Навігація у розгортанні штучного інтелекту: уникання пасток та забезпечення успіху

Шлях до штучного інтелекту не є спринтом – це марафон, і компанії повинні темп себе відповідно. Ті, хто біжить, перш ніж вони навчилися ходити, споткнуться, приєднавшись до цвинтаря компаній, які намагалися рухатися занадто швидко, щоб досягти якогось роду фінішної лінії штучного інтелекту. Правда в тому, що немає фінішної лінії. Не існує пункту призначення, в якому компанія може прибути і сказати, що штучний інтелект був достатньо завойований. За даними McKinsey, 2023 рік був роком прориву штучного інтелекту, з близько 79% працівників, які стверджують, що мали певний рівень контакту зі штучним інтелектом. Однак проривні технології не слідують лінійним шляхам розвитку; вони коливаються, піднімаються і падають, поки не стають частиною тканини бізнесу. Більшість компаній розуміють, що штучний інтелект – це марафон, а не спринт, і це варто пам’ятати.

Візьміть, наприклад, Хайп-цикл Gartner. Кожна нова технологія, яка з’являється, проходить через ту саму серію стадій на хайп-циклі, з дуже рідкісними винятками. Ці стадії наступні: Спусковий механізм інновацій; Пік надутих очікувань; ТROUGH розчарування; Схил просвітління та Плато продуктивності. У 2023 році Gartner розмістив Генеративний штучний інтелект твердо на другій стадії: Пік надутих очікувань. Це той момент, коли рівень гайпу навколо технології є найбільшим, і хоча деякі компанії можуть скористатися цим на початку і вилетіти вперед, більшість буде боротися через ТROUGH розчарування і навіть не досягне Плато продуктивності.

Все це означає, що компанії повинні крокувати обережно, коли йдеться про розгортання штучного інтелекту. Хоча первинна привабливість технології та її можливостей може бути спокусливою, вона все ще знаходиться на етапі пошуку свого місця та її межі все ще тестуються. Це не означає, що компанії повинні уникати штучного інтелекту, але вони повинні визнати важливість встановлення сталого темпу, визначення чітких цілей та ретельного планування свого шляху. Команди керівництва та працівники повинні бути повністю введені в ідею, якість даних та цілісність повинні бути гарантовані, цілі щодо дотримання законодавства повинні бути виконані – і це тільки початок.

Починаючи з малих кроків і окреслюючи досяжні віхи, компанії можуть використовувати штучний інтелект у виміреному та сталому спосіб, забезпечуючи, щоб вони рухалися з технологією, а не вистрибували вперед неї. Ось деякі з найбільш поширених пасток, які ми бачимо у 2024 році:

Пастка 1: Керівництво штучним інтелектом

Це факт: без підтримки з верхівки, ініціативи штучного інтелекту будуть боротися. Хоча працівники можуть самостійно відкрити інструменти генеративного штучного інтелекту та включити їх у свій щоденний розпорядок, це піддає компанії ризикам щодо конфіденційності даних, безпеки та дотримання законодавства. Розгортання штучного інтелекту в будь-якій якості повинно походити з верхівки, а відсутність інтересу до штучного інтелекту з верхівки може бути так само небезпечною, як і надмірна активність.

Візьміть, наприклад, сектор медичного страхування у США. У недавньому опитуванні ActiveOps було виявлено, що 70% керівників операцій вважають, що керівники вищого рівня не цікавляться інвестиціями у штучний інтелект, створюючи суттєву бар’єр для інновацій. Хоча вони можуть бачити вигоди, з майже 8 із 10 погоджуючись з тим, що штучний інтелект може допомогти суттєво покращити операційну ефективність, відсутність підтримки з верхівки виявляється розчарувальною перешкодою для прогресу.

Коли штучний інтелект використовується, організаційна підтримка та підтримка керівництва є життєво важливими. Чіткі канали зв’язку між керівництвом та командами проекту штучного інтелекту повинні бути встановлені. Регулярні оновлення, прозорі звіти про прогрес та обговорення проблем і можливостей допоможуть підтримувати керівництво в курсі та інформованим. Коли лідери добре знайомі зі шляхом штучного інтелекту та його віхами, вони більш імовірно нададуть тривалу підтримку, необхідну для подолання складностей та непередбачуваних проблем.

Пастка 2: Якість та цілісність даних

Використання низькоякісних даних зі штучним інтелектом подібне до того, як залити дизельне паливо в бензиновий автомобіль. Ви отримаєте погану продуктивність, пошкоджені частини та дорогу рахунок за ремонт. Системи штучного інтелекту залежать від величезної кількості даних для навчання, адаптації та здійснення 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% керівників операцій вважають, що для отримання інформації з операційних даних потрібно занадто багато зусиль – надто багато з них ізольовані та фрагментовані по різних системах, і наповнені несумісностями. Це ще одна пастка, з якою компанії стикаються при розгляді штучного інтелекту – їхні дані просто не готові.

Щоб подолати цю проблему та покращити якість даних, компанії повинні інвестувати в потужні框ки управління якістю даних. Це включає встановлення чітких стандартів даних, забезпечення того, щоб дані були постійно очищені та верифіковані, та впровадження систем для постійного моніторингу якості даних. Створюючи єдиний джерело правди, організації можуть підвищити надійність та доступність своїх даних, що також полегшить шлях 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 її використовують, і таких людей бракує. За даними Salesforce, майже дві третини (60%) фахівців з інформаційних технологій визначили нестачу навичок штучного інтелекту як свою першу перешкоду для розгортання штучного інтелекту. Це звучить так, як ніби компанії просто не готові до штучного інтелекту, і їм потрібно почати звертати увагу на цю прогалину в навичках до того, як вони почнуть інвестувати в технологію штучного інтелекту.

Це не означає, що потрібно проводити велику кампанію з найму. Програми навчання можуть бути введені для підвищення кваліфікації поточної робочої сили, забезпечуючи, щоб вони мали можливості для ефективного використання штучного інтелекту. Будуючи такий рівень грамотності штучного інтелекту в організації, створюється середовище, 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, створюючи основу для швидшого розгортання та більш відчутних переваг.

Що далі?

Успішне прийняття штучного інтелекту вимагає більше, ніж просто інвестиції в технологію; воно вимагає добре темперованого, стратегічного підходу, який забезпечує підтримку працівників та керівництва. Воно також вимагає, щоб компанії були самосвідомими та усвідомлювали той факт, що технологія має обмеження – хоча інтерес до штучного інтелекту зростає, а прийняття досягло свого піку, є велика ймовірність, що бульбашка штучного інтелекту лусне, перш ніж вона виправиться та стане стабільним, надійним інструментом, яким компанії його потребують. Пам’ятайте, ми зараз находимося на Піку надутих очікувань, і ТROUGH розчарування ще потрібно пережити. Компанії, які хочуть інвестувати в штучний інтелект, можуть підготуватися до надходящої бурі, готуючи своїх працівників, встановлюючи політики використання штучного інтелекту та забезпечуючи, щоб їхні дані були чистими, добре організованими та правильно класифікованими та інтегрованими по всій компанії.