеми – тема, яка вимагає окремого глибокого дослідження.

Спроможність технологічних виробників бути цінним партнером залежатиме як від маркетингу, так і від підготовки, орієнтованої на спростування міфів і коригування очікувань щодо того, що насправді означає розблокування потенціалу штучного інтелекту.