Sekojiet zdnet: Pievienojiet mūs kā vēlamo avotu Google.
ZDNET galvenie pārņemšana
- Tikai 5% AI projektu nodrošina. Tas attiecas uz spēju pielāgot.
- Ar partnerības izveidošanu, AI veiksmes koeficienti ir dubultā.
- Uzdodiet pareizos jautājumus, pirms izlemj starp ēku vai pirkšanu.
Starp AI centieniem un faktiskajiem veiksmīgajiem projektiem ir milzīga plaisa – tā tika parādīta nesenajā MIT izpētīt Tas atklāja, ka tikai 5 procenti ģeneratīvo AI projektu uzņēmumiem ir nodrošinājuši izmērāmu vērtību. Kas tas ir 5 procenti, kas dara savādāk? Viņu kopsaucējs ir tāds, ka viņu tehnoloģiju komandas apgūst mākslu un zinātni par AI augsti pielāgošanu savam biznesam, vienlaikus veicinot partnerības un vienas vienas pieejas. Viņi iet dziļi – ļoti dziļi.
Ko veiksmīgi AI projekti dara savādāk
Veiksmīgi AI centieni “koncentrējas uz šauriem, guess augstas vērtības lietošanas gadījumiem, dziļi integrējas darbplūsmās un mērogā, izmantojot nepārtrauktas mācības, nevis plašas funkciju kopas”, liecina pētījuma pētījumu grupa, kas sastāv no Aditya Challapally, Chris Pease, Ramesh Raskar un Pradyumna Chari. “Domēna plūstamība un darbplūsmas integrācija ir vairāk nekā bezgaumīga UX.”
Arī: 95% no AI biznesa lietojumprogrammām nav izdevies. Lūk, kāpēc
Galu galā runa nav par AI veidošanu vai pirkšanu tikai tāpēc, lai būtu AI – tas ir par to, kā bizness var gūt labumu no AI. Tā vietā, lai “cīnītos ar novecojušām SaaS Playbooks”, profesionāļiem ir “jāpievērš uzņēmuma uzmanība, izmantojot agresīvu pielāgošanu un saskaņošanu ar reāliem biznesa sāpju punktiem”, viņi piebilda. “Izcilie izpildītāji nav tie, kas būvē vispārējus instrumentus, guess gan tie, kas sevi iestrādā darbplūsmās, pielāgojoties kontekstam un mērogojot no šaurām, guess augstas vērtības pēdām.”
Jāatzīmē, ka “spraudnis un play ai ir mīts”, ” Pols Makdonaghs-SmitsMIT Sloan izpilddirektora izglītības vecākais pasniedzējs, pastāstīja ZDNet. (McDonagh-Smith nebija tieši iesaistīts pētījumā.) “Ārējie rīki ietaupa laiku, guess reālais darbs notiks ar” spraudņu un personalizētu AI “, kur mēs pielāgojam AI rīkus, lai tie atbilstu mūsu darbplūsmām”.
Iemesls, kāpēc Genai rīki, piemēram, Chatgpt, izdodas pilotos “ir to elastības dēļ”, viņš piebilda. “Tomēr viņiem bieži neizdodas misijai kritiskā darbā faktoru dēļ, ieskaitot atmiņas trūkumu, kas samazina viņu spēju mācīties, pielāgot un būt pielāgojamam tādai pakāpei, kas nepieciešama, lai efektīvi integrētos mūsu ikdienas darbplūsmās.”
Arī: Pārtrauciet lietot AI šiem 9 darba uzdevumiem – šeit ir iemesls
Stratēģisko partnerību izveidošana, lai virzītos uz priekšu ar AI, ievērojami mainās, parādīja MIT pētījums. Līdzautori novēroja daudz vairāk būvniecības nekā pirkšanas iniciatīvas, un partnerības gūst divreiz biežāk nekā iekšējās attīstības centienus. Šādas partnerības bieži nodrošināja “ātrāku laiku, lai vērtētu, zemākas kopējās izmaksas un labāka saskaņošana ar operatīvajām darbplūsmām. Uzņēmumi izvairījās no ēkas pieskaitāmām izmaksām no nulles, vienlaikus sasniedzot pielāgotus risinājumus”.
Kad būvēt pret pirkšanu
Tomēr AI atbalstītājiem un izstrādātājiem ir jāizvērtē, kad vislabāk ir attīstīt iekšējus, salīdzinot ar darbu ar tādiem partneriem kā pārdevēji vai tīkla partneri. Runājot par šādu lēmumu pieņemšanu, “tiek prasīts izspiešanas punkts, kad tiek prasīts ātrums, mērogs vai specializēta kompetence, un jūsu iekšējās komandas nav gatavas piegādāt uzņēmējdarbības vajadzīgajiem termiņiem”, sacīja Makdonaghs-Smits. “Iekšēji veidošanai ir jēga, kad projekts ir konkurētspējīgas malas pamatā, taču mums jābūt uzmanīgiem, lepnums var nākt pirms kritiena.”
