Umjetna inteligencija (AI) je prešla iz faze eksperimentiranja i postala ključni dio poslovnih operacija, no izazovi implementacije i dalje postoje.
Istraživanje Zogby Analytics za Prove AI pokazuje da većina organizacija prelazi s testiranja AI-a na primjenu sustava spremnih za proizvodnju. Unatoč ovom napretku, tvrtke se još uvijek suočavaju s osnovnim izazovima vezanim uz kvalitetu podataka, sigurnost i učinkovito treniranje svojih modela.
Statistika je prilično zapanjujuća. 68% organizacija sada ima prilagođena AI rješenja u proizvodnji. Tvrtke također ulažu značajna sredstva, pri čemu 81% troši barem milijun godišnje na AI inicijative. Oko četvrtine njih ulaže više od 10 milijuna godišnje, što pokazuje da smo daleko od faze “samo eksperimentiramo” i da se ozbiljno obvezujemo na AI.
Ova promjena oblikuje i strukture vođenja. 86% organizacija imenovalo je osobu koja će voditi AI napore, obično s titulom ‘Glavni AI službenik’ ili sličnom. Ovi vođe AI-a gotovo su jednako utjecajni kao i CEO-i kada je u pitanju postavljanje strategije, pri čemu 43,3% tvrtki kaže da CEO donosi odluke o AI-u, dok 42% tu odgovornost daje svom glavnom AI službeniku.
Međutim, put ka implementaciji AI-a nije uvijek lagan. Više od polovice poslovnih lidera priznaje da je treniranje i podešavanje AI modela bilo teže nego što su očekivali. Problemi s podacima često se javljaju, uzrokujući glavobolje vezane uz kvalitetu, dostupnost, autorska prava i validaciju modela, što umanjuje učinkovitost ovih AI sustava. Gotovo 70% organizacija izvještava da barem jedan AI projekt kasni, pri čemu su problemi s podacima glavni uzrok.
Kako se tvrtke sve više prilagođavaju AI-u, pronalaze nove načine za njegovu upotrebu. Dok su chatboti i virtualni asistenti i dalje popularni (55% prihvaćanja), tehničke primjene dobivaju na značaju.
Razvoj softvera sada prednjači s 54%, uz prediktivnu analitiku za prognoziranje i otkrivanje prijevara na 52%. To sugerira da tvrtke prelaze s atraktivnih aplikacija usmjerenih na kupce prema korištenju AI-a za poboljšanje osnovnih operacija. Aplikacije u marketingu, koje su nekada bile ulazna točka za mnoge AI inicijative, danas dobivaju manje pažnje.
Kada su u pitanju sami AI modeli, postoji snažan fokus na generativnu AI, pri čemu 57% organizacija to stavlja kao prioritet. Ipak, mnoge organizacije biraju uravnotežen pristup, kombinirajući moderne modele s tradicionalnim tehnikama strojne obrade.
Googleov Gemini i OpenAI-ov GPT-4 su najčešće korišteni veliki jezični modeli, iako DeepSeek, Claude i Llama također ostvaruju značajan napredak. Većina tvrtki koristi dva ili tri različita LLM-a, što sugerira da postaje standardna praksa.
Možda je najzanimljivija promjena u tome gdje tvrtke provode svoju AI implementaciju. Dok gotovo devet od deset organizacija koriste cloud usluge za barem dio svoje AI infrastrukture, postoji rastući trend vraćanja stvari unutra.
Dvije trećine poslovnih lidera sada vjeruju da ne-cloud implementacije nude bolju sigurnost i učinkovitost. Kao rezultat toga, 67% planira premjestiti svoje AI podatke za obuku u interne ili hibridne okruženja, u potrazi za većom kontrolom nad svojim digitalnim resursima. Suverenitet podataka je najvažniji prioritet za 83% ispitanika prilikom implementacije AI sustava.
Poslovni lideri čine se uvjerenima u svoje AI upravljačke sposobnosti, pri čemu oko 90% tvrdi da učinkovito upravljaju politikom AI-a, mogu postaviti potrebne okvire i pratiti porijeklo svojih podataka. Međutim, ovo povjerenje kontrastira s praktičnim izazovima koji uzrokuju kašnjenja projekata.
Problemi s označavanjem podataka, treniranjem modela i validacijom i dalje su prepreke. To sugerira potencijalni razmak između povjerenja izvršnih direktora u svoje upravljčke okvire i svakodnevne stvarnosti upravljanja podacima. Nedostatak talenata i poteškoće u integraciji s postojećim sustavima također su često navedeni razlozi za kašnjenja.
Dani eksperimentiranja s AI-om su iza nas i sada je to temeljni dio poslovanja. Organizacije značajno ulažu, preoblikuju svoje strukture vođenja i pronalaze nove načine za implementaciju AI-a u svojim operacijama.
Ipak, kako ambicije rastu, tako se i izazovi u provođenju ovih planova povećavaju. Put od pilotiranja do proizvodnje otkriva temeljne probleme u spremnosti podataka i infrastrukture. Rezultantni pomak prema internim i hibridnim rješenjima pokazuje novu razinu zrelosti, s organizacijama koje prioritiziraju kontrolu, sigurnost i upravljanje.
Kako se implementacija AI-a ubrzava, osiguranje transparentnosti, praćenja i povjerenja nije samo cilj, već nužnost za uspjeh. Povjerenje je stvarno, ali oprez je također potreban.
(Slika od Roy Harryman)
