В январе генеральный директор IBM по стратегии и венчурным проектам Роджер Премо поделился данными о том, что цифровые преобразования обеспечили лишь от −5 до 10% окупаемости инвестиций вместо прогнозируемых 150%. Это огромная разница, которая соответствует нашему опыту с первичными внедрениями клиент-серверных технологий в 1980-х, переходами на новые операционные системы в 1990-х, внедрениями больших данных в начале 2000-х и аналитики в последнее десятилетие, пишет на портале Datanami Роб Эндерле, президент и главный аналитик Enderle Group.

Это не значит, что все внедрения были неудачными в той степени, о которой говорилось выше, просто подавляющее большинство из них были неудачными. Повторяющаяся проблема заключается в недостаточной зрелости технологии, компаний, которые ее предоставляют, и организаций, которые ее внедряют. Впечатляющие продажи, убеждающие покупателя в преимуществах, сопровождаются отсутствием последующих действий, чтобы убедиться, что обещанные преимущества были достигнуты.

То же самое происходит сейчас с искусственным интеллектом. На начальном этапе вам не нужны рассказы о больших продажах. Вам нужны поставщики, которые понимают технологию и уже потратили время на понимание ваших уникальных потребностей и могут помочь вам не только создать идеальное решение, но и имеют отлаженный процесс и опыт, чтобы гарантировать результат.

Давайте поговорим о том, как избежать этой повторяющейся проблемы.

Причина

Я прошел через каждую из этих болезненных тенденций. Я работал в IBM, когда возникла клиент-серверная тенденция, и, поскольку технология в то время еще не была готова, она едва не привела компанию к краху, поскольку рынок пытался перейти на то, что не было готово.

Причина в том, что продажи часто опережают развитие продуктов и услуг, которые должны их сопровождать. Когда появляется такой новый тренд, как ИИ, все и каждый хотят попасть на этот поезд. Но учтите, что в прошлом году, кроме таких компаний, как IBM и Nvidia, которые работают над ИИ уже несколько десятилетий, никто (включая Google, которая свернула свои усилия) не был готов к заявлению Microsoft о вертикальном развитии ИИ.

Причина, по которой IBM так взволнована в этот раз, заключается в том, что у нее есть платформа Watsonx, которая является наиболее зрелым решением в области ИИ, представленным на корпоративном рынке. Кроме того, на этот раз IBM является наиболее зрелой в плане возможностей генеративного ИИ корпоративного класса, в то время как другие компании живут за счет продаж и маркетинговых обещаний, не имеющих под собой никакой (или почти никакой) основы.

Когда продажи опережают технологии, покупатель оказывается в проигрыше, и, согласно цифрам IBM по цифровой трансформации, многие люди оказались с ней в проигрыше, потому что не провели должной проверки.

Что делать? Выполните домашнее задание и следуйте процессу

Один из самых успешных процессов в подобной ситуации — «от пилота к производству». Не переходите к развертыванию за один болезненный шаг. Как только вы убедитесь, что поставщик предлагает достаточно зрелое и полное решение, создайте один или несколько пилотных проектов, чтобы подтвердить свою уверенность. Даже зрелые продукты не работают в любой ситуации. Вы не хотите потерпеть неудачу в масштабе, но неудача в пилоте вполне преодолима.

Но еще до пилотного проекта вам нужно убедиться, что заявления поставщика о преимуществах и окупаемости инвестиций достижимы. Попросите рекомендации других компаний, которые внедрили эту технологию и получили обещанные преимущества, запросите у поставщика информацию о том, внедряли ли они эту технологию внутри компании, и попросите поговорить с ИТ-специалистами компании, которая это сделала (они часто бывают удивительно честны с коллегами).

Проведите исследование среди других компаний, которые пытаются решить ту же задачу, и изучите лучшие практики, понимая, что не каждое решение будет работать в каждой компании или даже в каждом подразделении.

Гибридное мультиоблако — это практика, которая обеспечивает наибольший баланс между временем бесперебойной работы, стоимостью, доступностью и надежностью. Вам нужен поставщик, который понимает эту концепцию, имеет глубокие связи с облачными поставщиками, которым вы доверяете, а также накопил достаточно опыта, чтобы не учиться на чужих ошибках.

Качество критически важно, особенно в случае с данными ИИ, и для его обеспечения вам понадобится большая помощь. Вам не нужен предвзятый или галлюцинирующий ИИ, так же как и аналитика, которая постоянно дает неточные ответы.

Ожидается, что новые возможности ИИ будут мультимодальными и будут охватывать естественный язык, изображения, аудио, видео и даже критические временные элементы. ИИ, как правило, оптимизирует работу с одним из этих типов данных и плохо работает с другими, поэтому вам нужно понимать разницу и иметь поставщика, который готов подсказать вам, что другой поставщик может быть лучшим выбором в тех областях, в которых он не компетентен.

Наконец, вам нужна помощь с метриками и контрольными точками, чтобы в случае неэффективной работы поставщика вы могли определить проблему на ранней стадии и сменить либо поставщика, либо команду. Если поставщик, с которым вы работаете, не может помочь вам определить метрики и объективные цели проекта, значит, вы выбрали не того поставщика.

Заключение

Постоянная проблема, с которой мы сталкиваемся при внедрении новых технологий, начиная с клиент-серверных в 1980-х и заканчивая ИИ сегодня, заключается в том, что продажи опережают развитие продукта и структуры поддержки. В результате развертывания не соответствуют целям и ожиданиям. Если у вас нет способа привести предложение в соответствие с реальностью или понять, что поставщик зашел слишком далеко и может попасть впросак, вам придется несладко.

Если бы я все еще работал в ИТ, я бы наладил отношения с компанией, которая предоставляет большую часть основных технологий, и использовал бы ее в качестве эксперта для отбора короткого списка поставщиков и поставщиков услуг, которые в курсе ИИ, хотя, скорее всего, вы будете покупать у другого поставщика, который использует их технологии. Я бы подкрепил это разговорами со своими коллегами на отраслевых мероприятиях, которые используют или уже использовали подобные решения, и получил бы представление о том, какие поставщики работают хорошо, и использовал бы эту информацию для определения поставщиков, которых я хотел бы рассмотреть.

В верхней части моего списка будут поставщики, которые развернули решения, схожие с теми, которые я предполагаю использовать внутри и вне компании, но не принимайте все это на веру. Я бы опросил тех, кто знает о таких внедрениях, чтобы подтвердить результаты и квалификацию компании.

Во многих случаях разумнее подождать, пока не появится подходящий партнер, подходящая команда и подходящее решение, прежде чем нажимать на курок и в реальном времени узнавать, насколько серьезными могут быть последствия такого развертывания.