Utekelezaji wa AI katika mashirika makubwa unaongezeka kwa kasi kuliko mabadiliko yoyote ya kiteknolojia katika historia ya karibuni. Kila mkutano wa uongozi hatimaye hufikia matarajio yale yale. AI lazima ilete thamani inayopimika katika shirika zima. Baada ya kutolewa kwa ChatGPT, timu za uhandisi zilianza kutumia Copilot, wachambuzi wakakumbatia Perplexity, na shughuli za uendeshaji zikaanza kujaribu otomatiki. Uzalishaji uliongezeka karibu mara moja.
Hata hivyo, miezi michache tu baadaye, mikondo ya utekelezaji ilianza kupungua kasi. Majaribio ya awali yakakwama. ROI ikawa isiyo thabiti. Kupungua huku hakusababishwi na mifano dhaifu au ukosefu wa dhamira kutoka kwa viongozi wakuu. Ni matokeo ya kutolingana kwa kimuundo kati ya uwezo wa AI na mazingira ya mashirika makubwa.
Hivi karibuni, nilikutana na uchambuzi kutoka kwa Caleb, mtayarishi ambaye mara nyingi huchunguza upande wa kiutawala wa utekelezaji wa AI. Mtazamo wake haukuleta dhana mpya, lakini uliweka wazi mvutano ambao viongozi wengi wa mashirika makubwa tayari wameuhisi. Ulieleza kwa nini AI hung'aa katika matumizi ya pekee lakini hupata shida kuleta mabadiliko ya kiwango cha mfumo.
Utekelezaji wa AI hautegemei nguvu ya modeli. Unategemea safu ambayo AI inaingizwa ndani ya shirika.
Kwa CIO, CTO, na viongozi wa mabadiliko wanaojiuliza kwa nini AI huvutia katika maonesho lakini hukwama wakati wa utekelezaji, makala hii inaeleza vikwazo vilivyofichika na njia za kimkakati zinazohitajika kwa utekelezaji endelevu katika shirika zima.
Kutoka “Je, Tunapaswa Kutumia AI” hadi “Kwa Nini Utekelezaji Unakwenda Polepole Sana”
Miaka miwili iliyopita mashirika makubwa yalikuwa yakijadili kama yalihitaji AI. Leo swali ni jinsi ya kuiunganisha kwa njia endelevu na salama. Wachambuzi wanatabiri kwamba sehemu kubwa ya matokeo ya mashirika huenda karibuni ikazalishwa na AI. Kwenye karatasi hili linaonekana kuepukika. Kwa vitendo, athari bado hazilingani.
Timu za uhandisi zinasonga kwa kasi zaidi, lakini utekelezaji wa kazi za pamoja kati ya idara hauboreshi sana. Timu za mauzo zinafanya mawasiliano ya awali kiotomatiki, lakini bado zinapoteza muda kwa uratibu wa mikono. shughuli za uendeshaji huzalisha maarifa haraka lakini bado hupatanisha data iliyogawanyika kwa mikono.
Mashirika makubwa hayafanyi kazi kama mashine za mstari mmoja. Hufanya kazi kama mifumo changamano inayoundwa na utawala, motisha, utamaduni, na teknolojia za urithi. AI huongeza ugumu huu badala ya kuupunguza.
Mtazamo unaofaa ni kuangalia AI ya mashirika makubwa kupitia viwango vitatu vya ukomavu.
Kiwango cha 1. Kazi Zinazosaidiwa na AI
Zinafaa lakini Kimsingi Zina Mipaka
Hapa ndipo mashirika mengi huanzia. Wafanyakazi hutumia AI generative kwa utafiti, muhtasari, mapendekezo ya uandishi wa msimbo, na uundaji wa maudhui. Zana hizi hutoa thamani ya haraka.
Lakini kuharakisha kazi si sawa na kubadilisha mtiririko wa kazi. Michakato inayozunguka kazi hiyo—idhini, makabidhiano, tabaka za uripoti—hubaki bila kubadilika. Matokeo yake, kasi ya shirika kwa ujumla haiboreshwi kwa kiwango kikubwa.
Kasi ya kazi si sawa na kasi ya shirika.
Hatua hii huonekana salama kwa sababu haihitaji marekebisho yoyote ya kimuundo. Lakini kwa muda mrefu, ROI imewekewa kikomo kwa muundo wake wenyewe.
Kiwango cha 2. Mifumo ya Kazi ya Kiajenti
Uwezo Mkubwa na Upinzani Mkubwa
AI ya kiajenti hutekeleza mifumo ya kazi ya hatua nyingi kwa kujitegemea. Ajenti hubadilisha faili, hukagua matokeo, husimamia kazi, au huratibu shughuli. Ahadi yake ni kubwa sana.
