Вирівнювання потенціалу штучного інтелекту з практичною реальністю

Інструменти штучного інтелекту набули широкого поширення в бізнесі після запуску ChatGPT у 2022 році, причому 98% малих підприємств, опитаних Торговою палатою США, використовують їх. Однак, незважаючи на успіх у сфері аналізу даних, підсумовування, персоналізації та інших областях, недавнє опитування 2500 працівників у США, Великій Британії, Австралії та Канаді показало, що 3 з 4 працівників повідомляють, що штучний інтелект фактично збільшив їхню робочу завантаженість. Отже, обіцянка штучного інтелекту залишається високою, але реальність на місцях поки що видається трохи розчарувальною.

Ця розбіжність підкреслює критичну проблему: мостування розриву між величезним потенціалом штучного інтелекту та його обмеженим практичним впливом на операції підприємств. Зниження цього розриву є необхідним для того, щоб організації могли повністю реалізувати вартість своїх інвестицій у штучний інтелект і збільшити прийняття серед працівників та зацікавлених сторін.

Продуктова візія для інвестицій у штучний інтелект

Хоча штучний інтелект зробив значні кроки вперед, багато бізнес-рішень залишаються на стадії експериментальних доказів концепції та не зовсім підходять для щоденної діяльності. У ході опитування 1000 керівників та старших виконавців з різних країн та галузей BCG виявила, що 74% компаній борються за реалізацію та масштабування вартості своїх інвестицій у штучний інтелект. Частина причини цього полягає в тому, що сьогодні найпомітніші інтерфейси штучного інтелекту засновані на природній мові, доставленій через парадигму чат-бота. Хоча ці модальності безумовно корисні для завдань, таких як підсумовування та інші текстові контексти, вони не відповідають тому, як робота проводиться в більшості підприємств.

Щоб максимізувати вплив, дизайн інструментів штучного інтелекту повинен еволюціонувати за межі ізольованих, текстових інтерфейсів у інтегровані, покращені застосування, які краще відповідають операційним потребам великих організацій. Наступна фаза еволюції штучного інтелекту буде все більше агентською, безшовно інтегрується у фон операцій підприємств та дозволяє командам зосередитися на високому рівні ідеації та стратегії, що веде до автоматизованих операцій, оминаючи ручне виконання, але все ж таки зберігаючи контроль людини у циклі, який все ще залежить від неавтоматизованого людського судження.

Цей перехід від “експериментального” до “необхідного” вимагає продуктівського підходу до розробки, розгортання та операцій штучного інтелекту, схожого на те, як Apple (AAPL ), наприклад, революціонізувала технологічну індустрію з запуском iPhone – продуманий, користувальницький продукт, який інтегрував передові технології та одружив їх з світовим користувальницьким досвідом з першого дня.

Закриття розривів даних та забезпечення вартості ефективності

Щоб рухатися до цієї більш розвиненої продуктівської версії штучного інтелекту, необхідно звернутися до розривів у складі даних підприємства. Зростаючий інтерес до розгортання штучного інтелекту в підприємствах викрив розширені сховища даних, які перешкоджають організаціям масштабувати штучний інтелект за межі прототипів.

Очевидно, що фінансові бар’єри також можуть стримувати організації від розширення використання штучного інтелекту з пілотних проектів до застосувань у всьому підприємстві. Інфраструктура, необхідна для навчання та підтримки передових моделей штучного інтелекту – від обчислювальної потужності до даних зберігання та тривалих операційних витрат – може швидко зростати. Без ретельного нагляду ці проекти ризикують стати надмірно дорогими, повторюючи перші проблеми, які спостерігалися під час прийняття технологій хмарних обчислень.

Зосередження уваги на забезпеченні цілісності, чистоти та якості даних спочатку може допомогти знизити витрати в довгостроковій перспективі. Занадто часто компанії зосереджуються на штучному інтелекті спочатку та звертаються до своїх проблем з даними лише пізніше, створюючи неефективність та втрачені можливості.

Вартість ефективності тісно пов’язана з інвестиціями в дані та основну інфраструктуру. Інвестиції в цій частині стека є ключем до забезпечення того, щоб великі мовикові моделі могли працювати у масштабі. У практичних термінах це означає стандартизацію збору даних, забезпечення доступності та впровадження надійних кадрів управління даними.

Відповідальний штучний інтелект

Компанії, які впроваджують принципи відповідального штучного інтелекту на міцному, добре керованому фундаменті даних, будуть краще позиціоновані для ефективного та етичного масштабування своїх застосувань. Принципи, такі як справедливість, прозорість та підзвітність у входах та виходах штучного інтелекту, вже не є необов’язковими для підприємств – вони є стратегічними імперативами для підтримання довіри працівників та клієнтів, а також для виконання нових регуляцій.

Одна критична структура – це закон ЄС про штучний інтелект, який вимагає ясної документації, прозорості та керування для високоризикових систем штучного інтелекту. Виконання таких структур вимагає від компаній впровадження процесів, які не тільки валідують їхні моделі штучного інтелекту, але також роблять їх інтерпретованими та підзвітними, що особливо важливо у високих ставках застосувань, таких як оцінка кредитів, виявлення шахрайства та інвестиційні рекомендації. Компанії, які пріоритезують ці практики, можуть залишатися попереду регуляторних вимог та уникати дорогих юридичних або репутаційних ризиків.

Крім того, оскільки галузь розвивається та агентські системи штучного інтелекту, які можуть приймати автономні рішення, стають більш поширеними, ставки для відповідної реалізації зростають. Делегування дій інструментам штучного інтелекту вимагає довіри до їхньої надійності та етичного поведінки. Щоб досягти цього, організації повинні інвестувати у безперервні аудит та моніторингові структури, щоб забезпечити, що системи штучного інтелекту працюють так, як передбачено, та пильно охороняти проти результативних упереджень та підтримання несправедливих результатів.

Погляд у майбутнє

Трансформаційний потенціал штучного інтелекту в операціях підприємств є незаперечним, але реалізація його повної вартості вимагає зміни підходу до його розробки та розгортання. Перехід від експериментальних застосувань до масштабованих, інтегрованих у робочий процес інструментів вимагає уважного звернення до фундаментальних питань якості даних, керування та доступності, а також прийняття продуктівського мислення.

Закриття розривів даних та забезпечення відповідального штучного інтелекту будуть ключем до підтримання довіри з боку зацікавлених сторін, виконання стратегічних вимог з дотримання законодавства та забезпечення того, що системи штучного інтелекту не тільки масштабовані, але також надійні та ефективні. Таким чином, обіцянка штучного інтелекту може бути реалізована, а його поточні труднощі з прийняттям будуть подолані в організаціях будь-якого розміру.