Kad įmonės AI diegimas EMEA regione vėl pradėtų veikti, CIO turės agresyviai tikrinti savo sistemas.
Per pastaruosius 18 mėnesių dirbtinio intelekto diegimas visoje Europoje buvo gerokai didesnis nei pradinis bandymas. Įmonės skyrė kapitalą dideliems kalbų modeliams ir mašininiam mokymuisi, tikėdamosi didelių veiklos atnaujinimų. IDC tyrimai atskleidžia, kad valdybos lėtėja, mažėja arba perorientuojamos šios iniciatyvos.
Susitraukimas priklauso nuo vykdymo problemų ir finansinio patvirtinimo, o ne dėl techninių interesų praradimo. Konkuruojantys IT poreikiai ir makroekonominis spaudimas verčia direktorius reikalauti tvirtų finansinės grąžos įrodymų, prieš suteikiant leidimą platesniam diegimui.
Tik devyni procentai regiono organizacijų per pastaruosius dvejus metus sugebėjo pasiekti kiekybiškai įvertinamų verslo rezultatų, susijusių su daugumos jų AI projektų rezultatais. Likę 91 procentas lieka įstrigę. Projektai retai patiria katastrofiškų techninių gedimų; jie paprasčiausiai iškraujuoja, o bandomajame etape lieka netekę didesnio organizacinio poveikio.
Peržengti tradicinių viešųjų pirkimų metrikų ribas
Tradiciniai viešieji pirkimai priklauso nuo programinės įrangos licencijavimo sąnaudų susiejimo tiesiogiai su žmonių skaičiaus mažinimu. Generatyvinių modelių ir pažangių maršruto parinkimo sistemų vertė materializuojasi netiesioginiais būdais; sudaryti sąlygas naujiems pajamų srautams, pagreitinti darbuotojų darbą ir sumažinti įmonės riziką.
Apsvarstykite numatomos priežiūros įrankį gamybos įmonėje. Modelis gali nesumažinti inžinierių komandos dydžio. Vietoj to, tai apsaugo nuo didžiulio surinkimo linijos gedimo. Išvengtos nelaimės finansinė nauda nerodoma standartinėje departamento skaičiuoklėje.
Kadangi organizacijoms trūksta standartizuoto požiūrio šiai netiesioginei vertei matuoti, pirkimų padaliniai pavienius naudojimo atvejus vertina pagal siaurą metriką. Be apibrėžtos finansinės sistemos perspektyvūs pilotai praranda finansavimą dar nepasiekę gamybos tinklų. Technologijų vadovai turi aktyviai perrašyti savo investicijų grąžos (IG) skaičiavimus, kad užfiksuotų šiuos didelius privalumus, tiesiogiai susiejant juos su įmonės apatine linija.
Norint išplėsti bandomąjį projektą į nuolatinę įmonės funkciją, reikia intensyvaus ir ilgalaikio kapitalo. Inovacijų biudžetai lengvai padengia pradinius API iškvietimus ir debesies testavimo aplinkas. Norint perkelti tą patį modelį į gyvą aplinką, reikia nuolat investuoti į sunkią infrastruktūrą, aktyvius duomenų perdavimo kanalus ir kasdienę priežiūrą. Perėjus iš AWS arba Azure smėlio dėžės į pilną įmonės diegimą, atsiranda didelių architektūrinių spragų.
Inžineriniai vienetai susiduria su trintį, kai bando integruoti modernias vektorines duomenų bazes kartu su dešimtmečius senais, vietiniais Oracle arba SAP serveriais. Norint gauti papildytos kartos architektūrą, reikalinga švari ir suskirstyta informacija. Bandymas paleisti didelius kalbos modelius netvarkingoje saugykloje sukelia prastos kokybės išvestį ir didelį haliucinacijų dažnį.
Norint pašalinti šią struktūrinę spragą, reikia atlikti platų ir brangų duomenų pertvarkymą, kad programinė įranga galėtų tinkamai veikti. Nuolatinės skaičiavimo sąnaudos, susijusios su išvadų generavimu ir modelio derinimu, agresyviai auga, todėl technologijų vadovai yra verčiami pateisinti savo hiperskalavimo sąskaitas vis skeptiškesnėms finansų komandoms.
