Karamihan ng mga organisasyon ay gumagamit na ngayon ng AI sa produksyon. Halos wala namang gumagamit nito kung saan ito pinakamahalaga: sa mga karanasang nakaharap sa kliyente, mahahalagang pasya sa negosyo, o prosesong tumatakbo nang may kaunting pangangasiwa ng tao. Sa puwang na iyan nakakamit o nawawala ang kalamangan sa kompetisyon.
Karaniwang kumpiyansa, hindi kakayahan, ang hadlang. Sa paggamit ng AI para sa mga sensitibong gawain, nakasalalay ito sa pagtugon sa apat na partikular na pamantayan.
Saklaw ng mga pamantayang iyon kung paano ninyo sinusubok ang gawi ng AI, binubuo at pinamamahalaan ang mga solusyon sa antas ng enterprise, at kung tunay na nauunawaan at sinusuportahan ng inyong pamunuan kung bakit ito mahalaga.
Ang pagtugon sa mga pamantayang ito ay humuhubog ng kakayahan at pananagutan, at binabawasan ang dahilan para mag-atubiling gumamit ng AI upang makagawa ng makabuluhang pagbabago. Kung wala ito, mauuwi lamang ang AI sa pagtitipid ng ilang £ sa mga di-pangunahing gamit, nang walang malaking epekto sa pagpapatakbo ng organisasyon.
Noong nakaraang taon—na katumbas ng ilang dekada sa bilis ng AI—karamihan ng mga kumpanya ay nasa “purgatoryo ng AI POC”: marami silang interesanteng POC na nagpapakita ng kayang gawin ng AI, ngunit nahihirapan silang ilunsad sa produksyon ang alinman sa mga ito. Pagkalipas ng isang taon, marami nang organisasyon ang may kahit ilang solusyong AI sa produksyon, na isang napakagandang pagsulong.
Gayunman, madalas na ginagamit ang AI sa mga di-pangunahing proseso: mas madali itong gawin, kaya itong buuin ng pangkat ng Innovation kasama ang isang masigasig na user mula sa negosyo, at kung pumalpak, “hindi naman katapusan ng mundo.” Hindi gaanong mahalaga ang proseso, may manwal na pamalit na proseso, o maraming “taong kasama sa proseso” upang limitahan ang anumang negatibong epekto.
Ang resulta ng nauunawaan ngunit konserbatibong pamamaraang iyon ay konserbatibo rin ang epekto ng mga solusyon: malamang na wala itong kapansin-pansing naidulot sa mga pagkakataon para sa paglago, karanasan ng kliyente, o estruktura ng gastos.
Iyan ang naghihiwalay sa mga magtatagumpay sa hinaharap at sa iba: namumuhunan ang mga progresibong kumpanya sa paggamit ng AI kung saan mahalaga ito sa pagganap ng negosyo.
“Gumagamit din ng AI” ang mga nahúhuli, ngunit hindi kung saan ito magkakaroon ng makabuluhang epekto sa negosyo.
At oo, mas mapanganib sa pakiramdam ang paggamit ng AI sa mga pasya sa pamumuhunan, karanasan ng kliyente, pagbuo ng produkto, pananaliksik & disenyo, at ‘mga awtomasyong walang taong kasama sa proseso’—ngunit naroon ang tunay na pakinabang.
Maaaring hindi pa nakikita ng merkado ang mga kumpanyang nangunguna sa larangang ito, ngunit kapag nakita na sila, hindi lamang malaki na ang agwat—patuloy pa itong lalawak dahil mas mabilis silang nakapaglulunsad ng AI, habang inaalam pa ng mga nahúhuli kung saan sila nagkamali.
Kaya ang tanong ay: ano ang kailangan ng isang organisasyon upang magkaroon ng kumpiyansang gamitin ang AI sa mga prosesong tunay na mahalaga?
