Miért buknak el az AI projektek?

Az AI, avagy a mesterséges intelligencia egy szempillantás alatt elkezdte átalakítani az üzleti világot. Az egészségügytől a pénzügyeken át a közlekedésig az AI-t komplex problémák megoldására és új ismeretek feltárására kezdték el használni. Azonban, mint minden új üzleti technológia esetében, a bevezetési folyamat ebben az esetben is tele van kihívásokkal. A vállalati AI-projektek kudarca gyakori, különösen akkor, ha egy szervezet nem látja előre a közelgő bonyodalmakat.

Ha pedig egy AI projekt kudarcot vall, annak messzemenő következményei lehetnek. Például komoly pénzügyi veszteséghez vezethet. A mesterséges intelligencia projektek kifejlesztése és megvalósítása általában igen költséges és időigényes folyamat. Értelemszerűen, ha egy projekt kudarcot vall, akkor az erre ráfordított pénzt kidobtuk az ablakon és a sikertelenség késleltetheti a szervezetet céljai elérésében. Ráadásul, amennyiben mindez a nyilvánosság előtt történik, az károsíthatja az adott vállalat hírnevét. Ami aztán hosszabb távon megnehezítheti az ügyfelek és a partnerek megnyerését.

Egyes esetekben egy ilyen jellegű kudarc akár a teljes üzleti tevékenység elvesztéséhez vezethet. Sőt, ha például egy egészségügyi szervezet AI-rendszere félrediagnosztizál egy beteget, az hosszas pereskedéshez vezethet.

Bár az ERP projektekhez hasonlóan az AI projektek sikertelenségének aránya is magas, sok szervezet mégis végül megtalálja a módját annak, hogy végül elérjék a céljaikat. Nem meglepő módon, ehhez gondos tervezés, reális és megvalósítható ütemterv kidolgozása és egy szoftverszakértői tapasztalattal rendelkező, technológiai szakértőkből álló csapat összeállítása szükséges.

De akkor mégis, miért buknak el a mesterséges intelligencia projektek? Íme néhány gyakori probléma, amellyel a vállalatok találkoznak:

1. Problémák a rendszerintegrációval

Az AI projektek esetében kifejezetten gyakran vezet sikertelenséghez az, hogy rendkívül nehéz az ilyen típusú technológiát a meglévő rendszerekbe integrálni. Ehhez nem csak csúcstechnológiára van szükség, hanem a jelenlegi infrastruktúrának is hatékonyan és teljes mértékben működőképesnek kell lennie.

Bár könnyű az AI-megoldások hangos hívó szavát meghallani, nagyon fontos körültekintően eljárni azzal kapcsolatban, hogy az AI hogyan fog együttműködni a már meglévő eszközeinkkel. És nem csak technológiai szempontból.

Azt is figyelembe kell venni, hogy milyen új folyamatokat kell alkalmazni ahhoz, hogy az új technológiát a lehető legjobban ki tudja használni a cég. Fel kell tenni azokat a kérdéseket, amik arra vonatkoznak, hogy hogyan szükséges javítani a jelenlegi folyamatokat vagy hogy hogyan befolyásolja és esetleg kuszálja majd össze őket az AI.

Ezeknek a kérdéseknek a megválaszolása kritikus tényező annak biztosításában, hogy az induláskor ne csak egy működő rendszer álljon rendelkezésre, hanem ténylegesen értéket teremtsen és hozzájáruljon a vállalat sikereihez. 

2. Kockázatos műszaki teljesítmény

Amikor a fejlesztők először dolgoznak mesterséges intelligencia megoldásokon, általában kis mennyiségű adatokkal indítanak. Ezek a korai tesztelési modellek csak a töredékét használják fel a teljes értékű megoldás futtatásához szükséges erőforrásoknak.

Amikor a megoldást nagyobb termelési rendszerekre is kiterjeszkedik, sok szervezetet ér durva sokk. Ugyanis a korábban megfelelően teljesítő interface hirtelen már nem működik, mert nincs elég adat hozzárendelve.

Hogy ez ne történhessen meg, az AI-t bevezető vállalatoknak érdemes termelés közeli környezetben tesztelniük. Annak a figyelembe vételével, hogy a skálázás hogyan hat majd az adott rendszerre. Ilyenkor összpontosítsunk elsősorban a felhasználó és az AI-modell közötti összes különböző interakcióra.

