AI parengties vertinimas: kas tai yra ir kaip jį atlikti

„Gartner“ prognozuoja, kad iki 2025 m. pabaigos bent 30 % generatyvinės dirbtinio intelekto projektų bus nutraukti po koncepcijos patvirtinimo etapo (Gartner). Dirbtinio intelekto parengties vertinimas – tai būdas, kaip išvengti patekimo į tą skaičių. Tai struktūriškai atliktas vertinimas, ar jūsų organizacija turi duomenų, technologijų, įgūdžių, valdymo sistemų, strategijos ir kultūros, reikalingų tam, kad dirbtinis intelektas atsipirktų, ir kur yra trūkumų. Šis vertinimas atliekamas prieš skiriant biudžetą bet kokiems projektams.

Dauguma įmonių nėra „nepasirengusios“ dirbtiniam intelektui kokia nors abstrakčia prasme. Jos tiesiog dar nenustatė vienos ar dviejų sričių, kuriose dirbtinis intelektas iš tikrųjų pasiteisintų programinėje įrangoje, kurią jos jau naudoja. Būtent tai ir yra tikroji vertinimo užduotis.

AI pasirengimas iš pirmo žvilgsnio

Dauguma paskelbtų modelių vertina pasirengimą pagal panašų aspektų rinkinį. „Cisco“ indeksas remiasi šiais šešiais aspektais; „Microsoft“, „Deloitte“ ir kitų įmonių modeliai apima beveik tuos pačius aspektus.

Kodėl to nedaryti gali brangiai kainuoti

Dirbtinio intelekto diegimas gerokai lenkia pasirengimą jam. RAND nurodo, kad dirbtinio intelekto projektų nesėkmių rodiklis viršija 80 % – tai maždaug dvigubai daugiau nei IT projektų, nesusijusių su dirbtiniu intelektu, ir kaip pagrindines priežastis nurodo vadovavimą bei organizacinę struktūrą, o ne technologiją (RAND). MIT nustatė, kad 95 % įmonių generatyvinės AI bandomųjų projektų neturėjo jokio išmatuojamo poveikio pelnui ir nuostoliams (MIT). Įmonių, atsisakiusių didžiosios dalies savo AI iniciatyvų, dalis 2025 m. šoktelėjo iki 42 %, palyginti su 17 % prieš metus (S&P Global). Be to, tik 13 % organizacijų yra visiškai pasirengusios diegti AI – mažiau nei 14 % prieš metus (Cisco).

Kai „Gartner“ tyrė, kodėl generatyvinės AI projektai nutraukiami, paaiškėjo, kad priežastys buvo prasta duomenų kokybė, nepakankama rizikos kontrolė, didėjančios išlaidos ir neaiški verslo nauda (Gartner). Nė viena iš šių priežasčių nesusijusi su tuo, kad modelis būtų per silpnas. Jos susijusios su tuo, kad organizacija nėra pasirengusi vykdyti šį darbą.

Įmonės, kurios sėkmingai įveikia koncepcijos patvirtinimo etapą, gauna realią naudą. „Gartner“ duomenimis, pirmosios šią technologiją įdiegusios įmonės pranešė apie vidutiniškai 15,8 % didesnes pajamas, 15,2 % sutaupytas išlaidas ir 22,6 % didesnį našumą (Gartner). Pasirengimo vertinimas yra pigiausia apsauga nuo to, kad patektumėte į tuos 42 %. Jis parodys, ar esate kelyje į šiuos laimėjimus, ar ruošiatės praleisti metus ir išeikvoti biudžetą, kad sužinotumėte, jog dar nebuvote pasirengę.

Ką iš tikrųjų reiškia šie aspektai

Pasirengimas daugiausia susijęs su jūsų duomenimis ir procesais, o ne su siekiu įsigyti patį įspūdingiausią modelį. Atliekant tikrą vertinimą, prieš pasirenkant bet kokį įrankį, išsamiai nagrinėjamos toliau išvardytos sritys.

Duomenys – tai sritis, kurioje projektai žlunga pirmiausia. Tik 29 % technologijų lyderių visiškai sutinka, kad jų įmonės duomenys atitinka kokybės, prieigos ir saugumo reikalavimus, būtinus generatyvinės AI plėtrai (IBM). Tik 26 % vyriausiųjų duomenų pareigūnų yra įsitikinę, kad jų organizacija gali panaudoti nestruktūruotus duomenis verslo vertei kurti, nors 81 % teikia pirmenybę investicijoms į dirbtinį intelektą (IBM). Jei duomenys yra išsibarstę po skaičiuoklėmis ir penkiomis tarpusavyje nesusijusiomis sistemomis, joks modelis to už jus neišspręs.

