Οι επιχειρηματικοί ηγέτες πρέπει να προχωρήσουν πέρα από τις γενετικές εφαρμογές και να κλιμακώσουν την “αυτόνομη νοημοσύνη” για να κατακτήσουν πραγματική ανάπτυξη
Οι επιχειρήσεις σήμερα επικεντρώνονται στην ανάπτυξη συστημάτων που μπορούν να εκτελούν ανεξάρτητα. Ενώ η δημιουργία κειμένου ή η σύνοψη εσωτερικών επικοινωνιών μπορεί να προσφέρει τοπικές βελτιώσεις παραγωγικότητας, αυτές οι ικανότητες σπάνια αλλάζουν τη βασική δομή κόστους ή εσόδων μιας μεγάλης οργάνωσης. Οι ηγέτες απαιτούν εφαρμογές που μπορούν να διασχίζουν εσωτερικά δίκτυα, να εκτελούν λογική πολλών βημάτων και να ολοκληρώνουν συναλλαγές χωρίς συνεχή ανθρώπινη παρέμβαση.
Ο Prakul Sharma, κύριος και επικεφαλής της πρακτικής AI & Insights στη Deloitte Consulting LLP, αναφέρει: “Στη Deloitte, βλέπουμε αυτό ως το τρίτο στάδιο σε μια καμπύλη ωριμότητας νοημοσύνης, από την ‘υποβοηθούμενη νοημοσύνη’, όπου η AI και η ανάλυση βοηθούν τους ανθρώπους να ερμηνεύσουν πληροφορίες, μέσω της ‘τεχνητής νοημοσύνης’, με τη μηχανική μάθηση να ενισχύει τις ανθρώπινες αποφάσεις, έως την ‘αυτόνομη νοημοσύνη’, όπου η AI αποφασίζει και εκτελεί εντός καθορισμένων ορίων.”
Η αλλαγή στην εποχή της γενετικής τεχνητής νοημοσύνης και η μετάβαση στην αυτονομία
Οι σύγχρονες δυνατότητες της γενετικής τεχνητής νοημοσύνης, όπως τα chatbots και η συνομιλιακή AI, βρίσκονται στο μέσο αυτής της καμπύλης. Η αυτόνομη νοημοσύνη επιδιώκει ένα αποτέλεσμα με τη λογική υπέρ ενός στόχου, χρησιμοποιώντας εργαλεία και δεδομένα και προσαρμόζεται καθώς οι συνθήκες αλλάζουν, με τους ανθρώπους να θέτουν τα όρια και όχι να καθοδηγούν κάθε βήμα.
Αυτή η αλλαγή παρατηρείται σε διάφορους κλάδους, και σε κάθε περίπτωση, το κλειδί δεν είναι ο ίδιος ο πράκτορας, αλλά η περιβάλλουσα αρχιτεκτονική διακυβέρνησης της ταυτότητας και των σημείων ελέγχου με ανθρώπινη συμμετοχή, καθιστώντας την αυτονομία ασφαλή για κλιμάκωση. Για να εξαχθεί πραγματική οικονομική αξία, αυτά τα αυτόνομα συστήματα πρέπει να ενσωματωθούν άμεσα σε ροές εργασίας που δημιουργούν έσοδα ή έχουν υψηλό κόστος.
Οι τεχνικές προκλήσεις και η ανάγκη για σωστή υποδομή δεδομένων
Αφού απομονωθεί ο επιχειρησιακός στόχος, η τεχνολογική υλοποίηση συχνά καθυστερεί λόγω τριβών στα προηγούμενα στάδια της αρχιτεκτονικής. Τα θεμελιώδη μοντέλα από μεγάλους παρόχους έχουν εξελιχθεί αρκετά γρήγορα ώστε να μπορούν να χειρίζονται σύνθετες εργασίες συλλογισμού, με αποτέλεσμα να θεωρούνται πλέον σε μεγάλο βαθμό εναλλάξιμα. Το βασικό σημείο δυσκολίας βρίσκεται στη σύνδεση αυτών των μηχανών συλλογισμού με παλαιότερες αρχιτεκτονικές δεδομένων.
