- Ang paglipat sa operational AI ay nangangailangan ng pagmodernize ng mga legacy architecture upang maiwasan ang pananatili ng inobasyon sa mga pilot project lamang.
- Ang tagumpay ng artificial intelligence ay hindi nakasalalay sa mismong teknolohiya, kundi sa kalidad ng datos, kultura ng organisasyon, at pamamahala.
- Ang pagsasama ng mga solusyon sa cloud ay mahalaga sa pagpapalawak ng AI at pagkamit ng nasasalat na balik sa puhunan sa mga proseso ng negosyo.
Malamang ay narinig mo na ito dati: ilang taon na ang nakalilipas, ang artificial intelligence ay tila parang galing sa isang pelikulang science fiction, pagkatapos ay naging ang nagniningning na pangakong gustong isama ng bawat board of directors sa kanilang mga presentasyon, at bigla na lang, ito ay naging isang mapagkumpitensyang utos na hindi na makapaghintay. Ang problema ay ang pagkahumaling sa mga resulta ay lumampas na sa aktwal na kakayahan ng mga kumpanya na tanggapin ang mga pagbabagong ito, na lumilikha ng isang mapanganib na agwat sa pagitan ng inaasahang magagawa ng AI at kung ano ang maaaring aktwal na ipatupad araw-araw.
Mayroong napakaliit, ngunit napakahalagang linya sa pagitan ng pag-eeksperimento sa AI sa isang kontroladong kapaligiran at ang paggawa nito bilang puwersang nagtutulak sa isang negosyo. Bagama't nakakatulong ang pag-eeksperimento sa atin na matuto at malampasan ang mga unang takot, tanging ang implementasyon sa totoong mundo lamang ang makakapagpabago sa istruktura ng isang kumpanya. Maraming kumpanya ang nakulong sa siklo ng mga proof-of-concept test o mga nakahiwalay na AI assistant na, habang maaaring gumana nang maayos sa isang departamento, ay hindi kailanman lumalawak dahil kulang sila ng komprehensibong estratehiya para sa pamamahala at nasusukat na pag-aampon ng artificial intelligence sa buong enterprise.
Ang pasanin ng mga lumang sistema at ang kakulangan sa kakayahan
Kapag sinusubukan nating i-deploy ang AI at hindi maayos ang mga bagay-bagay, madalas nating sinisisi ang algorithm, ngunit ang totoo ay ang bottleneck ay kadalasang nasa mga legacy architecture . Ang pagsisikap na bumuo ng isang layer ng advanced intelligence sa ibabaw ng mga sistemang idinisenyo ilang dekada na ang nakalilipas ay parang pagtatangkang maglagay ng makina ng Ferrari sa isang karwahe na hila ng kabayo; hindi talaga ito akma. Ang mga matibay na istrukturang ito ay hindi lamang pumipigil sa inobasyon kundi nagpapataas din ng mga gastos sa pagpapanatili at ginagawang mas hindi matatag ang kumpanya sa mga pagbabago sa merkado.
Para maging isang kasangkapan sa trabaho ang AI, kailangan natin ng mga interoperable na aplikasyon at konektado at naoobserbahang datos. Dito pumapasok ang modernisasyon ng aplikasyon: hindi lang ito tungkol sa pagpapalit ng software para sa kapakanan nito, kundi tungkol sa pag-aalis ng alitan at pag-asa sa manu-manong trabaho upang ang teknolohiya ay tuluyang maisama sa pang-araw-araw na gawain ng mga empleyado.
Mga salik ng organisasyon: lampas sa kodigo
Mayroong isang penomeno na kilala bilang Capability Overhang , na nangangahulugang ang teknolohiya ay kayang gumawa ng maraming bagay, ngunit hindi ito ginagamit ng mga kumpanya. Sa maraming merkado, ang karamihan sa mga kumpanya ay nililimitahan ang kanilang sarili sa paggamit ng AI upang i-automate ang mga pangunahing gawain , na binabalewala ang potensyal na lumikha ng mga ganap na bagong produkto batay dito. Ang agwat na ito ay hindi teknikal, kundi kultural at organisasyonal.
