Satıcılar, çalışma şeklimizin doğasını değiştiren bir yapay zeka devriminin ortasında olduğumuza inanmanızı istiyorlar. Ancak yakın zamanda yapılan birkaç araştırmaya göre gerçek, durumun bundan çok daha incelikli olduğunu gösteriyor.
Satıcılar potansiyel faydaları öne sürdükçe şirketler üretken yapay zekaya son derece ilgi duyuyor, ancak bu arzuyu konsept kanıtından çalışan bir ürüne dönüştürmek çok daha zorlayıcı oluyor: İster teknik borçtan kaynaklansın, uygulamanın teknik karmaşıklığıyla karşı karşıya kalıyorlar. daha eski bir teknoloji yığınından ya da sadece uygun becerilere sahip insanlardan yoksundur.
Aslında Gartner tarafından yakın zamanda yapılan bir araştırma, yapay zeka çözümlerinin uygulanmasındaki en büyük iki engelin %49 oranında değer tahmin etme ve gösterme yolları bulmak ve %42 oranında yetenek eksikliği olduğunu ortaya çıkardı. Bu iki unsur şirketler için temel engeller haline gelebilir.
Bunu bir düşün LucidWorks tarafından yapılan bir çalışmakurumsal arama teknolojisi şirketi, ankete katılanların yalnızca 4’te 1’inin üretken bir yapay zeka projesini başarıyla uyguladığını bildirdi.
McKinsey and Company’nin kıdemli ortağı Aamer Baig, etkinlikte konuşuyor MIT Sloan CIO Sempozyumu Mayıs ayında, şirketinin de bir güncel araştırma şirketlerin yalnızca %10’unun üretken yapay zeka projelerini geniş ölçekte uyguladığını görüyoruz. Ayrıca yalnızca %15’inin kazançları üzerinde herhangi bir olumlu etki gördüğünü bildirdi. Bu, abartılı reklamın çoğu şirketin deneyimlediği gerçekliğin çok ilerisinde olabileceğini gösteriyor.
Ne bekliyorsun?
Baig, karmaşıklığı, 20-30 teknoloji öğesi gerektiren basit bir projede bile şirketleri yavaşlatan birincil faktör olarak görüyor ve doğru Yüksek Lisans yalnızca başlangıç noktasıdır. Ayrıca uygun veri ve güvenlik kontrolleri gibi şeylere de ihtiyaçları vardır ve çalışanların diğer şeylerin yanı sıra hızlı mühendislik ve IP kontrollerinin nasıl uygulanacağı gibi yeni yetenekleri öğrenmesi gerekebilir.
Eski teknoloji yığınlarının da şirketleri geride tutabileceğini söylüyor. Baig, “Anketimizde, üretken yapay zekaya geniş ölçekte ulaşmanın önündeki en büyük engellerden biri aslında çok fazla teknoloji platformuydu” dedi. “Kullanım durumu değildi, veri kullanılabilirliği değildi, değere giden yol değildi; aslında teknoloji platformlarıydı.”
Danışmanlık firması Thinkworks’ün yapay zeka şefi Mike Mason, firmasının şirketleri yapay zekaya hazırlamak için çok zaman harcadığını ve mevcut teknoloji kurulumlarının bunun büyük bir parçası olduğunu söylüyor. “Yani soru şu; ne kadar teknik borcunuz var, ne kadar açığınız var? Ve cevap her zaman şu olacak: Bu organizasyona bağlı, ancak bence organizasyonlar bunun acısını giderek daha fazla hissediyorlar,” dedi Mason TechCrunch’a.
İyi verilerle başlar
Bu hazırlık eksikliğinin büyük bir kısmı, Gartner anketine katılanların %39’unun başarılı yapay zeka uygulamasının önündeki en büyük engel olarak veri eksikliğine ilişkin endişelerini dile getirdiği veri parçasından kaynaklanıyor. Baig, “Veriler pek çok kuruluş için büyük ve göz korkutucu bir zorluktur” dedi. Yeniden kullanıma yönelik bir bakış açısıyla sınırlı bir veri kümesine odaklanmayı öneriyor.
“Öğrendiğimiz basit bir ders, birden fazla kullanım durumunda size yardımcı olan verilere odaklanmaktır ve bu genellikle çoğu şirkette gerçekten başlayabileceğiniz üç veya dört alanla sonuçlanır ve bunları yüksek öncelikli işlerinize uygulayabilirsiniz. iş değerleriyle ilgili iş zorlukları ve gerçekten üretime ve ölçeğe ulaşan bir şey sunmak” dedi.
Mason, yapay zekayı başarılı bir şekilde yürütebilmenin büyük bir bölümünün veri hazırlığıyla ilgili olduğunu ancak bunun yalnızca bir parçası olduğunu söylüyor. “Kuruluşlar çoğu durumda yapay zekaya hazırlık çalışmaları, platform oluşturma, veri temizleme ve benzeri şeyler yapmaları gerektiğinin farkına varırlar” dedi. “Fakat ya hep ya hiç yaklaşımına başvurmanıza gerek yok, herhangi bir değer elde etmek için iki yıl harcamanıza gerek yok.”
