በድርጅቶች ውስጥ የAI ጉዲፈቻ በቅርብ ታሪክ ከታዩ ማንኛውም የቴክኖሎጂ ለውጦች ይልቅ ፈጣን እድገት እያሳየ ነው። ማንኛውም የአመራር ስብሰባ በመጨረሻ ወደ አንድ ተመሳሳይ ግምት ይደርሳል። AI ሊለካ የሚችል፣ በመላው ድርጅት የሚታይ እሴት ማቅረብ አለበት። ChatGPT ከተለቀቀ በኋላ የኢንጂነሪንግ ቡድኖች Copilotን ተቀበሉ፣ ተንታኞች Perplexityን አቀፉ፣ እና የኦፕሬሽንስ ቡድኖች አውቶሜሽንን ሞከሩ። ምርታማነትም ማሻሻል ወዲያውኑ ታየ።
ነገር ግን ጥቂት ወራት ብቻ ከዚያ በኋላ የጉዲፈቻ ኩርባዎች ቀስ ብለው መሄድ ጀመሩ። የሙከራ ፕሮጀክቶች ቆሙ። ROI ወጥነት የሌለው ሆነ። ይህ መዘግየት በደካማ ሞዴሎች ወይም በአስፈፃሚዎች የፍላጎት እጥረት አይከሰትም። ውጤቱ የAI ችሎታዎች እና የድርጅት አካባቢዎች መካከል ያለ መዋቅራዊ አለመጣጣም ነው።
በቅርቡ፣ ብዙ ጊዜ የAI ጉዲፈቻን የድርጅታዊ ጎን የሚመለከት ፈጣሪ ከሆነው Caleb የተሰጠ ትንታኔ አግኝቻለሁ። የእሱ አቀራረብ አዲስ ጽንሰ ሀሳቦችን አላመጣም፣ ግን ብዙ የድርጅት መሪዎች አስቀድመው የተሰማቸውን ግጭት ግልጽ አደረገው። AI በተናጠል የአጠቃቀም ሁኔታዎች ውስጥ ለምን እንደሚበራ ነገር ግን በስርዓት ደረጃ ለውጥ ለማምጣት ለምን እንደሚቸገር አብራራ።
የAI ጉዲፈቻ በሞዴል ጥንካሬ አይወሰንም። AI ወደ ድርጅቱ በሚገባበት ንብርብር ላይ ይወሰናል።
ለCIOዎች፣ CTOዎች እና የለውጥ መሪዎች፣ AI በዴሞ ላይ ለምን እንደሚያስደንቅ ነገር ግን በተግባራዊ ስርጭት ላይ ለምን እንደሚቆም የሚጠይቁ ከሆነ፣ ይህ ጽሑፍ ድብቅ ገደቦቹን እና ዘላቂ በመላው ድርጅት የሚሆን ጉዲፈቻ ለማሳካት የሚያስፈልጉ ስትራቴጂያዊ መንገዶችን ያብራራል።
ከ“AIን መቀበል አለብን?” ወደ “ጉዲፈቻው ለምን እንዲህ ያህል ዝግ ነው?”
