Уникнення втоми від пілотних проектів Генеративного ІІ: лідерство з метою

Ми вже бачили цю історію раніше: революційна технологія захоплює уяву бізнес-лідерів у різних галузях, обіцяючи трансформацію у масштабах. На початку 2010-х років це була автоматизація роботизованих процесів (RPA). Незабаром після цього хмарні обчислення зайняли свою позицію. Сьогодні ж генерація штучного інтелекту (Генеративний ІІ) займає центральне місце – і організації пірнають у пілотні проекти без чіткого шляху вперед.

Результат? Підйом хвилі того, що можна назвати втомою від пілотних проектів Генеративного ІІ. Це стан вичерпання, розчарування та зниження імпульсу, який встановлюється, коли надто багато ініціатив ІІ запускаються без структури, мети чи вимірюваних цілей. Компанії проводять десятки пілотних проектів одночасно, часто з перекриваються намірами, але без чітких критеріїв успіху. Вони переслідують потенціал по відділам, але замість відкриття ефективності чи ROI, вони створюють плутанину, дублювання та застряглі інновації.

Визначення втоми від пілотних проектів Генеративного ІІ

Втома від пілотних проектів Генеративного ІІ відображає ширшу організаційну проблему: нескінченна амбіція без кінцевої структури. Кореневі причини знайомі кожному, хто був свідком попередніх хвиль технологій:

• Нескінченні можливості: Генеративний ІІ можна застосовувати у кожній функції – маркетингу, операціях, HR, фінансах – що робить його спокусою запустити кілька випадків використання без чітких меж.
• Легкість розгортання: Інструменти, такі як моделі GPT від OpenAI та Gemini від Google, дозволяють командам швидко запускати пілотні проекти без інженерної залежності – іноді за кілька годин.
• Відсутність плану підтримки: Генеративний ІІ вимагає високоякісних даних, щоб бути ефективним. У багатьох випадках дані можуть стати застарілими без реалізації процесу, який забезпечує актуальність та правильність даних.
• Погана вимірюваність: На відміну від традиційних розгортань ІТ, важко визначити, коли інструмент Генеративного ІІ достатньо «хороший», щоб перейти від пілотного проекту до виробництва. ROI часто є нечітким або затриманим.
• Перешкоди інтеграції: Багато організацій борються з підключенням інструментів Генеративного ІІ до існуючих систем, потоків даних чи робочих процесів, що додає час, складність та розчарування.
• Високий ресурсний запит: Пілотні проекти часто вимагають значного часу, грошей та людських інвестицій – особливо щодо навчання та підтримки чистих, придатних наборів даних.

У короткому, втома від Генеративного ІІ виникає, коли експериментування випереджає стратегію.

Чому це продовжується?

У багатьох випадках це відбувається через те, що організації пропускають основну роботу. Перед розгортанням будь-якої передової технології потрібно спочатку оптимізувати процеси, які ви намагаєтеся покращити. У Accruent ми бачили, що просто оптимізуючи робочі процеси та забезпечуючи якість даних, компанії можуть досягти до 50% підвищення ефективності до введення ІІ. Надання Генеративного ІІ на добре налаштовану систему може подвоїти покращення. Але без цієї основної роботи навіть найімпресивніші моделі ІІ не принесуть суттєвої цінності.

Іншим питанням є відсутність чітких обмежень. Пілотні проекти Генеративного ІІ не повинні розглядатися як нескінченні експерименти. Успіх повинен вимірюватися визначеними результатами – збереженим часом, зменшеними витратами чи розширеними можливостями. Повинні бути ворота для просування, зміни чи завершення проектів на основі даних. Половина всіх ідей Генеративного ІІ може в кінцевому підсумку виявитися більш підходящою для інших технологій, таких як RPA або інструментів без коду – і це нормально. Метою не є впровадження ІІ заради самого ІІ, а ефективне вирішення бізнес-проблем.

Уроки від RPA та міграції у хмару

Це не перший раз, коли організації захоплюються ентузіазмом щодо технологій. RPA обіцяв ліквідувати повторювані завдання; міграція у хмару обіцяла гнучкість та масштабованість. Обидва виконали – в кінцевому підсумку – але тільки для тих, хто застосовував дисципліну до розгортання.

Одним із основних висновків є те, що не слід пропускати основу. Ми бачили особисто, що організації можуть досягти до 50% підвищення ефективності просто оптимізуючи існуючі робочі процеси та покращуючи якість даних до введення ІІ. Коли ІІ застосовується до оптимізованої системи, виграші можуть подвоїтися. Але коли ІІ накладається на розбиті процеси, вплив є незначним.

Те ж саме стосується даних. Моделі Генеративного ІІ є такими ж хорошими, як і дані, які вони споживають. Брудні, застарілі чи несумісні дані приведуть до поганих результатів – або навіть упереджених та оманливих. Тому компанії повинні інвестувати у потужні рамки управління даними, як підтримують експерти галузі та підкреслюють у звітах McKinsey.

