Terlepas dari hype yang ada, banyak perusahaan yang bergerak hati-hati dalam hal AI generatif

Vendor ingin Anda percaya bahwa kita sedang berada di tengah-tengah revolusi AI, yang mengubah cara kita bekerja. Namun kenyataannya, menurut beberapa penelitian terbaru, menunjukkan bahwa hal ini jauh lebih berbeda dari itu.

Perusahaan sangat tertarik AI generatif ketika vendor mendorong potensi manfaat, namun mengubah keinginan tersebut dari bukti konsep menjadi produk yang berfungsi terbukti jauh lebih menantang: Mereka menghadapi kompleksitas teknis dalam penerapannya, baik karena utang teknis dari tumpukan teknologi lama atau sekadar kekurangan orang-orang dengan keterampilan yang sesuai.

Faktanya, sebuah penelitian terbaru oleh Gartner menemukan bahwa dua hambatan utama dalam penerapan solusi AI adalah menemukan cara untuk memperkirakan dan menunjukkan nilai sebesar 49% dan kurangnya talenta sebesar 42%. Kedua elemen ini dapat menjadi hambatan utama bagi perusahaan.

Pertimbangkan itu sebuah studi oleh LucidWorkssebuah perusahaan teknologi penelusuran perusahaan, menemukan bahwa hanya 1 dari 4 responden yang melaporkan keberhasilan penerapan proyek AI generatif.

Aamer Baig, partner senior di McKinsey and Company, berbicara di Simposium CIO MIT Sloan pada bulan Mei, mengatakan perusahaannya juga menemukan di a survei terbaru bahwa hanya 10% perusahaan yang menerapkan proyek AI generatif dalam skala besar. Ia juga melaporkan bahwa hanya 15% yang merasakan dampak positif terhadap pendapatan. Hal ini menunjukkan bahwa hype tersebut mungkin jauh lebih maju dari kenyataan yang dialami sebagian besar perusahaan.

Apa kendalanya?

Baig melihat kompleksitas sebagai faktor utama yang memperlambat perusahaan bahkan dengan proyek sederhana yang memerlukan 20-30 elemen teknologi, dan LLM yang tepat hanyalah titik awalnya. Mereka juga memerlukan hal-hal seperti kontrol data dan keamanan yang tepat, dan karyawan mungkin harus mempelajari kemampuan baru seperti rekayasa cepat dan cara menerapkan kontrol IP, serta banyak hal lainnya.

Tumpukan teknologi kuno juga dapat menghambat perusahaan, katanya. “Dalam survei kami, salah satu kendala utama yang disebutkan dalam mencapai AI generatif dalam skala besar sebenarnya adalah terlalu banyaknya platform teknologi,” kata Baig. “Ini bukan kasus penggunaan, bukan ketersediaan data, bukan jalur menuju nilai; itu sebenarnya adalah platform teknologi.”

Mike Mason, kepala AI di perusahaan konsultan Karya pemikiran, mengatakan bahwa perusahaannya menghabiskan banyak waktu untuk mempersiapkan perusahaannya agar dapat menggunakan AI — dan pengaturan teknologi mereka saat ini adalah bagian besar dari hal tersebut. “Jadi pertanyaannya, berapa utang teknisnya, berapa defisitnya? Dan jawabannya akan selalu seperti ini: Tergantung pada organisasinya, namun menurut saya organisasi semakin merasakan dampak buruknya,” kata Mason kepada TechCrunch.

Dimulai dengan data yang bagus

Sebagian besar dari defisit kesiapan tersebut adalah data dimana 39% responden survei Gartner mengungkapkan kekhawatiran tentang kurangnya data sebagai penghalang utama keberhasilan penerapan AI. “Data merupakan tantangan besar dan menakutkan bagi banyak organisasi,” kata Baig. Dia merekomendasikan untuk fokus pada kumpulan data terbatas dengan tujuan untuk digunakan kembali.

“Pelajaran sederhana yang kami pelajari adalah untuk benar-benar berfokus pada data yang membantu Anda dalam berbagai kasus penggunaan, dan hal tersebut biasanya berakhir pada tiga atau empat domain di sebagian besar perusahaan tempat Anda benar-benar dapat memulai dan menerapkannya pada domain prioritas tinggi Anda. tantangan bisnis dengan nilai-nilai bisnis dan memberikan sesuatu yang benar-benar mencapai produksi dan skala, ”katanya.

Mason mengatakan bahwa sebagian besar keberhasilan penerapan AI berkaitan dengan kesiapan data, namun itu hanya sebagian saja. “Organisasi dengan cepat menyadari bahwa dalam banyak kasus mereka perlu melakukan beberapa pekerjaan kesiapan AI, beberapa pembangunan platform, pembersihan data, dan hal-hal semacam itu,” katanya. “Tetapi Anda tidak harus melakukan pendekatan semua atau tidak sama sekali, Anda tidak perlu menghabiskan waktu dua tahun sebelum Anda bisa mendapatkan nilai apa pun.”

