Pievienojieties mūsu ikdienas un nedēļas biļeteniem, lai iegūtu jaunākos atjauninājumus un ekskluzīvu saturu par nozares vadošo AI pārklājumu. Uzziniet vairāk
Tā kā AI pāriet no eksperimentiem uz reālās pasaules izvietošanu, uzņēmumi nosaka labāko praksi tam, kas faktiski darbojas mērogā.
Vairāki pētījumi no dažādiem pārdevējiem ir ieskicējuši galvenās problēmas. Saskaņā ar neseno Vellum ziņojumu, tikai 25% organizāciju ir izvietojuši AI ražošanā ar vēl mazāk atzīstama izmērāmā ietekme. Deloitte ziņojumā tika atklāti līdzīgi izaicinājumi ar organizācijām, kas cīnās ar mērogojamības un riska pārvaldības jautājumiem.
Jauns pētījums no AkcentūraIznākot no šonedēļ, sniedz uz datiem balstītu analīzi par to, kā vadošie uzņēmumi veiksmīgi ievieš AI visos uzņēmumos. “Front-Runners ceļvedis AI mērogošanaiZiņojums ir balstīts uz 2000 C-Suite un datu zinātnes vadītāju aptauju no gandrīz 2000 globāliem uzņēmumiem, kuru ieņēmumi pārsniedz USD 1 miljardu. Rezultāti atklāj būtisku plaisu starp AI vēlmēm un izpildi.
Rezultāti rada prātīgu attēlu: tikai 8% uzņēmumu kvalificējas kā patiesi “priekšējie braucēji”, kas ir veiksmīgi mērogojuši vairākas stratēģiskas AI iniciatīvas, savukārt 92% cīnās, lai virzītos ārpus eksperimentālās ieviešanas.
Uzņēmējdarbības IT vadītājiem, kas navigē AI ieviešanā, ziņojumā tiek piedāvāts kritisks ieskats par to, kas atšķir veiksmīgu AI mērogošanu no apstājušām iniciatīvām, uzsverot stratēģisko likmju nozīmi, talantu attīstību un datu infrastruktūru.
Šeit ir pieci galvenie līdzdalības uzņēmuma IT vadītāji no Accenture pētījumiem.
1. Talantu briedums pārsniedz ieguldījumu kā galveno mērogošanas faktoru
Lai gan daudzas organizācijas galvenokārt koncentrējas uz tehnoloģiju ieguldījumiem, Accenture pētījumi atklāj, ka talantu attīstība faktiski ir viskritiskākais diferenciālists veiksmīgai AI ieviešanai.
“Mēs atklājām, ka galvenais sasniegumu faktors nav ieguldījums, wager gan talanta briedums,” VentureBeat sacīja Senthils Ramani, Knowledge un AI vadība Accenture. “Priekšējiem braucējiem bija četrreiz lielāks talantu briedums salīdzinājumā ar citām grupām. Vadot ar talantu stratēģijām efektīvāk un virzot ar talantiem saistītus tēriņus visaugstākās vērtības lietojumos.”
Ziņojumā parādīts, ka priekšējie braucēji diferencējas, izmantojot uz cilvēkiem vērstām stratēģijām. Viņi četras reizes vairāk koncentrējas uz kultūras adaptāciju nekā citi uzņēmumi, uzsver talantu izlīdzināšanu trīs reizes vairāk un ievieš strukturētas apmācības programmas ar divreiz lielāku konkurentu līmeni.
IT līdera darbības postenis: Izstrādāt visaptverošu talantu stratēģiju, kas pievēršas gan tehniskajām prasmēm, gan kultūras pielāgošanos. Izveidojiet centralizētu AI izcilības centru-ziņojums parāda, ka 57% priekšējo dalībnieku izmanto šo modeli, salīdzinot ar tikai 16% no ātrās sekām.
2. Datu infrastruktūra padara vai pārtrauc AI mērogošanas centienus
Varbūt visnozīmīgākais šķērslis visa uzņēmuma AI ieviešanai ir nepietiekama datu gatavība. Saskaņā ar ziņojumu 70% aptaujāto uzņēmumu atzina nepieciešamību pēc spēcīga datu fonda, mēģinot mērogot AI.
“Lielākais izaicinājums lielākajai daļai uzņēmumu, kas mēģina palielināt AI, ir pareizās datu infrastruktūras attīstība,” sacīja Ramani. “97% priekšējo braucēju ir izstrādājuši trīs vai vairāk jaunus datus un AI iespējas Gen AI, salīdzinot ar tikai 5% uzņēmumu, kas eksperimentē ar AI.”
Šīs būtiskās iespējas ietver progresīvas datu pārvaldības metodes, piemēram, paņemtu paaudzi (RAG) (to izmanto 17% priekšējo dalībnieku salīdzinājumā ar 1% no ātrās sekošanas) un zināšanu grafikiem (26% pret 3%), kā arī dažādi datu izmantošana nulles daļā, otrās puses, trešās puses un sintētiskos avotos.
IT līdera darbības postenis: Veiciet visaptverošu datu gatavības novērtējumu, kas skaidri vērsts uz AI ieviešanas prasībām. Prioritāšu ēku iespējas, lai apstrādātu nestrukturētus datus līdztekus strukturētiem datiem un izstrādātu stratēģiju klusu organizatorisko zināšanu integrēšanai.
3. Stratēģiskās likmes nodrošina izcilu atdevi plašā ieviešanā
Kaut arī daudzas organizācijas mēģina vienlaikus ieviest AI vairākās funkcijās, Accenture pētījumi rāda, ka fokusētās stratēģiskās likmes dod ievērojami labākus rezultātus.