ከሁለት ዓመታት በፊት ድርጅቶች AI ያስፈልጋቸው እንደሆነ ይከራከሩ ነበር። ዛሬ ጥያቄው እንዴት በዘላቂነት እና በደህንነት እንደሚያዋህዱት ነው። ተንታኞች በቅርቡ የድርጅቶች ውጤት ከፍተኛ ክፍል በAI ሊመነጭ እንደሚችል ይተነብያሉ። በወረቀት ላይ ይህ የማይቀር ይመስላል። በተግባር ግን ተፅዕኖው እኩል አይደለም።
የኢንጂነሪንግ ቡድኖች ፈጣን እንቅስቃሴ ያሳያሉ፣ ነገር ግን ክፍሎችን አቋርጦ የሚሄድ አፈፃፀም ብዙም አይሻሻልም። የሽያጭ ቡድኖች የደንበኛ ግንኙነት ማስጀመሪያን አውቶሜት ያደርጋሉ፣ ግን አሁንም በእጅ በሚደረግ ማስተባበር ላይ ጊዜ ያጣሉ። operations ግንዛቤዎችን በፍጥነት ያመነጫሉ ነገር ግን የተበታተነ ውሂብን አሁንም በእጅ ያስታርቃሉ።
ድርጅቶች እንደ ቀጥተኛ ማሽኖች አይሰሩም። እነሱ በአስተዳደር፣ በተነሳሽነት አወቃቀር፣ በባህል እና በቀድሞ ቴክኖሎጂ የሚቀረጹ ውስብስብ ስርዓቶች ናቸው። AI ይህን ውስብስብነት ከመቀነስ ይልቅ ያጎላዋል።
ጠቃሚ የሆነ አቀራረብ የድርጅት AIን በሶስት የብስለት ደረጃዎች መመልከት ነው።
ደረጃ 1. በAI የተደገፉ ተግባራት
ጠቃሚ ቢሆንም በመሠረቱ የተገደበ
ይህ አብዛኞቹ ድርጅቶች የሚጀምሩበት ቦታ ነው። ሰራተኞች ጀነሬቲቭ AIን ለምርምር፣ ለማጠቃለያ፣ ለኮድ ጥቆማዎች እና ለይዘት ፍጠር ይጠቀማሉ። እነዚህ መሳሪያዎች ወዲያውኑ እሴት ያቀርባሉ።
ነገር ግን የተግባር ፍጥነት መጨመር የስራ ፍሰት ለውጥ ማለት አይደለም። በዙሪያው ያሉት ሂደቶች—ማጽደቆች፣ ርክክቦች፣ የሪፖርት ንብርብሮች—ሳይለወጡ ይቀራሉ። በዚህ ምክንያት የድርጅቱ ፍጥነት በከፍተኛ ደረጃ አይሻሻልም።
የተግባር ፍጥነት ከድርጅታዊ ፍጥነት ጋር አንድ አይደለም።
ይህ ደረጃ ደህና የሚመስል ነው ምክንያቱም ምንም ዓይነት መዋቅራዊ ማስተካከያ አያስፈልግም። ግን በረጅም ጊዜ ROI በንድፍ ራሱ የተገደበ ነው።
ደረጃ 2. Agentic የስራ ፍሰቶች
ከፍተኛ አቅም እና ከፍተኛ መቋቋም
Agentic AI ባለብዙ ደረጃ የስራ ፍሰቶችን በራሱ ያስፈጽማል። ኤጀንቶች ፋይሎችን ያሻሽላሉ፣ ውጤቶችን ይገምግማሉ፣ ተግባሮችን ያስተዳድራሉ ወይም ኦፕሬሽኖችን ያስተባብራሉ። የሚሰጠው ተስፋ ግዙፍ ነው።
መቀበሉ ግን እንዲሁ አይደለም።
እንቅፋቱ ቴክኒካዊ ችሎታ ሳይሆን ድርጅታዊ ዝግጁነት ነው። Agentic ስርዓቶች እምነት፣ ቁጥጥር፣ ገዢነት እና ለአውቶሜሽን መቻቻል ይፈልጋሉ። የተመሰረቱ የሥልጣን ቅደም ተከተሎችን እና የተገዢነት ልማዶችን ያናውጣሉ። ያልተለመደ የኦፕሬሽን አደጋም ያስገባሉ።