Terkait data, perusahaan juga harus menghormati dari mana data tersebut berasal – dan apakah mereka memiliki izin untuk menggunakannya. Akira Bell, CIO di Mathematica, sebuah konsultan yang bekerja dengan perusahaan dan pemerintah untuk mengumpulkan dan menganalisis data terkait berbagai inisiatif penelitian, mengatakan bahwa perusahaannya harus bergerak hati-hati dalam menerapkan data tersebut pada AI generatif.

“Saat kami melihat AI generatif, pasti akan ada peluang bagi kami dan melihat seluruh ekosistem data yang kami gunakan, tetapi kami harus melakukannya dengan hati-hati,” kata Bell kepada TechCrunch. Hal ini sebagian disebabkan karena mereka memiliki banyak data pribadi dengan perjanjian penggunaan data yang ketat, dan sebagian lagi karena mereka terkadang berurusan dengan populasi yang rentan dan mereka harus menyadari hal tersebut.

“Saya bergabung dengan perusahaan yang benar-benar menganggap serius pengelolaan data tepercaya, dan dalam peran saya sebagai CIO, saya harus berpegang teguh pada hal tersebut, baik dari perspektif keamanan siber, namun juga dari cara kami menangani klien dan klien kami. data, jadi saya tahu betapa pentingnya tata kelola,” ujarnya.

Dia mengatakan saat ini sulit untuk tidak merasa senang dengan kemungkinan yang dibawa oleh AI generatif; teknologi ini dapat memberikan cara yang jauh lebih baik bagi organisasinya dan pelanggannya untuk memahami data yang mereka kumpulkan. Namun tugasnya juga adalah untuk bergerak dengan hati-hati tanpa menghalangi kemajuan nyata, sebuah tindakan penyeimbang yang menantang.

Menemukan nilainya

Sama seperti ketika cloud pertama kali muncul satu setengah dekade yang lalu, para CIO secara alami harus berhati-hati. Mereka melihat potensi yang dibawa oleh AI generatif, namun mereka juga perlu memperhatikan hal-hal mendasar seperti tata kelola dan keamanan. Mereka juga perlu melihat ROI sebenarnya, yang terkadang sulit diukur dengan teknologi ini.

Pada bulan Januari Artikel TechCrunch tentang model penetapan harga AI, Jintan saru CIO Sharon Mandell mengatakan bahwa mengukur laba atas investasi AI generatif terbukti sulit.

“Pada tahun 2024, kami akan menguji sensasi genAI, karena jika alat tersebut dapat menghasilkan manfaat seperti yang mereka katakan, maka ROI dari alat tersebut akan tinggi dan dapat membantu kita menghilangkan manfaat lainnya,” katanya. Jadi dia dan CIO lainnya menjalankan uji coba, bergerak dengan hati-hati, dan mencoba mencari cara untuk mengukur apakah benar-benar ada peningkatan produktivitas untuk membenarkan peningkatan biaya.

Baig mengatakan bahwa penting untuk memiliki pendekatan terpusat terhadap AI di seluruh perusahaan dan menghindari apa yang disebutnya “terlalu banyak inisiatif skunkworks,” yaitu kelompok kecil bekerja secara independen pada sejumlah proyek.

“Anda memerlukan perancah dari perusahaan untuk benar-benar memastikan bahwa tim produk dan platform terorganisir dan fokus serta bekerja dengan kecepatan. Dan tentunya perlu visibilitas manajemen puncak,” ujarnya.

Semua hal tersebut tidak menjamin bahwa inisiatif AI akan berhasil atau bahwa perusahaan akan segera menemukan jawabannya. Baik Mason maupun Baig mengatakan penting bagi tim untuk menghindari upaya melakukan terlalu banyak, dan keduanya menekankan untuk menggunakan kembali apa yang berhasil. “Penggunaan kembali berarti kecepatan pengiriman, menjaga bisnis Anda tetap bahagia dan memberikan dampak,” kata Baig.

Bagaimanapun perusahaan menjalankan proyek AI generatif, mereka tidak boleh menjadi lumpuh karena tantangan terkait tata kelola, keamanan, dan teknologi. Namun mereka juga tidak boleh dibutakan oleh hype yang ada: Akan ada banyak sekali hambatan yang dihadapi hampir setiap organisasi.

Pendekatan terbaik adalah mewujudkan sesuatu yang berhasil dan menunjukkan nilai serta membangun dari sana. Dan ingat, meskipun ada hype, banyak perusahaan lain juga mengalami kesulitan.