3. A projektmenedzsment hiánya

Egy sikeres mesterséges intelligencia projekthez nem csak a megfelelő hardver és szoftver szükséges, hanem ebben az esetben is kell egy megbízható projektcsapat. A megfelelő emberek nélkül szinte lehetetlen összeilleszteni az AI-t a meglévő üzleti modellel és a rendszer infrastruktúrával. Hogy elkerüljük ezt a kihívást, olyan csapatot kell létrehoznunk, amely rendelkezik a szükséges készségekkel és tudással ahhoz, hogy ezt a technológiát integrálni tudja a meglévő felépítésébe. Ha nem rendelkezünk házon belül a szakértői gárdával, akkor érdemes fontolóra venni az AI-projekt kiszervezését egy harmadik félnek.

4. Nem megfelelő munkavállalói képzés és támogatás

Az AI rendszer csak annyira hatékony, mint az azt használó kollégák. Ezért a képzés a bevezetési terv lényeges eleme. Bár a mesterséges intelligencia az emberi munka számos aspektusát kiküszöböli, nem helyettesíti a végfelhasználók oktatásának és támogatásának szükségességét.

Fontos felkészíteni a munkatársakat például arra az esetre, ha technikai probléma merülne fel. Ismerniük kell a követendő protokollokat, ha a telefonos ügyfélszolgálat meghibásodik, és több száz frusztrált ügyfél kezd el e-mailezni. A végfelhasználók képzése akkor a leghatékonyabb, ha egy átfogó szervezeti változáskezelési stratégia részét képezi. Ennek túl kell mutatnia a képzésen, és olyan sikertényezőkre kell összpontosítania, mint a kommunikáció és az ellenállás kezelése.

5. A rendszer rugalmatlansága

Nem titok, hogy az üzleti folyamatok és munkafolyamatok nem statikusak. Ezért olyan mesterséges intelligencia rendszert kell kialakítani, amely képes lépést tartani a változásokkal. A telepített megoldásnak képesnek kell lennie az adatok bevitelére, feldolgozására és az insightok biztosítására még a változó üzleti követelmények mellett is.

Ha nem voltunk elég körültekintőek, problémák merülhetnek fel akkor, amikor a rendszer olyan új forgatókönyvvel találkozik, amelyet nem tanult meg korábban.

Annak érdekében, hogy ez ne fordulhasson elő figyelembe kell venni a hipotetikus helyzeteket, amelyek az előzetes terveken kívül létrejöhetnek. Így olyan műszaki és üzemeltetési vészhelyzetek dolgozhatók ki, amelyek szükség esetén bevethetők.

6. Az adatbiztonságra fordított figyelem hiánya

Az AI-megoldás fejlesztés során kiemelten szükséges figyelembe venni a kiberkockázatok elemeit. Minden alkalommal, amikor új technológia kerül bevezetésre az adott szervezetbe, megnyílik egy rés a biztonsági sebezhetőségek felé. Egy új fejlesztés a már meglévő kiberbiztonsági megoldásokat is ellehetetlenítheti, és sebezhetőbbé teheti a rendszereket a külső támadásokkal szemben.

Mielőtt a projekt elindul, érdemes több időt szánni egy kockázatalapú megközelítés kidolgozására. Ez magában foglalja a kiberbiztonsági stratégia meglévő gyenge pontjainak azonosítását, és a megerősítésükre irányuló ötleteket.

Ha nem rendelkezünk a segítségére szolgáló belső erőforrásokkal, akkor léteznek olyan harmadik féltől származó megoldások, amelyek tesztelhetik a védelmet, és azonosíthatják azokat a területeket, amelyek megerősítésre szorulnak.

Sikeres AI projektek

A mesterséges intelligencia képes gyökeresen átalakítani szinte minden vállalkozás működését. Bár a fenti pontok segíthetnek megérteni, mi az, ami rosszul megy, a kulcs az, hogy kezdettől fogva minden rendben menjen. Ehhez fontos, hogy a megfelelő, piaci ismeretekkel, iparági tapasztalatokkal rendelkező, jól felkészült szakértőhöz forduljunk segítségért. 

Forrás: Panorama Consulting