Учитывая, что процент неудач ИИ-проектов, по историческим данным, составляет около 85%, есть все основания сделать шаг назад и подумать о том, почему большинство подходов и большинство поставщиков, поставляющих решения ИИ, не работоспособны, пишет на портале Datanami Роб Эндерле, президент и главный аналитик Enderle Group.

Подобный уровень неудач был характерен для каждой технологической волны, которой я был свидетелем, начиная с клиент-серверной, которая в первом десятилетии нашего века стала огромным провалом, о котором никто не хотел говорить.

Еще когда я занимался конкурентной аналитикой и был членом SCIP (Общество профессионалов конкурентной разведки), я посетил занятие, которое навсегда мне запомнились. Профессор нарисовал типичный график X/Y с направлением на вертикальной оси и скоростью на горизонтальной. Он отметил, что проблема большинства компаний заключается в том, что они работают в правом нижнем квадранте, то есть в первую очередь концентрируются на скорости, тогда как должны находиться в левом верхнем квадранте и в первую очередь концентрироваться на направлении. Его вывод казался очевидным. Если вы фокусируетесь на скорости, а не на направлении, вы только быстрее пойдете в неправильном направлении, что может быть ужасно.

Давайте поговорим о стратегическом подходе к внедрению ИИ.

Определение направления

Одна из проблем новой технологической волны заключается в том, что все смотрят на других в поисках направления, не понимая, что большинство не имеет ни малейшего представления о том, каким должно быть это направление, поскольку им еще предстоит изучить возможности, недостатки и преимущества новой технологии. В результате они бегут все быстрее и быстрее в том направлении, которое с удручающей скоростью становится все более неудачным.

Проблема сейчас заключается в том, что хотя есть две компании, Nvidia и IBM, которые, кажется, понимают возможности и ограничения ИИ, потому что они занимаются этим дольше всех, эти компании являются поставщиками технологий и не рассматриваются как пример превосходного использования технологий. Nvidia в большей степени, чем IBM, является активным пользователем технологии, но ее бизнес сильно отличается от бизнеса ее клиентов, поэтому ее лучшие практики, которые явно доказали свою успешность, не используются в качестве глобальных примеров передового опыта.

Кроме того, на столь раннем этапе масштабного технологического перелома направление развития технологии ИИ еще не определено, потому что она просто еще не получила достаточного распространения. Сама технология претерпевает значительные изменения, поскольку ИИ применяется для разработки будущих достижений ИИ все более быстрыми темпами, которые не подают признаков замедления.

Это говорит о том, что необходимо иметь три хорошо продуманных внутренних списка, основанных на фактах, а не на желаниях. Один список — это приоритеты того, для чего компании нужен ИИ, с указанием причин, по которым они были отнесены к этому списку. Например, компания, испытывающая массовую нехватку сотрудников, может отнести замену рабочих мест с помощью ИИ к числу первоочередных задач, что позволит ей работать более эффективно и результативно. Второй список, не менее динамичный, — это то, что ИИ может делать с экономической точки зрения (экономический фактор очень важен), основываясь на том, для чего его успешно используют другие. В заключительном списке первые два списка сходятся — он представляет собой список вещей, которые компания должна сделать, ранжированный как по приоритетам компании, так и по возможностям инструментов.

Фокус на гибкости

Любой итоговый план должен быть разработан таким образом, чтобы обеспечить высокую гибкость, поскольку потребности компании и возможности ИИ постоянно меняются и, скорее всего, будут продолжать меняться в период масштабных перемен.

Это означает, что лица, принимающие решения, должны быть открыты к изменениям и искать такие, которые заставят либо обновить план, либо изменить его с учетом концепции «невозвратных затрат». Другими словами, решение о повороте должно основываться не на уже затраченных деньгах и усилиях, а на деньгах и усилиях, которые будут необходимы для адаптации к новой цели. Если вы обнаружите, что идете в неправильном направлении, не стоит продолжать двигаться в этом направлении только потому, что вы потратили много денег на то, чтобы попасть в неправильное место.

Гибкость станет ключом к успеху, потому что как ни один военный план не выживает после первого столкновения с противником, так и ни один ИТ-план не сохранится в целости после начала реализации, особенно если базовая технология меняется так быстро, как это происходит сейчас.

Поэтому обеспечение гибкости и способности к жесткому повороту — важнейшие аспекты успешной стратегии внедрения ИИ.

Заключение

Ирония заключается в том, что технологии, основанные на знаниях, сильно страдают от недостатка знаний и опыта в этой области, но именно с этим мы имеем дело. Я могу утверждать, что в итоге лучшим первоначальным фокусом для ИИ-решения будет его помощь в принятии решений по будущим ИИ-проектам, чтобы сам ИИ-инструмент использовался для обеспечения более успешного применения ИИ.

Сейчас мы явно далеки от этого, поэтому мой лучший совет — убедитесь, что ваши решения подкреплены исследованиями как того, что вам нужно сделать, так и реальных возможностей инструмента, и что они остаются гибкими, потому что основы вашего решения будут оставаться изменчивыми в обозримом будущем.