Wielkość globalnego rynku rozwiązań z obszaru sztucznej inteligencji ma według najnowszych prognoz osiągnąć poziom 827 mld dolarów do roku 2030. Organizacje na całym świecie, w tym w Polsce, przyspieszyły inwestycje w AI i coraz chętniej wdrażają technologie z tego obszaru. O sukcesie takiego wdrożenia w ogromnej mierze decyduje odpowiednie przygotowanie kluczowych elementów strategii sztucznej inteligencji. Są to m.in. zadbanie o wysoki poziom dojrzałości w zakresie wykorzystania danych, zabezpieczenie wystarczających zasobów obliczeniowych oraz sieciowych, a także kwestie związane z etyką i zgodnością z regulacjami.
Według badania przeprowadzonego przez HPE wśród liderów IT z dużych firm z 14 krajów (od USA i Brazylii, przez Europę i środkową Azję, po Japonię i Australię), w strategiach AI różnych organizacji często brakuje porządku i konsekwencji. Spójna wizja utrwalona w planach, procesach i wskaźnikach zdecydowanie ułatwiłaby wdrażanie AI oraz mierzenie efektywności inwestycji.
Podczas gdy ogólne wyniki wspomnianego globalnego badania wskazują na rosnące zainteresowanie sztuczną inteligencją (prawie wszyscy liderzy IT planują zwiększyć wydatki na tę technologię w ciągu najbliższych 12 miesięcy), wyszczególniły one również kwestie, które mogą wpływać na spowalnianie lub blokowanie prac nad AI. Przykładem jest niedostosowanie się przez poszczególne działy w firmie do strategii AI całej organizacji, ale obszarów wymagających szczególnej troski jest zdecydowanie więcej.
Wyzwanie nr 1: zadbanie o wysoki poziom dojrzałości firmy w zakresie wykorzystania danych
Efekty wdrożenia AI i ich wpływ na biznes w oczywisty sposób zależą od jakości oraz ilości danych, jakimi „nakarmiono” algorytm i globalni liderzy IT są w pełni świadomi tej relacji. Ale mimo że większość z nich wymieniła zarządzanie danymi jako jeden z najważniejszych czynników wpływających na powodzenie wdrożenia AI, poziom rozwoju ich firm w tym zakresie pozostaje we wczesnym stadium.
Zaledwie 7% organizacji jest w stanie w czasie rzeczywistym wypychać lub pobierać dane, aby na ich bazie tworzyć innowacje i monetyzować te dane na zewnątrz. Tylko 26% badanych skonfigurowało modele zarządzania danymi pozwalające na zaawansowaną analitykę. Ponadto mniej niż 60% respondentów stwierdziło, że ich organizacja jest w stanie obsłużyć którykolwiek z kluczowych etapów przygotowania danych do wykorzystania w modelach sztucznej inteligencji, takich jak uzyskanie dostępu do danych, przechowywanie ich, przetwarzanie czy odzyskanie w razie utraty.
Optymizmem nie napawa również fakt, że jedynie 37% organizacji objętych wspomnianym globalnym badaniem wdrożyło mechanizm, w którym współdzielone modele danych poddawane są analizie w centralnym systemie business intelligence. Pozbycie się silosów danych, gdzie informacje są od siebie odizolowane w ramach poszczególnych aplikacji lub lokalizacji, ma kluczowe znaczenie dla sukcesu wdrożeń AI.
Aby zoptymalizować wydajność sztucznej inteligencji, organizacje muszą ponadto przeanalizować wszelkie zasoby technologiczne, którymi dysponują, uwzględniając wiele elementów, od zasobów ludzkich i umiejętności po oprogramowanie, zarządzanie danymi i nie tylko. Nadrzędna architektura dla danych i ich analizy, która konsoliduje wszystkie dane między aplikacjami i lokalizacjami, jest koniecznością. Celem powinno więc być zapewnienie ujednoliconego dostępu do danych w czasie rzeczywistym w całej organizacji, bez względu na to, gdzie te dane się znajdują.
Wyzwanie nr 2: zapewnienie odpowiednich zasobów IT
Będąc gotową z perspektywy podejścia do analityki danych, organizacja musi zrozumieć specyficzne wymagania sztucznej inteligencji od strony infrastruktury IT (obliczeniowej oraz sieciowej).
