Четыре основы, без которых генеративный ИИ не будет работать
Генеративный искусственный интеллект (GenAI) может изменить ваш бизнес, но только если вы заложите правильный фундамент. Портал The New Stack рассказывает об основных принципах, сформулированных на основе экспертных мнений HBR, KPMG и других аналитиков.
Если вы думаете, что GenAI — это идеальное решение для «революции» в вашем бизнесе, подумайте еще раз. Заголовки новостей могут рисовать его как паровой двигатель нашей эпохи или волшебную палочку для сокращения расходов и стимулирования инноваций, но реальность такова, что неэффективность, непредсказуемость результатов и дорогостоящие эксперименты не принесут результатов для большинства организаций.
Правда в том, что GenAI — это не быстрое решение. Без прочного фундамента в виде четкой дорожной карты, чистых данных, эффективного руководства и культуры, готовой принять изменения, он станет еще одним технологическим трендом, который слишком много обещает и мало выполняет.
Многие компании рвутся вперед, но лишь немногие делают это правильно. А как обстоят дела в вашей организации? Рассчитываете ли вы на долгосрочный успех или повторяете ошибки других? Что отделяет тех, кто впадает в ажиотаж, от тех, кто реализует потенциал GenAI?
В этой статье вы узнаете о четырех основах эффективного использования GenAI, подкрепленных отраслевыми исследованиями Harvard Business Review (HBR) и KPMG, а также экспертными мнениями лидеров отрасли. Вы получите план по преодолению этих проблем, а также действенные инсайты, содержащиеся в комплексном отчете HBR «Unlocking Gen AI’s Potential By Strengthening Data and Organizational Readiness», подготовленном по заказу компании Boomi.
Основные проблемы, сдерживающие развитие GenAI
Понимание основных проблем GenAI — первый шаг к созданию устойчивой стратегии.
Многие организации гонятся за хайпом, а не за ценностью
Слишком часто организации бросаются в море GenAI, движимые скорее азартом, чем стратегическими намерениями. Стремление казаться инновационными или не отстать от конкурентов толкает на поспешные внедрения без четко поставленных целей.
Они видят в GenAI «новую блестящую игрушку», как метко выразился Кевин Коллинз, генеральный директор Charli AI, но проверка реальностью наступает быстро и жестко: «Заполучить эту новую блестящую игрушку дорого и сложно». Согласно Fortune, этот ажиотаж нашел отражение в более чем 30 тыс. упоминаний ИИ в ходе конференций по финансовым вопросам только в 2023 г., что свидетельствует о широком энтузиазме, но зачастую без необходимой ясности цели.
Исследование KPMG, проведенное в 2023 г., показало, что у 19% организаций не было продуманного бизнес-обоснования для внедрения GenAI. Отсутствие целенаправленного подхода превращает то, что могло бы стать преобразующей технологией, в дорогостоящий эксперимент, который не соответствует бизнес-целям.
Низкое качество и изолированность данных ограничивают потенциал GenAI
Отсутствие стратегической ясности — не единственное препятствие. Даже если организациям удается определить бизнес-кейс, они часто сталкиваются с другой проблемой: их данные.
Неразбериха в данных мешает организациям выйти за рамки начального уровня использования. Захламленность данных, несогласованность форматов и неполнота записей создают узкие места, которые не позволяют GenAI обеспечить обещанную ценность. В отчете HBR приводится мнения Марьям Алави, профессора ИТ-менеджмента в Georgia Tech: «На крупных предприятиях существуют изолированные системы, различные версии одних и тех же данных, разные подходы к именованию элементов данных, различные форматы, а также большие объем и скорость передачи данных. Данными нужно управлять гораздо лучше во всех аспектах — будь то интеграция, вопросы безопасности, конфиденциальности, контроля доступа — чем это было раньше».
То, что более 87% руководителей называют разрозненность и несогласованность данных в качестве существенных препятствий, является отрезвляющим фактом. Модели GenAI не могут масштабироваться и эффективно работать без чистых, согласованных конвейеров данных.
