Aby skutecznie skalować sztuczną inteligencję, wiodące organizacje kładą silne fundamenty pod dane zakorzenione w odpowiednich narzędziach, platformach technologicznych i zwinnych praktykach.
W rozwiązania oparte na sztucznej inteligencji (AI) inwestuje się coraz częściej i coraz więcej. Jak wynika z raportu „The AI‑powered enterprise”, zrealizowanego przez Capgemini, już 53% wszystkich wdrożeń AI ma zastosowanie produkcyjne na szeroką skalę. Jednak zainicjowało je zaledwie 13% liderów. Co ciekawe, większość z tej niewielkiej grupy kontynuuje postępy w swoich inicjatywach związanych z AI w tym samym tempie co przed pandemią. Niektórzy z nich zwiększyli nawet prędkość wdrożeń. Stanowi to jednak wyraźny kontrast w stosunku do organizacji, które zmagały się z problemami jeszcze przed kryzysem. Z tych blisko połowa wycofała się z inwestycji, a 16% w ogóle zawiesiło wszystkie inicjatywy związane z AI ze względu na dużą niepewność biznesową wywołaną pandemią.
Ci, którzy zdecydowali się na wdrożenie sztucznej inteligencji wcześniej, odcinają kupony. Aż 97% liderów z branży IT wymienia wymierne korzyści z zastosowań AI, takie jak: redukcja ryzyka, lepsza współpraca z klientami czy optymalizacja kosztów. Przy czym warto dodać, że 79% respondentów z grupy liderów wykorzystujących AI na dużą skalę odnotowuje ponad 25‑procentowy wzrost sprzedaży tradycyjnych produktów i usług. W przypadku 62% liderów odnotowano spadek liczby skarg klientów o co najmniej 25%, a w przypadku 71% odnotowano spadek zagrożeń związanych z bezpieczeństwem o co najmniej 25%.
Stały nadzór sztucznej inteligencji
W rozwijaniu sztucznej inteligencji przodują organizacje z sektora nauk przyrodniczych (27% liderów wdrażających AI) i handlu detalicznego (21%). Na kolejnych miejscach znajdują się sektor motoryzacyjny (17%), produkty konsumenckie (17%) i telekomunikacja (14%). Zaledwie 38% organizacji zajmujących się naukami przyrodniczymi zawiesiło lub wycofało inwestycje z powodu pandemii. Dla porównania w sektorze ubezpieczeń było to 66% firm, a w bankowości i administracji publicznej – po 64%.
Pytany o wskazanie najbardziej skutecznego modelu w kontekście wdrożeń sztucznej inteligencji, Beniamin Poznański z Capgemini odpowiada, że aby skutecznie skalować AI, warto obserwować wiodące w tym zakresie organizacje, które koncentrują się przede wszystkim na odpowiednich narzędziach, platformach technologicznych i zwinnych praktykach.
„Ustanawiają zrównoważone modele operacyjne, tworzą etyczne algorytmy AI oraz dbają o bogate zasoby talentów i partnerów do współpracy. Ponadto stale sprawdzają swoje modele AI pod kątem dokładności i ich wpływu na wzmocnienie wyników biznesowych” – opowiada Poznański.
Jak czytamy w raporcie, liderzy osiągający największe korzyści z wprowadzonych systemów AI za kluczowe uważają jakościowe dane. Dobre nimi zarządzanie gwarantuje natomiast utworzenie zespołów ds. AI. Warto również pamiętać, że wdrożenie hybrydowej architektury do chmury i demokratyzacja dostępu do danych to podstawa skutecznego skalowania AI.
Specjaliści pomogą rozwinąć AI
Zdaniem Beniamina Poznańskiego, organizacje powinny obecnie skoncentrować się na szerokiej gamie umiejętności w zakresie skalowania aplikacji AI, wykraczających poza czyste umiejętności techniczne, w tym na analitykach biznesowych i specjalistach ds. zarządzania zmianą.
„Aktualnie istnieje znaczna luka pomiędzy popytem a podażą w ważnych dziedzinach, takich jak uczenie maszynowe czy wizualizacja danych. Szkolenia i podnoszenie kwalifikacji mają zatem zasadnicze znaczenie dla zniwelowania tych braków i zapewnienia możliwości utrzymania potrzebnych umiejętności we własnym zakresie” – komentuje ekspert.
W raporcie od Capgemini czytamy jednak, że aż 70% organizacji uważa, że brak kompetentnych specjalistów na średnim i wyższym poziomie zaawansowania stanowi duże wyzwanie dla skalowania AI. Z tego względu ponad połowa liderów (58%) mianowała kierownika ds. AI, który w ich założeniu może zapewnić zespołom rozwojowym wizję, ustalić wytyczne dotyczące hierarchii przypadków użycia, etyki i bezpieczeństwa, jednocześnie równoważąc wykorzystanie platform i narzędzi do rozwoju AI.
AI potrzebuje strategicznych celów biznesowych
Jak podkreślają eksperci z Capgemini, w świetle kryzysu związanego z pandemią – podczas gdy organizacje analizują dane i sztuczną inteligencję w celu zapewnienia stabilności swoich działań – istnieje jeszcze większa potrzeba powiązania strategicznych celów biznesowych z wdrażaniem AI na szeroką skalę.
Z badań dowiadujemy się natomiast, że najbardziej udane wdrożenia łączą wysiłki na rzecz racjonalizacji i modernizacji procesów zarządzania danymi, koncentrując się na wprowadzaniu nowych, zwinnych narzędzi z ekosystemów partnerów, a także podejść takich jak DataOps i MLOps (machine learning ops), po to, aby rozwijać i wdrażać rozwiązania z zakresu sztucznej inteligencji, budować dedykowane zespoły i stworzyć zrównoważony model operacyjny.