Спокуса “легкого” ІІ

Одним із двосічних мечів Генеративного ІІ є його низький бар’єр входу. З попередньо побудованими моделями та користувальницькими інтерфейсами будь-хто в організації може запустити пілотний проект за кілька днів – іноді годин або навіть хвилин. Хоча ця доступність є потужною, вона також відкриває поводи. Раптом у вас є команди по відділам, які експериментують у ізоляції, з мало наглядом чи координацією. Не рідко бачити десятки ініціатив Генеративного ІІ, які працюють одночасно, кожна з яких має різних зацікавлених сторін, наборів даних та визначення успіху чи його відсутності.

Цей фрагментарний підхід призводить до втоми – не тільки з точки зору ресурсів, але й з точки зору зростаючого розчарування через відсутність відчутних результатів. Без централізованого управління та чіткого бачення навіть найперспективніші випадки використання можуть застрягнути у нескінченних циклах ітерації, уточнення та переоцінки.

Перервати цикл: побудувати з наміром

Почніть з того, що Генеративний ІІ слід розглядати як будь-яку іншу корпоративну технологічну інвестицію – засновану на стратегії, управлінні та оптимізації процесів. Ось кілька принципів, які я вважаю критичними:

1. Почніть з проблеми, а не з технології. Занадто часто організації переслідують випадки використання Генеративного ІІ, оскільки вони цікаві – не тому, що вони розв’язують певну бізнес-проблему. Почніть з визначення точок тертя чи неефективності у ваших робочих процесах, а потім запитайте: чи є Генеративний ІІ найкращим інструментом для роботи?
2. Оптимізуйте перед інноваціями. Перед тим, як накласти ІІ на розбитий процес, виправте процес. Оптимізація операцій може розблокувати великі виграші самостійно – і робить його набагато легше виміряти додатковий вплив ІІ. Як зазначила компанія Bain & Company у своєму недавньому звіті, бізнеси, які фокусуються на основній готовності, бачать швидший час до отримання цінності від Генеративного ІІ.
3. Перевірте свої дані. Забезпечте, щоб ваші моделі були навчені на точних, актуальних та етично отриманих даних. Погана якість даних є однією з основних причин, через які пілотні проекти не можуть масштабуватися, згідно з Gartner.
4. Визначте, що таке “добре”. Кожен пілотний проект повинен мати чіткі KPI, пов’язані з бізнес-цілями. Чи це зменшення часу, витраченого на рутинні завдання, чи скорочення операційних витрат, успіх повинен бути вимірюваним – і пілотні проекти повинні мати ворота для прийняття рішень про продовження, зміну чи завершення.
5. Збережіть широкий інструментарій. Генеративний ІІ не є відповіддю на кожну проблему. У деяких випадках автоматизація через RPA, низькодові застосунки або машинне навчання можуть бути швидшими, дешевшими чи більш сталими. Будьте готові сказати ні ІІ, якщо ROI не виправдовується.

Огляд вперед: що допоможе, а що може нашкодити

У найближчі роки втома від пілотних проектів може погіршитися, перш ніж покращиться. Темп інновацій тільки прискорюється, особливо з новими технологіями, такими як Agentic ІІ. Тиск на те, щоб «зробити щось з ІІ», є величезним – і без належних обмежень організації ризикують бути перегрузженими величезною кількістю можливостей.

Однак є підстави для оптимізму. Практики розробки дозрівають. Команди починають розглядати Генеративний ІІ з тією ж суворістю, яку вони застосовують до традиційних проектів з програмного забезпечення. Ми також бачимо покращення інструментарію. Розробки у сфері платформ інтеграції ІІ та оркестрації API роблять його легшим для включення Генеративного ІІ до існуючих технологічних стеків. Предварньо навчені моделі від постачальників, таких як OpenAI, Meta та Mistral, зменшують тягар на внутрішніх командах. І рамки навколо етичного та відповідального ІІ, такі як ті, які пропагуються AI Now Institute, допомагають зменшувати неоднозначність та ризик. Можливо, найважливіше, що ми бачимо зростання міжфункціональної грамотності ІІ – зростаюче розуміння серед бізнес-лідерів та технічних лідерів про те, що ІІ може (і не може) зробити.

Остання думка: це про мету, а не про пілотні проекти

У кінцевому підсумку успіх ІІ залежить від наміру. Генеративний ІІ має потенціал забезпечити величезні підвищення ефективності, розблокувати нові можливості та трансформувати галузі – але тільки якщо він керується стратегією, підтримується чистими даними та вимірюється результатами.

Без цих якорів це просто ще одна технологічна мода, призначена вичерпати ваші команди та розчарувати вашу раду директорів.

Якщо ви хочете уникнути втоми від пілотних проектів Генеративного ІІ, не починайте з технології. Почніть з мети. І побудуйте з цього.