Преодолеть пилот: почему так много тестовых проектов ИИ испытывают трудности с масштабируемостью

Сегодня в корпорациях всё чаще встречается одна и та же история: ИИ-проект отлично показывает себя в тестировании на пилотной стадии, получает одобрение для более широкого внедрения… а затем перестаёт работать должным образом; или не даёт ожидаемых бизнес-результатов. 

За этим следуют взаимные обвинения, упрёки и неловкость.

Проблема не всегда в технологии. На самом деле причина нередко кроется в планировании, процессах и ожиданиях, которые компании выстроили — или не выстроили — вокруг своих ИИ-проектов, по словам бизнес-лидеров, выступивших на круглом столе Fortune Brainstorm Tech в этом месяце. 

Для начала, не каждый ИИ-проект заслуживает широкого внедрения, отметил руководитель технологического отдела (CTO) Amgen Шон Бруич. 

«С пилотным проектом так легко дать расцвести тысяче цветов», — сказал он. Это само по себе неплохо, поскольку поощряет эксперименты. Но, по его словам, «ключ к успешному масштабированию пилотных проектов — это широкий набор идей при очень строгом контроле над тем, какие пилоты на самом деле получают одобрение».

Ключевым критерием перед переходом к следующему этапу, по словам директора по работе с клиентами и коммерческого директора Salesforce Лашонды Андерсон-Уильямс, является понимание ожидаемого результата проекта. Слишком многие компании сосредоточены на успешном внедрении функций ИИ — технологических «фишках» — вместо бизнес-результата, говорит она. 

Такой подход — верный путь к разочарованию: функции ИИ работают отлично, но новая технология не приносит значимых бизнес-результатов.

Агентам нужна карта

Когда речь заходит об агентном ИИ, Андерсон-Уильямс отметила, что детальное понимание рабочего процесса — какие сотрудники, группы или точки взаимодействия необходимы для выполнения задачи — имеет критическое значение. По её словам, многие компании обнаруживают, что документация рабочего процесса либо отсутствует, либо составлена крайне плохо: «Когда вы накладываете на это ИИ, ожидание состоит в том, что произойдёт какое-то волшебство, — а никакого волшебства нет».

Доступ к данным — особенно распространённый камень преткновения, с которым сталкиваются ИИ-проекты при переходе от пилотной фазы к полному развёртыванию. Поскольку данные зачастую разбросаны по разным изолированным хранилищам внутри организации и при этом регулируются различными правами доступа, а также разными требованиями к конфиденциальности и безопасности, ситуация может быстро осложниться. Важно заблаговременно обозначить контуры ИИ-проекта и все потенциально необходимые данные, подчеркнули участники дискуссии. «Чем раньше мы сможем выявить это на этапе изучения, тем лучше будем подготовлены к успеху», — сказала директор по данным Thomson Reuters Кейтлин Халферти. 

Это также означает получение поддержки от нужных групп и заинтересованных сторон внутри организации. «Есть ли какой-либо элемент персональных данных (PII) или конфиденциальных данных, который может затронуть вопросы конфиденциальности?» — сказала Халферти. Если ответ положительный, то нужные люди должны быть включены в проект. «Есть ли киберсоставляющая? Давайте привлечём службу безопасности», — добавила она. 

Бруич из Amgen поддержал важность широкой поддержки, отметив, что ИИ-проект, трансформирующий компанию, по необходимости будет вовлекать руководителей в области финансов, технологий, HR и других подразделений организации. По-настоящему значимый ИИ-проект, по его словам, должен делать больше, чем просто повышать эффективность рабочих процессов для небольшой группы сотрудников. Он должен обеспечивать «результат, важный для всего предприятия».

Этот материал впервые был опубликован на Fortune.com