Почему 80% организаций неудачно внедряют искусственный интеллект и машинное обучение

Почему 80% компаний терпят неудачи при внедрении искусственного интеллекта и машинного обучения

Страх упустить возможность золотой лихорадки на искусственный интеллект (ИИ) побуждает многие компании принять активные меры. Почему более 80% проектов по ИИ/Машинному Обучению (МО) терпят неудачу, в то время как только 40% традиционных проектов ИТ сталкиваются с такой же участью? Ответ в том, что технология находится на начальной стадии развития. ИИ является передовым направлением, эволюционирующим быстро, что означает, что решения еще недостаточно надежны, а проекты чаще сталкиваются с техническими проблемами по сравнению с использованием уже установленных рамок.

Усугубляют эти проблемы роста платформы нехватка квалифицированных кадров, недостаток качественных данных, плохая разработка концепции, завышенные обещания поставщиков и трудности в определении требований для постоянно изменяющихся целей. Вместе эти факторы приводят к идеальной буре разочарования. Пользователи, не желающие пользоваться недостаточно совершенными системами, еще больше снижают полученную ценность. Чтобы проекты по ИИ/МО имели успех, компании нужны стратегии, соответствующие характеру такой революционной технологии.

Одной из таких стратегий, позволяющей преодолеть тревожную вероятность высокого процента неудач, является создание комитетов по ИИ – специальных рабочих групп, включающих сотрудников из разных функциональных областей, для оценки и внедрения технологий ИИ, с основным уклоном на построение доверия сотрудников и их принятие новшества. В этой статье вы получите руководство от профессионалов о том, как эффективное управление и сотрудничество внутри таких комитетов могут помочь преодолеть трудности и извлечь реальную бизнес-ценность от использования ИИ.

Управление Ожиданиями

Шумиха вокруг ИИ создает нереалистические ожидания в отношении полной автоматизации процессов с его помощью. Однако наиболее успешные комитеты по ИИ устанавливают реалистические ожидания, открыто общаясь о потенциальных рисках и ограничениях. Это помогает предотвратить спешные, недоразумные внедрения ИИ.

• Лучшие 5 курсы по R (2024)
• You.com выпускает YouAgent ИИ-агента с выполнением кода для более точных ответов на сложные математические и научные вопросы.
• Лучшие 5 курсов Power BI (2024)

Например, вместо полной автоматизации создания контента, нацеленный старт может использовать ИИ для генерации черновиков определенных локализованных маркетинговых материалов. Такой целевой подход позволяет провести тестирование перед широким внедрением и создает доверие к способностям ИИ.

Управление ожиданиями также означает установление достижимых этапов внедрения ИИ, соответствующих возможностям организации. Комитеты должны отговаривать руководителей от стремительных трансформаций на пути к постепенному развитию, увеличивающему возможности человека. Такая сбалансированная перспектива обеспечивает использование ИИ как инструмента повышения возможностей, а не замены.

Привлечение поддержки руководства

Успех любой инициативы по ИИ зависит от поддержки руководства на всех уровнях. Когда руководители активно участвуют в управлении ИИ, они демонстрируют, что ИИ является стратегическим приоритетом, а не просто экспериментальной технологией. Их участие обеспечивает необходимые вложения в таланты, данные, инфраструктуру и управление изменениями.

Постоянное сотрудничество между руководством и комитетом по ИИ обеспечивает обратную связь по результатам, вызовам и идеям. Это способствует экспериментам и обеспечивает соответствие бизнес-целям. Кроме того, приверженность руководства этичному внедрению ИИ служит примером важных принципов организационной интеграции.

Начинать с малого для быстрых побед

Наиболее эффективные комитеты по ИИ настоят на том, чтобы начинать с малых проектов с узким объемом задач, прежде чем приступать к широкому внедрению. Такой целенаправленный подход позволяет испытать воду без излишнего расходования ограниченных ресурсов в самом начале.

Старт с малого также дает быстрые победы, демонстрируя возможности ИИ и конкретные преимущества. Например, компания по продаже программного обеспечения может использовать ИИ для анализа транскрипций телефонных разговоров, автоматической записи данных, таких как последующие действия и возражения клиентов, в свою систему управления взаимоотношениями с клиентами. Это дает мгновенные представления менеджерам по продажам, одновременно исключая ручное составление заметок.

Кроме того, целенаправленный старт позволяет комитету по ИИ установить лучшие практики и руководящие принципы для будущих инициатив. Начинать с малых задач позволяет оценить эффективность ИИ и уменьшить риски перед масштабированием. Такой прагматичный подход согласует темп внедрения с возможностями и готовностью организации.