Una, ipagpalagay nating nakausad na kayo mula sa “May AI tool kami tulad ng ChatGPT,” tungo sa “May mga POC kami,” at pagkatapos ay sa “May 10 simple at aktibong solusyong AI kami.” Kung hindi pa, kailangan ninyo itong unahin. Maaaring payak ang mga unang hakbang na iyon, ngunit mahalaga ang mga ito upang masimulang palawakin ang kaalaman sa AI sa buong enterprise, makabuo ng mas mahuhusay na ideya sa paggamit, at matukoy ang mga panloob na hakbang upang mailunsad sa produksyon ang anumang AI.
Sa puntong ito, dapat maging mas ambisyoso ang organisasyon at sumulong sa paghahatid ng “makabuluhang inilapat na mga solusyong AI na may pangangasiwa ng tao,” at pagkatapos ay sa naiibang antas na “ginagamit namin ang AI sa aming mga pangunahing proseso at karanasan ng kliyente.”
Ang mga huling hakbang na iyon ay bihirang nalilimitahan ng teknolohiya; kumpiyansa ng organisasyon ang mas karaniwang hadlang. Dahil palaging may dahilan upang ipagpaliban o iwasan ang mahihirap na bagay:
“Paano kung mali ang mga insight na ibigay nito?,” “Paano kung mali ang maging gawi nito at mabalita tayo?,” “Paano kung magkamali ito sa pagkalkula at maling pasya ang gawin natin?,” “Paano kung abusuhin nito ang mga kliyente?,” “Paano kung hindi magamit ang modelo?,” “Paano natin susuportahan ang mga update dito?,” “Paano kung magbago ang regulasyon?,” “Dapat ba nating hintayin ang bagong modelo”?, at iba pa.
Sa aming pananaw, karaniwang may apat na kondisyong nagbibigay ng kumpiyansang pindutin ang “Go Live” para sa pagbabagong pinapagana ng AI at may malaking epekto.
Ang Bakit: Tunay bang nauunawaan at sinusuportahan ng organisasyon—lalo na ng C-suite—ang paliwanag na “kung bakit mahalaga ang AI sa tagumpay ng ating negosyo”? Dahil kung hindi, mas malamang na makahanap ang organisasyon ng mga dahilan upang umiwas sa mahihirap na pasya.
Ang Suporta: May pangkat bang AI Change/Transformation/Enablement na sumusuporta sa organisasyon habang umuunlad ito gamit ang AI? Ito ang nangangasiwa sa paggamit, edukasyon, mga regulasyon, bagong paraan ng pagtatrabaho, paghamon sa mga palagay, paglalaan ng kinakailangang pondo, at iba pa. Ang AI ay hindi pagbabagong “teknolohiya na ang bahalang mag-ayos,” gaya ng madalas na nangyari sa mga inisyatiba sa Cloud o Digital. Dapat itong pamunuan ng negosyo at suportahan nang maayos.
Ang Paano: May itinatag na enterprise at solution architecture ba para sa inilapat na AI? Bagama't patuloy na umuunlad ang larangang ito, ang pagkakaroon ng malinaw na pananaw ay nagtutulak sa wastong pag-iisip at pagpapalawak ng kaalaman tungkol sa mga angkop na guardrail, gastos, observability, kontrol, access sa modelo, at iba pa. Nagsisimula itong bumuo ng panloob na kredibilidad na “alam ng organisasyon ang ginagawa nito” pagdating sa AI at pinipigilan ang sari-sari at magkakaibang paraan ng pagbuo.
Ang Pagsubok sa Kumpiyansa para sa Go-Live: Maaaring walang katapusang ipagpaliban ng mga may-ari ng solusyon ang pagsagot sa “sapat na ba itong mahusay para ilunsad?.” Hindi ibinibigay ng tradisyonal na pagsubok ng mga QA team ang kumpiyansa at pananagutang iyon para sa isang hindi deterministikong sistema ng AI. Naibibigay ito ng mga evaluation.
Talakayin natin ang mga ito sa pabaligtad na pagkakasunod-sunod, dahil iyon ang ayos na pinakamalapit sa pagpapasya tungkol sa kumpiyansang mag-go-live.
