Разрыв между экспериментами с ИИ и их реальным воздействием продолжает увеличиваться, и многие организации по-прежнему испытывают трудности с преобразованием импульса в ценность. Отчасти это происходит потому, что компаниям не хватает структур, необходимых для преобразования потенциала ИИ в результаты, масштабируемые на всё предприятие, а отчасти из-за более глубокого несоответствия в понимании того, как ИИ следует использовать, управлять и интегрировать в существующие процессы.
«Мы все еще находимся в начале пути развития ИИ, и люди не всегда понимают, что он может делать и каковы его ограничения», — говорит Адриен Ле Гувелло, недавний партнер super{set} AI Advisors и соучредитель Lucenn. Проведя более десяти лет, направляя компании из списка Fortune 100 и компании на ранних стадиях через это сложное испытание, он увидел, насколько важны прочные основы для того, чтобы ИИ оказал значимое воздействие. ИИ добивается успеха только тогда, когда компании определяют решаемые проблемы, создают структуры вокруг реальных рабочих процессов, привлекают пользователей на ранних этапах, адаптируют решения к их потребностям и с самого начала внедряют ответственное управление.
Масштабируемый ИИ начинается с четких, решаемых проблем
«Компании не знают, как разбить свои желания на решаемые части для ИИ», — говорит он. Этот недостаток конкретики является первым препятствием для масштабируемого внедрения. Представьте, что вы спрашиваете ИИ-агента, как добраться до Луны, не предоставляя контекста, такого как местоположение или ресурсы. Неполный запрос неизбежно приведет к неточному ответу, потому что системе не хватает информации, необходимой для эффективного рассуждения.
ИИ работает лучше всего, когда организации предоставляют подробные, структурированные входные данные, которые привязывают модель к реальности. Вот почему контекстная инженерия превзошла по важности инженерию подсказок. «Каждая модель отличается», — говорит он, и каждая зависит от правильного обрамления для предоставления значимого, надежного результата.
Когда проблема ясна, работа смещается на проектирование структур, которые позволяют ИИ обеспечивать повторяемую ценность. Именно здесь многие компании застревают. Руководители часто проектируют решения ИИ сверху вниз, не привлекая людей, которые будут использовать их ежедневно. Результатом становятся инструменты, которые кажутся многообещающими в теории, но не работают на практике. Это сценарий, который он часто наблюдает. «Восемьдесят процентов пилотных проектов остаются в пилотных фазах», — говорит он, потому что решения не отражают реальные рабочие процессы. Когда это происходит, пользователи отключаются, и внедрение быстро разрушается.
Превращение проблем внедрения в действенные структуры
Его средство — привлечь пользователей к процессу с первого дня. «Если вы не вовлекаете продавца в процесс с самого начала, как вы можете ожидать, что пользователь действительно будет это использовать?» Их понимание формирует решения по дизайну, а их участие превращает их в чемпионов, которые помогают масштабировать продукт по всей организации.
Это принцип, который находится в центре его более широкого подхода, и он переводит его в три практических действия, которые помогают компаниям перейти от экспериментов к ценности в масштабах всего предприятия.
1. Глубоко понять процесс. Лидеры должны анализировать, как в настоящее время выполняется работа, какая информация имеет наибольшее значение и где трение замедляет прогресс. Улучшение, а не воспроизведение, становится целью. Часто наиболее эффективные решения ИИ возникают не из воспроизведения рабочего процесса, а из его переосмысления.
2. Вовлекайте пользователей рано и часто. Их перспектива создает актуальность, а их владение укрепляет внедрение. Когда пользователи чувствуют, что решение отражает их реальные потребности, они естественным образом выступают за него.
3. Настраивайте решения, а не полагайтесь исключительно на готовые инструменты. Многие платформы предлагают сильные базовые возможности, которые покрывают только часть проблемы. Настройка гарантирует, что системы ИИ решают весь спектр потребностей организации. «Копнуть немного глубже» часто является тем, что раскрывает реальную ценность.
Ответственный ИИ защищает доверие и ускоряет масштабирование
Даже при правильной структуре ИИ не может и не должен масштабироваться без защитных мер. Практики ответственного ИИ превращают эксперименты в результаты, на которые организации могут положиться, создавая стабильность, необходимую для широкого внедрения.
Сегодня компании ориентируются в регуляторном давлении, юридических рисках и растущих опасениях по поводу конфиденциальности данных и галлюцинаций, что делает защиту проприетарной информации необсуждаемой отправной точкой. Это начинается с создания безопасных архитектур, соответствующей маркировки конфиденциальных данных и предотвращения непреднамеренного раскрытия. Недавние громкие случаи, включая глобальные фирмы, оштрафованные за неточности, созданные ИИ, подчеркивают, насколько хрупким становится доверие, когда эти ограждения отсутствуют.
«Галлюцинации — это факт», — говорит он, поэтому организациям нужны слои оценки, которые постоянно проверяют результаты. Последней защитой является участие человека. ИИ должен информировать решения, а не заменять их. Люди оценивают, проходят ли результаты базовую «проверку на здравый смысл», проверяют точность и поддерживают подотчетность.
Обучение сотрудников также необходимо для обеспечения того, чтобы каждый пользователь понимал как потенциал, так и риск. Когда люди знают, как ответственно использовать ИИ, компании приобретают уверенность для масштабирования.
Создание долговечных структур ИИ
Масштабируемый ИИ не начинается с технологии. Он начинается с точного определения проблемы, глубокого понимания процессов, разработки, ориентированной на пользователя, и ответственного архитектурного проектирования. Когда организации принимают эти принципы, ИИ становится катализатором измеримой трансформации, а не застопорившимся экспериментом. «Вы хотите, чтобы ИИ работал на вас, а не вокруг вас, и это происходит только тогда, когда основы правильные».
Читатели могут связаться с Адриеном Ле Гувелло в LinkedIn для получения дополнительной информации.