Regioniniai įstatymai, diktuojantys duomenų apsaugą ir kibernetinį saugumą, diktuoja diegimo parametrus visoje Europoje. Vidinių tinklų apsauga nuo greitų injekcijų atakų ir modelio sprendimų medžių dokumentavimas padidina pradines veiklos sąnaudas. Daugelis diegimo komandų šiuos teisinius reikalavimus laiko griežtais apribojimais.
Sėkminga mažuma laikosi kitokios pozicijos. Jie naudoja atitikties taisykles, kad užtikrintų geresnę sistemos architektūrą kūrimo ciklo pradžioje. Valdymo struktūrų kūrimas nuo pat pirmos dienos aktyviai pagreitina mastelio keitimo procesą.
Įmonės praneša, kad šis griežtas atitikties darbas pagerina įmonės atsparumą, geresnį ESG našumą ir didesnį klientų pasitikėjimą. Teisės aktai veikia kaip patikimo diegimo pagreitis, priversdami inžinierių komandas nustatyti tikslią duomenų kontrolę, kurią jos turėtų kurti nepaisant vyriausybės įgaliojimų.
Dirbtinių diegimų projektavimas realioms darbo eigoms
Didžiausias pasipriešinimas dažnai būna stalo lygyje. Technologijų vadovai dažnai kuria programinės įrangos sprendimus, kuriuos darbuotojai atsisako naudoti. Algoritminis pritaikymas yra organizacinė, o ne vien techninė kliūtis. Norint įveikti pasipriešinimą proceso pokyčiams, technologijas reikia tiesiogiai suderinti su esamomis darbo jėgos galimybėmis ir įmonės kultūra.
Inžinerijos direktoriai turi finansuoti kvalifikacijos tobulinimo programas ir aktyvų pokyčių valdymą, kad užtikrintų pasitikėjimą mašininiais procesais. Nesugebėjimas išspręsti žmogiškojo elemento praktiškai garantuoja lėtesnį priėmimą ir ribotą veiklos pasiekiamumą. Programinės įrangos integravimas sėkmingas, kai pašalina trintį iš darbuotojo kasdienybės.
Įmonės, išgaunančios ilgalaikę vertę, sąmoningai kuria savo diegimą pagal žmogaus darbo eigą, užtikrindamos, kad galutinis vartotojas gautų aktyvią naudą iš naujų įrankių. Pavyzdžiui, automatizuota sutarčių peržiūros sistema turėtų leisti įmonės konsultantams sutelkti dėmesį į didelės vertės derybas, o ne į pagrindinį atitikties patikrinimą.
Dabar dirbtinis intelektas yra įmonių operacijų centre, o šiuolaikiniai skaitmeniniai lyderiai turi aktyviai skatinti augimą ir kurti sistemas, kurios duoda teigiamą grąžą. Pasak IDC, 42 procentai EMEA C-Suite lyderių tikisi, kad jų CIO vaidmuo vadovaus skaitmeninei ir AI transformacijai, daugiausia dėmesio skirdami būtent naujų pajamų srautų kūrimui.
Šis spaudimas reikalauja agresyvaus komercinio mąstymo. Laikai, kai technologijų lyderis veikė tik kaip viešųjų pirkimų pareigūnas ir tinklo prižiūrėtojas, praėjo. CIO turi tiesiogiai susieti eksperimentines iniciatyvas su apčiuopiamais verslo rezultatais, užtikrindami absoliutų suderinimą visuose skyriuose.
Sėkmė dabartinėje rinkoje labai priklauso nuo vykdymo. Organizacijos, išeinančios iš bandomojo etapo, savo inžinerinį darbą susieja su komerciniais tikslais, anksti įdiegia valdymą ir suderina savo programinę įrangą su žmogaus prisitaikymu.
Keičiantis rinkai, sprendžiant, kaip įvertinti finansinę grąžą ir kuriant įmonės mastelio sistemas, bus nuspręsta, kurios įmonės užfiksuos tikrąją vertę. Technologijų lyderiai turi atsakyti, kaip jie pakeis savo veiklos modelius, kad palaikytų šias sistemas.
Taip pat žiūrėkite: IBM pristato AI platformą Bob, kad reguliuotų SDLC išlaidas
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
