Mtego Uliofichika Unaochelewesha Matumizi ya AI katika Mashirika Makubwa

Matumizi ya AI katika Mashirika Makubwa

Muhammed Gider
Dakika 9 za kusoma • 

Matumizi ya AI katika mashirika makubwa yanaongezeka kwa kasi kuliko mabadiliko yoyote ya kiteknolojia katika historia ya karibuni. Kila mkutano wa uongozi hatimaye hufikia tarajio lilelile. AI lazima ilete thamani inayopimika katika shirika zima. Baada ya ChatGPT kutolewa, timu za uhandisi zilianza kutumia Copilot, wachambuzi wakaanza kutumia Perplexity, na timu za uendeshaji zikajaribu kufanya kazi kiotomatiki. Tija iliongezeka karibu mara moja.

Hata hivyo, miezi michache tu baadaye, kasi ya kuanza kutumia AI ilipungua. Miradi ya majaribio ikakwama. Faida inayopatikana kutokana na uwekezaji (ROI) ikawa si thabiti. Kupungua huku kwa kasi hakusababishwi na modeli dhaifu au ukosefu wa malengo makubwa miongoni mwa viongozi wakuu. Ni matokeo ya kutolingana kwa kimuundo kati ya uwezo wa AI na mazingira ya mashirika makubwa.

Hivi karibuni, nilisoma uchambuzi wa Caleb, mtayarishaji wa maudhui ambaye mara nyingi huchunguza masuala ya ndani ya mashirika yanayohusu kuanza kutumia AI. Mtazamo wake haukuleta dhana mpya, lakini uliweka wazi mvutano ambao viongozi wengi wa mashirika makubwa tayari wameuhisi. Ulieleza kwa nini AI hufanya vizuri katika matumizi mahususi yaliyojitenga, lakini hushindwa kuleta mabadiliko katika ngazi ya mfumo.

Kuanza kutumia AI hakutegemei uwezo wa modeli. Kunategemea ngazi ambayo AI inaingizwa katika shirika.

Kwa CIO, CTO, na viongozi wa mabadiliko wanaojiuliza kwa nini AI huvutia katika maonyesho lakini hukwama inapowekwa katika matumizi halisi, makala hii inaeleza vikwazo vilivyofichika na njia za kimkakati zinazohitajika ili matumizi ya AI yawe endelevu katika shirika zima.

Kutoka “Je, Tuanze Kutumia AI” hadi “Kwa Nini Matumizi Yanaenea Polepole Sana”

Miaka miwili iliyopita, mashirika makubwa yalijadili kama yalihitaji AI. Leo swali ni jinsi ya kuiunganisha katika shughuli zao kwa njia endelevu na salama. Wachambuzi wanatabiri kwamba sehemu kubwa ya kazi zinazozalishwa na mashirika huenda hivi karibuni ikazalishwa na AI. Kwa nadharia, hili linaonekana kuwa lisiloepukika. Kwa vitendo, athari bado zinatofautiana.

Timu za uhandisi zinafanya kazi kwa kasi zaidi, lakini utendaji wa kazi zinazohusisha idara mbalimbali unaboreka kwa kiwango kidogo sana. Timu za mauzo zinawasiliana na wateja watarajiwa kiotomatiki, lakini bado zinapoteza muda kufanya uratibu wenyewe. Timu za uendeshaji zinapata maarifa haraka, lakini zinalinganisha na kusawazisha data iliyotawanyika zenyewe.

Mashirika makubwa hayafanyi kazi kama mashine zinazofuata mfululizo mmoja wa hatua. Yanafanya kazi kama mifumo changamano inayoundwa na utawala, motisha, utamaduni, na teknolojia za zamani zinazoendelea kutumika. AI huongeza uchangamano huu badala ya kuupunguza.

Njia inayofaa ya kuelewa AI katika mashirika makubwa ni kuiangalia katika viwango vitatu vya ukomavu.

Kiwango cha 1. Kazi Zinazosaidiwa na AI

Zinafaa lakini Kimsingi Zina Mipaka

Hapa ndipo mashirika mengi huanzia. Wafanyakazi hutumia AI zalishi kwa utafiti, kufupisha taarifa, kupata mapendekezo ya kuandika msimbo, na kuunda maudhui. Zana hizi hutoa manufaa mara moja.

Lakini kuharakisha kazi si sawa na kubadili mtiririko wa kazi. Michakato inayoizunguka—uidhinishaji, makabidhiano, na ngazi za utoaji wa taarifa—hubaki vilevile. Kwa hiyo, kasi ya utendaji wa shirika haiongezeki sana.

Kasi ya kazi si sawa na kasi ya shirika.

Hatua hii huonekana salama kwa sababu haihitaji marekebisho ya kimuundo. Lakini muundo wake unaweka kikomo kwa faida ya uwekezaji (ROI) ya muda mrefu.

