Elastyczność i zwinna metodyka kluczem do skutecznego wdrożenia generatywnej sztucznej inteligencji w firmach

Przedsiębiorstwa na całym świecie są świadome korzyści oferowanych przez generatywną sztuczną inteligencję – już teraz z AI korzysta ok. 65 proc. z nich[1]. Otrzymywane przez firmy rezultaty mogą jednak znacznie się od siebie różnić. Jak zauważają eksperci firmy Progress, kluczem do skutecznego i efektywnego wdrożenia sztucznej inteligencji w obrębie przedsiębiorstwa jest zrozumienie jej zmiennej, dynamicznej natury. Firmy powinny odrzucić ideę długoterminowego, wieloetapowego planowania w kontekście AI. W przeciwnym razie grożą im m.in. zastój we wprowadzaniu innowacji oraz ryzyko zmarnowania posiadanych zasobów. Zalecaną strategią wdrażania AI w obrębie firmy jest zaś metodyka zwinna (agile).

Zaplanowanie firmowej strategii w kontekście generatywnej sztucznej inteligencji nie jest łatwym zadaniem. Technologia ta została zaprojektowana tak, aby ewoluować i zmieniać się w zawrotnym, nienotowanym dotąd tempie. Mechanizmy te mają zdolność do samouczenia się, dzięki czemu każdy kolejny model Gen AI jest lepszy względem poprzednich generacji. Postępy generatywnej sztucznej inteligencji mogą być mierzone w miesiącach, tygodniach, dniach, a nawet minutach. Firmy muszą być tego świadome podczas tworzenia strategii obejmujących AI, aby nie ograniczyć się do korzystania z rozwiązań, które wkrótce staną się przestarzałe.

Elastyczność – klucz do ciągłego doskonalenia

Metodyka zwinna to taktyka zarządzania projektami IT polegająca na podzieleniu procesu dostarczania oprogramowania na krótkie fazy, nazywane sprintami lub iteracjami. W okresie jednego sprintu, który przeważnie trwa około dwóch tygodni, zespół programistyczny ma do osiągnięcia kilka konkretnych celów, a jego członkowie regularnie naradzają się ze sobą w celu sprawdzenia postępów oraz omówienia ewentualnych trudności. Planowanie każdej iteracji wymaga regularnych retrospekcji pod kątem działania oprogramowania, co pozwala na identyfikowanie obszarów wymagających poprawy. Analogiczna taktyka sprawdza się także w kontekście wdrażania sztucznej inteligencji do struktur firmy.

– Implementując AI do struktur przedsiębiorstwa, warto zacząć od stopniowych, niewielkich zmian w np. wewnętrznych procesach biznesowych. Podejście to gwarantuje większą elastyczność niż wieloetapowe plany skomplikowanych wdrożeń. Pozwala na dynamiczną ocenę otrzymywanych efektów, wprowadzanie modyfikacji oraz planowanie kolejnych kroków z uwzględnieniem najbardziej aktualnych potrzeby firmy – wyjaśnia Philip Miller, starszy menedżer ds. marketingu produktów AI w Progress, dostawcy rozwiązań do tworzenia aplikacji biznesowych, wdrażania ich i zarządzania nimi.

– Co więcej, podejście to nie wyklucza otrzymania większych, długoterminowych efektów. Z czasem nawet niewielkie zmiany mogą doprowadzić do znaczących korzyści, takich jak obniżenie firmowych kosztów czy ogólna poprawa jakości produktu. Nie chodzi więc o całkowite odrzucenie idei długoterminowych korzyści, ale o zrozumienie, że ścieżka do ich osiągnięcia może być nieliniowa oraz wymaga zwinnej, adaptacyjnej strategii – dodaje ekspert Progress.

