우리는 이전 에이 이야기를 보았습니다. 파괴적인 기술은 산업 전반의 비즈니스 리더의 상상력을 포착하여 체계로 유망한 변화를 겪었습니다. 2010 년대 초, RPA (Robotic Process Automation)였습니다. 얼마 지나지 않아 클라우드 컴퓨팅이 차례가되었습니다. 오늘, 생성 AI (예 : AI) 스포트라이트를 보유하고 있습니다 – 조직은 명확한 길을 잃지 않고 조종사에게 헤드 피어를 다이빙하고 있습니다.
결과? 언급 될 수있는 것의 상승하는 물결 생성 AI 파일럿 피로. 너무 많은 AI 이니셔티브가 구조, 목적 또는 측정 가능한 목표없이 시작될 때 소진, 좌절 및 감소 모멘텀의 상태입니다. 회사는 수십 명의 조종사를 동시에 운영하며 종종 의도가 겹치지 만 명확한 성공 기준은 없습니다. 그들은 부서 전체에서 잠재력을 쫓지 만 대신에 효율성 잠금 해제 또는 ROI, 그들은 혼란, 중복성 및 실속 된 혁신을 만듭니다.
Gen AI 파일럿 피로 정의
생성 AI 파일럿 피로는 더 넓은 조직의 도전을 반영합니다. 유한 구조가없는 무한 야망. 근본 원인은 과거의 기술파를 목격 한 사람에게 친숙합니다.
- 무한한 가능성: Gen AI는 마케팅, 운영, HR, 금융 등 모든 기능에 적용 할 수있어 명확한 경계없이 여러 사용 사례를 시작하려고합니다.
- 배포의 용이성: OpenAi의 GPT 모델 및 Google의 Gemini와 같은 도구를 통해 팀은 엔지니어링 의존성없이 조종사를 빠르게 회전시킬 수 있습니다.
- 지속 계획이 부족합니다: Gen AI는 효과적이기 위해 양질의 데이터가 필요합니다. 많은 경우에, 데이터가 정확하고 최신 상태로 유지되는 프로세스를 구현하지 않고는 데이터가 부실해질 수 있습니다.
- 측정 가능성이 좋지 않습니다: 전통적인 IT 배포와 달리 Gen AI 도구가 파일럿에서 생산으로 이동하기에 충분한시기를 결정하기는 어렵습니다. ROI는 종종 어둡거나 지연됩니다.
- 통합 장애물: 많은 조직이 Gen AI 도구를 기존 시스템, 데이터 파이프 라인 또는 워크 플로에 연결하여 시간, 복잡성 및 좌절을 추가하는 데 어려움을 겪고 있습니다.
- 높은 자원 수요: 조종사는 종종 상당한 시간, 돈 및 인간 투자, 특히 깨끗하고 사용 가능한 데이터 세트 교육 및 유지에 관한 상당한 시간, 인간 투자가 필요합니다.
요컨대, 실험이 전략을 능가 할 때 AI 피로가 발생합니다.
왜 이런 일이 계속 발생합니까?
대부분의 경우 조직이 기초 작업을 건너 뛰기 때문입니다. 고급 기술을 배포하기 전에 먼저 개선하려는 프로세스를 최적화해야합니다. Accrucent에서는 워크 플로를 간소화하고 데이터 품질을 보장하는 것만으로 회사는 AI를 전혀 도입하기 전에 최대 50%의 효율성을 이끌어 낼 수 있음을 보았습니다. 잘 조정 된 시스템 위에 층 AI를 층화하면 개선이 두 배가 될 수 있습니다. 그러나 그 토대가 없으면 가장 인상적인 AI 모델조차도 의미있는 가치를 제공하지 않습니다.