Uasili wake si mkubwa hivyo.
Kikwazo si uwezo wa kiufundi bali ni utayari wa shirika. Mifumo ya kiajenti inahitaji uaminifu, uangalizi, utawala, na uvumilivu kwa otomatiki. Inavuruga ngazi za mamlaka zilizozoeleka na taratibu za uzingatiaji. Pia huleta hatari za kiutendaji zisizozoeleka.
Kwa hiyo, zana nyingi za kiajenti hurudi nyuma na kuwa wasaidizi wa nusu-kujitegemea wanaofanya kazi ndani ya mipaka salama pekee.
Mashirika hayakatai kujitegemea kwa sababu ya hofu. Yanakataa kwa sababu ya kutokuwiana.
Kiwango cha 3. Mifumo Asilia ya AI
Faida ya Muda Mrefu
Mifumo asilia ya AI inawakilisha kiwango cha juu zaidi cha ukomavu. Hubuniwa kwa ushiriki wa AI tangu mwanzo. Badala ya kurekebisha mifumo ya kazi iliyoboreshwa kwa ajili ya binadamu, mashirika hujenga miundo mipya ya uendeshaji ambamo AI huratibu mtiririko wa data, mfuatano wa maamuzi, na mdundo wa kazi.
Hili hufungua uendeshaji wa utabiri, hupunguza vizuizi, na kuwezesha kufanya maamuzi kwa mwendelezo.
Kizingiti ni kikubwa. Lakini faida ya muda mrefu inazidi sana ongezeko la hatua kwa hatua.
Hata hivyo, safari ya kuelekea mifumo asilia ya AI ni ndefu. Hatari halisi hujitokeza katika kipindi cha mpito.
Tatizo la Ferrari
AI Isiyosimamiwa ni Tishio la Utendaji wa Juu
Caleb alitumia sitiari ambayo inakuwa na nguvu zaidi ndani ya muktadha wa shirika. Kuwapa wafanyakazi ufikiaji wa zana zenye nguvu za AI kama ChatGPT au Copilot si tu sawa na kuwapa Ferrari.
Ni sawa na kuwapa Ferrari bila mafunzo, bila sheria za barabarani, bila bima, na bila mwonekano wa gari hilo litakwenda wapi hasa.
Injini ni ya kipekee. Hata hivyo, ndani ya mazingira changamani ya shirika kubwa yenye data nyeti, mahitaji ya uzingatiaji, na mifumo ya urithi, kiwango hiki cha nguvu kisichodhibitiwa ni tishio la kimuundo.
AI isiyodhibitiwa husababisha uvujaji wa data usiokusudiwa, matumizi ya shadow IT, matokeo yasiyoweza kuthibitishwa, ingizo za modeli zisizodhibitiwa, na kupotea kabisa kwa uwezo wa ukaguzi.
Ferrari haisongi kwa kasi tu. Inasonga katika mwelekeo ambao shirika haliwezi kuuona.
Hadi pale michakato ya kazi, mipaka ya utawala, tabaka za uthibitishaji, na usanifu wa ujumuishaji vitakapojengwa upya, AI isiyosimamiwa itaendelea kuwa dhima, si rasilimali.
Kwa Nini Ukubwa wa Shirika Huleta Msuguano wa Kimsingi
Kadiri mashirika yanavyokua, ugumu wa uratibu hukua kwa kasi zaidi. Kuongeza timu mara mbili hakuongezi ugumu mara mbili. Huuuzidisha kwa kiwango kikubwa.
AI huongeza utendaji wa mtu mmoja mmoja. Lakini mashirika makubwa hufanya kazi katika kiwango cha mtandao. Kutolingana huku humeza sehemu kubwa ya athari.
Utafiti unaonyesha ukweli mmoja wa msingi.
AI huongeza kile ambacho tayari kipo. Ulinganifu huongezeka kasi. Mgawanyiko husambaratika.
Bila michakato ya kazi na utawala iliyobuniwa upya, AI huleta maboresho ya pekee badala ya mabadiliko ya mfumo mzima.
Uhalisia wa Mashirika Makubwa
Usalama, Imani, Hatari ya Data, na Upinzani wa Ndani
Kabla mashirika makubwa hayajafuatilia uhuru au michakato ya kazi asilia ya AI, hukabiliwa na vikwazo visivyoepukika.
Mahitaji ya usalama huzuia maelewano yoyote kuhusu mipaka ya data au uzingatiaji wa kanuni.
Kutotegemewa kwa LLM kunasababisha kusita kwa sababu hallucinations haziwezi kuvumiliwa.
