Budżet AI: Nie zatwierdzaj przed sprawdzeniem gotowości sieci.
Zanim przeznaczysz budżet na sztuczną inteligencję, upewnij się, że Twoja sieć jest w stanie to zrobić. Dowiedz się, jak infrastruktura sieciowa wpływa na sukces i wydajność aplikacji AI oraz jak uniknąć awarii.
Najważniejsze rzeczy, które musisz wiedzieć
- Problemy z wydajnością sztucznej inteligencji często przypisuje się słabej infrastrukturze sieciowej i łączności. 24% brytyjskich firm, których aplikacje sztucznej inteligencji nie spełniły oczekiwań, podało to jako czynnik przyczyniający się do tego stanu rzeczy.
- Nowe wymagania operacyjne w zakresie sztucznej inteligencji, takie jak bezpieczny transfer danych i inteligentne kierowanie obciążeniami, sprawiają, że sieć musi stać się kluczowym elementem kalkulacji zwrotu z inwestycji (ROI), a nie tylko infrastrukturą zaplecza.
- Przed zatwierdzeniem budżetu na sztuczną inteligencję zarządy powinny zadać szczegółowe pytania dotyczące przesyłu danych, zdolności sieci do obsługi sztucznej inteligencji po fazie pilotażowej oraz tego, co dzieje się w przypadku awarii, aby zapewnić trwałą wartość.
Sztuczna inteligencja szybko przeszła z etapu eksperymentalnego do najwyższego priorytetu w zarządach. Zanim jednak zatwierdzą kolejny budżet na AI, brytyjscy liderzy biznesu powinni zadać sobie fundamentalne pytanie: czy ich sieci będą w stanie obsłużyć sztuczną inteligencję na dużą skalę, gdy wyjdzie ona poza fazę eksperymentalną?
Najnowsze brytyjskie badania ujawniły, że w ciągu najbliższych dwunastu miesięcy 55% organizacji będzie priorytetowo traktować inwestycje w sztuczną inteligencję (AI) lub uczenie maszynowe (ML), podczas gdy prawie jedna na sześć przyznaje, że inwestuje duże kwoty przy niskiej wycenie z obawy przed pozostaniem w tyle.
Ta presja jest zrozumiała, ale w tym przypadku dyskusja na temat zwrotu z inwestycji (ROI) staje się bardzo ograniczona.
Wartość sztucznej inteligencji nie zawsze będzie widoczna od razu po wdrożeniu. Niektóre korzyści osiąga się dzięki automatyzacji i produktywności, inne zaś pojawiają się w wyniku długoterminowego budowania potencjału: większej odporności, lepszej odporności, szybszego podejmowania decyzji i nowych metod pracy.
Niebezpieczeństwo tkwi w tym, że zarządy finansują sztuczną inteligencję jako transformację, a następnie oceniają ją jako krótkoterminowy projekt programistyczny. W Wielkiej Brytanii tylko 15% organizacji twierdzi, że ich wdrożenia sztucznej inteligencji przekroczyły oczekiwania, co wymaga głębszej dyskusji na temat warunków, jakie sztuczna inteligencja musi spełnić, aby odnieść sukces.
Gdzie zawodzi sztuczna inteligencja?
Gdy wydajność sztucznej inteligencji spada, uwaga często skupia się na modelu, danych lub zespole, który stworzył przypadek użycia. Czynniki te są ważne, ale rzadko wyjaśniają cały problem.
Sztuczna inteligencja zależy od kontekstu, w którym działa: danych, sieci, modelu bezpieczeństwa, zarządzania i umiejętności. Jeśli te warunki są słabe, nawet obiecujący przypadek użycia może mieć trudności z utrzymaniem się i uzyskaniem wartości w środowisku produkcyjnym.
Dowód słuszności koncepcji może wydawać się przekonujący w ograniczonym środowisku, z czystymi danymi, kontrolowanymi użytkownikami i jasną ścieżką do tworzenia wartości. Trudności zaczynają się, gdy sam projekt musi działać w biurach, chmurach, systemach i bazach danych, które nigdy nie zostały zaprojektowane z myślą o sztucznej inteligencji.
W tym przypadku łączność staje się elementem kalkulacji zwrotu z inwestycji (ROI). Jeśli dane przesyłane są zbyt wolno, przepływy pracy między systemami ulegają zakłóceniu, czasy reakcji różnią się w zależności od lokalizacji lub zespoły nie widzą, gdzie spada wydajność, firmy zaczynają ponosić koszty opóźnień, przeróbek i utraty zaufania.