Lai gan pastāv bažas, ka ārējo risinājumu izmantošana samazinās nepieciešamās pielāgošanas iespējas, šīs bailes nav pamatotas, uzskata Makdonaghs-Smits. “Tas nav tik daudz” spraudņa un atskaņošanas ai “gadījums, cik tas ir” spraudnis un personalizēšana AI “, lai tas atbilstu esošajām un jaunajām darbplūsmām. Es iebilstu, ka AI panākumi nav atkarīgi no mūsu ārējo AI rīku izvēles izvēles, guess gan mūsu iekšējā spēja padarīt tos piemērotus, kā mūsu uzņēmumi domā, darbojas un darbojas.”
Arī: Šīs CFO velta 25% no saviem AI budžetiem aģentiskai AI
Citi nozares vadītāji ir vienisprātis, ka veiksmīga AI ir atkarīga no individuāliem apstākļiem. “Izlemšana par iekšējo komandu izmantošanu vai ārpakalpojumu izmantošanu citiem pārdevējiem ir atkarīgs no tā, ko organizācija vēlas, lai AI izdarītu,” sacīja Deivida draugsWasabi Applied sciences izpilddirektors un līdzdibinātājs. “Ja kāda tehnoloģija, AI vai cita, ir daļa no uzņēmuma galvenās diferenciācijas vai ļaus biznesam konkurēt par cenu, tā ir jāizstrādā un jāpārvalda iekšēji. Ja tā nav uzņēmuma piedāvājuma galvenā sastāvdaļa.
Šim procesam jāsāk ar pareizo jautājumu uzdošanu. “Jautājums nav par to, vai viņi var veidot tehnoloģiju, guess gan par to, vai viņiem vajadzētu,” Adrians Murejsnorādīja Fisent Applied sciences dibinātājs un izpilddirektors, norādīja. “Jums var būt ļoti spējīgas un labi finansētas tehnoloģiju komandas, taču jūsu kapacitāte pēc būtības ir ierobežota un ir jākoncentrējas uz visaugstākās vērtības centieniem. Komandām ir jākoncentrē centieni tur, kur tās var radīt diferencētu vērtību. Pielietojiet šīs tehnoloģijas konkrētai biznesa problēmām, nevis veidojot pamat tehnoloģiju infrastruktūru, kuru var viegli noteikt no risinājuma pārdevēja.”
Partnerības attiecību raksturs ir arī izšķirošs AI panākumu faktors – tai jābūt vairāk nekā darījuma izkārtojumam. “Augstākie pircēji izturējās pret AI jaunizveidotiem uzņēmumiem, piemēram, programmatūras pārdevējiem un vairāk kā biznesa pakalpojumu sniedzējiem, turot tos pie etaloniem tuvāk tiem, ko izmanto konsultāciju uzņēmumiem vai biznesa procesu optimizācijas pakalpojumu sniedzējiem,” teikts MIT ziņojumā. Tas ietver dziļu pielāgošanu, kas saskaņota ar iekšējiem procesiem un datiem, kas ir saistīti ar rezultātiem.
Arī: 4 veidi, kā pārvērst AI par jūsu biznesa priekšrocībām
“Pārliecinieties, ka esošās un topošās darbplūsmas tiek sadalītas, analizētas modeļus, kas darbosies vai ne-ar Genai un pēc tam attīstījās un rekombinē, kad Genai būs gatava,” ieteica McDonagh-Smith.
Tautas AI adopcija uzņēmumos
Bieži vien veiksmīgi AI centieni sākas vietējā līmenī, parādīja arī pētījums. “Daudzi no spēcīgākajiem uzņēmumu izvietojumiem sākās ar enerģijas lietotājiem, darbiniekiem, kuri jau bija eksperimentējuši ar tādiem rīkiem kā Chatgpt vai Claude, lai iegūtu personīgu produktivitāti,” ziņoja pētījuma līdzautori. Viņi “intuitīvi saprata Genai iespējas un robežas un kļuva par agrīniem iekšēji sankcionētu risinājumu čempioniem. Tā vietā, lai paļautos uz centralizētu AI funkciju, lai identificētu lietošanas gadījumus, veiksmīgas organizācijas ļāva budžeta turētājiem un domēnu vadītājiem uz virsmas problēmām, veterinārārsta instrumentiem un vadošajām atlaides”.
Arī: Kā AI iespējots autonomais bizness mainīs jūsu darbību mūžīgi
Augstas AI arhitektūras ir arī parādītas, un to atbalsta tādi ietvari kā modeļa konteksta protokols (MCP), aģents-aģents (A2A) un Nanda, kas ļauj veikt aģentu savietojamību un koordināciju, atklāja pētījums. “Šie ietvari veido topošo aģentu tīmekļa pamatu, kas ir savstarpēji saistītu līdzekļu un protokolu acs, kas aizstāj monolītus lietojumprogrammas ar dinamiskiem koordinācijas slāņiem.”
Kultūras maiņa, kas nepieciešama AI
Darbs ar AI pārdevējiem “var sākt jūs sākt un radīt svarīgu sākotnējo impulsu, guess smagā pacelšana notiks, veicot AI risinājumus jūsu procesos, politikā, praksē un, protams
