В январе компания IBM представила подробное исследование о том, почему цифровые преобразования обеспечили рентабельность инвестиций всего от -5% до 10% вместо прогнозируемых 150%. Это огромная разница, которая соответствует нашему опыту первоначальных внедрений клиент/сервер в 1980-х годах, миграции на операционные системы в 1990-х, внедрений больших данных в начале 2000-х и аналитики за последнее десятилетие.

Автор: Роб Эндерле, президент и главный аналитик Enderle Group
 
Это не означает, что все реализации потерпели неудачу в той степени, о которой говорилось выше, только то, что это постигло подавляющее большинство. Повторяющаяся проблема заключается в недостаточной зрелости технологии, компаний, предоставляющих эту технологию, и компаний, которые внедряют ее. Впечатляющие продажи, убеждающие покупателя в преимуществах сопровождаются отсутствием последующих действий, гарантирующих достижение обещанных преимуществ.
 
То же самое происходит прямо сейчас с искусственным интеллектом. На начальном этапе вам не нужны обещания продаж; вам нужны поставщики, которые понимают технологии и захотят потратить время на изучение ваших уникальных потребностей. Они также должны не только создать идеальное решение, но и иметь строгий процесс и опыт для обеспечения результата.
 
Давайте поговорим о том, как избежать этой повторяющейся проблемы.
 
Причина
 
Я уже сталкивался с каждой из этих ранних болезненных тенденций. Я работал в IBM, когда появился тренд «клиент/сервер», и хотя в то время технология не была готова, это едва не привело компанию к краху, поскольку рынок попытался перейти на что-то, что не было готово.
 
Причина в том, что продажи часто могут опережать появление продуктов и услуг, которые должны их окружать. Когда возникает такая новая тенденция, как искусственный интеллект, каждый хочет успеть приобщиться и извлечь выгоду. Но учтите, что в прошлом году, кроме таких компаний, как IBM и NVIDIA, которые десятилетиями работали над ИИ, никто другой (включая Google, которая свернула свои усилия) вообще не был готов к заявлению Microsoft о вертикальном развитии ИИ.
 
Причина, по которой IBM так взволнована на этот раз, заключается в том, что у нее есть платформа watsonx, которая в настоящее время является самым зрелым решением для искусственного интеллекта на рынке. Кроме того, на этот раз IBM — наиболее зрелая компания с точки зрения возможностей генеративного ИИ корпоративного класса, в то время как другие живут за счет обещаний в области продаж и маркетинга, которые практически не имеют оснований.
 
Когда продажи опережают технологии, покупатель оказывается в затруднительном положении, и, согласно данным IBM по цифровой трансформации, многие люди оказались в проигрыше, потому что не проявили должной осмотрительности.
 
Исправление: выполните домашнее задание и следуйте процессу
 
Один из наиболее успешных процессов в подобной ситуации — «pilot to production». Не переходите к развертыванию за один болезненный шаг. Как только вы убедитесь, что у поставщика есть достаточно зрелое и полное решение для вас, создайте один или несколько пилотных проектов, чтобы подтвердить свою уверенность. Даже готовые продукты работают не в каждой ситуации. Вы не хотите потерпеть неудачу в масштабе, но неудачу в пилотном проекте можно исправить.
 
Но еще до пилотного проекта вам нужна уверенность в том, что требования поставщика о преимуществах и рентабельности инвестиций достижимы. Попросите рекомендации других пользователей, которые внедрили эту технологию и добились обещанных преимуществ, запросите у поставщика информацию о том, была ли технология внедрена внутри компании, и попросите поговорить с ИТ-специалистами организации, которая это сделала (часто они будут на удивление честны с вами).
 
Проведите исследование вместе с другими компаниями, которые пытаются решить ту же задачу, и изучите лучшие практики, понимая, что не каждое решение будет работать в каждой компании или даже в каждом подразделении.
 
Гибридное мультиоблачное решение — практика, которая обеспечивает наибольший баланс между временем безотказной работы, стоимостью, доступностью и надежностью. Вам нужен поставщик, который понимает эту концепцию, имеет тесные связи с поставщиками облачных сервисов, которым вы доверяете, и который также приобрел достаточный опыт, чтобы не учиться на вас.
 
Качественные данные особенно важны для работы искусственного интеллекта и имеют решающее значение, и вам потребуется большая помощь, чтобы обеспечить это. Предвзятый или галлюцинирующий ИИ нужен вам не больше, чем аналитика, которая постоянно выдает неточные ответы.
 
Ожидается, что эти новые возможности ИИ будут мультимодальными и охватят естественный язык, изображения, аудио, видео и даже критические элементы времени. ИИ, как правило, оптимизируется для одного из этих типов данных и плохо работает с другими, поэтому вам нужно понимать разницу и иметь поставщика, который готов сказать вам, что другой поставщик может быть лучшим выбором в тех областях, где у него нет компетенций.
 
Наконец, вам нужна помощь с показателями и контрольными точками, чтобы в случае неэффективной работы поставщика, вы могли определить проблему на ранней стадии и сменить либо поставщика, либо команду. Если поставщик, с которым вы работаете, не может помочь вам определить метрики и объективные цели проекта, вы обратились не к тому поставщику.
 
Подводя итог
 
Постоянная проблема, с которой мы сталкиваемся при внедрении крупных современных технологий, начиная с клиент-серверных в 1980-х годах и заканчивая ИИ сегодня, заключается в том, что продажи намного опережают структуру продукта и поддержки. В результате развертывание не соответствует целям и ожиданиям. Если у вас нет способа вернуть предложение к реальности или понять, что поставщик перегибает палку и, скорее всего, охотится за вашими деньгами, вам придется несладко.
 
Если бы я все еще работал в ИТ, я бы наладил отношения с NVIDIA, которая предоставляет большую часть основных технологий, и использовал бы ее в качестве экспертного совета для выбора короткого списка поставщиков и сервис-провайдеров, которые в курсе последних достижений в области искусственного интеллекта. Я бы подкрепил это разговорами со своими коллегами на отраслевых мероприятиях, которые используют или уже внедрили аналогичные решения, и получил бы представление о том, какие поставщики работают хорошо, и использовал бы эту информацию для определения поставщиков, которых я хотел бы исследовать.
 
В верхней части моего списка были бы поставщики, которые внедрили решения, аналогичные тем, которые я собираюсь реализовывать внутри компании и за ее пределами, но не принимайте ничего из этого на веру. И я бы опросил тех, кто знаком с этими внедрениями, чтобы подтвердить результаты и набор навыков компании.
 
Во многих случаях, возможно, разумнее подождать, пока не появятся подходящий партнер, подходящая команда и правильное решение, прежде чем нажимать на спусковой крючок и в режиме реального времени узнавать, насколько плохо может пройти одно из этих внедрений.
 
Ссылка на источник