Shadow IT hujitokeza pale zana rasmi zinapochelewa kukidhi mahitaji ya wafanyakazi.
Data za kimkakati na za kibinafsi huleta hatari za kisheria na za sifa.
Ukosefu wa utawala wa kati huleta kutokuwa na uhakika kuhusu uthibitishaji na usimamizi.
Hizi si ishara za msimamo wa kihafidhina.
Ni ishara za uwajibikaji wa kitaasisi.
Uasili wa AI huongezeka kasi tu pale misingi hii inapoheshimiwa.
Pengo Halisi la Soko
Si Kila Mchakato wa Kazi Unahitaji Kubuniwa Upya
Baadhi ya simulizi za AI hudhani kwamba wafanyakazi wanataka otomatiki. Kwa uhalisia, michakato mingi ya kazi hubaki thabiti kwa sababu huhisiwa kuwa ya kutabirika na salama kiutamaduni.
Fursa halisi liko mahali pengine.
Uhamishaji wa data kwa mikono.
Uandishi wa nyaraka unaojirudia.
Kubadilisha muktadha mara kwa mara.
Majukwaa yaliyotengwa.
Mitiririko ya kazi isiyounganishwa.
Vikwazo hivi vya msuguano hupunguza tija kimyakimya.
Ondoa msuguano usioonekana na matumizi yatakuwa ya asili.
Hatua za Kivitendo kwa Mabadiliko Endelevu ya Biashara
Biashara zinazofanikiwa hushiriki mbinu za pamoja.
Fanya ukaguzi wa mitiririko ya kazi kwa undani wa hali ya juu.
Anzisha tabia za kiwakala hatua kwa hatua kwa uangalizi.
Buni upya majukumu kabla ya kubuni upya teknolojia.
Anza katika maeneo yenye vikwazo vichache vya mifumo ya urithi.
Pima kasi ya shirika, si kasi ya kazi.
Hatua hizi zinaonekana rahisi. Athari yake ni ya kuongezeka kwa kasi kubwa.
Tafakari ya Mwisho kwa Viongozi wa Biashara
Utekelezaji wa AI katika biashara si changamoto ya modeli. Ni changamoto ya kimuundo na kitamaduni. Mashirika mengi bado yamenaswa katika mafanikio ya kiwango cha kazi kwa sababu mitiririko yao ya kazi haikubuniwa kwa ajili ya mifumo inayojitegemea.
Viongozi wanaotambua hili na kubuni upya kwa makusudi wataunda enzi inayofuata ya tija ya biashara.
AI huimarisha mashirika yaliyojipanga vizuri na kuyakuza yale yaliyogawanyika. Imarisha msingi kwanza. Kisha panua.
Dokezo la Kivitendo
Hitaji la Tabaka la Biashara Lililo Salama na Lililounganishwa
Katika mazungumzo na CIO na timu za mabadiliko, mada moja hujirudia. Biashara hazihitaji msaidizi mwingine anayejitegemea. Zinahitaji tabaka la tija lililo salama, linaloweza kukaguliwa, na lililounganishwa kwa kina ambalo linaunganisha programu, linalinda data, linaendana na utawala, na linaingiza AI katika mitiririko ya kazi bila kuyumbisha mifumo iliyopo.
Majukwaa yaliyojengwa kwa miunganisho ya kina, usanifu unaoweka faragha kwanza, na usimamizi wa kiwango cha biashara hubadilisha AI isiyodhibitiwa kutoka kuwa hatari hadi kuwa faida ya kimkakati. Yanatoa mfumo wa barabara uliobuniwa ambao Ferrari haikuwahi kuwa nao.
Hii ndiyo falsafa iliyo nyuma ya Dvina. Imeundwa si kama zana ya kazi au wakala aliyejitenga, bali kama tabaka la tija linalotambua mtiririko wa kazi linalounganisha programu, kulinda data nyeti, na kuwezesha timu kufikia mabadiliko ya kiwango cha mtiririko wa kazi bila kuacha udhibiti.
Tafakari ya Mwisho
Mustakabali ni wa Biashara Zinazojenga Barabara Sahihi
Biashara zitakazoshinda mpito wa AI hazitakuwa zile zenye modeli nyingi zaidi. Zitakuwa zile zinazojenga njia salama zaidi, zilizo wazi zaidi, na zinazoweza kubadilika zaidi kwa AI kufanya kazi.
Mitiririko ya kazi, utawala, na mtiririko wa data vinapolingana, AI huacha kuonekana kama injini ya majaribio na kuwa miundombinu halisi ya biashara.
Mustakabali si wa makampuni yenye injini za kasi zaidi. Ni wa yale yenye barabara imara zaidi.