Spośród brytyjskich firm, których aplikacje AI nie spełniły oczekiwań, 24% wskazuje na słabą wydajność sieci lub łączności jako czynnik przyczyniający się do tego problemu. Ta liczba jest znacząca, ponieważ pokazuje, jak łatwo ambitny projekt AI może przekształcić się w kosztowny program pilotażowy, gdy nie ma niezbędnej infrastruktury.
Sieć stała się istotnym elementem kalkulacji zwrotu z inwestycji.
Przez wiele lat sieci traktowano jako infrastrukturę zaplecza. Łatwiej było to uzasadnić, gdy obciążenia ograniczały się do poczty e-mail, udostępniania plików lub standardowego dostępu do usług SaaS. Jednak obrona tego podejścia staje się znacznie trudniejsza, gdy sztuczna inteligencja jest integrowana z rzeczywistymi operacjami, przepływami pracy klientów, wykrywaniem oszustw, prognozami lub usługami wsparcia terenowego.
Sztuczna inteligencja stwarza zróżnicowane wymagania operacyjne. Firmy muszą bezpiecznie przesyłać dane, inteligentnie zarządzać obciążeniami, utrzymywać ciągłość działania i rozumieć, gdzie kumulują się koszty. Bez tej widoczności zwrot z inwestycji staje się reaktywny; bez zwinności procesy oparte na sztucznej inteligencji pozostają niestabilne; a bez bezpiecznej łączności nowe przypadki użycia tworzą nowe luki w zabezpieczeniach. Z tego powodu dyskusja na temat infrastruktury musi rozpocząć się na bardzo wczesnym etapie cyklu życia sztucznej inteligencji.
Patrząc w przyszłość, 54% brytyjskich organizacji twierdzi, że potrzebuje bardziej elastycznych i skalowalnych sieci, aby rozwijać się w środowisku opartym na sztucznej inteligencji, podczas gdy 57% twierdzi, że potrzebuje większej elastyczności i niezawodności, aby zmaksymalizować czas sprawności.
Liczb tych nie należy interpretować jako technologicznej listy życzeń, lecz raczej jako sygnały, że sztuczna inteligencja zmusza firmy do przekształcania środowiska związanego z wydajnością cyfrową. Jeśli oczekuje się, że sztuczna inteligencja będzie wspierać proces decyzyjny, obsługę klientów i procesy, to sieć bazowa staje się integralną częścią strategii rozwoju, co potwierdza fakt wdrażania sztucznej inteligencji w przedsiębiorstwach.
Cztery pytania przed kolejną rundą finansowania AI
Przed zatwierdzeniem kolejnego budżetu na sztuczną inteligencję, zarządy powinny zadać sobie pytania: Dokąd trafią dane? Kto może obserwować ten ruch? Czy sieć będzie w stanie obsłużyć sztuczną inteligencję po fazie pilotażowej? I co się stanie, gdy wystąpi awaria?
Te pytania zmuszają zarządy do spojrzenia poza warstwę aplikacji i sprawdzenia, czy organizacja ma niezbędne warunki do skalowania finansowanych środków. Dają one również dyrektorowi ds. informatyki (CIO) możliwość oparcia ambicji na fundamentalnych realiach operacyjnych: infrastrukturze, umiejętnościach, zarządzaniu, bezpieczeństwie, ruchu danych i dyscyplinie kosztowej.
Najtrudniejszym elementem obliczania zwrotu z inwestycji w sztuczną inteligencję (ROI) jest to, że pewna wartość będzie dojrzewać z czasem. Żaden zarząd nie oceniałby wartości internetu na podstawie pierwszego roku, a do sztucznej inteligencji należy podchodzić z takim samym zrozumieniem. Krótkoterminowe pomiary są ważne, ale nie mogą być wymówką dla braku wystarczających inwestycji w budowanie potencjału, który umożliwia generowanie długoterminowej wartości.
Kolejna fala inwestycji w sztuczną inteligencję nie zostanie osiągnięta wyłącznie dzięki entuzjazmowi. Zanim zarządy w Wielkiej Brytanii wybiorą kolejny model, sfinansują kolejną platformę lub ogłoszą kolejny projekt pilotażowy, muszą na nowo przemyśleć sieć bazową.
Inwestowanie w sztuczną inteligencję, motywowane strachem przed pominięciem (FOMO), nie popchnie firm do przodu. Trwała wartość będzie wynikać ze stworzenia odpowiednich warunków wokół niej od samego początku.
Możliwość dodawania komentarzy nie jest dostępna.