Η πραγματική τεχνική πρόκληση εμφανίζεται πολύ πριν το prompt φτάσει στο μεγάλο γλωσσικό μοντέλο. Οι επιχειρήσεις συχνά επιλέγουν ένα use case πριν χαρτογραφήσουν το βασικό workflow, με αποτέλεσμα ο agent να αυτοματοποιεί μια διαδικασία που ήταν ήδη προβληματική ή κακώς καταγεγραμμένη.
Επιπλέον, οι πελάτες συχνά υποτιμούν το γεγονός ότι τα αυτόνομα συστήματα χρειάζονται decision-grade data και όχι απλώς reporting-grade data. Αυτό σημαίνει ότι απαιτούνται σαφές data lineage και ισχυρά access controls, δυνατότητες που οι περισσότερες επιχειρησιακές υποδομές δεδομένων δεν είχαν αρχικά σχεδιαστεί για να υποστηρίζουν.
Η συμφιλίωση του χρέους διακυβέρνησης και των επιχειρηματικών οικοσυστημάτων
Η μετάβαση από ελεγχόμενα περιβάλλοντα δοκιμών σε ζωντανή επιχειρηματική ανάπτυξη είναι μια πολύ διαφορετική πρόταση. Ένα μικρής κλίμακας τεστ μπορεί να αποδώσει τέλεια χρησιμοποιώντας προσεκτικά επιλεγμένα σύνολα δεδομένων, αλλά η ανάπτυξη αυτής της δυνατότητας σε χιλιάδες υπαλλήλους και διασυνδεδεμένες πλατφόρμες λογισμικού αποκαλύπτει ευπάθειες.
Η πλοήγηση στα σύγχρονα περιβάλλοντα ασφάλειας επιχειρήσεων σημαίνει την ενσωμάτωση της αρχιτεκτονικής πράκτορα με τους υπάρχοντες παρόχους ταυτότητας και τους εγγενείς ελέγχους ασφαλείας στο cloud σε υβριδικά οικοσυστήματα cloud. Το κύριο εμπόδιο που παρατηρείται είναι το χάσμα παραγωγής. Ένα πιλοτικό πρόγραμμα μπορεί να πετύχει με μια έξυπνη προτροπή, ένα επιμελημένο σύνολο δεδομένων και μια ομάδα πρωταθλητών που το λειτουργεί χειροκίνητα, αλλά η ανάπτυξη σε επίπεδο επιχείρησης απαιτεί συνεχείς αξιολογήσεις, ταυτότητα και εξουσιοδότηση που λειτουργούν σε συστήματα που το πιλοτικό πρόγραμμα δεν άγγιξε ποτέ.
Η σημασία της δημιουργίας μιας επαναχρησιμοποιήσιμης πλατφόρμας από την αρχή
Η δημιουργία μιας επαναχρησιμοποιήσιμης πλατφόρμας από την αρχή, με την επαλήθευση ταυτότητας, τις συνεχείς αξιολογήσεις μοντέλων και την οικονομική παρακολούθηση να αντιμετωπίζονται ως πρωτογενείς απαιτήσεις και όχι ως προσθήκες μετά την κυκλοφορία, είναι αυτό που επιτρέπει στις οργανώσεις να αποφεύγουν την ανακατασκευή αυτών των θεμελίων για κάθε επόμενη ανάπτυξη.
Η συνέντευξη του Prakul Sharma πραγματοποιήθηκε πριν από την έκθεση AI & Big Data Expo North America, όπου η Deloitte είναι σημαντικός χορηγός. Φροντίστε να επισκεφθείτε το περίπτερο της Deloitte για να ακούσετε περισσότερα απευθείας από τους ειδικούς της οργάνωσης. Ο Prakul Sharma θα μοιραστεί περισσότερες από τις γνώσεις του κατά τη διάρκεια μιας συνεδρίας πάνελ την πρώτη και δεύτερη ημέρα της κορυφαίας εκδήλωσης της βιομηχανίας.
