ИИ для среднего бизнеса — это не уменьшенная копия корпоративного ИИ

ИИ для среднего бизнеса — это не уменьшенная копия корпоративного ИИ

При поддержке Insight Enterprises


Компании среднего бизнеса не смогут перевести ИИ из пилотных проектов в промышленную эксплуатацию, просто скопировав сценарий компаний из Fortune 500. Они конкурируют за тех же ИИ-инженеров, специалистов по данным, экспертов по безопасности и выездных инженеров (forward-deployed engineers, FDE) — на тех же зарплатах, — располагая лишь малой долей бюджета.

Для компаний с годовой выручкой от 500 миллионов до 5 миллиардов долларов создание крупного внутреннего ИИ-подразделения поэтому не является ни реалистичным, ни необходимым.

Работоспособную ИИ-стратегию для среднего бизнеса от урезанной версии корпоративной отличают три решения, считает Джек Азагури, президент и генеральный директор Insight:

  • Несколько осознанных ставок на ИИ, привязанных к измеримым бизнес-результатам

  • Ключевая внутренняя команда, отвечающая за ИИ-стратегию и архитектуру

  • Внешние партнеры, обеспечивающие специализированную инженерную экспертизу и экспертизу в области безопасности по мере масштабирования проектов

«То, что ваши инженеры должны были знать полгода назад, радикально отличается от того, что им нужно знать сейчас, — говорит Азагури. — Вам нужна команда, способная очень быстро учиться и адаптироваться, а компании с выручкой в 1 миллиард долларов создать такую очень трудно».

Ловушка продуктивности ИИ: экономия времени — еще не окупаемость инвестиций

Большинство компаний уже экспериментировали с ИИ и обучили сотрудников, но превратить эти усилия в измеримый рост выручки или сокращение затрат по-прежнему непросто.

«Во многих случаях ИИ просто подарил людям лишний перерыв на кофе, может быть, освободил полчаса в день, — говорит Азагури. — Как генеральному или финансовому директору это оценить, когда они тратят сотни тысяч, а то и миллионы долларов на токены, навыки и облачные подписки?»

Для компаний среднего бизнеса, которые стремятся перейти от хайпа к практике, преодоление этого разрыва требует двух направлений: экспериментов снизу вверх и небольшого числа инициатив сверху вниз, в рамках которых руководство финансирует перестройку целых процессов и отслеживает отдачу.

Insight вкладывает миллионы долларов в три таких «мегапроцесса»:

  • ИИ-коуч для продаж:

    поддержка тысяч сотрудников отделов продаж и пресейла

  • Клиентские операции:

    улучшение выполнения заказов, доставки и обслуживания клиентов

  • Финансы:

    трансформация кредиторской и дебиторской задолженности, планирования и прогнозирования

Одновременно компания поощряет ИИ-инновации снизу среди своих более чем 14 000 сотрудников по всему миру.

«Когда я пришел в технологии 30 лет назад, мы говорили о людях, процессах и технологиях, — рассказывает Азагури. — Сегодня технологии настолько впечатляющие, что люди забывают о двух других опорах».

Две-три крупные ставки лучше портфеля ИИ-пилотов

Выбор этих ставок не требует многомесячного анализа. Компании могут оценивать сквозные процессы по двум вопросам: какую ценность они способны принести и насколько сложно их внедрить? Решающим фактором часто становится качество данных: процесс с данными в плохом состоянии будет трансформироваться дольше независимо от его потенциальной ценности.

«Не тратьте месяцы на поиски идеального варианта, — говорит Азагури. — Выберите две-три области и беритесь за них на полной скорости. И развертывайте их в масштабе с реальным бизнес-обоснованием».

При этом не каждая ставка обязана сыграть. Если один из трех проектов через полгода приносит лишь 20% ожидаемой ценности, по его словам, нужно сократить его масштаб и бюджет и перенаправить ресурсы в другую область. Для компании среднего бизнеса это может стать большим подспорьем — без необходимости искать новый, дополнительный бюджет.

Цель не в том, чтобы найти идеальный сценарий применения. Она в том, чтобы сосредоточить достаточно ресурсов на нескольких избранных направлениях и понять, способны ли они дать измеримую бизнес-ценность.

Решения — свои, глубина экспертизы — заемная

Для компаний среднего бизнеса вопрос не просто в том, что отдать на аутсорсинг. Он в том, какие компетенции необходимо сохранить, чтобы контролировать направление развития ИИ, когда значительная часть работы выполняется вовне.

