Повечето организации вече използват ИИ в реална среда. Почти никоя обаче не го използва там, където е от значение — в клиентското изживяване, критичните бизнес решения или процесите с минимален човешки надзор. Именно в тази разлика се печели или губи конкурентното предимство.
Обикновено пречката е увереността, а не възможностите. При внедряването на ИИ в области с висок залог тя зависи от изпълнението на четири конкретни критерия.
Тези критерии обхващат начина, по който тествате поведението на ИИ, изграждате и управлявате решения в корпоративен мащаб, както и това дали ръководството ви действително е убедено защо всичко това е важно.
Изпълнението на тези критерии за увереност изгражда устойчиви навици и отговорност и ви дава по-малко основания да се въздържате от внедряване на ИИ там, където той може да доведе до съществена промяна. Без тази увереност ИИ остава ограничен до спестяване на средства чрез странични приложения, без съществено въздействие върху работата на организацията.
По това време миналата година — преди десетилетия, измерено в години на ИИ — повечето компании бяха в „чистилището на пилотните ИИ проекти“: имаха много интересни доказателства на концепции, показващи възможностите на ИИ, но трудно внедряваха което и да е от тях в реална среда. Година по-късно много организации вече имат поне няколко ИИ решения в реална среда, което е голяма крачка напред.
Често обаче ИИ се прилага в странични процеси: това е по-лесно, екипът за иновации може да го разработи с мотивиран бизнес потребител и ако нещо се обърка, „не е краят на света“. Самият процес не е особено важен, има резервен ръчен вариант или множество хора участват в контрола, за да ограничат евентуалните негативни последици.
Резултатът от този разбираем, но предпазлив подход е също толкова ограничено въздействие: малко вероятно е решенията да са допринесли осезаемо за растежа, клиентското изживяване или структурата на разходите.
Това ще отличи бъдещите победители от останалите: прогресивните компании инвестират в използването на ИИ там, където той влияе върху бизнес резултатите.
Изоставащите също „внедряват ИИ“, но не там, където той ще окаже съществено въздействие върху бизнеса.
Да, използването на ИИ при инвестиционни решения, клиентско изживяване, разработване на продукти, научноизследователска и развойна дейност и автоматизация без човешко участие ще изглежда по-рисково, но именно там са истинските ползи.
Компаниите, които напредват в тази област, може още да не се забелязват на пазара. Когато това се промени обаче, разликата не само ще бъде значителна — по-високата им скорост на внедряване на ИИ ще продължи да я увеличава, докато изоставащите осъзнават какво са разбирали погрешно през цялото време.
Следователно въпросът е: от какво се нуждае една организация, за да прилага уверено ИИ в процесите, които наистина са важни?
Първо, нека приемем, че вече сте преминали от „Имаме инструмент с ИИ като ChatGPT“ през „Имаме доказателства на концепции“ до „Имаме 10 работещи прости ИИ решения“. Ако не сте, трябва приоритетно да наваксате. Тези първи стъпки може да изглеждат елементарни, но са от съществено значение за изграждането на корпоративна грамотност по отношение на ИИ, за създаването на по-добри идеи за приложения и за изясняването на вътрешните стъпки за внедряване на ИИ в реална среда.
На този етап организацията трябва да стане по-амбициозна и да премине към „значими приложни ИИ решения с човешки надзор“, а след това към отличаващото я ниво: „прилагаме ИИ в основните си процеси и клиентското изживяване“.
Последните стъпки към този напредък рядко са ограничени от технологията; пречката обикновено е увереността на организацията. Защото винаги има причина трудните неща да бъдат отложени или избегнати:
„Ами ако даде погрешни изводи?“, „Ами ако се държи неправилно и попаднем в новините?“, „Ами ако сгреши изчислението и вземем неправилно решение?“, „Ами ако се отнася неприемливо към клиентите?“, „Ами ако моделът стане недостъпен?“, „Как ще поддържаме актуализациите му?“, „Ами ако нормативните изисквания се променят?“, „Трябва ли да изчакаме новия модел?“ и т.н.
Според нас обикновено има четири условия, които дават увереност да натиснете бутона „Пускане в реална среда“ при промяна с голямо въздействие, подпомагана от ИИ.
Защо: Действително ли организацията и по-конкретно висшето ръководство са убедени в тезата „защо ИИ е важен за успеха на бизнеса ни“? Ако не са, организацията по-лесно ще намира причини да избягва трудните решения.
Подкрепата: Има ли екип за промяна, трансформация или внедряване на ИИ, който да подпомага организацията в развитието ѝ с ИИ? Екип, който отговаря за внедряването, обучението, нормативните изисквания, новите начини на работа, оспорването на допусканията, осигуряването на нужното финансиране и други. ИИ не е промяна, която „технологичният отдел да оправи“, както често се случваше с облачните или дигиталните инициативи. Тя трябва да бъде ръководена от бизнеса и добре подкрепена.