“C-suite vadītājiem vispirms ir jāvienojas-tad skaidri formulē-ko vērtība nozīmē viņu uzņēmumam, kā arī tas, kā viņi cer to sasniegt,” sacīja Ramani. “Ziņojumā mēs atsaucāmies uz“ stratēģiskām derībām ”vai nozīmīgiem, ilgtermiņa ieguldījumiem Gen AI, koncentrējoties uz uzņēmuma vērtību ķēdes kodolu un piedāvājot ļoti lielu izmaksu. Šī stratēģiskā uzmanība ir būtiska, lai maksimāli palielinātu AI potenciālu un nodrošinātu, ka ieguldījumi nodrošina ilgstošu biznesa vērtību.”
Šī koncentrētā pieeja maksā dividendes. Uzņēmumiem, kas ir mērogojuši vismaz vienu stratēģisko likmi, gandrīz trīs reizes biežāk ir ROI no Gen AI Overpass prognozēm, salīdzinot ar tiem, kas to nav izdarījuši.
IT līdera darbības postenis: Identificējiet 3-4 nozarei specifiskus stratēģiskus AI ieguldījumus, kas tieši ietekmē jūsu pamatvērtību ķēdi, nevis veica plašu ieviešanu.
4. Atbildīgā AI rada vērtību, kas pārsniedz riska mazināšanu
Lielākā daļa organizāciju uzskata atbildīgo AI galvenokārt kā atbilstības vingrinājumu, wager Accenture pētījumi atklāj, ka nobrieduša atbildīga AI prakse tieši veicina biznesa sniegumu.
“Uzņēmumiem ir jānovirza domāšana no atbildīgās AI uzskatīšanas par atbilstības pienākumu atzīt to par stratēģisku biznesa vērtības veicinātāju,” skaidroja Ramani. “ROI var izmērīt pēc īstermiņa efektivitātes, piemēram, darbplūsmu uzlabojumiem, wager tā patiešām jānovērtē, salīdzinot ar ilgtermiņa biznesa pārveidi.”
Ziņojumā uzsvērts, ka atbildīgā AI ietver ne tikai riska mazināšanu, wager arī stiprina klientu uzticību, uzlabo produktu kvalitāti un veicina talantu iegūšanu – tieši veicinot finanšu rādītājus.
IT līdera darbības postenis: Izstrādāt visaptverošu atbildīgu AI pārvaldību, kas pārsniedz atbilstības izvēles rūtiņas. Ievietojiet proaktīvās uzraudzības sistēmas, kas pastāvīgi novērtē AI riskus un ietekmi. Apsveriet atbildīgu AI principu veidošanu tieši jūsu attīstības procesos, nevis tos piemērot ar atpakaļejošu datumu.
5. Priekšējie braucēji aptver aģentu AI arhitektūru
Ziņojumā ir uzsvērta pārveidojoša tendence priekšējo braucēju vidū: “aģentu arhitektūras” izvietošana-AI aģentu tīkli, kas autonomi organizē visas biznesa darbplūsmas.
Priekšējie braucēji parāda ievērojami lielāku briedumu autonomu AI aģentu izvietošanā, kas pielāgoti nozares vajadzībām. Ziņojumā parādīts, ka 65% priekšējo dalībnieku izcili ir šajā spējā, salīdzinot ar 50% ātrās sekotāju, un viena trešdaļa aptaujāto uzņēmumu, kas jau izmanto AI aģentus, lai stiprinātu jauninājumus.
Šie inteliģenti aģentu tīkli atspoguļo būtisku pāreju no tradicionālajām AI lietojumprogrammām. Tie nodrošina sarežģītu sadarbību starp AI sistēmām, kas dramatiski uzlabo kvalitāti, produktivitāti un izmaksu efektivitāti mērogā.
IT līdera darbības postenis: Sāciet izpētīt, kā aģentu AI varētu pārveidot galvenos biznesa procesus, identificējot darbplūsmas, kurām būtu izdevīgi no autonomas orķestrācijas. Izveidojiet izmēģinājuma projektus, kas koncentrējas uz vairāku aģentu sistēmām jūsu nozares augstvērtīgajās lietošanas gadījumos.
Materiāla atalgojums par AI briedumu uzņēmumiem
Veiksmīgas AI ieviešanas atlīdzība joprojām ir pārliecinoša organizācijām visos brieduma posmos. Accenture pētījums kvantitatīvi nosaka paredzamos ieguvumus noteiktā izteiksmē.
“Neatkarīgi no tā, vai uzņēmums tiek uzskatīts par priekšgalu, ātru sekotāju, uzņēmumu, kas progresē, vai arī uzņēmums, kas joprojām eksperimentē ar AI, visi mūsu aptaujātie uzņēmumi sagaida lielas lietas, lai izmantotu AI, lai virzītu izgudrošanu,” sacīja Ramani. “Vidēji šīs organizācijas sagaida produktivitātes pieaugumu par 13%, ieņēmumu pieauguma pieaugumu par 12%, klientu pieredzes uzlabojums par 11% un izmaksu samazinājums par 11% 18 mēnešu laikā pēc Gen AI izvietošanas un mērogošanas visā viņu uzņēmumā.”
Izmantojot priekšējo braucēju praksi, vairāk organizāciju var novērst plaisu starp AI eksperimentēšanu un visa uzņēmuma pārveidošanu.
avots