«Свою ИИ-стратегию на аутсорсинг не отдашь, — говорит Азагури. — Архитектурные принципы, стратегия работы с данными и стратегия безопасности тоже должны оставаться внутри организации, вместе с ключевым набором инженерных компетенций, связанных с бизнесом, чтобы вы могли направлять внешних исполнителей».

Это задает четкую границу:

  • Оставить внутри: ИИ-стратегию, архитектуру, стратегию работы с данными и безопасности, ключевую инженерию, управление и управление изменениями.

  • Привлекать по мере необходимости: специализированную инженерную экспертизу и экспертизу в сфере безопасности, а также дополнительные мощности по мере масштабирования проектов.

Азагури описывает это как стратегию «создать, купить и позаимствовать»: определить, что разрабатывать внутри, какие программные и облачные возможности покупать и какую экспертизу заимствовать у партнеров. Прежде чем что-то создавать, любой компании — среднего бизнеса или нет — стоит также выяснить, не предлагает ли это уже поставщик ПО или облачных услуг и не появится ли такое предложение в ближайшее время.

Управление и управление изменениями также должны находиться внутри организации. Во многих компаниях ответственность за ИИ по-прежнему размыта, а сотрудники могут еще только осваивать технологию или неохотно ее принимать.

«То, как вы обучаете людей и как они осваивают сценарии применения, во многом определяет успех, — говорит Азагури. — Эти компетенции нужны внутри, даже если вам помогают».

Таким образом, готовность к промышленной эксплуатации — вопрос не только технический, но и организационный: компаниям нужны четкое распределение ответственности и реальное внедрение наряду с данными, безопасностью и архитектурой, необходимыми для масштабирования.

Когда эксперименты порождают 10 000 агентов, управление становится насущной задачей

Собственный опыт Insight показывает, как быстро массовое внедрение ИИ может создать новую операционную проблему. Компания обнаружила, что в организации работает почти 10 000 агентов. Одни были созданы сотрудниками разных бизнес-подразделений для конкретных задач — например, для составления кратких изложений документов, маршрутизации запросов или автоматизации отчетов. Другие, будучи созданными, продолжали работать без четкого владельца или цели, в подвешенном состоянии.

Это породило иной круг вопросов: есть ли у этих агентов правильные права доступа? Какие из них расходуют токены, не принося пользы? Как управлять их эффективностью?

«Вам нужна такая плоскость управления», — говорит Азагури.

И эта плоскость управления — лишь один элемент ИИ-стека. Руководителям также предстоит делать выбор в отношении вычислительных ресурсов, облачных провайдеров, данных, семантического контекста, агентных платформ и безопасности — областей, где технологии и доступные продукты продолжают стремительно развиваться.

Для компании среднего бизнеса попытка выстроить глубокую экспертизу на каждом уровне — именно та ловушка, которой следует избегать. Азагури советует сохранять контроль над архитектурой, делая ограниченное число ставок на технологии и партнеров, а не тратить дефицитные инженерные ресурсы на создание возможностей, которые поставщик может превратить в стандартный товар через шесть-двенадцать месяцев.

Компании, которым удается выйти за рамки экспериментов, по его словам, как правило, опираются на одни и те же основы: ключевые ИИ-кадры, четкую стратегию «создать, купить и позаимствовать» и систему управления, позволяющую принимать решения и масштабировать то, что работает.

«Сосредоточьтесь на понимании окупаемости ваших ИИ-внедрений и выберите несколько сквозных процессов, которые вы трансформируете ради этой окупаемости, — говорит Азагури. — Проверьте человеческую и процессную стороны, определите приоритетом две-три области с понятным бизнес-обоснованием и реализуйте их».

Преимущество компаний среднего бизнеса возникнет не из попыток сравняться по ИИ-ресурсам с Fortune 500. Оно возникнет из гораздо более осознанного подхода к тому, куда эти ресурсы направлять.


Спонсорские статьи — это материалы, подготовленные компанией, которая либо оплачивает публикацию, либо имеет деловые отношения с VentureBeat; такие материалы всегда четко маркируются. За дополнительной информацией обращайтесь по адресу sales@venturebeat.com.

Оркестрация

Смотреть все

Подпишитесь на свежие новости!

Глубокая аналитика для руководителей в области корпоративного ИИ, данных и безопасности

Подписаться по RSS

RSS-ленты обновляются каждые 15 минут.