Как: Има ли утвърдена корпоративна архитектура и архитектура на решенията за приложен ИИ? Макар областта да се развива непрекъснато, наличието на ясна позиция насърчава обмислянето и натрупването на знания за правилните защитни механизми, разходите, наблюдаемостта, контрола, достъпа до модели и други. Така започва да се изгражда вътрешна увереност, че организацията „знае какво прави“ с ИИ, и се предотвратява появата на множество различни начини за разработване.
Тестът за увереност при пускане: Собствениците на решения могат безкрайно да отлагат отговора на въпроса „достатъчно добро ли е за пускане?“. Традиционното тестване от екипите за осигуряване на качеството не дава такава увереност и усещане за отговорност при недетерминистична система с ИИ. Оценяванията ги дават.
Нека ги разгледаме в обратен ред, защото така следват най-тясно процеса на вземане на решение за уверено пускане.
В продължение на десетилетия организациите разчитаха на екипа за осигуряване на качеството да реши дали дадена версия е достатъчно добра. На хартия тестването се извършваше от бизнес заинтересованите страни, но на практика го правеше екипът за осигуряване на качеството. Резултатът беше „издържал“ или „неиздържал“ въз основа на безброй правила от типа „ако това, тогава онова“. Много работа, но ясна и праволинейна.
Това не работи при ИИ, където трябва да оценяваме поведението.
Оценяванията, или evals, превръщат качественото поведение на ИИ в измерима величина. Вместо „издържал/неиздържал“ определяте критерии — например коректност, тон, фактологично привързване и поведение при отказ — и присвоявате оценки. Проследявайте тези оценки през целия проект, докато подобрявате инструкциите, моделите, защитните механизми и други. Така екипът на проекта, комисиите по промяната и бизнес ръководството получават надеждна основа за действие: оценка за коректност, която в хода на проекта се е повишила от x до y.
Тази стойност изпълнява две функции. Първо, тя изгражда увереност, като показва подобрение с течение на времето и дава на заинтересованите страни конкретни доказателства, че системата се държи надеждно и последователно в рамките на зададените очаквания.
Второ, тя създава отговорност. Това са числата, на които могат да се позоват, заедно с проследимия произход на оценяванията. Документираният набор за оценяване, тестван в ясно определен диапазон от сценарии, е еквивалентът при ИИ на тестовия доклад, който доказва пред одобряващата комисия, че е положена необходимата грижа: прави ли системата само това, което трябва, и прави ли го единствено по правилния начин?
Разбира се, тези числа имат смисъл само ако критериите за оценяване са достатъчно изчерпателни. Това изисква промяна в оперативния модел, която повечето организации първоначално правят погрешно: „бизнесът“ трябва да притежава критериите за оценяване, а не технологичният екип, екипът за качество или един младши потребител, на когото задачата е делегирана. Собствениците на продукти и специалистите разбират областта, граничните случаи, желания тон, видовете взаимодействия, които потребителите могат да предизвикат, смислените стъпки на структурирано анализиране, режимите на отказ, правилните двойки въпроси и отговори и други. Хората, които използват и внедряват решението, трябва да определят как изглежда добрият резултат.
Това означава, че ако трябва да одобрите решение, което прилага ИИ в самата сърцевина на клиентското изживяване, е достатъчно да зададете два въпроса:
(1) кой е разработил критериите за оценяване и
(2) подобрявали ли са се резултатите от оценяването спрямо тези критерии с течение на времето и преминали ли са вече минималния праг?
Ако отговорът е "технологичният екип ги разработи, но сме доволни от резултатите", приложението не е готово. Ако отговорът е „да, тествахме миналата седмица и системата издържа“, зрелостта на оценяването вероятно не е достатъчна, за да вдъхне нужната увереност, тъй като оценяванията едва ли са били отправната точка на разработването.
Но ако бизнес собственикът на продукта е определял, преглеждал и усъвършенствал оценяванията през цялото разработване и може да покаже, че резултатите се движат в правилната посока, вече имате нещо, което заслужава одобрение.
Допълнителна увереност дава съгласуваността с принципите и стандартите за архитектура на ИИ. При първите пет приложения с ИИ е било приемливо всяко да се изгради по най-удобния начин, само за да започнете. Но за мащабиране и бързо, безопасно и добре управлявано внедряване на ИИ в цялата организация стават необходими по-структуриран подход, референтни архитектури на приложенията и корпоративна платформа за ИИ.
Всички инженерни екипи трябва бързо да могат да „наследяват“ достъп до модели, защитни механизми, наблюдаемост, мащабиране, управление на разходите и други, за да се съсредоточат върху проектирането на решението.