Sa loob ng ilang dekada, umasa ang mga organisasyon sa QA team upang magpasya kung sapat na ang kalidad ng isang release. Sa papel, ang mga stakeholder ng negosyo ang nagsasagawa ng pagsubok; sa aktuwal, ang QA team ang gumagawa nito. Pumasa o bumagsak lamang ito batay sa napakaraming tuntuning kung ito, gawin iyon. Maraming trabaho, ngunit diretsahan.
Hindi iyon gumagana para sa AI, kung saan kailangan nating suriin ang gawi.
Ang mga evaluation, o eval, ang paraan upang masukat ang kuwalitatibong gawi ng AI. Sa halip na pumasa o bumagsak, nagtatakda kayo ng mga pamantayan—gaya ng kawastuhan, tono, grounding sa mga katotohanan, at gawi sa pagtanggi—at nagbibigay ng mga score. Subaybayan ang mga score na iyon sa buong proyekto habang pinapahusay ninyo ang mga prompt, modelo, guardrail, at iba pa. Sa gayon, magkakaroon ang pangkat ng proyekto, mga komite sa pagbabago, at pamunuan ng negosyo ng matibay na batayan sa pagkilos: isang score sa kawastuhan na umangat mula x tungong y sa kabuuan ng proyekto.
Dalawa ang nagagawa ng numerong iyon. Una, pinalalakas nito ang kumpiyansa sa pamamagitan ng pagpapakita ng pagbuti sa paglipas ng panahon at pagbibigay sa mga stakeholder ng kongkretong ebidensiyang ang sistema ay tuloy-tuloy at maaasahang kumikilos ayon sa itinakdang mga inaasahan.
Ikalawa, lumilikha ito ng pananagutan. May mga numero silang maituturo at may talaan ng pinagmulan ang mga eval na iyon. Ang dokumentadong hanay ng mga evaluation na sinubok sa malinaw na tinukoy na saklaw ng mga sitwasyon ay katumbas sa AI ng ulat sa pagsubok. Binibigyan nito ang komite sa pag-apruba ng katibayang nagsagawa ng nararapat na pagsusuri: ginagawa ba nito—at tanging iyon lamang—ang nararapat nitong gawin, at ginagawa ba nito iyon—at tanging sa paraang iyon lamang—ayon sa nararapat?
Siyempre, makabuluhan lamang ang mga numerong iyon kung sapat na masinsin ang mga pamantayan sa evaluation. Nangangailangan ito ng pagbabago sa operating model na madalas magkamali ang mga organisasyon sa simula: ang “negosyo” ang dapat magmay-ari ng mga pamantayan sa evaluation—hindi ang tech team, QA team, o isang junior user na pinagpasahan lamang nito. Nauunawaan ng mga product owner at espesyalista ang larangan, mga di-karaniwang kaso, nais na tono ng pananalita, mga uri ng interaksiyong maaaring gawin ng mga user, mga makatuwirang hakbang sa pangangatwiran, mga posibleng uri ng pagkabigo, wastong pares ng Q&A, at iba pa. Ang mga gagamit at maglulunsad ng solusyon ang dapat magpasya kung ano ang maituturing na mahusay.
Ibig sabihin, kung kailangan ninyong aprubahan ang isang solusyong gumagamit ng AI sa pinakasentro ng karanasan ng customer, dalawang tanong lamang ang kailangan ninyong itanong:
(1) sino ang nagdisenyo ng mga pamantayan sa evaluation, at
(2) bumuti ba sa paglipas ng panahon ang performance sa eval batay sa mga pamantayang iyon, at nalampasan na ba nito ang minimum na threshold?
Kung ang sagot ay "ang tech team ang gumawa ng mga iyon, ngunit nasisiyahan kami sa mga resulta", hindi pa handa ang application. Kung ang sagot ay “oo, sinubukan namin ito noong nakaraang linggo at pumasa,” malamang na hindi pa sapat ang antas ng kahusayan sa eval upang maibigay ang kinakailangang kumpiyansa, dahil malamang na hindi naging panimulang batayan ng pagbuo ang mga eval.