Infrastruktūra – tai programinė įranga ir skaičiavimo pajėgumai, kuriuose turi veikti dirbtinis intelektas. „Cisco“ nustatė, kad tik 21 % organizacijų turi dirbtiniam intelektui reikalingą skaičiavimo galią, o tik 32 % teigia, kad jų duomenys yra gerai paruošti (Cisco). Daugumai augančių įmonių infrastruktūros klausimas yra paprastesnis nei GPU klausimas: ar jūsų naudojama veiklos sistema iš tiesų gali palaikyti ir teikti dirbtinio intelekto paslaugas, ar ją pirmiausia reikėtų pertvarkyti?

Talentas – tai gebėjimas sukurti produktą ir užtikrinti jo sklandų veikimą. Remiantis „Cisco“ duomenimis, tik 31 % organizacijų savo talentus vertina kaip puikiai pasirengusius. Jums nereikia samdyti tyrimų laboratorijos. Jums reikia žmonių – tiek savo įmonės, tiek partnerių – kurie sugebėtų apibrėžti naudojimo atvejį, jį įgyvendinti ir užtikrinti jo sklandų veikimą.

Valdymas lemia, ar dirbtinis intelektas plėsis, ar sustos. „Deloitte“ nustatė, kad įmonės, kuriose aukščiausioji vadovybė aktyviai formuoja AI valdymą, sukuria daugiau vertės nei tos, kurios šią sritį palieka techninėms komandoms (Deloitte). Tik 31 % organizacijų turi labai išsamias AI politikas (Cisco). Valdymas – tai iš anksto nustatyti vaidmenys, priežiūra ir rizikos valdymo taisyklės.

Strategija ir kultūra yra susijusios su žmonėmis. Strategija reiškia, kad kiekvienas naudojimo atvejis yra susietas su verslo rezultatu ir turi atsakingą asmenį. Kultūra reiškia, kad komanda pakeis savo darbo būdą ir pasitikės gautais rezultatais, o ne tyliai grįš prie senosios skaičiuoklės – būtent taip atrodo tikrasis įdiegimas praktikoje.

Kaip atlikti AI parengties vertinimą

„Microsoft“ debesų diegimo sistema („Cloud Adoption Framework“) pateikia veiksmingą veiksmų seką (Microsoft). Toliau pateikiama praktinė vertinimo versija – nuo pirmojo įvertinimo iki galutinio sprendimo.

1. Įvertinkite savo dabartinius pajėgumus. Naudodamiesi brandos modeliu, įvertinkite, kur esate kiekvienoje srityje, kad gautumėte atskirą pasirengimo balą, o ne remtumėtės vien intuicija. Šis pradinis vertinimas leidžia nustatyti sritis, kurios trukdo įgyvendinti jums svarbius naudojimo atvejus.
2. Sudarykite duomenų sąrašą. Katalogizuokite turimus duomenis, tada įvertinkite jų kokybę, formatus ir prieinamumą jūsų atrinktiems naudojimo atvejams. Duomenų kokybė tiesiogiai riboja tai, kas yra įmanoma.
3. Peržiūrėkite savo infrastruktūrą. Įvertinkite skaičiavimo pajėgumus, saugyklas, tinklą ir saugumą, kad nustatytumėte, ko reikės dirbtiniam intelektui ir ką turėsite papildomai įdiegti.
4. Užpildykite įgūdžių spragas. Nuspręskite, kaip derinti vidinius mokymus, tikslinį darbuotojų įdarbinimą ir išorinius partnerius. Įgūdžių trūkumas yra viena iš pagrindinių vėlavimo ir nesėkmių priežasčių.
5. Nustatykite ir išrūšiuokite naudojimo atvejus pagal prioritetus. Įvertinkite kiekvieną kandidatą pagal poveikį verslui, atsižvelgdami į sudėtingumą, sąnaudas ir duomenų prieinamumą. Tada aukščiausią įvertinimą gavusius atvejus įtraukite į trumpą įgyvendinimo planą, nurodydami sėkmės rodiklius ir atsakingą asmenį kiekvienam iš jų.
6. Patikrinkite, atlikdami tikslinį koncepcijos patvirtinimą. Pasirinkite vieną didelės vertės ir mažos rizikos naudojimo atvejį ir išbandykite jį prieš pradedant visapusišką kūrimą. Naudokite gautą patirtį, kad patobulintumėte prioritetus ir grafiką.
7. Nuo pat pradžių įdiekite valdymo sistemą. Nustatykite politiką, vaidmenis ir atitikties standartus iš anksto, o ne pritaikykite juos jau po to, kai produktas bus išleistas.
8. Nuspręskite, kas tai valdys. Galite atlikti savarankišką vertinimą arba pasitelkti išorinį partnerį. Bet kuriuo atveju rezultatas turėtų būti praktiškas sprendimas ir planas, pagal kurį galite veikti, o ne vertinimas vien dėl vertinimo.

