Згідно з дослідженнями Массачусетського технологічного інституту, 95% проектів ШІ зазнають невдачі. Оскільки організації вливають ресурси в ініціативи штучного інтелекту, розрив між очікуваннями та фактичною цінністю збільшується, змушуючи ІТ-лідерів шукати відповіді.
Є багато причин, чому проекти штучного інтелекту не досягають успіху, але одна з головних винуватців криється в даних, які часто розкидані по корпоративних середовищах. Без інтегрованого доступу до вичерпних якісних даних навіть найдосконаліші моделі штучного інтелекту дадуть нерелевантні або неточні результати.
«Дані мають бути точними, чистими та управлятися під чітким керуванням», — пояснює Расті Серл, тимчасовий директор з інформаційних технологій Elastic. «Ви можете помістити всі дані в інструмент штучного інтелекту, але якщо якість буде недостатньою, результат не розкаже правдивої історії. Погані або приховані дані завжди відображатимуться в результатах».
Організації, які пропустять цей важливий крок, отримають системи штучного інтелекту, які генерують вражаючі демонстрації, але не зможуть забезпечити стабільну бізнес-цінність у виробничому середовищі. Як каже Джей Шах, старший директор корпоративних додатків у Elastic: «Сміття входить, сміття геть. Швидкий доступ до якісних даних має першорядне значення. Це безпосередньо впливає на релевантність, надійність і точність вихідних даних Response».
Зосередьтеся на вирішенні бізнес-завдань, а не на крутих технологіях
Успішне впровадження штучного інтелекту вимагає переходу від мислення, орієнтованого на першу чергу на технології, на мислення, орієнтоване на проблеми. Замість того, щоб запитувати «Що може ШІ?» Лідери повинні запитати: «Які конкретні бізнес-проблеми необхідно вирішити?» Слід починати з. Цей підхід гарантує, що кожна ініціатива штучного інтелекту безпосередньо пов’язана з вимірними результатами та реальними потребами користувачів.
«Кожна ініціатива штучного інтелекту має бути пов’язана з певною проблемою з вимірними результатами», — підкреслив Серл. «Ми не повинні гнатися за «крутою технологією» чи останньою версією лише заради них самих без ясності щодо варіанту використання».
ШІ не може досягти успіху як ІТ-ініціатива сама по собі. Коли ділові партнери – від відділу кадрів до юридичної команди – активно беруть участь у визначенні вимог і підтримці якості даних, ініціативи ШІ не тільки сприяють досягненню стратегічних цілей організації, але й користувачі, швидше за все, використовуватимуть інструменти ШІ. Зрештою, неважливо, наскільки вражаючі можливості ШІ, якщо ними ніхто не користується.
Elastic відчула це на власному досвіді під час розробки та впровадження свого генеративного штучного інтелекту (GenAI), робочого помічника ElasticGPT. Мета помічника полягала в тому, щоб надати співробітникам чат-бота GenAI, який міг би швидко знаходити потрібну їм інформацію, наприклад контрольні списки реєстрації, форми запитів на оновлення ноутбука та документацію щодо політики компанії, у багатьох власних джерелах даних. Кінцевою метою було підвищення продуктивності співробітників, підвищення надійності вихідних даних і створення масштабованої основи для майбутніх ініціатив ШІ.
Призначте Чемпіона ШІ
Шах сказав: «Успішне впровадження штучного інтелекту передбачає визначення однопотокового лідера, який би керував баченням вашої організації. Поєднайте це з спеціальною групою людей, які мають чіткі цілі та вимірювані результати. Ця основна команда буде орієнтуватися та організовувати ініціативи в бізнес-сферах, щоб визначити правильні пріоритети». «Наші результати ШІ швидко прискорилися, коли ми визначили лідерство для наших варіантів використання. Відтоді ми розширилися до невеликого центру передового досвіду, зосередженого на ШІ».