또 다른 함정은 명확한 가드 레일이 없다는 것입니다. Gen AI 조종사는 무한 실험으로 취급해서는 안됩니다. 성공은 정의 된 결과 – 시간 절약, 비용 절감 또는 기능 확대로 측정해야합니다. 데이터 중심 평가를 기반으로 발전, 피벗 또는 종료 프로젝트를위한 게이트가 있어야합니다. 모든 Gen AI 아이디어의 절반은 궁극적으로 RPA 또는 No-Code 도구와 같은 다른 기술에 더 적합한 것으로 판명 될 수 있습니다. 목표는 AI를 구현하기 위해 AI를 구현하는 것이 아니라 비즈니스 문제를 효과적으로 해결하는 것입니다.
RPA 및 클라우드 마이그레이션의 교훈
조직이 기술의 열정에 의해 휩쓸린 것은 이번이 처음이 아닙니다. RPA는 반복적 인 작업을 제거하겠다고 약속했다. 클라우드 마이그레이션은 유연성과 규모를 약속했습니다. 둘 다 결국 배달되었습니다 – 그러나 배치에 징계를 적용한 사람들에게만.
하나의 주요 테이크 아웃? 기초를 건너 뛰지 마십시오. 우리는 조직이 최대 행사를 할 수 있다는 것을 직접 보았습니다 50% 효율 이익 AI를 소개하기 전에 기존 워크 플로를 간소화하고 데이터 위생을 개선하는 것만으로도. AI가 최적화 된 시스템에 적용되면 게인이 두 배가 될 수 있습니다. 그러나 AI가 깨진 프로세스 위에 계층화되면 그 영향은 무시할 수 있습니다.
데이터도 마찬가지입니다. Gen AI 모델은 소비하는 데이터만큼 우수합니다. 더럽거나 구식 또는 일관되지 않은 데이터는 결과가 좋지 않거나 편견이 있고 오해의 소지가있는 결과가 나옵니다. 그렇기 때문에 기업은 강력한 투자를해야합니다 데이터 거버넌스 프레임 워크업계 전문가가 지원하고 보고서에서 강조된 견해 맥킨지.
“쉬운”AI의 유혹
생성 AI의 양날의 검 중 하나는 진입 장벽이 낮습니다. 사전 구축 된 모델과 사용자 친화적 인 인터페이스를 사용하면 조직의 모든 사람이 며칠 동안 (때로는 몇 시간 또는 몇 분 안에 파일럿을 회전시킬 수 있습니다. 이 접근성은 강력하지만 플러드 게이트도 열립니다. 갑자기, 당신은 사일로에서 실험하는 부서 전체의 팀이 감독이나 조정이 거의 없습니다. 각각 다른 이해 관계자, 데이터 세트, 성공 또는 부족의 정의를 가진 수십 개의 Gen AI 이니셔티브가 동시에 실행되는 것은 드문 일이 아닙니다.
이 단편화 된 접근 방식은 자원적인 관점뿐만 아니라 실질적인 반환을 보지 못한 것에 대한 좌절감이 커지는 피로로 이어집니다. 중앙 집중식 거버넌스와 명확한 비전이 없으면 가장 유망한 사용 사례조차도 끝없는 반복, 개선 및 재평가에 갇힐 수 있습니다.
사이클을 깨십시오 : 의도로 구축하십시오
전략, 거버넌스 및 프로세스 최적화에 근거한 다른 엔터프라이즈 기술 투자와 마찬가지로 Gen AI를 치료하는 것으로 시작하십시오. 내가 찾은 몇 가지 원칙은 다음과 같습니다.
- 기술이 아닌 문제로 시작하십시오. 너무 자주, 조직은 Gen AI 사용 사례를 쫓아서 흥미 롭기 때문에 정의 된 비즈니스 문제를 해결하기 때문이 아닙니다. 워크 플로에서 마찰 지점이나 비 효율성을 식별 한 다음 : Gen AI가 작업에 가장 적합한 도구입니까?