በዚህ ምክንያት ብዙ agentic መሳሪያዎች በደህንነት ወሰኖች ውስጥ ብቻ የሚሰሩ ከፊል ራስ-ገዝ ረዳቶች ሆነው ይመለሳሉ።
ድርጅቶች ራስ-ገዝነትን በፍርሃት ምክንያት አይከለክሉም። የሚከለክሉት በአለመጣጣም ምክንያት ነው።
ደረጃ 3. AI Native ስርዓቶች
የረጅም ጊዜ ጥቅም
AI native ስርዓቶች ከፍተኛውን የብስለት ደረጃ ይወክላሉ። ከመጀመሪያው ጀምሮ በAI ተሳትፎ የተነደፉ ናቸው። ለሰው የተመቻቹ የስራ ፍሰቶችን ከኋላ በመስተካከል ፋንታ፣ ድርጅቶች AI የውሂብ ፍሰትን፣ የውሳኔ ቅደም ተከተሎችን እና የስራ ሪትሞችን የሚያስተባብርባቸውን አዳዲስ የኦፕሬሽን መዋቅሮች ይገነባሉ።
ይህ ትንበያዊ ኦፕሬሽኖችን ይከፍታል፣ ማነቆዎችን ይቀንሳል፣ እና ቀጣይነት ያለውን ውሳኔ አሰጣጥ ያስችላል።
እንቅፋቱ ከፍተኛ ነው። ግን የረጅም ጊዜ ጥቅሙ ከተጨማሪ ትንሽ ግኝቶች እጅግ ይበልጣል።
ሆኖም ወደ AI native ስርዓቶች የሚደረገው ጉዞ ረጅም ነው። እውነተኛው አደጋ በመካከለኛው ጊዜ ውስጥ ይታያል።
የፈራሪ ችግር
ያልተቆጣጠረ AI ከፍተኛ አፈጻጸም ያለው ስጋት ነው
Caleb በድርጅት አውድ ውስጥ ሲገባ የበለጠ ኃይለኛ የሚሆን አንድ ምሳሌ ተጠቅሟል። ለሰራተኞች ChatGPT ወይም Copilot ያሉ ኃይለኛ AI መሳሪያዎችን መድረስ መስጠት ፈራሪ መስጠት ብቻ አይደለም።
ይህ ማለት ለእነሱ ምንም ስልጠና ሳይኖር፣ የመንገድ ህጎች ሳይኖሩ፣ ኢንሹራንስ ሳይኖር፣ እና መኪናው በእውነት ወዴት እንደሚሄድ ምንም ግልጽነት ሳይኖር Ferrari መስጠት ነው።
ሞተሩ እጅግ ድንቅ ነው። ነገር ግን ስሱ ውሂብ፣ የተገዢነት መስፈርቶች፣ እና legacy systems ባሉበት ውስብስብ የድርጅት አካባቢ ውስጥ፣ ይህ ያልተቆጣጠረ ኃይል ደረጃ መዋቅራዊ ስጋት ነው።
ያልተቆጣጠረ AI ያልታሰበ የውሂብ መፍሰስ፣ የshadow IT አጠቃቀም፣ ማረጋገጥ የማይቻሉ ውጤቶች፣ ያልተቆጣጠሩ የሞዴል ግቤቶች፣ እና የauditability ሙሉ መጥፋት ያመጣል።
Ferrari ፈጣን ብቻ አይንቀሳቀስም። ድርጅቱ ማየት በማይችለው አቅጣጫም ይንቀሳቀሳል።
የስራ ፍሰቶች፣ የአስተዳደር ወሰኖች፣ የማረጋገጫ ንብርብሮች፣ እና የውህደት አርክቴክቸር እስኪደገኑ ድረስ፣ ያልተቆጣጠረ AI ሀብት ሳይሆን ተጠያቂነት ነው።
ለምን የድርጅት መጠን ስርዓታዊ ግጭት ይፈጥራል
ድርጅቶች ሲያድጉ፣ የማስተባበር ውስብስብነት ከዚያ የበለጠ ፍጥነት ያድጋል። ቡድንን በእጥፍ ማሳደግ ውስብስብነትን በእጥፍ አያደርገውም። ያባዛዋል።