Роль виходить за межі технічного нагляду. Керівник проекту штучного інтелекту повинен не лише вміти працювати з різними командами в ІТ – навігація викликів інфраструктури, конфігурація API, вимоги відповідності та оцінка якості даних – але також працювати з бізнес-стейкхолдерами, щоб переконатися, що впровадження залишається на правильному шляху для задоволення їхніх потреб.
Зустріч користувачів там, де вони є
Найуспішніші програми штучного інтелекту легко інтегруються в існуючі робочі процеси, а не вимагають від користувачів впровадження нових інструментів або процесів. Коли функції штучного інтелекту з’являються там, де користувачі вже працюють – у своїх комунікаційних платформах, існуючих програмах або знайомих інтерфейсах – впровадження відбувається природним чином. Цей вбудований підхід перетворює ШІ з додаткового тягаря на повсякденний інструмент, який підвищує продуктивність.
«Важливо вбудовувати штучний інтелект в існуючі робочі процеси та переконатися, що люди навчені ним і їм зручно користуватися. Інакше він перетвориться на полицю», — пояснює Серл. «ElasticGPT у Slack є гарним прикладом, оскільки він вбудований у те, де люди вже працюють щодня, приймаючи його майже за замовчуванням. Це покращує досвід, а не змушує користувачів змінювати звички».
Управління змінами також відіграє важливу роль. Оскільки технологія штучного інтелекту продовжує швидко розвиватися, організації повинні постійно інформувати користувачів про розробки штучного інтелекту, щоб розвивати культуру експериментів і розвитку.
Будьте обережні, коли все збивається з колії
Враховуючи складність і новизну технологій штучного інтелекту, було б нереально очікувати, що розгортання пройде гладко. По-перше, Elastic зіткнулася з проблемами на початку свого шляху впровадження ШІ.
«Спочатку ми намагалися створити помічників і підключити їх до наших систем, але ми усвідомили потребу в кращій оркестровці, щоб гарантувати, що взаємодія штучного інтелекту буде безпечною, актуальною та узгодженою з нашими існуючими інструментами», — сказав Серл. «Щоб вирішити цю проблему, ми прийняли Langchain, бібліотеку, яка допомагає організувати інтеграцію ШІ, дозволяючи нам створити більш структуровану структуру, яка природним чином успадковує засоби контролю доступу та контекст нашої батьківської системи».
Реальний успіх із GenAI Employee Assistant
Внутрішній помічник GenAI Elastic, ElasticGPT, демонструє ці принципи в дії. Створений на платформі Search AI Elastic із Retrieval Augmented Generation (RAG), інструмент об’єднує джерела даних у всій організації, роблячи інформацію доступною через знайомі канали. Результати говорять самі за себе: економія 63 годин на одного працівника щорічно з двомісячним періодом окупності та 98% задоволеності користувачів,
Успіх ElasticGPT випливає з кількох ключових рішень.
- По-перше, HR та IT-команди почали з реальних потреб користувачів, вирішуючи загальні проблеми працівників, такі як «Важко знайти інформацію, яку я шукаю» та «Процес оновлення мого ноутбука надто складний».
- По-друге, Elastic інвестувала значні кошти в якість даних і доступність під час розробки, очищаючи свою вікі, дані підтримки та підручники зі стратегії.
- По-третє, вони надали співробітникам кілька точок доступу – інтранет компанії та Slack – для інтеграції ШІ в існуючі робочі процеси, щоб використання ШІ було інтуїтивно зрозумілим.
Почніть збільшувати цінність бізнесу за допомогою ШІ
Створення успішних додатків GenAI потребує сильного лідерства, високоякісних даних та інтегрованого штучного інтелекту в щоденні операції. Це також вимагає переходу від ізольованих інструментів програмного забезпечення як послуги до комплексної платформи, яка масштабується разом із зростанням вашого бізнесу.
Виконайте 8 кроків Elastic, щоб створити масштабовану програму GenAI, яка забезпечує вимірювані результати.