Kiwango cha 2. Mitiririko ya Kazi ya Kiajenti

Uwezo Mkubwa na Upinzani Mkubwa

AI ya kiajenti hutekeleza mitiririko ya kazi yenye hatua nyingi kwa kujitegemea. Ajenti hubadilisha faili, hukagua matokeo, husimamia kazi, au huratibu shughuli. Inaahidi manufaa makubwa sana.

Lakini kiwango cha matumizi yake si kikubwa hivyo.

Kikwazo si uwezo wa kiufundi, bali utayari wa shirika. Mifumo ya kiajenti inahitaji kuaminiwa, kusimamiwa, kuwa na utawala bora, na utayari wa kukubali kazi kufanywa kiotomatiki. Inavuruga ngazi za mamlaka zilizopo na taratibu za uzingatiaji wa kanuni. Inaleta hatari za kiutendaji zisizozoeleka.

Kwa hiyo, zana nyingi za kiajenti hurudi nyuma na kuwa wasaidizi wenye uwezo mdogo wa kujitegemea, wanaofanya kazi ndani ya mipaka salama pekee.

Mashirika hayakatai uwezo wa kujitegemea kwa sababu ya hofu. Yanaukataa kwa sababu hauwiani na namna yanavyofanya kazi.

Kiwango cha 3. Mifumo Iliyoundwa kwa Msingi wa AI

Faida ya Muda Mrefu

Mifumo iliyoundwa kwa msingi wa AI inawakilisha kiwango cha juu zaidi cha ukomavu. Hubuniwa kwa kuzingatia ushiriki wa AI tangu mwanzo. Badala ya kurekebisha mitiririko ya kazi iliyoboreshwa kwa ajili ya binadamu, mashirika hujenga miundo mipya ya uendeshaji ambamo AI huratibu mtiririko wa data, mfuatano wa maamuzi, na mpangilio wa kasi ya kazi.

Hili huwezesha shughuli zinazoendeshwa kwa kutegemea utabiri, hupunguza vikwazo vinavyochelewesha kazi, na kuwezesha kufanya maamuzi mfululizo.

Kizingiti ni kikubwa. Lakini faida ya muda mrefu inazidi kwa mbali manufaa ya maboresho ya hatua kwa hatua.

Hata hivyo, safari ya kuelekea mifumo iliyoundwa kwa msingi wa AI ni ndefu. Hatari halisi hujitokeza katika kipindi cha mpito.

Tatizo la Ferrari

AI Isiyosimamiwa ni Tishio Lenye Uwezo Mkubwa wa Utendaji

Caleb alitumia sitiari yenye uzito mkubwa zaidi katika muktadha wa mashirika. Kuwapa wafanyakazi ufikiaji wa zana za AI zenye uwezo mkubwa kama ChatGPT au Copilot si kuwapa Ferrari tu.

Ni sawa na kuwapa Ferrari bila mafunzo, bila sheria za barabarani, bila bima, na bila uwezo wa kuona gari hilo litaelekea wapi hasa.

Injini yake ni ya kipekee. Lakini katika mazingira changamani ya shirika kubwa, yenye data nyeti, masharti ya uzingatiaji wa kanuni, na mifumo ya zamani, kiwango hiki cha nguvu zisizodhibitiwa ni tishio la kimuundo.

AI isiyowekewa kanuni husababisha uvujaji wa data usiokusudiwa, matumizi ya mifumo ya IT isiyoidhinishwa, matokeo yasiyoweza kuthibitishwa, data zinazoingizwa kwenye modeli bila udhibiti, na kupotea kabisa kwa uwezo wa kufanya ukaguzi.

Ferrari haiendi kwa kasi tu. Inaelekea katika mielekeo ambayo shirika haliwezi kuona.

Hadi michakato ya kazi, mipaka ya utawala, tabaka za uthibitishaji, na usanifu wa uunganishaji wa mifumo vitakapojengwa upya, AI isiyosimamiwa itaendelea kuwa mzigo wa hatari, si rasilimali.

Kwa Nini Ukubwa wa Shirika Huleta Msuguano Katika Mfumo Mzima

Kadiri mashirika yanavyokua, uchangamani wa uratibu hukua kwa kasi zaidi. Kuongeza ukubwa wa timu mara mbili hakuongezi uchangamani mara mbili tu. Huuzidisha.

AI huboresha utendaji wa mtu mmoja mmoja. Lakini mashirika makubwa hufanya kazi katika kiwango cha mtandao. Kutolingana huku humeza sehemu kubwa ya athari zake.

Utafiti unaonyesha ukweli mmoja wa msingi.

AI hukuza kile ambacho tayari kipo. Palipo na uwiano, kasi huongezeka. Palipo na mgawanyiko, mfumo husambaratika.

Bila michakato ya kazi na utawala kubuniwa upya, AI huleta maboresho ya sehemu moja moja badala ya mabadiliko katika mfumo mzima.

Uhalisia wa Mashirika Makubwa

Usalama, Uaminifu, Hatari Zinazohusiana na Data, na Upinzani wa Ndani

Kabla mashirika makubwa hayajalenga mifumo inayofanya kazi kwa kujitegemea au michakato ya kazi iliyojengwa kwa msingi wa AI, hukabiliwa na vikwazo visivyoepukika.

