ก้าวข้ามขั้นทดลอง: ทำไมโครงการทดสอบ AI จำนวนมากถึงประสบปัญหาในการขยายขนาด

นี่คือเรื่องราวที่พบเห็นได้บ่อยขึ้นในองค์กรต่างๆ ในปัจจุบัน: โครงการ AI ทำงานได้ดีเยี่ยมในการทดสอบช่วงนำร่อง ได้รับไฟเขียวให้ขยายการใช้งานในวงกว้าง…แล้วก็หยุดทำงานอย่างถูกต้อง หรือไม่ก็ล้มเหลวในการส่งมอบผลลัพธ์ทางธุรกิจตามที่คาดหวัง 

การโยนความผิด การกล่าวโทษ และความอับอายก็ตามมา

ปัญหาไม่ได้อยู่ที่เทคโนโลยีเสมอไป แท้จริงแล้ว ความผิดพลาดมักอยู่ที่การวางแผน กระบวนการ และความคาดหวังที่บริษัทได้กำหนดขึ้น—หรือไม่ได้กำหนด—เกี่ยวกับโครงการ AI ของตน ตามที่ผู้นำธุรกิจที่เข้าร่วมการอภิปรายโต๊ะกลมในงาน Fortune Brainstorm Tech เดือนนี้กล่าว 

สำหรับจุดเริ่มต้น ไม่ใช่ทุกโครงการ AI ที่สมควรได้รับการขยายผลในวงกว้าง Sean Bruich ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Amgen กล่าว 

"มันง่ายมากที่จะปล่อยให้ดอกไม้พันดอกบาน" เขากล่าว นั่นไม่ใช่เรื่องเลวร้าย เพราะมันส่งเสริมการทดลอง แต่เขากล่าวว่า "กุญแจสำคัญในการทำให้โครงการนำร่องขยายผลได้สำเร็จคือการมีไอเดียจำนวนมาก แต่มีการกำกับดูแลที่เข้มงวดมากว่าโครงการนำร่องใดที่ได้รับไฟเขียวจริงๆ"

เกณฑ์สำคัญก่อนก้าวต่อไป Lashonda Anderson-Williams ประธานเจ้าหน้าที่ฝ่ายลูกค้าและการพาณิชย์ของ Salesforce กล่าว คือการทำความเข้าใจผลลัพธ์ที่ต้องการของโครงการ บริษัทจำนวนมากเกินไปมุ่งเน้นไปที่การนำฟีเจอร์ AI ไปใช้งานสำเร็จ—ความหรูหราทางเทคโนโลยี—แทนที่จะเป็นผลลัพธ์ทางธุรกิจ เธอกล่าว 

แนวคิดดังกล่าวเป็นสูตรสำเร็จสำหรับความผิดหวัง: ฟีเจอร์ AI ทำงานได้ดีเยี่ยม แต่เทคโนโลยีใหม่ไม่ได้ขับเคลื่อนผลลัพธ์ทางธุรกิจที่มีนัยสำคัญ

Agent ต้องการแผนที่

เมื่อพูดถึง AI แบบ agentic Anderson-Williams ตั้งข้อสังเกตว่า การทำความเข้าใจขั้นตอนการทำงานอย่างละเอียด—ว่าบุคคล กลุ่ม หรือจุดสัมผัสใดที่จำเป็นในการทำงานให้สำเร็จ—เป็นสิ่งสำคัญ สิ่งที่บริษัทจำนวนมากค้นพบ เธอกล่าว คือเอกสารประกอบขั้นตอนการทำงานไม่มีอยู่หรือจัดทำไว้ไม่ดี: "เมื่อคุณนำ AI มาใช้บนสิ่งนั้น ความคาดหวังคือคุณจะเห็นความมหัศจรรย์ แต่ไม่มีความมหัศจรรย์ที่นั่นเลย"

การเข้าถึงข้อมูลเป็นอุปสรรคที่พบบ่อยเป็นพิเศษที่โครงการ AI เผชิญในการเปลี่ยนผ่านจากช่วงนำร่องสู่การใช้งานเต็มรูปแบบ เนื่องจากข้อมูลมักกระจัดกระจายอยู่ในไซโลต่างๆ ทั่วองค์กร และข้อมูลทั้งหมดนั้นถูกควบคุมโดยสิทธิ์การเข้าถึงที่แตกต่างกัน และการพิจารณาด้านความเป็นส่วนตัวและความปลอดภัยที่หลากหลาย สิ่งต่างๆ อาจซับซ้อนขึ้นอย่างรวดเร็ว สิ่งสำคัญคือต้องวางแผนขอบเขตของโครงการ AI และข้อมูลที่อาจต้องใช้ทั้งหมดล่วงหน้า ผู้เข้าร่วมอภิปรายเน้นย้ำ "ยิ่งเราค้นพบสิ่งนั้นได้เร็วในขั้นตอนการสำรวจ เราก็จะเตรียมพร้อมสำหรับความสำเร็จได้ดียิ่งขึ้น" Caitlin Halferty ประธานเจ้าหน้าที่ฝ่ายข้อมูลของ Thomson Reuters กล่าว 

นั่นยังหมายถึงการได้รับการสนับสนุนจากกลุ่มและผู้มีส่วนได้ส่วนเสียที่เหมาะสมภายในองค์กร "มีองค์ประกอบของ PII (ข้อมูลที่สามารถระบุตัวตนได้) หรือข้อมูลที่เป็นความลับที่จะกระตุ้นประเด็นด้านความเป็นส่วนตัวหรือไม่?" Halferty กล่าว หากคำตอบคือใช่ บุคคลที่เหมาะสมจำเป็นต้องเป็นส่วนหนึ่งของโครงการ "มีองค์ประกอบด้านไซเบอร์หรือไม่? ให้นำฝ่ายความปลอดภัยเข้ามามีส่วนร่วม" เธอกล่าว 

Bruich จาก Amgen เน้นย้ำถึงความสำคัญของการสนับสนุนในวงกว้าง โดยตั้งข้อสังเกตว่าโครงการ AI ที่เปลี่ยนแปลงบริษัทจะต้องเกี่ยวข้องกับผู้นำในฝ่ายการเงิน เทคโนโลยี ทรัพยากรบุคคล และกลุ่มอื่นๆ ทั่วองค์กรอย่างหลีกเลี่ยงไม่ได้ โครงการ AI ที่มีผลกระทบอย่างแท้จริง เขากล่าว จำเป็นต้องทำมากกว่าแค่ทำให้กระบวนการทำงานมีประสิทธิภาพมากขึ้นสำหรับพนักงานกลุ่มเล็กๆ มันต้องส่งมอบ "ผลลัพธ์ที่มีความสำคัญต่อองค์กร"

เรื่องราวนี้เผยแพร่ครั้งแรกบน Fortune.com