AI የግለሰብ አፈጻጸምን ያሻሽላል። ነገር ግን ድርጅቶች በኔትወርክ ደረጃ ይሰራሉ። ይህ አለመጣጣም ከተፅእኖው አብዛኛውን ይውጣል።
ምርምር አንድ ማዕከላዊ እውነት ያሳያል።
AI አስቀድሞ ያለውን ያጎላል። መጣጣም ይፋጠናል። መበታተን ይፈርሳል።
የተደገኑ የስራ ፍሰቶችና አስተዳደር ካልኖሩ፣ AI በስርዓቱ አቀፍ ለውጥ ፋንታ የተነጠሉ ማሻሻያዎችን ያቀርባል።
የድርጅት እውነታ
ደህንነት፣ እምነት፣ የውሂብ ስጋት፣ እና ውስጣዊ መቃወም
ድርጅቶች ወደ ራስ-ገዝነት ወይም AI native የስራ ፍሰቶች ከመሄዳቸው በፊት፣ ማስወገድ የማይቻሉ ገደቦችን ይጋፈጣሉ።
የደህንነት መስፈርቶች በውሂብ ወሰኖች ወይም በቁጥጥር ተገዢነት ላይ ምንም አይነት መተው እንዳይኖር ያደርጋሉ።
የLLM ያልተረጋገጠ መታመን ቅዠቶች ሊታገሱ ስለማይችሉ ማመንታት ይፈጥራል።
Shadow IT ይፈጠራል ምክንያቱም ኦፊሴላዊ መሳሪያዎች ከሰራተኞች ፍላጎት በኋላ ሲቀሩ ነው።
ስትራቴጂያዊ እና የግል ውሂብ ሕጋዊና የስም ጥፋት ስጋት ያመጣል።
ማዕከላዊ አስተዳደር እጥረት በማረጋገጫና በቁጥጥር ዙሪያ እርግጠኝነት እጥረት ይፈጥራል።
እነዚህ የጥንቃቄ ምልክቶች አይደሉም።
እነሱ የተቋማዊ ኃላፊነት ምልክቶች ናቸው።
AI መቀበል የሚፋጠነው እነዚህ መሠረቶች ሲከበሩ ብቻ ነው።
እውነተኛው የገበያ ክፍተት
ሁሉም የስራ ፍሰቶች እንደገና መፈጠር አይፈልጉም
አንዳንድ የAI ትረካዎች ሰራተኞች አውቶሜሽን እንደሚፈልጉ ያስባሉ። በእውነቱ ግን፣ ብዙ የስራ ፍሰቶች የተረጋጉ ሆነው ይቆያሉ ምክንያቱም ተገማችነት ያላቸው እና በባህላዊ መልኩ ደህንነት የሚሰማቸው ስለሆኑ ነው።
እውነተኛው እድል ሌላ ቦታ ላይ ነው።
በእጅ የሚደረጉ የውሂብ ማስተላለፎች።
ተደጋጋሚ ሰነድ ማዘጋጀት።
ከአንድ አውድ ወደ ሌላ መቀያየር።
ተነጣጠሉ መድረኮች።
ያልተገናኙ የሥራ ፍሰቶች።
እነዚህ የግጭት ነጥቦች ምርታማነትን በጸጥታ ያበላሻሉ።
ይህን የማይታይ ግጭት ሲያስወግዱ ጉዲፈቻ ተፈጥሯዊ ይሆናል።
ለዘላቂ የኢንተርፕራይዝ ለውጥ ተግባራዊ እርምጃዎች
የሚሳካላቸው ኢንተርፕራይዞች የጋራ ልምዶችን ያጋራሉ።
ከፍተኛ ጥራት ያላቸው የሥራ ፍሰት ኦዲቶችን ያካሂዱ።
በቁጥጥር እና ክትትል የታገዘ ኤጀንቲክ ባህሪን ቀስ በቀስ ያስገቡ።
ቴክኖሎጂን ከመቀየርዎ በፊት ሚናዎችን እንደገና ይንደፉ።
የቆዩ ስርዓቶች ገደቦች ዝቅተኛ በሆኑ አካባቢዎች ይጀምሩ።
የተግባር ፍጥነትን ሳይሆን የድርጅት ፍጥነትን ይለኩ።
እነዚህ እርምጃዎች ቀላል ይመስላሉ። ተፅዕኖአቸው ግን ኤክስፖነንሻል ነው።
