Ģeneratīvās AI (Gen AI) spēles mainīgais potenciāls ir saruna par sēžu zāli. Tomēr AI izpētes pārvēršana ražošanas līmeņa pakalpojumos izrādās izaicinoša.
Jaunākie Deloitte pētījumi atklāja, ka vairāk nekā divas trešdaļas vadītāju uzskata, ka mazāk nekā viena trešdaļa no viņu Gen AI eksperimentiem tiks pilnībā mērogoti nākamajos trīs līdz sešos mēnešos.
Konsultants sacīja, ka, lai arī uzņēmumi ir redzējuši “iedrošinošu atdevi” savās sākotnējās AI ieguldījumos, viņi bieži secina, ka vērtības radīšana ar Gen AI un to izvietošana mērogā ir smags darbs.
Arī: 5 veidi, kā pārvērst AI laika taupīšanas maģiju par jūsu produktivitātes lielvaru
Šis noskaņojums rezonēja ar Madoc Batters, Cloud vadītāju un IT drošību Warner Leisure Lodges, kad ZDNet lūdza pārdomāt AI stāvokli un hype, kas apņem jauno tehnoloģiju.
“Ir daudz runas par Gen AI, un daudzi cilvēki, kas saka, ka viņi šo tehnoloģiju nodos noteiktās biznesa jomās, guess to nedara daudz cilvēku,” viņš teica.
Batters ir ilgstoša interese izpētīt AI un mašīnu apguvi. Tā vietā, lai sēdētu malā un gaidītu, kamēr citi digitālie vadītāji progresēs AI, viņš palīdz Warner ieviest jaunās tehnoloģijas ražošanā. Šeit ir viņa četras labākās prakses nodarbības.
1. Veidojiet no apakšas
Batters sacīja, ka digitālo un biznesa vadītāji bieži jūtas pakļauti spiedienam pēc iespējas ātrāk izmantot AI – un tā ir kļūda.
“Daudzi cilvēki koncentrējas uz Gen AI, jo tas ir tas, ka dedzinoša saule debesīs,” viņš teica. “Viņiem šķiet, ka viņiem ir jāstrādā šajā jomā. Un es domāju, ka dažreiz vispirms ir jāsaņem visi pārējie pamati.”
Batters sacīja, ka būtiskie pamatelementi, ieskaitot datus, mākoņus un tīklus, atbalsta Warner AI pārveidošanas centienus. Warner ir pirmā mākoņu stratēģija un tā izmanto tehnoloģiju speciālista Alkira tīkla infrastruktūras pieeju kā pakalpojuma.
Arī: Vai jūsu bizness ir gatavs? 5 veidi, kā izvairīties no atpaliekšanas
Būtisks Warner pieejas components ir Gitops, operatīvais ietvars, kas paplašina programmatūras izstrādes paraugpraksi infrastruktūras automatizācijai.
Batters sacīja, ka šie spēcīgie pamati ir izšķiroši, lai novērtētu, kā AI var uzlabot darbības procesus.
“Es atgriežos pie visa ētika, kas, manuprāt, ir pareiza mākoņu izvietošana, un tā ir izvietošana ar Gitops metodoloģiju un izveidotu cauruļvadu,” viņš teica.
“Kad esat tur nokļuvis, varat pievienot Gen AI un eksperimentēt ar to.”
2. Eksperiments jaunās jomās
Batters sacīja, ka vēlme pārbaudīt ir būtiska biznesa vadītājiem, kuri vēlas virzīt Gen AI pakalpojumus ražošanā.
“Jums ir jāeksperimentē, jāpārliecinās, ka tas darbojas vai nedarbojas, un jāspēj ātri mainīt lietas,” viņš teica, ierosinot bieži atkārtotās mantras nozīmi IT attīstībā “Fail Quick”.
“Galvenais ir cauruļvads, kas ļauj veikt izmaiņas. Tad jūs esat gatavs sākt eksperimentēt ar Gen AI. Skatiet, kas darbojas un kas ne. Ja tas neizdodas, varat atgriezties.”
Kaut arī daudzi uzņēmumi cīnās, lai AI izpēte pārvērstu ražošanas sistēmās, Konsultanta McKinsey pētījumi Ierosina, ka biznesa funkcija pēdējo sešu mēnešu laikā ir palielinājusies vislielākais AI lietošanas pieaugums, un respondentu īpatsvars AI palielinās no 27% līdz 36%.
Arī: 5 veidi, kā palielināt savas komandas produktivitāti – nepaļaujoties uz ģeneratīvo AI
Warner ir integrējis Gen AI savā Finops cauruļvadā. Finops ir disciplīna, kas apvieno finanšu pārvaldību ar mākoņa operācijām, lai optimizētu izdevumus. Batters sacīja, ka uzņēmuma IT speciālisti gūst labumu no novatoriskās integrācijas.
“Tas ir tāpat kā ar Finops cilvēku uz pleca, tikai sniedzot viņiem ieteikumus, kad viņi dara savu darbu,” sacīja Batters.