Ngunit kung ang product owner ng negosyo ang tumutukoy, nagsusuri, at paulit-ulit na nagpapahusay sa mga eval sa buong panahon ng pagbuo, at maipakikita niyang patuloy na gumaganda ang performance, mayroon kayong karapat-dapat aprubahan.
Ang isa pang pinagmumulan ng kumpiyansa ay ang pagsunod sa mga prinsipyo at pamantayan ng arkitektura ng AI. Bagama't sapat nang buuin sa anumang angkop na paraan ang una ninyong limang AI application para lamang makapagsimula, kailangan na ng mas sistematikong pamamaraan—na may mga sangguniang arkitektura ng application at enterprise AI platform—upang mapalawak at mapabilis ang ligtas at maayos na pinamamahalaang paglulunsad ng AI sa buong organisasyon.
Dapat mabilis na “manahin” ng lahat ng engineering team ang access sa modelo, mga guardrail, observability, pag-scale, pamamahala ng gastos, at iba pa, upang makapagpokus sila sa pag-engineer ng solusyon.
Ang pagkakaroon ng pananaw sa enterprise AI platform at mga pamamaraan sa arkitektura—kahit mabilis itong maluma dahil sa bilis ng pagbabago—ay higit na nagpapalakas sa kumpiyansa ng organisasyon na ligtas itong makapaglulunsad ng AI sa mahahalagang sistema. Ipinahihiwatig kasi nitong may nagsaalang-alang sa lahat ng pangunahing salik at pumili ng pinakamahusay na paraan ng paglulunsad, na lalo pang nagbibigay ng kumpiyansang masusuportahan ng solusyon ang mahahalagang prosesong iyon.
Hindi ito “paggawa ng dati ring bagay, ngunit may access sa isang AI tool.” Maaaring gasgas na itong pakinggan, ngunit ang transpormasyon ay nangangahulugan ng muling pagdisenyo ng mga proseso, muling pag-iisip sa mga alok na produkto, pagpapahusay ng karanasan ng kliyente, at pagbabago sa paraan ng pagtatrabaho at malamang pati sa estruktura ng mga pangkat.
Hindi ito mangyayari bilang ekstrang gawain lamang at hindi ito maaaring pamunuan ng Technology (at hindi rin ng inyong tatlong-FTE na pangkat ng “Innovation”). At kung aasa kayong “kusang maaayos ang lahat,” hindi ninyo maaabot ang bilis ng pagbabagong maaaring makamit ng mga kakompetensiyang magtatagumpay.
Bukod dito, kailangan ng malawak at masusing kaalaman sa AI sa buong enterprise, pati ng positibong pananaw dito, upang matukoy at masuportahan ang mga paggamit na tunay na “magpapabago sa laro.”
Kaya kailangan sa inyong transpormasyon gamit ang AI ang mga taong nakaaalam sa mga pangangailangan ng organisasyon, marunong magsulong ng pagbabago, at nakauunawa sa AI. Dapat silang bigyan ng lupon ng mandato upang isakatuparan ito at maglaan ng koordinasyon, sigla, pondo, impluwensiya, pamamahala, pagtatakda ng priyoridad, at pagpapasya.
Lalo na sa mga unang yugto, mahusay ang isang sentral na tungkuling tulad ng AI Hub, AI Transformation, o AI Office. Pinatitibay ng sentral na pangkat na ito ang kumpiyansang may maipatutupad na estratehiya ang organisasyon, mabilis na magagawa at maipamamahagi ang malalaking pasya, at maitatakda ang mga pamantayan sa kalidad para sa transpormasyon gamit ang AI. Kung wala ito, nanganganib na maging masyadong watak-watak ang pamamaraan, na magdudulot ng hindi magkakatugmang mga pasya, pagpili ng produkto o solusyon, at kalidad—at sa huli ay sisira sa kumpiyansang gumamit ng AI sa mga sensitibong larangan.