Kaip tai dera su mūsų darbo būdu

Idea Link kuria individualią operacinę programinę įrangą, kuria naudojasi besiplečiančios įmonės. Esame apie 20 žmonių komanda, turinti biurus Kaune ir Vilniuje. Įgyvendinę daugiau nei 100 projektų tokiems klientams kaip „Open Infra“, „Orchard Benefits“ ir „Avance Life Sciences“, pastebėjome, kad sėkmės formulė yra ta pati. Sėkmę retai lemia naujausia technologija. Ji pasiekiama nustatant, kuriose programinės įrangos, kuria įmonė jau naudojasi, srityse dirbtinis intelektas iš tikrųjų atsipirks.

Mūsų nemokama „AI Audit“ paslauga atlieka greitą pasirengimo vertinimą pagal šiuos principus. Ji išnagrinėja jūsų esamą verslą ir pateikia 5–7 konkrečias AI bei programinės įrangos galimybes, nurodydama kiekvienos vertę ir tai, ko reikia jų įgyvendinimui. Tai ne balas dėl balo, o rekomendacijų sąrašas, kuriuo galite vadovautis. Jei kažkas iš to sąrašo vertas įgyvendinimo, kitas žingsnis yra „Design & Architecture Sprint“ – fiksuotos apimties projektas, kurio metu sudaromas sistemos planas, ji suprojektuojama ir pateikiamas įgyvendinimo planas bei tikslus kainos pasiūlymas.

Dažnai užduodami klausimai

Kas yra AI parengties vertinimas?

Dirbtinio intelekto (AI) parengties vertinimas – tai sistemingas patikrinimas, ar jūsų organizacija turi duomenų, technologijų, įgūdžių, valdymo sistemų, strategijos ir kultūros, reikalingų sėkmingam AI diegimui, bei kur yra trūkumų. Vertinimas atliekamas prieš skiriant biudžetą ir leidžia nustatyti silpnąsias vietas, kurios galėtų sužlugdyti projektą. Sėkmingas vertinimas baigiasi sprendimu: kuriuos taikymo atvejus reikėtų įgyvendinti dabar, kuriems pirmiausia reikia atlikti parengiamuosius darbus, o kuriuos – atidėti.

Kaip įvertinti pasirengimą dirbtiniam intelektui?

Parengties vertinimas įvertina jūsų organizaciją pagal tam tikrus aspektus – paprastai tai strategija, duomenys, infrastruktūra, talentai, valdymas ir kultūra – naudojant brandos modelį, kuris kiekvieną iš jų vertina nuo pradinio lygio iki visiško pasirengimo. „Cisco“, „Microsoft“ ir „Deloitte“ skelbia panašaus pobūdžio parengties vertinimo sistemas. Rezultatas – pasirengimo balas pagal kiekvieną aspektą ir rekomendacijos, todėl galite nustatyti, kokie trūkumai trukdo įgyvendinti konkrečius naudojimo atvejus ir kur reikėtų sutelkti dėmesį toliau.

Kokie yra keturi dirbtinio intelekto parengties ramsčiai?

Nėra vieno kanoninio rinkinio, o metodikos skiriasi. Dažniausiai išskiriami keturi pagrindiniai ramsčiai: duomenys, valdymas, technologijos ir žmonės – tai kokybiški duomenys, aiškios politikos nuostatos ir priežiūra, dirbtinį intelektą palaikanti infrastruktūra bei įgūdžiai ir kultūra, reikalingi jo naudojimui. Bet koks vertinimas, kurį verta atlikti, apima visus keturis ramsčius, o kai kuriuose modeliuose strategija ar kultūra įtraukiamos kaip atskiri ramsčiai, todėl šiuos keturis ramsčius reikėtų laikyti išeities tašku, o ne neginčijama tiesa.

Kas yra 30 % taisyklė dirbtinio intelekto srityje?

Čia remiamasi „Gartner“ prognoze, kad iki 2025 m. pabaigos bent 30 % generatyvinės AI projektų bus nutraukti po koncepcijos patvirtinimo etapo. Dažniausios priežastys – prasta duomenų kokybė, silpna rizikos kontrolė, didėjančios išlaidos ir neaiški verslo nauda. Tai primena, kad dauguma dirbtinio intelekto diegimo projektų stringa dėl duomenų ir valdymo, o ne dėl technologijos – būtent tai ir turėtų nustatyti pasirengimo vertinimas, dar prieš išleidžiant dideles sumas ir nieko nepakeitus.

Jei norite sužinoti, kokią vietą dirbtinis intelektas iš tiesų užima jūsų versle, prieš išleisdami jam bent vieną eurą, nemokama „AI Audit“ paslauga skirta būtent tokiam pokalbiui. Kai paaiškėja, kad konkreti galimybė verta įgyvendinimo, fiksuotos apimties „Design & Architecture Sprint“ paslauga paverčia ją planu ir kainos pasiūlymu, dėl kurio galėsite priimti sprendimą. O jei vis dar svarstote, ar jūsų kitas laimėjimas bus dirbtinis intelektas, ar paprasta automatizacija, mūsų straipsnis apie automatizaciją ir dirbtinį intelektą yra puiki pradžia.