Lendu läbi pilootprojekti: miks nii paljud AI-testiprojektid on suurendamisega probleemis

Täna on see jutustus ettevõtetes üha levinum: AI-projekt toimib suurepäraselt testides pilootfaasis, saab rohelise tule ja laiendatakse ulatuslikumalt… ning siis enam õigesti ei tööta; või see ei anna oodatud äriresultaate. 

Seejärel järgnevad süüdistused, vastutusele kutsumine ja ebamugav tunne.

Probleem ei ole alati tehnoloogias. Tegelikult tuleneb vigu sageli kavast, protsessidest ja ootustest, mille ettevõtted oma AI-projektide ümber on kehtestanud – või hoopis mitte kehtestanud, nagu selgus selle kuu Fortune Brainstorm Techi ümardlaual toimunud arutelus osalenud ärijuhtide sõnul. 

Alustuseks ütles Amgeni peatehnoloogiajuht Sean Bruich, et mitte iga AI-projekt ei vääri laiendamist. 

„Pilootprojektidega on nii lihtne lasta tuhandel lillel õitseda,“ ütles ta. See ei ole halb asi, sest see soodustab eksperimenteerimist. Kuid ta lisas: „Pilootprojektide edukaks skaalatavaks muutmiseks on oluline mitte ainult palju ideid, vaid väga range valik, millised pilootprojektid saavad tegelikult rohelise tule.“

Salesforce’i klientide ja kaubandusjuhi Lashonda Anderson-Williamsi sõnul on järgmise sammu tegemise eeltingimus projekti eesmärgi täpselt mõistmine. Liiga paljud ettevõtted keskenduvad AI-funktsioonide edukale rakendamisele – tehnoloogilistele „kella- ja pühvlitunnustele“ – asemel äriresultaatidele, ütles ta. 

Selline mõtteviis viib kindlasti pettumuseni: AI-funktsioonid töötavad suurepäraselt, kuid uus tehnoloogia ei põhjusta olulisi äriresultaate.

Agentidel on vaja kaarti

Agentiivse AI puhul rõhutas Anderson-Williams, et ülesande täitmiseks on kriitiliselt oluline üksikasjalik töövoogude mõistmine – millised isikud, rühmad või kontaktipunktid on vajalikud. Ta ütles, et paljud ettevõtted avastavad, et töövoogude dokumentatsioon kas puudub või on halvasti koostatud: „Kui teie panete AI sellele kohale, ootate mõnda imet, kuid seal pole mingit imet.“

Andmete ligipääs on eriti levinud takistus, millega AI-projektid kokku puutuvad pilootfaasist täielikuks kasutuselevõtuks minnes. Kuna andmed on sageli hajutatud erinevates organisatsiooni andmesildades ja kuna kõiki neid andmeid reguleerivad erinevad ligipääsupiirangud ning erinevad privaatsus- ja turvalisusküsimused, võib asjad kiiresti keerukaks muutuda. Arutelupartnereid rõhutasid, kui oluline on enne ajas välja selgitada AI-projekti kontuurid ja kõik potentsiaalsed andmed, mida see vajab. „Mida varasemalt me seda avastamisperioodis tuvastame, seda paremini oleme edu jaoks valmis,“ ütles Thomson Reutersi peandmetöötleja Caitlin Halferty. 

See tähendab ka õigete rühmade ja sidusrühmade toetuse saamist organisatsioonis. „Kas on mingi PII (isiklikult identifitseeritava informatsiooni) või konfidentsiaalse andmete element, mis aktiveerib privaatsusküsimusi?“ küsis Halferty. Kui vastus on „jah“, siis tuleb õiged inimesed projektis kaasa võtta. „Kas on ka küberohutuslik element? Võtke turvalisus kaasa,“ ütles ta. 

Amgeni Bruich kinnitas laiaulatusliku toetuse tähtsust ja märkis, et ettevõttele transformatsioonilist AI-projekti peab vajadusel hõlmama juhte rahanduses, tehnoloogias, personalivaldkonnas ja muudes organisatsiooni osades. Tegelikult mõjukas AI-projekt, ütles ta, peab tegema rohkem kui lihtsalt väikest rühma töötajaid tööprotsessides tõhusamaks. See peab andma „tulemuse, mis on oluline ettevõttele.“

Selle artikli algne versioon ilmus Fortune.com-is