Warner ir cieši sadarbojies ar AWS un tā pamata modeļiem. Uzņēmums izmanto arī Infracost-speciālistu risinājumu, kas parāda izmaksu aprēķinus un Finops paraugpraksi Terraform, atvērtā koda infrastruktūras rīkam kā koda rīks.
“Ikreiz, kad mēs izvietojam kādu infrastruktūru kā kodu, mūsu Gen AI rīki apskatīs, ko mēs izvietojam, un ar to saistītajiem resursiem ap šo izvietošanu, un tas sniegs ieteikumus optimizēt šos resursus, samazināt izmaksas vai pat pareizā izmēra vai palielināt šos resursus,” viņš sacīja.
3. Dodiet darbiniekiem izvēli
Gen AI izvietošana ražošanā bieži ietver jaunu darba veidu. Tātad, ko Warner ir tas un uzņēmējdarbības profesionāļi, kas domā par tehnoloģiju?
Batters sacīja, ka viņi ir pārsteigti, un tas ir saistīts ar uzņēmuma rūpīgo pieeju ieviešanai.
“Mēs neko neveicam,” viņš teica. “Mēs varam likt apsardzes pasti, lai apturētu cilvēku izvietošanu, ja mēs domājam, ka tas ir par daudz. Guess mēs ticam, ka izstrādātājiem tiek piešķirta izvēles autonomija un spējīga izlemt, vai tā ir laba vai slikta lieta.”
Arī: 2025. gada 20 labākie AI rīki – un Nr. 1, kas jāatceras, kad tos izmantojat
Batters sacīja, ka ir svarīga inovāciju sastāvdaļa, lai cilvēkiem izvēlētos izmantot vai neizmantot topošo tehnoloģiju.
“Tas ir tāpat kā teikt saviem bērniem:” Ēdiet savus dārzeņus, “” viņš teica. “Tas ir atkarīgs no viņiem, ja viņi tos ēdīs. Guess jūs varat turpināt likt dārzeņus uz to šķīvjiem un galu galā tas kļūst par normu, un tie būs vairāk pielāgoti, lai to izdarītu, un jūs neesat piespiedis viņus izdarīt izvēli.”
Ja darbinieki ir izvēlējušies izmantot Gen AI, rezultāti ir bijuši izdevīgi.
“Mēs varam redzēt, kur cilvēki ir iesnieguši savus vilkšanas pieprasījumus, un, kad viņi būs redzējuši ieteikumus, viņi tos mainīs, lai izpildītu šos ieteikumus,” sacīja Batters.
“Mums ir bijusi smaga statistika, lai teiktu, ka mums laika gaitā ir bijuši izstrādātāji, mainot viņu IT resursus.”
4. Rūpīgi izpētīt
Batters sacīja, ka viņa bizness ir atklājis izaicinājumu, un tas, kas, iespējams, būs izplatīts visos uzņēmumos, ir nodrošināt, lai dati būtu gatavi AI vadītām iniciatīvām.
Kad šis šķērslis ir notīrīts, ir vieglāk apsvērt iespēju izmantot Gen AI citos lietošanas gadījumos.
Arī: 5 veidi, kā efektīvāk pārvaldīt savu komandu AI iespējotajā uzņēmumā
“Šī tehnoloģija ir lēta, it īpaši, ja to izmanto jūsu mākoņa izvietošanā, nevis dodoties ārēji uz trešo personu uzņēmumiem,” viņš teica.
“Jums ir jāaptver Gen AI. Ja jūs to neizmantojat, jūsu biznesu var atstāt. Tomēr jums ir jāizmanto Gen AI atbildīgi, lai jūs neizkliedētu nevienu no sava uzņēmuma datiem.”
Batters sacīja, ka modeļu izvēlei ir izšķiroša nozīme. Uzņēmējdarbības vadītājiem ir jānodrošina, ka viņi zina, kas notiek ar viņu datiem, un kā to izmanto modelis, ieskaitot apmācības nolūkos.
Viņš arī sacīja, ka pamudināšana ir kritiska veiksmei – vēl svarīgāka, potenciāli, nekā modelis, kuru jūsu bizness izvēlas.
Arī: AI aģenti nav tikai palīgi: kā viņi maina darba nākotni šodien
“Jūs varētu maksāt par daudz lielāku, dārgāku modeli un iesaistīt tajā pamata uzvedni. Vai arī jūs varētu izmantot lētāku, daudz mazāku modeli un iepludināt tajā labu uzvedni, un jūs varētu iegūt daudz labākus rezultātus no šī mazākā modeļa,” sacīja Batters.
“Panākumi nav saistīti ar modeļa lielumu. Tas ir par to, cik labi ir jūsu pamudinājums un darbplūsma. Jūs varat uzdot savam modelim jautājumu un pateikt:” Ei, pamatojoties uz jūsu tikko doto produkciju, es uzdošu citu jautājumu. ” Tātad, tas uzdod vairākus jautājumus, kas saistīti ar jūsu pamudinājumu un vaicājuma darbplūsmas izveidošanu. “
Vai vēlaties vairāk stāstu par AI? Reģistrējieties inovācijāmmūsu iknedēļas biļetens.
