Чому GenAI застрягає на пілотній стадії

Компанії борються з переходом проектів Генеративного ІІ від експериментів до виробництва, і багато підприємств залишаються на стадії пілотного проекту. Наше недавнє дослідження підкреслює, що 92% організацій стурбовані тим, що пілотні проекти GenAI прискорюються без вирішення фундаментальних проблем з даними. Навіть більше: 67% не змогли розширити навіть половину своїх пілотних проектів до виробництва. Ця виробнича пропазниця менше пов’язана з технологічною зрілістю, а більше з готовністю основних даних. Потенціал GenAI залежить від сили основи, на якій він стоїть. І сьогодні, для більшості організацій, ця основа є хиткою.

Чому GenAI застрягає на пілотній стадії

Хоча рішення GenAI справді могутні, вони працюють тільки так добре, як дані, які їх живлять. Старе прислів’я “сміття в, сміттяออก” сьогодні правдивіше, ніж будь-коли. Без довірених, повних, уповноважених і пояснюваних даних моделі GenAI часто дають результати, які є неточними, упередженими або непридатними для використання.

На жаль, організації поспішали розгортати низькозатратні випадки використання, такі як чат-боти, які пропонують персоналізовані відповіді з різних внутрішніх документів. І хоча вони покращують досвід клієнтів до певної міри, вони не вимагають глибоких змін у інфраструктурі даних компанії. Але для стратегічного розширення GenAI, наприклад у сфері охорони здоров’я, фінансових послуг або автоматизації ланцюгів постачання, потрібний інший рівень зрілості даних.

Фактично, 56% керівників даних вказують на надійність даних як ключову перешкоду для розгортання ІІ. Інші проблеми включають неповні дані (53%), питання конфіденційності (50%) та більші пробіли в управлінні ІІ (36%).

Немає управління, немає GenAI

Щоб перевести GenAI за межі пілотної стадії, компанії повинні розглядати управління даними як стратегічну імперативну для свого бізнесу. Вони повинні забезпечити, щоб дані були придатними для живлення моделей ІІ, і для цього потрібно відповісти на наступні питання:

• Чи походять дані, використані для навчання моделі, з правильних систем?
• Чи видалено особисту ідентифікаційну інформацію та дотримано всіх правил даних та конфіденційності?
• Чи є прозорість, і чи можемо довести походження даних, які використовує модель?
• Чи можемо документувати наші процеси роботи з даними та бути готовими продемонструвати, що дані не містять упередженості?

Управління даними також повинно бути вбудоване в культуру організації. Для цього потрібно будувати грамотність ІІ у всіх командах. Закон ЄС про ІІ формалізує цю відповідальність, вимагаючи від постачальників і користувачів систем ІІ докладати зусиль, щоб працівники мали достатню грамотність ІІ, щоб вони розуміли, як працюють ці системи, і як використовувати їх відповідально. Однак ефективне впровадження ІІ виходить за межі технічних знань. Воно також вимагає сильної основи у навичках роботи з даними, від розуміння управління даними до формулювання аналітичних питань. Розгляд грамотності ІІ окремо від грамотності даних був би короткозорим, враховуючи, як密но вони пов’язані.

У сфері управління даними ще багато роботи потрібно зробити. Серед бізнесів, які хочуть збільшити свої інвестиції в управління даними, 47% погоджуються, що відсутність грамотності даних є однією з основних перешкод. Це підкреслює необхідність будівництва високорівневої підтримки та розвитку правильних навичок по всій організації. Без цих основ навіть найпотужніші моделі ІІ будуть боротися за надання результатів.

Розробка ІІ, яку потрібно зробити відповідальною

У сучасному регуляторному середовищі вже недостатньо, щоб ІІ просто “працювала”, вона також повинна бути відповідальною та пояснюваною. Закон ЄС про ІІ та запропонований план дій уряду Великої Британії щодо ІІ вимагають прозорості у високоризикових випадках використання ІІ. Інші країни слідують цьому прикладу, і більше 1000 пов’язаних законопроєктів знаходяться в порядку денному в 69 країнах.

Цей глобальний рух до відповідальності є прямим результатом зростаючих вимог споживачів і зацікавлених сторін щодо справедливості в алгоритмах. Наприклад, організації повинні бути能够 сказати, чому клієнту було відмовлено у кредіті або чому йому було встановлено преміальну ставку страхування. Для цього потрібно знати, як модель прийняла це рішення, а це залежить від наявності чіткого, аудитуємого сліду даних, які були використані для її навчання.

Якщо немає пояснюваності, бізнес ризикує втратити довіру клієнтів, а також зіткнутися з фінансовими та юридичними наслідками. Тому слідкість походження даних і виправдання результатів не є “бажаним”, а вимогами з боку законодавства.

І коли GenAI розширюється за межі простих інструментів до повноцінних агентів, які можуть приймати рішення та діяти відповідно, ставки для сильного управління даними зростають ще вище.

Кроки для побудови довірчих ІІ

Що ж таке добро? Щоб масштабувати GenAI відповідально, організації повинні вдатися до прийняття єдиної стратегії даних по трьох напрямках:

• Присвоєння ІІ бізнесу: Каталогізуйте свої дані навколо ключових бізнес-цілей, забезпечуючи, щоб вони відображали унікальний контекст, виклики та можливості, специфічні для вашого бізнесу.
• Встановлення довіри до ІІ: Встановіть політики, стандарти та процеси для забезпечення відповідального розгортання ІІ.
• Будівництво каналів даних для ІІ: Об’єднайте свої різноманітні джерела даних у стійку основу для надійного навчання ІІ з попередньо побудованими з’єднаннями GenAI.

Коли організації роблять це правильно, управління прискорює цінність ІІ. Наприклад, у фінансових послугах хедж-фонди використовують генеративне ІІ для перевершення людських аналітиків у прогнозуванні цін акцій при значному зниженні витрат. У виробництві оптимізація ланцюгів постачання, керованих ІІ, дозволяє організаціям реагувати в режимі реального часу на геополітичні зміни та екологічний тиск.

І ці не просто футуристичні ідеї, вони відбуваються зараз, завдяки довірчим даним.

З сильними основами даних компанії зменшують зміщення моделі, обмежують цикли повторного навчання та збільшують швидкість отримання цінності. Тому управління не є перешкодою, а засобом забезпечення інновацій.

Що далі?

Після експериментів організації переходять до інвестицій у трансформаційні можливості. Від персоналізації взаємодії з клієнтами до прискорення медичних досліджень, поліпшення психічного здоров’я та спрощення регуляторних процесів, GenAI починає демонструвати свій потенціал у різних галузях.

Але ці здобутки залежать повністю від даних, на яких вони побудовані. GenAI починається з побудови сильної основи даних через сильне управління даними. І хоча GenAI та агентне ІІ продовжуватимуть еволюціонувати, воно не замінить людський нагляд у найближчому майбутньому. Замість цього ми вступаємо в фазу структурованого створення цінності, де ІІ стає надійним співпілотом. З правильними інвестиціями у якість даних, управління та культуру, підприємства можуть нарешті перетворити GenAI з перспективного пілотного проекту у щось, що повністю злетить у небо.