Отсутствие руководства создает риски и неэффективность
Слабые или несуществующие структуры управления подвергают компании различным этическим, юридическим и операционным рискам, которые могут свести на нет их амбиции в области GenAI.
Согласно данным опроса Info-Tech Research Group, только 33% компаний, использующих GenAI, внедрили четкие политики использования. Отсутствие надзора не позволяет контролировать такие риски, как галлюцинации, предвзятость и неточность результатов, что создает потенциальную уязвимость с точки зрения регулирования и репутации.
Принципы ответственного ИИ (в том числе справедливость, прозрачность и подотчетность) часто остаются на втором плане, что приводит к созданию систем, не соответствующих ценностям организации и не отвечающих требованиям законодательства.
Cопротивление и недоверие тормозят прогресс
Сами по себе системы управления не могут решить глубокие человеческие проблемы, с которыми сталкиваются организации. Особенности корпоративной культуры часто создают барьеры, которые не могут преодолеть никакие технические достижения.
Руководители могут переоценить свое понимание GenAI: согласно исследованию Alteryx, 67% членов советов директоров в 2023 г. оценивали свое понимание как «продвинутое» или выше. Однако эта уверенность редко переходит в обоснованное принятие решений, что приводит к разрыву между стратегическими амбициями и практическими реалиями.
С другой стороны, сотрудники часто настроены скептически. Для многих GenAI кажется скорее угрозой, чем инструментом, вызывая страх перед потерей работы или недоверие к его результатам. Неудивительно, что в исследовании HBR 24% организаций назвали внутреннее сопротивление одним из главных препятствий.
Эти противоположные точки зрения — лидеры, продвигающие вперед, и сотрудники, отступающие назад, — приводят к своего рода перетягиванию каната. Без согласованности действий внедрение GenAI станет еще одной благой затеей, развалившейся из-за разного понимания смысла.
Ключевые решения для раскрытия потенциала GenAI
Несмотря на эти проблемы, многие организации продолжают внедрять GenAI, в первую очередь для того, чтобы собрать «низко висящие плоды», такие как усовершенствование ПО управления взаимоотношениями с клиентами (CRM) или создание контента с помощью ИИ. Но достаточно ли этого? Организации, нацеленные на долгосрочный успех, готовятся к продвинутым сценариям использования с помощью целостного подхода, опирающегося на следующие четыре основы:
1. Создайте дорожную карту для устойчивого и масштабного внедрения GenAI
Создание дорожной карты внедрения GenAI требует структурированного подхода к оценке и приоритизации сценариев использования. В отчете HBR приводится совет Химаншу Ароры, вице-президента компании Infosys, оценивать сценарии использования по шести параметрам, чтобы выявить те, которые с наибольшей вероятностью принесут пользу:
— Обоснованность и реализуемость. Оцените, соответствует ли конкретный сценарий использования стратегическим целям и может ли он быть реализован.
— Количественная оценка ценности для бизнеса. Измерьте потенциальный эффект, например, экономию затрат или рост доходов.
— Готовность данных. Определите, являются ли необходимые данные чистыми, доступными и согласованными.
— Ответственное отношение к ИИ. Избегайте сценариев использования, которые пересекают этические или нормативные границы.
— Культурная готовность. Оцените способность организации принять и масштабировать сценарий использования.
— Стоимость. Сопоставьте ожидаемую прибыль с необходимыми инвестициями.
Сет Эрли, основатель и генеральный директор компании по оказанию профессиональных услуг Earley Information Science, в том же отчете обращает внимание на важность фокусирования на дифференцирующих факторах, таких как инновации бизнес-модели или генерация идей, для обеспечения конкурентного преимущества. Начало работы с малорискованных и высокоэффективных сценариев использования позволяет набрать обороты и подготовить организацию к передовым приложениям, обеспечивающим долгосрочное масштабирование и рост.
2. Создайте прочный фундамент данных для успеха GenAI
«Ваш бизнес будет работать на этих моделях, и они будут делать прогнозы. Поэтому вам лучше сделать все правильно, потому что иначе „мусор на входе, мусор на выходе“», — отмечает Коллинз.
