Навігація за розгортанням штучного інтелекту: уникання пасток та забезпечення успіху

Шлях до штучного інтелекту не є спринтом – це марафон, і бізнесу потрібно темпераментно підходити до цього. Ті, хто біжить, перш ніж навчився ходити, споткнеться, приєднавшись до цвинтарю бізнесу, який намагався рухатися занадто швидко, щоб досягти якогось роду фінішної лінії штучного інтелекту. Правда в тому, що немає фінішної лінії. Не існує місця призначення, в якому бізнес може прибувати і говорити, що штучний інтелект був достатньо завойований. Згідно з McKinsey, 2023 рік був роком прориву штучного інтелекту, з близько 79% працівників, які стверджують, що мали певний рівень контакту зі штучним інтелектом. Однак технології прориву не слідують лінійним шляхам розвитку; вони спливають і опускаються, піднімаються і падають, поки не стають частиною тканини бізнесу. Більшість бізнесів розуміє, що штучний інтелект – це марафон, а не спринт, і це варто пам’ятати.

Взяти, наприклад, Hype Cycle від Gartner. Кожна нова технологія, яка з’являється, проходить через ті самі етапи на циклі гайпу, з дуже少кими винятками. Ці етапи наступні: Інноваційний сприг; Пік надутих очікувань; Тrough розчарування; Схил просвітління та Плато продуктивності. У 2023 році Gartner розмістив Генеративний штучний інтелект твердо на другому етапі: Пік надутих очікувань. Це час, коли рівень гайпу навколо технології є найбільшим, і хоча деякі бізнеси можуть скористатися цим на ранній стадії і піднятися вперед, більшість буде боротися через Тrough розчарування і навіть не досягне Плато продуктивності.

Все це говорить про те, що бізнесу потрібно рухатися обережно, коли йдеться про розгортання штучного інтелекту. Хоча первинний шарм технології та її можливостей може бути привабливим, вона все ще знаходиться на етапі пошуку свого місця та її межі все ще тестуються. Це не означає, що бізнесу потрібно уникати штучного інтелекту, але вони повинні визнати важливість встановлення сталий темп, визначення чітких цілей та ретельного планування свого шляху. Команди лідерства та працівники повинні бути повністю введені в ідею, якість даних та цілісність повинні бути гарантовані, цілі щодо відповідності повинні бути досягнуті – і це тільки початок.

Розпочавши з малого та окресливши досяжні віхи, бізнес може використовувати штучний інтелект у виміряному та сталий спосіб, забезпечуючи, що вони рухаються з технологією, а не стрибають вперед неї. Ось деякі з найбільш поширених пасток, які ми бачимо у 2024 році:

Пастка 1: Лідерство штучного інтелекту

Це факт: без підтримки з верхівки, ініціативи штучного інтелекту будуть спотикатися. Хоча працівники можуть самостійно відкрити інструменти генеративного штучного інтелекту та включити їх у свій щоденний розпорядок, це викликає питання щодо конфіденційності даних, безпеки та відповідності. Розгортання штучного інтелекту, в будь-якій якості, повинно походити з верхівки, і відсутність інтересу до штучного інтелекту з верхівки може бути так само небезпечною, як і надмірна спішка.

Взяти, наприклад, галузь медичного страхування в США. У недавньому опитуванні від ActiveOps було виявлено, що 70% лідерів операцій вважають, що виконавчі директори не зацікавлені в інвестиціях у штучний інтелект, створюючи суттєву бар’єр для інновацій. Хоча вони можуть бачити переваги, з майже 8 із 10 погоджуючись, що штучний інтелект міг би допомогти суттєво покращити операційну ефективність, відсутність підтримки з верхівки виявляється розчаровуючою бар’єром для прогресу.

Де штучний інтелект використовується, організаційна підтримка та лідерська підтримка є суттєвою. Чіткі канали зв’язку між лідерством та командами проекту штучного інтелекту повинні бути встановлені. Регулярні оновлення, прозорі звіти про прогрес та обговорення щодо викликів та можливостей допоможуть лідерам залишатися залученими та інформованими. Коли лідери добре знають про шлях штучного інтелекту та його віхи, вони більш імовірно нададуть необхідну підтримку для навігації через складності та непередбачені питання.