Gaya ng nabanggit kanina, ang mga kumpanyang magkakaroon ng tunay na kalamangan sa kompetisyon mula sa AI ay yaong bumuo ng karanasan, kadalubhasaan, at kumpiyansa sa buong enterprise upang madalas, mabilis, at ligtas na mailunsad ang AI sa sentro ng mahahalagang proseso at karanasang nagpapahusay sa karanasan ng kliyente, pagganap ng produkto, bilis ng produksiyon, at iba pa.
Kailangan ang mahusay na mga gawi sa pagsusuri, arkitekturang mabilis umangkop at lumawak, at pamamahala sa transpormasyong may saloobing “kaya natin” upang tulungan ang organisasyong matuto, umangkop, at magtatag ng mga bagong paraan ng pagtatrabaho.
Gayunman, walang matagumpay na mangyayari sa mga ito sa paraang “mula sa ibaba.” Napakabilis at napakalaki ng epekto ng mga pagbabago upang mangyari iyon. Hindi rin sapat ang “pag-apruba ng lupon” o “suporta ng pamunuan.”
Kung hindi malinaw sa inyong mga empleyado kung bakit kailangan ang mga pagbabago, ano ang personal na kahulugan nito sa kanila—mabuti man o masama—at ano ang mapapala nila, palihim na mangyayari ang transpormasyon at marami itong masisirang kaakibat.
Kaya ang ikaapat na elemento sa pagkamit ng tunay na kalamangan mula sa paggamit ng AI ay ang tunay na pag-unawa at paniniwala ng pamunuan na mahalaga ang pamumuhunan sa AI para sa patuloy na tagumpay ng kumpanya. Ito ang estratehiya nila sa AI na nakapaloob sa pahayag ng misyon at mga layunin—isang estratehiyang paulit-ulit nilang itinataguyod at sinasabayan ng mga pasya at kongkretong pagkilos.
Nagbibigay ito ng mga insentibo, suporta, at pakiramdam ng pagkaapurahan sa mga pangkat sa buong organisasyon upang magdagdag ng kasanayan at gawin ang mahahalagang pasyang maaaring hindi komportable: piliin ang mas mahirap ngunit mas kapaki-pakinabang na landas. Nagbibigay ito ng kumpiyansang pindutin ang “Go-Live” para sa karanasan ng kliyente o proseso ng pasya sa pamumuhunan na pinapagana ng AI.
Sa susunod na dalawang taon, hindi ang may pinakamaraming deployment ang mga kumpanyang magtatagumpay sa AI. Sila ang mga kumpanyang napagana ang AI para sa mahahalagang sistema at prosesong nakaharap sa kliyente, nakaiimpluwensiya sa mga pasya, at kritikal sa negosyo—at bumuo ng kakayahan sa buong enterprise upang gawin ito nang tuloy-tuloy at ligtas.
Ano ang dapat ninyong gawin? Kung “gumagamit ng AI” ang inyong organisasyon ngunit wala itong epekto sa tagumpay ng kumpanya, subukang sagutin ang mga tanong na ito:
Malinaw ba ang papel ng AI sa pagtupad sa misyon ng inyong kumpanya? Sa palagay ba ninyo ay tunay na naniniwala ang pamunuan na mahalaga ang paggamit ng AI sa tagumpay ng kumpanya sa hinaharap?
May sentral na tungkulin bang nagsusulong sa adyenda ng AI, nagtuturo sa buong enterprise, at nag-uugnay ng mga gawain?
Pinauunlad ba ng pangkat ng teknolohiya ang kadalubhasaan, kapasidad, at mga pattern na nagpapabilis at nagpapaligtas sa pag-engineer ng AI?
Nakararating ba sa produksiyon ang mga release nang walang hadlang mula sa mga tanong na hindi pa nasasagot tungkol sa gawi ng AI?
Kung hindi ang sagot sa alinman dito, alam na ninyo kung saan magsisimula upang palakasin ang kumpiyansa ng organisasyon na mabilis at pare-parehong makapaglunsad ng AI at magkaroon ng kalamangan sa kompetisyon sa mga larangang tunay na mahalaga.