Masharti ya usalama hayaruhusu kulegeza mipaka ya data au masharti ya uzingatiaji wa kanuni.
Kutotegemewa kwa LLM kunasababisha kusita kwa sababu taarifa za kubuni zinazotolewa na modeli haziwezi kuvumiliwa.
Matumizi ya IT isiyoidhinishwa hujitokeza zana rasmi zinaposhindwa kwenda sambamba na mahitaji ya wafanyakazi.
Data za kimkakati na za kibinafsi huleta hatari za kisheria na za kuharibu sifa.
Ukosefu wa utawala wa pamoja kutoka kitovu kimoja huleta kutokuwa na uhakika kuhusu uthibitishaji na usimamizi.

Hizi si ishara za kushikilia mazoea ya zamani.
Ni ishara za uwajibikaji wa kitaasisi.

Kuanza kutumia AI hushika kasi tu misingi hii inapoheshimiwa.

Pengo Halisi la Soko

Si Kila Mchakato wa Kazi Unaohitaji Kubuniwa Upya

Baadhi ya simulizi kuhusu AI hudhani kwamba wafanyakazi wanataka kazi zifanywe kiotomatiki. Kwa uhalisia, michakato mingi ya kazi hubaki thabiti kwa sababu inaonekana kutabirika na kuwa salama ndani ya utamaduni wa shirika.

Fursa halisi iko kwingine.
Kuhamisha data kwa mikono.
Kuandika nyaraka zilezile mara kwa mara.
Kubadilisha muktadha wa kazi.
Majukwaa yaliyotengwa.
Mitiririko ya kazi isiyounganishwa.

Vikwazo hivi hupunguza tija kimyakimya.

Ondoa vikwazo visivyoonekana, na matumizi yataanza kwa urahisi.

Hatua za Kivitendo kwa Mabadiliko Endelevu ya Biashara

Biashara zinazofanikiwa zina mbinu zinazofanana.

Kagua mitiririko ya kazi kwa kina.
Anzisha utendaji wa kujitegemea hatua kwa hatua, chini ya uangalizi.
Buni upya majukumu kabla ya kubuni upya teknolojia.
Anza katika maeneo yenye vikwazo vichache vinavyotokana na mifumo ya zamani.
Pima kasi ya maendeleo ya shirika, si kasi ya kutekeleza kazi.

Hatua hizi zinaonekana rahisi. Athari zake hukua kwa kasi ya kipeo.

Tafakari ya Mwisho kwa Viongozi wa Biashara

Kuanza kutumia AI katika biashara si changamoto ya modeli. Ni changamoto ya muundo na utamaduni wa shirika. Mashirika mengi bado yamekwama kwenye maboresho ya kazi moja moja 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 katika biashara.

AI huimarisha mashirika yanayofanya kazi kwa uwiano na huzidisha mgawanyiko wa yale yaliyogawanyika. Imarisha msingi kwanza. Kisha panua.

Dokezo la Kivitendo

Hitaji la Tabaka Salama na Lililounganishwa kwa Biashara

Katika mazungumzo na CIOs na timu za mabadiliko, hoja moja hujirudia. Biashara hazihitaji msaidizi mwingine anayefanya kazi peke yake. Zinahitaji tabaka la tija lililo salama, linaloweza kukaguliwa na lililounganishwa kwa kina, ambalo linaunganisha programu, linalinda data, linaendana na taratibu za usimamizi, na kuingiza AI katika mitiririko ya kazi bila kuyumbisha mifumo iliyopo.

Majukwaa yaliyojengwa kwa miunganisho ya kina, usanifu unaotanguliza faragha, na uangalizi unaokidhi viwango vya biashara hugeuza AI isiyosimamiwa kutoka hatari kuwa faida ya kimkakati. Yanatoa mfumo wa barabara uliobuniwa kitaalamu ambao Ferrari haikuwahi kuwa nao.

Hii ndiyo falsafa ya Dvina. Imeundwa si kama zana ya kutekeleza kazi au wakala anayefanya kazi peke yake, bali kama tabaka la tija linaloelewa mitiririko ya kazi, linalounganisha programu, kulinda data nyeti, na kuwezesha timu kufikia mabadiliko katika kiwango cha mtiririko wa kazi bila kupoteza udhibiti.

Tafakari ya Mwisho

Mustakabali ni wa Biashara Zinazojenga Barabara Sahihi

Biashara zitakazofanikiwa katika mpito wa AI hazitakuwa zile zenye modeli nyingi zaidi. Zitakuwa zile zinazojenga njia salama zaidi, zilizo wazi zaidi, na zinazoweza kubadilika zaidi ili AI ifanye kazi.

Mitiririko ya kazi, taratibu za usimamizi, na mitiririko ya data vinapofanya kazi kwa uwiano, AI huacha kufanya kazi 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.

Tazama Video ya Marejeo

Jiunge na Dvina

Jisajili bila malipo na uweke zana zako zote katika sehemu moja rahisi ya kufanyia kazi.

Gundua zaidi