Druhá strana generativní umělé inteligence: Výzvy a omezení

Je možné se poučit z našich chyb? Rád bych tomu věřil, ale zdá se, že historie ukazuje, že stále opakujeme stejné chyby. Není to tak dávno, co jsme zažili vzestup „Dotcoms“, fenoménu, kdy se četné společnosti vrhly do vytváření webových portálů a nabízení online služeb bez jasné vize, motivované strachem, že zůstanou pozadu. Mnoho z těchto projektů selhalo okázale, a ne kvůli technologickým nedostatkům.

Cyklus se opakuje. Pokaždé, když se objeví nová technologie s rušivým potenciálem, staneme se obětí „syndromu lesklých objektů“. Necháme se oslnit voláním po inovacích, aniž bychom přemýšleli o naší skutečné potřebě nebo kapacitě je realizovat. Stejně jako v minulosti i nyní dochází k neúspěchům.

Tvrdé realitě čelí generativní projekty umělé inteligence

To je past, do které padlo mnoho podnikatelů a firem, oslněných sliby generativní umělé inteligence, aniž by chápali skutečný smysl její implementace. Přitahováni svou atraktivitou, bez pevné strategie, zahájili křehké projekty, které čelí potížím kvůli nedostatku základů a plánování.

Odhaduje se, že procento neúspěšných projektů umělé inteligence je výrazně vyšší než v jiných oblastech informačních technologií a dosahuje až 80 %. Nedávná studie společnosti RAND Corporation identifikuje hlavní příčiny těchto selhání, mezi které patří špatné projektové řízení a nerealistická očekávání ohledně schopností AI. Ani vyhlídky nejsou příliš povzbudivé.

Jedna z nejnovějších studií společnosti Gartner odhaluje, že nejméně 30 % generativních projektů umělé inteligence bude opuštěno po ověření konceptu do konce roku 2025. Mezi důvody patří nedostatečná kontrola rizik, zvýšené náklady a nejasná obchodní hodnota.

Poučit se z minulosti a zajistit budoucí úspěch

Poučení, které z těchto selhání plyne, ať už v sektoru dotcom, kryptoměnách, velkých datech nebo v současnosti v AI, je, že samotná technologie úspěch nezajistí. Je zásadní, aby jakákoli iniciativa generativní umělé inteligence (GAI) byla podporována dobře definovanou strategií, jasnými cíli a hlubokým pochopením jejích schopností i omezení.

Odhaduje se, že procento projektů umělé inteligence (AI), které selžou, je výrazně vyšší než v jiných oblastech informačních technologií a dosahuje až 80 %.

To by mělo platit i pro implementaci generativní umělé inteligence do procesů vývojářských společností. Technologie slibuje optimalizaci softwarových procesů zkrácením doby vývoje a snížením potřeby velkých týmů. Je však nezbytné položit si otázku: Přispívá to skutečně ke zlepšení produktivity a kvality, nebo jsme se dostali do pasti „lesklých předmětů“?

Jak jsme již uvedli, implementace technologických inovací, jako je IAG, v podnikatelském prostředí přesahuje nadšený přístup nebo strach, že zůstaneme pozadu, bude vyžadovat strategický přístup a soubor jasných kroků, které nám umožní měřit a zajistit hmatatelná zlepšení.

Jednou z prvních a nejdůležitějších akcí je stanovení definovaných cílů. Společnosti musí specifikovat, jaké problémy chtějí vyřešit, a stanovit cíle, které lze kvantifikovat, jako je zkrácení doby vývoje nebo zlepšení kvality kódu.

Vzhledem k tomu, že známe naše cíle, je také nezbytné porozumět výchozímu bodu prostřednictvím předběžné analýzy současného procesu. Zde se benchmarking stává klíčovým nástrojem, a to jak interně, tak externě. Porovnáním projektů, které využívaly a nepoužívaly IAG, můžete zjistit, zda zlepšení výkonu a efektivity jsou skutečné nebo pouze zdánlivé.

Tradiční metriky, jako je dodací lhůta nebo množství generovaného softwaru, by měly být doplněny o další ukazatele, které hodnotí kvalitu vývoje, jeho dlouhodobou udržitelnost a schopnost AI adaptovat se na složitá prostředí. K tomu je nezbytný přístup k dobrým datům. Ale opravdu stojí za to implementovat technologii, jejíž náklady převyšují výhody, které nabízí? Zkoumání vztahu mezi náklady a přínosy je zásadní. Nezbytné je také zvážit náklady spojené s implementací, údržbou a školením zařízení.

Podstata úspěchu spočívá ve spojení technologie s přesně definovanou vizí a neustálým a přesným sledováním výsledků. Nepřetržité sledování jeho dopadu umožňuje provádět úpravy procesů a zajišťuje, že přínosy budou zachovány nebo dokonce časem navýšeny. Společnosti, které spolupracují s klienty, provádějí tyto neustálé analýzy a monitorování, aby ověřily, zda implementace umělé inteligence skutečně optimalizuje produktivitu a kvalitu vývoje. To nám umožňuje vyhodnotit, zda přijetí generativní umělé inteligence představuje strategické rozhodnutí posilující konkurenceschopnost, nebo jde naopak o módní výstřelek, který neospravedlňuje její náklady.

Stejně jako v případě dotcom společností musí být organizace, které se snaží využít skutečný potenciál generativní umělé inteligence, ochotny vyvinout nezbytné úsilí: pečlivé plánování, definování jasných cílů, neustálé sledování, přizpůsobování a především uznání, že technologie je spravedlivá. nástroj. A teprve když je tento nástroj správně integrován do procesů, skutečně nejen září, ale také září.

Autor: Dácil Castelo de la Torre, generální ředitel společnosti LedaMC