Пастка 2: Якість даних та цілісність

Використання низькоякісних даних зі штучним інтелектом схоже на те, як заправляти дизельним паливом автомобіль, який працює на бензині. Ви отримаєте погану продуктивність, пошкоджені деталі та дорогу рахунок за ремонт. Системи штучного інтелекту залежать від величезної кількості даних для навчання, адаптації та надання точних прогнозів. Якщо дані, які подаються в ці системи, є дефектними, неповними, неправильно класифікованими або упередженими, результати будуть невиправдано ненадійними. Це не тільки підкреслює неефективність рішень штучного інтелекту, але також може привести до суттєвих збоїв та недовіри до можливостей штучного інтелекту.

Наші дослідження показують, що 90% лідерів операцій вважають, що потрібно занадто багато зусиль для отримання інформації з операційних даних – занадто багато з них ізольовані та фрагментовані по різних системах, і наповнені несумісностями. Це ще одна пастка, з якою бізнес стикається при розгляді штучного інтелекту – їхні дані просто не готові.

Для вирішення цієї проблеми та поліпшення якості даних бізнес повинен інвестувати в потужні структури управління даними. Це включає встановлення чітких стандартів даних, забезпечення того, щоб дані були послідовно очищені та перевірені, та впровадження систем для постійного моніторингу якості даних. Створюючи єдиний джерело правди, організації можуть підвищити надійність та доступність своїх даних, що матиме додаткову перевагу в полегшенні шляху для штучного інтелекту.

Пастка 3: Грамотність штучного інтелекту

Штучний інтелект – це інструмент, і інструменти є ефективними лише тоді, коли ними володіють правильні руки. Успіх ініціатив штучного інтелекту залежить не лише від технології, але також від людей, які ним користуються, і ці люди перебувають у короткому запасі. Згідно з Salesforce, майже дві третини (60%) фахівців з інформаційних технологій визначили нестачу навичок штучного інтелекту як свою першу бар’єр для розгортання штучного інтелекту. Це звучить так, як якщо б бізнес просто не був готовий до штучного інтелекту, і їм потрібно почати вирішувати цю проблему з навичками до того, як вони почнуть інвестувати в технологію штучного інтелекту.

Це не обов’язково означає початок великої кампанії з найму. Програми навчання можуть бути введені для підвищення кваліфікації поточної робочої сили, забезпечуючи, що вони мають можливості використовувати штучний інтелект ефективно. Будування такого роду грамотності штучного інтелекту в організації включає створення середовища, в якому заохочується безперервне навчання – семінари, онлайн-курси та практичні проекти можуть допомогти демістифікувати штучний інтелект та зробити його більш доступним для працівників на всіх рівнях, закладючи основу для швидшого розгортання та більш відчутних переваг.

Що далі?

Успішне впровадження штучного інтелекту вимагає більше, ніж просто інвестиції в технологію; воно вимагає добре темперованого, стратегічного підходу, який забезпечує підтримку працівників та лідерство. Воно також вимагає, щоб бізнес був самосвідомим та усвідомлював той факт, що технологія має межі – хоча інтерес до штучного інтелекту зростає, а впровадження знаходиться на рівні всіх часів, є велика ймовірність, що бульбашка штучного інтелекту лусне, перш ніж вона виправить свій курс і стане стабільним, надійним інструментом, яким бізнесу потрібно, щоб вона була. Пам’ятайте, ми зараз знаходимося на Піку надутих очікувань, і Тrough розчарування все ще потрібно пережити. Бізнес, який бажає інвестувати в штучний інтелект, може підготуватися до надходящої бурі, підготувавши своїх працівників, встановивши політику використання штучного інтелекту та забезпечення того, що їхні дані є чистими, добре організованими, правильно класифікованими та інтегрованими по всьому бізнесу.