AI, Avustralya iş liderlerinin hayal gücünü yakaladığı kadar, ayık bir gerçeklik var: çoğu kuruluş, AI coşkusunu somut iş sonuçlarına dönüştürmek için mücadele ediyor.
.jpg&h=420&w=748&c=0&s=0)
Rakamlar keskin bir hikaye anlatıyor. Brennan tarafından sunulan araştırmaya göreAI girişimlerinin% 5’inden azı üretime giriyor. Bu başarısızlık oranı teknolojinin hazır olmasından kaynaklanmaz. Aksine, temelde net yatırım getirisi gösterememe ile ilgilidir.
Belki de en çok zarar verici, Baş Finans Görevlilerinin (CFO’ların)% 60’ının işletmelerin etkili bir AI kullanım durumu oluşturabileceğine inanmadığı vahyiydi. Çanta iplerini kontrol eden insanlardan gelen bu şüphecilik seviyesi, Avustralya işletmeleri arasında AI’nın benimsenmesinin önündeki önemli bir engeldir.
AI hırslarını terk etmek iyi bir fikir mi? Hiç de bile. Ancak, organizasyonların gerçek heyecan ve pratik felç arasında yakalanmasını önlemek için AI üzerinde nasıl yürütüleceğini daha iyi anlamaya ihtiyaç vardır.
Microsoft Copilot ve ChatGPT gibi ürünler, özellikle sözleşme özetleme ve belge taslağı hazırlama için kullanıldıkları yasal sektörde önemli bir vızıltı üretirken, CFO’lar sadece istiflemeyen iş durumlarını geri itiyor.
Digital Solutions Direktörü Steve Anderton, “Verimlilik kazanımlarını ölçmek zor.” Brennan’da dedi. “Headcound sayımını doğrudan azaltmadığınız sürece – az sayıda kuruluş yapmak isteyen – ‘insanlara zaman vermek’ somut bir iş durumuna dönüştürmek zor.”
Üretken AI manşetlere ve yönetim kurulu tartışmalarına hakim olmaya devam ederken, endüstri uzmanları gerçek fırsatın başka yerlerde yattığını öne sürüyor. En acil değer yaratma, doğrudan iş uygulamalarına ve süreçlerine gömülü olan AI ile gerçekleşir. Daha hızlı müşteri hizmetleri, daha doğru uyum kontrolleri veya daha iyi operasyonel karar alma sürücüleri yönlendiren türdür.
Gösterişli tüketiciye bakan araçlardan pratik iş uygulamalarına odaklanmadaki bu değişim, düşünmede bir olgunlaşmayı temsil eder. Bu, manşetleri alan teknoloji ve gerçek iş sorunlarını ölçülebilir sonuçlarla çözen çözümler hakkında daha azdır.
Verilerle başlar
Veri kalitesi AI başarısının temelidir ve Brennan’ın Anderton’un açıkladığı gibi en büyük darboğazdır. Birçok kuruluş, son aylarda, parçalanmış, sessiz veri mimarilerinin sadece AI girişimlerini ölçekte desteklemeye hazır olmadığını keşfetti.
Anderton bunu mükemmel bir şekilde gösteren bir müşteri örneğini vurguladı: Gelişmiş AI çalışması yapmasına rağmen, altta yatan veri altyapısının amaca uygun olmadığı için ölçeklendirme ile mücadele etmeyi kabul ettiler. Güvenli, ölçeklenebilir ve iyi yönetilen veri mimarisi olmadan, en umut verici AI projelerinin bile gerçek değer sağlama olasılığı düşüktür.
Bu altyapı boşluğu bir Catch-22 durumu yaratıyor. Uygun veri temelleri oluşturmak önemli yatırım gerektirir, ancak bugünün “daha azıyla daha fazlasını yapın” ortamında, bu yatırımı kanıtlanmış AI getirileri olmadan güvence altına almak giderek daha zordur.
Tekrar tekrar ortaya çıkan bir diğer beklenmedik zorluk, “Shadow AI” nın ortaya çıkmasıydı – çalışanlar bağımsız olarak AI araçlarına kaydoluyorlar ve bunları gözetim olmadan çalışmalarına dahil ediyorlardı. Bu fenomen, kuruluşların bulut benimsemesiyle karşılaştığı, ancak potansiyel olarak daha ciddi sonuçlarla karşılaştığı gölgeyi yansıtıyor.
Bir organizasyon, çalışanların sağlayıcı bilgiyi kamuya açık AI platformlarına girip ciddi veri yönetişimi ve güvenlik endişelerini artırdığını keşfettikten sonra üretken AI araçlarına erişimi geçici olarak kapatmıştı. Marka hasarı ve düzenleyici risk korkusu, bazı liderleri “biz anlayana kadar kapatın” yaklaşımını benimsemeye itiyordu.
Mikro İnovasyon Yaklaşımı
Bu zorlukları ele almak için yeni bir yaklaşım çekişiyor: mikro inovasyon. Bu metodoloji, yapay zeka dönüşümüne büyük bahis yapmak yerine, küçük, hızla prototipleme ve AI kullanım durumlarını, kaynakları aşırı taahhüt etmeden değer hızlı bir şekilde kanıtlamak için test etmeye odaklanmaktadır.
Yaklaşım, iş paydaşları, teknoloji uzmanları ve karar vericiler de dahil olmak üzere çapraz fonksiyonel ekiplerin bir araya getirilmesini, çözümleri hızla ikna etmek, öncelik vermek ve prototip çözümlerini vurgulamaktadır. Amaç, aylar değil, haftalar içinde kavramdan değer kanıtına geçmektir.
“Fili bir kerede yemenize gerek yok,” dedi Anderton. “En düşük yatırım ve en büyük etki ile yüksek görünürlüklü bir şey bulun. Bunu kanıtlayabildiğinizde, oradan ölçeklendirebilirsiniz.”
Zorluklara rağmen, bir mesaj forumlardan açıkça ortaya çıktı: risk, AI’nın iş alacağı değil, AI’yı nasıl kullanacağını bilen birinin sizinkini alabileceği. Bu gerçeklik, yeni mezunların, zaten beceri setlerine entegre edilmiş AI araçlarıyla işgücüne girdikleri göz önüne alındığında akuttur.
Organizasyonlar arasında yapay zeka okuryazarlığı oluşturmak zorunlu hale geldi. Başarılı kuruluşlar, AI’yi bir tehdit olarak görmek yerine, insanlarını günlük çalışmalarında AI araçlarını anlamalarını ve kullanmalarını sağlıyor ve onların geride kalmak yerine AI devriminin bir parçası olduklarını sağlıyorlar.
AI kavramından gerçeğe giden yol açık değildir, ancak açık kullanım durumlarına, sağlam veri temellerine ve ölçülen inovasyon yaklaşımlarına odaklanan Avustralya işletmeleri gerçek değerin kilidini açmaya başlar. Bunu yaparak, bu kuruluşlar hype’ın ötesine geçecek ve daha sonra yatırımlarının faydalarından teknolojiye ve yeniliğe ulaşmaya odaklanabilirler.