Veriler söz konusu olduğunda şirketlerin, verilerin nereden geldiğine ve bunları kullanma izninin olup olmadığına da saygı duyması gerekiyor. Çeşitli araştırma girişimleriyle ilgili verileri toplamak ve analiz etmek için şirketler ve hükümetlerle birlikte çalışan bir danışmanlık şirketi olan Mathematica’nın CIO’su Akira Bell, şirketinin bu verileri üretken yapay zekada uygulamaya koyma konusunda dikkatli hareket etmesi gerektiğini söylüyor.
Bell, TechCrunch’a şunları söyledi: “Üretici yapay zekaya baktığımızda, bizim için ve kullandığımız veri ekosistemine baktığımızda kesinlikle fırsatlar olacak, ancak bunu dikkatli yapmalıyız.” Bunun bir nedeni, katı veri kullanım anlaşmaları olan çok sayıda özel veriye sahip olmaları, kısmen de bazen hassas gruplarla uğraşıyor olmaları ve bunun farkında olmaları gerektiğidir.
“Güvenilir bir veri sorumlusu olmayı gerçekten ciddiye alan bir şirkete geldim ve CIO olarak görevimde hem siber güvenlik açısından hem de müşterilerimizle ve onların müşterileriyle olan ilişkilerimiz açısından bu konuda çok temelli olmam gerekiyor. veriler, dolayısıyla yönetişimin ne kadar önemli olduğunu biliyorum” dedi.
Şu anda üretken yapay zekanın masaya getirdiği olasılıklar konusunda heyecanlanmamanın zor olduğunu söylüyor; teknoloji, kuruluşunun ve müşterilerinin topladıkları verileri anlamaları için çok daha iyi yollar sağlayabilir. Ama aynı zamanda gerçek ilerlemenin önüne geçmeden dikkatli hareket etmek de onun işi, zorlu bir dengeleme eylemi.
Değeri bulma
Tıpkı on beş yıl önce bulutun ortaya çıktığı dönemde olduğu gibi, CIO’lar doğal olarak temkinli davranıyor. Üretken yapay zekanın getirdiği potansiyeli görüyorlar ancak aynı zamanda yönetişim ve güvenlik gibi temel konularla da ilgilenmeleri gerekiyor. Ayrıca, bu teknolojiyle bazen ölçülmesi zor olan gerçek yatırım getirisini de görmeleri gerekiyor.
Ocak ayında TechCrunch’ta yapay zeka fiyatlandırma modelleriyle ilgili bir makalede Juniper CIO’su Sharon Mandell, üretken yapay zeka yatırımından elde edilen getiriyi ölçmenin zor olduğunu söyledi.
“2024’te gen AI heyecanını test edeceğiz, çünkü eğer bu araçlar söyledikleri türde faydalar sağlayabilirse, o zaman bunların yatırım getirisi yüksektir ve diğer şeyleri ortadan kaldırmamıza yardımcı olabilir” dedi. Bu yüzden kendisi ve diğer CIO’lar pilot çalışmalar yürütüyor, temkinli davranıyor ve artan maliyeti haklı çıkaracak gerçekten bir verimlilik artışı olup olmadığını ölçmenin yollarını bulmaya çalışıyor.
Baig, şirket genelinde yapay zeka konusunda merkezi bir yaklaşıma sahip olmanın ve küçük grupların bir dizi proje üzerinde bağımsız olarak çalıştığı “çok fazla skunkworks girişimi” olarak adlandırdığı durumdan kaçınmanın önemli olduğunu söylüyor.
“Ürün ve platform ekiplerinin organize olduğundan, odaklandığından ve tempoda çalıştığından emin olmak için şirketten destek almanız gerekiyor. Ve elbette üst yönetimin görünürlüğüne de ihtiyacı var” dedi.
Bunların hiçbiri bir yapay zeka girişiminin başarılı olacağının veya şirketlerin tüm yanıtları hemen bulacağının garantisi değil. Hem Mason hem de Baig, ekiplerin çok fazla şey yapmaktan kaçınmasının önemli olduğunu ve her ikisinin de işe yarayan şeyleri yeniden kullanmanın altını çizdiğini söyledi. Baig, “Yeniden kullanım doğrudan teslimat hızı anlamına gelir, işletmelerinizi mutlu eder ve etki yaratır” dedi.
Şirketler üretken yapay zeka projeleri yürütürken yürütürken yönetişim, güvenlik ve teknolojiyle ilgili zorluklar karşısında felce uğramamalı. Ancak bu abartılı reklamdan da gözleri kamaşmamalı: Hemen hemen her kuruluş için pek çok engel olacak.
En iyi yaklaşım, işe yarayan, değer gösteren ve oradan inşa edilen bir şeyi başlatmak olabilir. Ve unutmayın ki, bu kadar abartılı reklama rağmen diğer birçok şirket de mücadele ediyor.