ለኢንተርፕራይዝ መሪዎች የመዝጊያ አስተያየት
የኢንተርፕራይዝ AI ጉዲፈቻ የሞዴል ችግር አይደለም። መዋቅራዊ እና ባህላዊ ችግር ነው። አብዛኛዎቹ ድርጅቶች የሥራ ፍሰቶቻቸው ለራስ-ገዝ ስርዓቶች ተብለው ስላልተነደፉ በተግባር ደረጃ ብቻ በሚገኙ ጥቅሞች ውስጥ ተይዘው ይቀራሉ።
ይህን የሚገነዘቡ እና በዓላማ ዳግም የሚንደፉ መሪዎች የሚቀጥለውን የኢንተርፕራይዝ ምርታማነት ዘመን ይቀርጻሉ።
AI የተስማሙ ድርጅቶችን ያጠናክራል እና የተበታተኑትን ያጎላል። መሠረቱን በመጀመሪያ ያጠናክሩ። ከዚያ ያስፉ።
ተግባራዊ ማስታወሻ
የደህንነቱ የተጠበቀ እና የተዋሃደ የኢንተርፕራይዝ ንብርብር አስፈላጊነት
ከCIOዎች እና ከለውጥ ቡድኖች ጋር በሚደረጉ ውይይቶች ሁሉ አንድ ጭብጥ ደጋግሞ ይታያል። ኢንተርፕራይዞች ሌላ ብቻውን የቆመ አሲስታንት አያስፈልጋቸውም። የሚያስፈልጋቸው መተግበሪያዎችን የሚያገናኝ፣ ውሂብን የሚጠብቅ፣ ከአስተዳደር መመሪያዎች ጋር የሚጣጣም፣ እና ነባር ስርዓቶችን ሳያናጋ AIን ወደ የሥራ ፍሰቶች የሚያስገባ የደህንነቱ የተጠበቀ፣ ኦዲት ሊደረግበት የሚችል፣ በጥልቀት የተዋሃደ የምርታማነት ንብርብር ነው።
በጥልቅ ውህደቶች፣ ግላዊነትን በቅድሚያ በሚያስቀምጥ አርክቴክቸር፣ እና የኢንተርፕራይዝ ደረጃ ቁጥጥር የተገነቡ መድረኮች ያልተቆጣጠረ AIን ከአደጋ ወደ ስትራቴጂካዊ ጥቅም ይለውጣሉ። ፌራሪው ፈጽሞ ያልነበረውን የተመረተ የመንገድ ስርዓት ያቀርባሉ።
ይህ ከDvina በስተጀርባ ያለው ፍልስፍና ነው። እሱ እንደ የተግባር መሣሪያ ወይም የተነጠለ ኤጀንት ሳይሆን መተግበሪያዎችን የሚያንድ የሥራ ፍሰቶችን የሚገነዘብ workflow aware productivity layer ሆኖ፣ ስሱ ውሂብን የሚጠብቅ እና ቡድኖች ቁጥጥርን ሳይሰዉ workflow level transformation እንዲያሳኩ የሚያስችል ተደርጎ ተነድፏል።
የመጨረሻ አስተያየት
የወደፊቱ የሚሆነው ትክክለኛ መንገዶችን ለሚገነቡ ኢንተርፕራይዞች ነው
በAI ሽግግር የሚያሸንፉት ኢንተርፕራይዞች ብዙ ሞዴሎች ያላቸው አይሆኑም። AI እንዲሠራባቸው በጣም ደህንነቱ የተጠበቁ፣ ግልጽ እና በቀላሉ የሚለመዱ መንገዶችን የሚገነቡ እነሱ ይሆናሉ።
የሥራ ፍሰቶች፣ አስተዳደር መመሪያዎች እና የውሂብ ፍሰቶች ሲጣጣሙ AI እንደ የሙከራ ሞተር መስራቱን ያቆማል እና እውነተኛ የኢንተርፕራይዝ መሠረተ ልማት ይሆናል።
ወደፊቱ የሚገባው በጣም ፈጣን ሞተሮች ላሏቸው ድርጅቶች አይደለም። በጣም ጠንካራ መንገዶች ላሏቸው ነው።