Para makagawa ng hakbang, mahalagang pagtrabahuhan ang apat na haligi: digital talent, isang kulturang hindi nagpaparusa sa mga pagkakamali sa inobasyon, napakataas na kalidad ng datos , at ang kakayahang isama ang AI sa buong organisasyon. Kung ang datos ay marumi o hindi organisado, ang anumang modelo ng AI, gaano man kamahal, ay magbubunga ng pangkaraniwan o maling resulta, na nagbibigay-diin sa kahalagahan ng wastong paghahanda ng datos para sa AI.
Mga praktikal na aplikasyon at balik sa puhunan
Ang AI ay nakakabuo ng tunay na halaga kapag nilulutas nito ang isang partikular na problema sa negosyo, hindi kapag ginagamit ito bilang isang teknolohikal na pagpapakita. Kung gusto nating makakita ng nasasalat na kita , dapat tayong tumuon sa mga pagkakataon ng paggamit kung saan masusukat ang kahusayan. Ilan sa mga pinakamatagumpay na larangan sa kasalukuyan ay:
- Suporta sa Customer: Pagpapatupad ng mga katulong na lumulutas sa karamihan ng mga katanungan, na lubhang nagpapababa ng mga gastos sa pagpapatakbo.
- Pagsusuri sa Benta: Mga predictive model na nagbabala kung aling mga customer ang maaaring umalis o kung alin ang mas malamang na bumili.
- Pamamahala ng dokumento: Awtomatikong pagkuha ng datos mula sa mga kontrata at invoice na may napakataas na katumpakan, na nag-aalis ng pagkabagot ng manu-manong pagpasok.
- Pagpapanatili ng industriya: Paggamit ng mga sensor at AI upang matukoy ang mga aberya bago pa man ito mangyari, upang maiwasan ang magastos na paghinto ng produksyon.
Ang kombinasyon ng Cloud at AI: Ang pundasyon ng paglago
Imposibleng isipin ang scalable enterprise AI nang walang cloud infrastructure . Ang flexibility ng cloud computing para sa AI ay nagbibigay-daan sa iyong magproseso ng sampung dokumento ngayon at sampung libo bukas nang hindi kinakailangang bumili ng mga bagong server o baguhin ang laki ng pisikal na imprastraktura. Ang pakikipagsosyo na ito ay nagbibigay-daan sa mga data pipeline at inference environment na gumana nang may liksi na hinihingi ng negosyo.
Gayunpaman, hindi natin dapat kalimutan na, bagama't kayang gumawa ng mabilis na mga desisyon at i-optimize ng AI ang mga daloy ng trabaho, ang paghatol ng tao ang nananatiling susi. Ang pinakamalakas na kombinasyon ay ang kung saan ang kapangyarihan sa pagproseso ng makina ay pinapatunayan ng kadalubhasaan sa estratehiya ng mga tao, na tinitiyak na ang mga output ay may katuturan sa totoong mundo.
Roadmap para sa matalinong pagpapatupad
Kung ang iyong organisasyon ay nasa mga unang yugto pa lamang, makabubuting huwag magmadali sa pagbili ng pinakamahal na kagamitan sa merkado nang walang malinaw na plano. Ang pinakaligtas na pamamaraan ay nagsisimula sa isang process audit upang matukoy kung saan pinakamaraming oras ang nasasayang at kung saan pinakalaganap ang pagkakamali ng tao. Dapat itong sundan ng isang masusing imbentaryo ng magagamit na datos upang matiyak na ito ay malinis at madaling ma-access.
Ang susunod na hakbang ay ang pagpapatakbo ng isang limitadong patunay ng konsepto : isang maliit at mabilis na proyekto na may napakalinaw na mga layunin. Kapag naipakita na ang isang tunay na benepisyo (ROI), oras na para palawakin ang solusyong iyon sa iba pang bahagi ng kumpanya, na laging umaasa sa isang arkitektura na idinisenyo upang lumago nang hindi nasisira.