Наличието на ясна позиция за корпоративната платформа за ИИ и архитектурните подходи — дори тя бързо да остарява заради темпа на промените — допълнително укрепва увереността, че организацията може безопасно да внедрява ИИ в критични системи. Това означава, че някой е обмислил всички ключови фактори и е избрал оптимален път за внедряване, което допълнително вдъхва увереност, че решението ще поддържа тези важни процеси.
Това не е „да правим същото, но с достъп до инструмент с ИИ“. Може да звучи като клише, но трансформацията означава препроектиране на процесите, преосмисляне на продуктовото предлагане, развитие на клиентското изживяване и промяна на начина на работа, а най-вероятно и на екипните структури.
Това не може да се случи като странична задача и не може да бъде движено само от технологичния отдел (и не, нито от тричленния ви екип „Иновации“). Ако разчитате, че „нещата ще се наредят от само себе си“, няма да постигнете темпа на промяна, на който може да са способни печелившите ви конкуренти.
Освен това откриването на наистина революционните приложения и осигуряването на подкрепа за тях изискват задълбочени познания за ИИ в цялата организация и положителна нагласа към него.
Затова трансформацията ви с ИИ се нуждае от хора, които знаят от какво се нуждае организацията, умеят да осъществяват промяна и разбират ИИ. Управителният съвет трябва да им възложи да реализират промяната и да осигурят координация, енергия, финансиране, влияние, управление, приоритизиране и вземане на решения.
Особено в началните етапи добре работи централизирано звено от типа „Център за ИИ“, „Трансформация с ИИ“ или „Офис за ИИ“. Този централен екип създава увереност, че организацията има стратегия за изпълнение, важните решения могат бързо да се вземат и разпространяват, а критериите за качество на трансформацията с ИИ са ясно определени. Без такова звено подходът рискува да стане прекалено разпокъсан, което води до непоследователни решения, различен избор на продукти и решения и неравномерно качество. В крайна сметка това подкопава увереността за внедряване на ИИ в области с висок залог.
Както вече посочихме, реално конкурентно предимство от ИИ ще получат компаниите, които изградят корпоративния опит, експертен капацитет и увереност да го внедряват често, бързо и в самата сърцевина на важните процеси и изживявания, подобряващи обслужването на клиентите, продуктовите резултати, скоростта на производство и други.
Необходими са добри практики за оценяване, архитектура, която се адаптира и мащабира бързо, и ориентирано към действие управление на трансформацията, което помага на организацията да се учи, адаптира и установява нови начини на работа.
Нищо от това обаче няма да се случи успешно „отдолу нагоре“. Промените и последиците им са твърде бързи и значими. Не са достатъчни и „одобрение от управителния съвет“ или „подкрепа от ръководството“.
Ако служителите ви не разбират ясно защо промените са необходими, какво означават лично за тях — добро или лошо — и какво ще спечелят, трансформацията ще се случва по заобиколен начин и ще причини много съпътстващи щети.
Затова четвъртият елемент за извличане на истинско предимство от внедряването на ИИ е ръководството на компанията действително да разбира и вярва, че инвестициите в ИИ са от съществено значение за бъдещия ѝ успех. Това е тяхната стратегия за ИИ, включена в мисията и целите. Те я отстояват постоянно и видимо подкрепят решенията си с действия.
Това дава на екипите в цялата организация стимули, подкрепа и усещане за неотложност, за да развиват уменията си и да вземат онези леко неудобни, но важни решения в полза на по-трудния и по-възнаграждаващ път. Така се създава увереността да натиснете „Пускане в реална среда“ за клиентско изживяване или процес за инвестиционни решения, подпомаган от ИИ.
През следващите две години от ИИ няма да спечелят компаниите с най-много внедрявания. Ще спечелят онези, които накарат ИИ да работи във важните, ориентирани към клиентите и влияещи върху решенията критични бизнес системи и процеси и изградят корпоративния капацитет да го правят постоянно и безопасно.
Каква е следващата ви стъпка? Ако организацията ви „внедрява ИИ“, но това не влияе върху успеха на компанията, опитайте да отговорите на следните въпроси:
Ясна ли е ролята на ИИ за постигането на мисията на компанията ви? Смятате ли, че ръководството действително вярва, че внедряването на ИИ е от съществено значение за бъдещия успех на компанията?
Има ли централно звено, което придвижва програмата за ИИ, обучава организацията и координира дейностите?
Изгражда ли технологичният екип експертен капацитет, ресурси и модели за работа, които улесняват по-бързото и безопасно инженерно разработване на ИИ?
Достигат ли версиите до реална среда, без да бъдат блокирани от въпроси без отговор за поведението на ИИ?
Ако отговорът на някой от тези въпроси е „не“, вече знаете откъде да започнете, за да изградите увереност в организацията, че ИИ може да се внедрява бързо и последователно и да ви носи конкурентно предимство там, където това наистина има значение.