- 혁신하기 전에 최적화하십시오. AI가 깨진 프로세스에 레이어링하기 전에 프로세스를 수정하십시오. 간소화 운영은 자체적으로 주요 이익을 얻을 수 있으며 AI의 추가 영향을 훨씬 쉽게 측정 할 수 있습니다. Bain & Company에서 언급했듯이 최근 보고서, 기본 준비 상태에 중점을 둔 비즈니스는 Gen AI의 가치에 더 빠른 시간을보고 있습니다.
- 데이터를 확인하십시오. 모델이 정확하고 관련성 있고 윤리적으로 공급되는 데이터에 대한 교육을 받는지 확인하십시오. 불량한 데이터 품질은 조종사가 확장하지 못하는 가장 큰 이유 중 하나입니다. 가트너.
- “좋은”모습을 정의하십시오. 모든 조종사는 명확한 KPI가 비즈니스 목표와 관련이 있어야합니다. 일상적인 작업에 소요되는 시간 또는 운영 비용 절감 여부에 관계없이 성공할 수 있어야합니다. 조종사는 계속해서 결정 문이 있어야합니다.
- 광범위한 툴킷을 유지하십시오. Gen AI는 모든 문제에 대한 답이 아닙니다. 경우에 따라 RPA, 저 코드 앱 또는 기계 학습을 통한 자동화가 더 빠르거나 저렴하거나 지속 가능할 수 있습니다. ROI가 연필을하지 않으면 AI에게 거절하지 않으려 고하십시오.
앞으로 살펴보면 : 무엇이 도움이 될 것인지 상처를 입을 수있는 것
앞으로 몇 년 동안 파일럿 피로가 나아지기 전에 더 나빠질 수 있습니다. 혁신의 속도는 특히 에이전트 AI와 같은 신흥 기술에서만 가속화됩니다. “AI로 무언가를하는 것”에 대한 압력은 엄청납니다. 올바른 가드 레일이 없으면 조직은 엄청난 양의 가능성에 압도 될 위험이 있습니다.
그러나 낙관론의 이유가 있습니다. 개발 관행이 성숙하고 있습니다. 팀은 Gen AI를 전통적인 소프트웨어 프로젝트에 적용하는 것과 동일한 엄격한 것으로 취급하기 시작했습니다. 우리는 또한 툴링이 개선되고 있습니다. AI 통합 플랫폼 및 API 오케스트레이션의 발전으로 Gen AI를 기존 기술 스택으로 쉽게 슬롯 할 수 있습니다. OpenAI, Meta 및 Mistral과 같은 제공자의 미리 훈련 된 모델은 내부 팀의 부담을 줄입니다. 윤리적이고 책임있는 AI 주변의 틀, AI는 이제 연구소입니다모호성과 위험을 줄이는 데 도움이되고 있습니다. 아마도 가장 중요한 것은 교차 기능 AI 문해력이 증가하고 있습니다. 비즈니스 및 기술 리더들 사이에서 AI가 할 수있는 일과 할 수없는 일에 대한 이해가 커지고 있습니다.
최종 생각 : 조종사가 아닌 목적에 관한 것입니다
하루가 끝나면 AI 성공이 의도적으로 나옵니다. 생성 AI는 대규모 효율성 이득을 주도하고 새로운 기능을 잠금 해제하며 산업을 혁신 할 수있는 잠재력을 가지고 있지만, 전략에 의해 안내되고, 깨끗한 데이터에 의해 지원되고, 결과로 측정되는 경우에만 가능합니다.
그 앵커가 없으면, 그것은 당신의 팀을 소진하고 보드를 실망시킬 예정인 또 다른 기술 유행 일뿐입니다.
Gen AI 파일럿 피로를 피하려면 기술로 시작하지 마십시오. 목적으로 시작하십시오. 그리고 거기에서 구축하십시오.
게시물 Gen AI 파일럿 피로 피하기 : 목적으로 선도 먼저 나타났습니다 Unite.ai.