Повышение возможностей сотрудников для инноваций

Создание условий для экспериментов с ИИ среди сотрудников является основой успешного внедрения. Лучшие комитеты по ИИ создают среду, в которой сотрудники чувствуют себя безопасно для тестирования ИИ приложений и предоставления обратной связи. Такой коллективный подход гарантирует, что решения ИИ отвечают потребностям пользователей, а не являются сверху-вниз директивами.

Повышение возможностей означает не только предоставление инструментов. Это означает создание культуры инноваций и непрерывного обучения в области ИИ. Сотрудники должны иметь свободу исследовать потенциал ИИ в безопасных границах, не опасаясь совершения ошибок. Такой органический рост возможностей ИИ способствует развитию и инновациям.

Кроме того, для реализации необходимо предоставить достаточные ресурсы, чтобы финансовые ограничения не препятствовали экспериментам. Организация должна предоставлять доступ к данным, платформам и руководству для поддержки исследований в области искусственного интеллекта.

Измерение влияния инициатив в области искусственного интеллекта

Качественное оценивание инициатив в области искусственного интеллекта предоставляет объективные данные, необходимые для непрерывного улучшения. Ключевые показатели эффективности (KPI) в сочетании с качественной обратной связью демонстрируют, что работает и что можно улучшить.

Количественные метрики оценивают такие факторы, как количество обрабатываемых клиентских запросов, сгенерированные потенциальные клиенты и проблемы, решаемые искусственными интеллектуальными системами. Это демонстрирует повышение производительности.

Качественные данные оценивают субъективный опыт сотрудников и клиентов во взаимодействии с искусственным интеллектом. Опросы, интервью и фокус-группы оценивают удовлетворенность, доверие и удобство использования.

Регулярные проверки влияния также позволяют сравнивать показатели производительности искусственного интеллекта со временем по мере его развития. Регулярная оценка на основе реальных данных поддерживает гибкий и итеративный подход к настройке стратегий искусственного интеллекта.

Снижение зависимости от поставщиков

Хотя внешние партнерства в области искусственного интеллекта могут предлагать ценные возможности, комитеты должны быть осторожны и снижать риски. Многие стартапы в области искусственного интеллекта являются новыми и финансово неустойчивыми. Крайняя релевантность непроверенных поставщиков для критических функций может быть опасна.

Комитеты должны отстаивать пошаговый подход к сотрудничеству, начиная, возможно, с пилотных проектов. Проводить тщательный анализ для оценки этики, культуры, экспертизы и рекорда партнеров. Иметь запасные планы для внедрения функционала внутри компании или переключения на других поставщиков в случае недоставки или расторжения партнерства. Владейте своими данными, чтобы избежать попадания в зависимость.

Самые эффективные комитеты рассматривают партнерства как дополнительный источник возможностей в области искусственного интеллекта, а не полное аутсорсинг основных функций. С надежным управлением поставщиками организации могут использовать экосистему искусственного интеллекта, сохраняя контроль над своим будущим.

Установление этической практики искусственного интеллекта

Внедрение передовых технологий несет в себе определенные риски, особенно если подход к ним не предусматривает точности и предвидения. Комитеты по искусственному интеллекту отстаивают культуру, где сотрудников поощряют к инновациям, но всегда в рамках четко определенных этических границ.

Проведение комплексных программ обучения является необходимым условием достижения этой цели, чтобы сотрудники понимали тонкости и потенциальные последствия применения решений на основе искусственного интеллекта. Регулярные аудиты систем искусственного интеллекта, механизмы обнаружения предвзятости и прозрачные протоколы являются неотъемлемыми условиями обеспечения справедливости и ответственности.

В таких областях, как кредитование потребителям, создание отдельной команды аналитики справедливости очень важно для анализа принятия решений в области кредита и ценообразования на основе искусственного интеллекта и машинного обучения. Кроме того, при рассмотрении сотрудничества с поставщиками искусственного интеллекта требуется тщательная оценка их этических стандартов и прошлой работы.

Заключение

В моем предыдущем блоге “Будущее работы: Повышайте свои навыки или останьтесь позади”, я обсуждал необходимость для сотрудников овладеть новыми навыками в условиях технологического прогресса. Роль комитетов по искусственному интеллекту является естественным продолжением этой темы.

От управления ожиданиями до получения поддержки руководства, от вдохновения до измерения воздействия, изученные нами лучшие практики предлагают организациям дорожную карту для интеграции искусственного интеллекта в качестве основной составляющей.

Хотя искусственный интеллект не заменит человеческие роли, его целенаправленное применение обещает повысить производительность, эффективность и инновации. С качественным управлением искусственным интеллектом, мы можем преодолеть страх перед неизвестностью и создать захватывающее будущее, основанное на симбиозе человека и искусственного интеллекта.