Liderzy IT wydają się być pewni siebie w tym obszarze. 93% z nich uważa, że ich infrastruktura sieciowa jest przygotowana do obsługi ruchu związanego ze sztuczną inteligencją, zaś 84% twierdzi, że ich systemy mają wystarczający zapas mocy obliczeniowej, aby sprostać specyficznym wymaganiom na różnych etapach cyklu tworzenia sztucznej inteligencji. Jednocześnie tylko połowa ankietowanych przyznała, że w pełni rozumie, jakie są wymagania sieciowe lub obliczeniowe różnych obciążeń AI na każdym z etapów tworzenia takiej technologii. Dlatego z pewną rezerwą należy podchodzić do deklaracji gotowości do budowania rozwiązań AI z perspektywy infrastruktury.
Wyzwanie nr 3: zgodność z regulacjami i zadbanie o kwestie etyczne
Pomimo narastającej presji ze strony konsumentów orz organów regulacyjnych, zdecydowana większość respondentów wspomnianego badania nie zaprząta sobie głowy kwestiami etycznymi oraz compliance, gdy planuje wdrożenie sztucznej inteligencji. Zaledwie 13% z nich uznało obszar prawa za kluczowy dla sukcesu wdrożenia AI. Podobnie, tylko 11% przypisało wysokie znaczenie kwestiom etycznym. 22% organizacji w ogóle nie angażuje zespołów prawnych w rozmowy na temat strategii AI.
Bez odpowiedniego nacisku na compliance organizacje ryzykują m.in. ujawnienie tajnych danych czy otrzymanie kar od regulatorów. A jeśli wdrażają AI nie zważając na kwestie etyczne, mogą stworzyć rozwiązania pełne uprzedzeń, zawężające wyniki tworzonych przez siebie analiz i fałszujące rzeczywistość.
Na co położyć nacisk przy planowaniu wdrożenia AI
Takie podejście do sztucznej inteligencji może negatywnie wpłynąć na powodzenie projektu. Istnieją jednak rozwiązania i strategie pozwalające zwiększyć prawdopodobieństwo osiągnięcia sukcesu.
Po pierwsze, organizacje powinny myśleć o AI kompleksowo, biorąc pod uwagę jej cały cykl życia, aby zapewnić jej przydatność we wszystkich działach organizacji, a także lepiej identyfikować zagrożenia i szanse. Podróż w kierunku AI powinna rozpocząć się od stworzenia listy oczekiwanych wyników biznesowych i warsztatów z zarządem całej organizacji, a następnie wytypowania obszarów, w których AI może najlepiej pomóc w osiągnięciu celów.
W całej firmie warto wdrożyć nadrzędną strategię AI, aby wszyscy dążyli do tych samych celów, nie omijając kwestii takich jak etyka czy zrównoważony rozwój. Kluczowa jest przy tym współpraca zarządów firm z zespołami IT, połączenie wiedzy biznesowej z techniczną.
Wreszcie, sukces AI wymaga precyzyjnych planów, ale też odpowiednich zasobów danych, infrastruktury obliczeniowej, sieciowej i warstwy software’owej. Wiele organizacji już dziś jest dobrze przygotowanych, by zoptymalizować swoje działanie pod kątem wdrożenia AI, ale mogą one potrzebować wsparcia zewnętrznych ekspertów, jeśli zidentyfikują braki w tej dziedzinie.
Rozwój sztucznej inteligencji jest obecnie najbardziej wymagającym zadaniem z perspektywy analizy danych, infrastruktury obliczeniowej i sieci komputerowych. Aby dowieźć oczekiwane efekty, wykorzystywane rozwiązania muszą być zbudowane w oparciu o nowoczesną architekturę stworzoną specjalnie do tego celu. Przede wszystkim, firmy muszą jednak dokładnie przemyśleć, czy są gotowe stanąć w wyścigu o bycie pierwszymi w AI – czy rozumieją jakich podstaw wymaga ta technologia oraz jaki jest tryb jej rozwoju. W przeciwnym razie nawet największe inwestycje mogą nie przynieść oczekiwanej stopy zwrotu.
Czytaj też: