Kdy je ten správný čas zahodit projekt umělé inteligence?

Mnoho organizací provozujících piloty umělé inteligence se nevyhnutelně potýká s klíčovým dilematem IT: kdy vytáhnout zástrčku a jít dál. Pokud se příliš brzy zbaví pilotního projektu, který nesplňuje očekávání, mohou v čase přijít o obrovské výhody, ale pokud se tohoto projektu naopak budou držet příliš dlouho, mohou plýtvat obrovským množstvím času, peněz a zdrojů.

Na jedné straně Forrester nedávno varoval organizace, aby nehledaly návratnost investic do AI příliš brzy, protože by mohly přijít o výhody AI.

Ale umělá inteligence není levná a pilotní projekty, které nevytvářejí žádnou hodnotu, mohou být černou dírou na peníze. Například projekt vyhledávání dokumentů AI s rozšířenou generací načítání (RAG) může podle společnosti Gartner stát až milion USD, přičemž náklady na jednoho uživatele mohou podle Gartneru dosahovat až 11 000 USD ročně. Zdravotní, pojišťovací nebo finanční model AI (LLM) vytvořený od nuly může stát až 20 milionů dolarů.

Podle Gartneru se piloti umělé inteligence v poslední době samozřejmě vyvíjejí rychleji. V roce 2022 se téměř polovina všech pilotních projektů umělé inteligence nedostala do výroby, říká analytická firma, zatímco očekává, že v příštím roce selže pouze asi 30 % projektů umělé inteligence.

Přesto 30% míra selhání představuje obrovské množství času a peněz, vzhledem k tomu, jak rozšířené je dnes experimentování s AI. Průzkum EY zveřejněný v červenci ukázal, že 95 % vedoucích pracovníků uvedlo, že jejich organizace v současnosti investují do umělé inteligence.

Umělá inteligence není jen ta generativní, upozorňuje odborník David Filgas

0:00/

Otázka pak zní: Jak CIO nebo ředitelé AI poznají, že je čas zahodit projekt AI? I když neexistuje žádná univerzální odpověď, odborníci na AI říkají, že IT lídři mohou podniknout kroky, aby zajistili, že udrží projekty AI, které dávají smysl, a upustí od těch, které smysl nedávají.

Definování úspěchu

Jedním z prvních kroků, které by IT lídři měli udělat při zahájení pilotního projektu AI, je definovat metriky úspěchu – a to nejen návratnost investic – a nastavit časovou osu pro kontrolu pokroku, říká Andreas Welsch, konzultant AI a bývalý viceprezident a vedoucí marketingu pro AI ve společnosti SAP.

„Výzvou je, že lidé stále pokračují v cestě a zástrčku nevytahují, protože vždy doufají, že hned za rohem je další průlom,“ říká Welsch. „Lidé často nemají definované správné cíle.“

Přečtěte si také:

Na co si dát pozor? Máme seznam aktuálně využívaných metod kyberútoků

Některé KPI pro projekt AI by mohly například zahrnovat zvýšení zákaznické spokojenosti o 10 %, zkrácení času na vyplnění žádosti o návrh (RFP) o 30 % nebo trávení o čtyři hodiny méně času měsíčně placením faktur.

Během předem stanovených kontrolních bodů mohou IT a obchodní týmy zjišťovat pokrok ve směru k těmto cílům. Pokud projekt nesplňuje metriky, týmy se mohou rozhodnout, zda jej zahodit, nebo mu dát více času. Pokud robot zákaznického servisu zvýší spokojenost o 7 % místo o 10 %, možná stojí za to pokračovat v investici.

V některých případech se však organizace mohou vzpamatovat z nesoustředěného začátku, dodává Adam Lieberman, ředitel AI bankovní technologické firmy Finastra. Někdy může CIO nebo CAIO pomoci selhávajícímu projektu se zotavit tím, že definuje životaschopnou cestovní mapu.

„Když budou cíle otevřené, bude projekt postrádat zaměření a bude se rozpadat,“ říká. „Toto je první známka toho, že projekt nebude fungovat, ale je celý proces je v dostatečně rané fázi na to, aby se znovu zaměřil a stanovil konkrétnější konečný cíl.“

Přečtěte si také:

Odemkněte maximální výkon kolegů pomocí špičkových technologií

Jednou z výzev při nastavování KPI je měření výsledků, dodává Kathy Gerschová, ředitelka pro růst a obchod v Kotter International, poradenské firmě pro řízení změn. Například měření sentimentu zákazníků nemusí být obtížné, ale měření času, který zaměstnanec ušetří pomocí copilota při návrhu e-mailu, může být o něco složitější.

„Návratnost investic může pocházet z mnoha těchto méně hmatatelných věcí,“ říká. „Mohli byste projekt zrušit příliš rychle tím, že řeknete: ‚Ach, nedosahujeme návratnosti investic‘, pokud neměříte všechny tyto věci.“

Propojte se s potřebami podniku

Kromě jasně definovaných KPI by organizace měly provázat projekty AI se specifickými obchodními potřebami, dodává Welsch. V některých případech se zdá, že organizace spouštějí projekty AI jen proto, aby s touto technologií něco dělaly. Úspěšné projekty však řeší organizační problémy.

„Co je to za obchodní problém, který se snažíme vyřešit?“ říká. „Měli byste velmi úzce spolupracovat se svými obchodními partnery, ideálně hned na začátku, abyste si řekli: ‚Co se snažíme vyřešit?‘“

Mnoho opuštěných projektů umělé inteligence tento základní požadavek nesplňuje, dodává Gerschová.

„Pokud máte na straně malý inovační tým, který pracuje na tom, co by umělá inteligence měla dělat, a nezapojí se do zbytku podniku, bude těžké získat přijetí,“ říká. „To je místo, kde se od věcí může upustit, buď příliš pozdě, nebo příliš brzy, v závislosti na vaší perspektivě, protože ve skutečnosti nejsou spojeny s podnikáním.“

Gerschová sice doporučuje svázat projekty umělé inteligence s obchodními cíli, ale zároveň podporuje experimentování. Když je projekt svázán s obchodním cílem, je pravděpodobnější, že jej zaměstnanci přijmou.

Přečtěte si také:

AI všude kolem nás, ale ve skutečnosti jen pětina Čechů vyzkoušela generativní AI

„Pravděpodobně se naučíte mnohem více toho, co je možné s AI, jakmile se vám podaří přimět lidi, aby ji skutečně přijali, používali a využívali,“ říká.

Omezte škody

Jedním z přístupů k zahájení projektů AI je stanovení omezeného časového rámce, říká Arijit Sengupta, generální ředitel společnosti Aible, poskytovatele řešení AI. V mnoha případech se společnost Aible a její zákazníci společně do dvou pracovních dnů rozhodnou, zda může být projekt životaschopný, říká.

I když je důležité mít metriky, IT a obchodní lídři by také neměli být příliš svázáni dosahováním přesných cílů, dodává Sengupta. V některých případech je původní cíl příliš velkolepý nebo ve skutečnosti není tím, co firma potřebuje.

Přečtěte si také:

Jak zlepšit zaměstnancům IT prostředí a podpořit jejich výkon? Nahlédněme pod pokličku platformy, která to umí

„V podstatě si představujete, co byste mohli chtít, a říkáte: ‚No, když mi dáš létající auto, budu spokojený‘,“ říká. „A pak, o šest měsíců později, někdo přijede s autem, které tak úplně nelétá, a vy si říkáte: ‚No, to jsem nechtěl.‘ Ale ve skutečnosti to nebylo to, co jste potřebovali; vlastně jste potřebovali rychlejší člun.“

Šesti- až devítiměsíční pilotní projekty umělé inteligence mohou být nebezpečné, dodává. „Pokud to nakonec zahodíte, nechcete to zahodit až za devět měsíců, protože pak se dostanete do určité klamné představy utopených nákladů, kdy se lidé budou snažit, aby to opravdu fungovalo, a vkládají do toho spoustu úsilí.“

Některé neúspěšné projekty nejsou totální ztrátou a v některých případech může být pozastavení projektu lepší alternativou než jeho vyřazení, dodává Lieberman ze společnosti Finastra.

„Je důležité si uvědomit, že selhání je nezbytnou součástí inovací,“ říká. „Pokrok v oblasti umělé inteligence je rychlý. To je důvod, proč je lepší projekty pozastavit, než je úplně opustit, protože se neustále objevují nové schopnosti a techniky.“