Чтобы раскрыть потенциал GenAI, необходимо решить пять важнейших задач, рекомендуемых Аророй:
— Готовность данных. Очистите и гармонизируйте данные, чтобы устранить разрозненность и несоответствия.
— Эффективность моделей. Оцените, насколько хорошо модели соответствуют потребностям бизнеса и улучшают его результаты.
— Ценность сценариев использования. Измерьте влияние GenAI в конкретных сценариях, таких как ускорение процесса адаптации сотрудников или повышение эффективности кодирования.
— Стратегическое соответствие. Оцените вклад GenAI-инициатив в достижение более широких бизнес-целей, таких как рост доходов или операционные улучшения.
— Соответствие нормативным требованиям. Отслеживайте конфиденциальность данных, безопасность и этические стандарты, чтобы снизить риски и сохранить доверие.
Сочетание решения этих задач с такими мероприятиями, как анализ готовности данных, стандартизация метаданных и системная интеграция, позволит усовершенствовать экосистему данных и подготовить организацию к эффективному масштабированию GenAI.
Создание этой основы также требует повышения квалификации сотрудников, налаживания партнерских отношений с поставщиками и найма людей с техническими навыками и навыками решения проблем.
3. Создайте систему руководства для снижения рисков
Чтобы создать надежную систему руководства, необходимо:
— Разработать принципы ответственного ИИ. Создайте политики, акцентирующие внимание на конфиденциальности данных, справедливости, подотчетности и прозрачности. «Системы должны избегать привнесения предвзятости в процессы и быть инклюзивными и уважительными по отношению к отдельным людям и сообществам», — говорится в отчете HBR.
— Привлечь межфункциональные команды. Объедините усилия ИТ-специалистов, юристов, бизнес-лидеров и конечных пользователей для создания и контроля над политиками регулирования. Билл Вонг, научный сотрудник по ИИ в Info-Tech Research Group, рекомендует распределить обязанности по всей организации, чтобы лучше справляться с рисками ИИ.
— Проводить регулярные аудиты и оценки воздействия. Проверяйте модели на комплаенс, оценивайте результаты и совершенствуйте процессы, чтобы поддерживать соответствие этическим и нормативным стандартам.
— Создать библиотеку проверенных сценариев использования. Эрли предлагает разработать «эталонный сценарий использования» для определения соответствия сценариев политикам и критериям успешности работы.
Хорошо структурированный подход к регулированию защищает от невыполнения обязательств и позиционирует GenAI как надежный и масштабируемый организационный инструмент.
4. Сформируйте культуру, которая примет GenAI
Ключевые действия для создания культуры, готовой к GenAI:
— Обучение руководителей и сотрудников. Предоставьте последовательное руководство по роли GenAI как инструмента дополнения, а не замены человеческих знаний.
— Создание централизованного руководства. Создайте центр передового опыта (CoE) или назначьте главного специалиста по ИИ для руководства стратегией, регулированием и процессами внедрения.
— Поощрение межфункциональной работы. Привлекайте отделы ИТ, кадров и управления рисками и бизнес-подразделения к формированию и реализации GenAI-инициатив.
«В компании должна быть группа, возможно, руководящий комитет по ИИ, состоящий не только из технологов, но и из людей из бизнеса, которые в той или иной степени осведомлены о GenAI», — говорит Том Дэвенпорт, профессор Babson College.
Совместный подход устраняет разрыв между руководителями и сотрудниками, укрепляя доверие и согласовывая цели организации с потенциалом GenAI.
Заключение
GenAI обладает огромным потенциалом для преобразования организаций, позволяя внедрять инновации, оптимизировать рабочие процессы и создавать новые бизнес-модели. Однако для реализации этих преимуществ требуется не только энтузиазм. Без устранения сформулированных выше четырех основополагающих пробелов даже самые амбициозные проекты GenAI рискуют превратиться в дорогостоящие эксперименты, которые не принесут ощутимой пользы.