Ślepy zaułek cyfryzacji

Przedsiębiorstwa, wdrażając jakąkolwiek nowe rozwiązania, mają w zwyczaju spodziewać się dużych korzyści. Ze względu na ten fakt planują wieloletnie i wieloetapowe procesy ich implementacji, obejmujące wielu interesariuszy. Rozwiązanie to nie sprawdzi w kontekście AI. Paradoksalnie, może ono znacznie ograniczyć korzyści, którymi mogłaby cieszyć się firma przyjmując metodykę zwinną. Innymi słowy, zbyt skomplikowane, statyczne plany wdrożeniowe mogą sprawić, że przedsiębiorstwo wpadnie w tzw. ślepy zaułek cyfryzacji. Firma znajdująca się w tej sytuacji doświadcza zastoju w procesie wprowadzania innowacji, ponieważ jej projekty stają się przestarzałe jeszcze przed ich ukończeniem. Z tego powodu, traci ona swoją konkurencyjność na korzyść innych podmiotów, które potrafią szybko adaptować się do technicznych zmian. W ostatecznym rozrachunku wszystkie tego typu inwestycje podejmowane przez znajdujące się w ślepym zaułku przedsiębiorstwo, skutkują stratami zasobów, ponieważ nie przynoszą oczekiwanych wyników. Jest to efekt braku zrozumienia sposobu działania wdrażanych rozwiązań – w tym wypadku, dynamicznej i nieprzewidywalnej generatywnej sztucznej inteligencji.

6 zasad efektywnego wdrażania AI w firmie

Planując wdrożenie generatywnej sztucznej inteligencji w przedsiębiorstwie, ekspert Progress zaleca:

1. Zacząć od małych projektów – Za priorytet należy uznać kwestie, których rozwiązanie, za pośrednictwem implementacji AI, możliwe będzie w ciągu kilku tygodni lub miesięcy. Nie należy koncentrować się zaś na projektach potencjalnie wieloletnich.
2. Postawienie na metodykę zwinną – Elastyczność zapewniana przez to podejście jest kluczowa w kontekście wdrażania generatywnej sztucznej inteligencji. Na przykład, jeśli początkowo wybrany model GenAI nie dostarcza właściwych odpowiedzi lub halucynuje, częste retrospekcje pozwolą na szybkie wykrycie i zbadanie tego problemu.
3. Używanie więcej niż jednego modelu generatywnej sztucznej inteligencji – Mechanizmy te szybko ewoluują. Warto więc mieć możliwość porównania możliwości rożnych modeli.
4. Przygotowanie firmowego stosu technicznego pod Gen AI – Musi on być zdolny do ewoluowania wraz z generatywną sztuczną inteligencją. Na przykład, platforma zarządzania danymi, za pośrednictwem której firma będzie udostępniać zasoby AI, musi być skalowalna, bezpieczna i elastyczna.
5. „Zapoznanie” generatywnej sztucznej inteligencji z firmowymi danymi – Publicznie dostępne modele Gen AI nie są szkolone na podstawie zastrzeżonych, prywatnych zasobów przedsiębiorstwa. W interesie firmy jest znalezienie sposobu na bezpieczne dostarczenie swoich danych mechanizmom generatywnej sztucznej inteligencji, aby mogła ona zapewniać dokładniejsze odpowiedzi na kierowane do niej zapytania. W tym celu przydatna okaże się technika RAG (generowanie przez Gen AI treści wzbogacone o źródła).
6. Upewnienie się, że dostarczane Gen AI dane są wysokiej jakości – Nawet najlepszy model generatywnej sztucznej inteligencji nie będzie dostarczał zadowalających wyników, jeśli zostanie wyposażony w zaszumione, źle wyselekcjonowane zasoby. Kluczowe jest posiadanie platformy zarządzania danymi, która może modelować treści oraz dostosowywać je do konkretnych aplikacji.

Wskazówki te stanowią solidny punkt wyjścia dla procesu wdrażania generatywnej sztucznej inteligencji w firmie.

[1] McKinsey & Company, What is generative AI?