Przewodnik dla kadry kierowniczej dotyczący inwestowania w sztuczną inteligencję: Zrozumienie propozycji wartości w 2025 r.

W miarę jak trendy inwestycyjne w AI ewoluują dalej w 2025 roku, dyrektorzy stają w obliczu rosnącej presji, by podejmować strategiczne decyzje dotyczące wdrożeń sztucznej inteligencji. Wraz z szybkim przyjęciem narzędzi AI przez firmy - 22% wdraża je na szeroką skalę, a 33% korzysta z nich w ograniczonym zakresie - zrozumienie, jak oceniać i wdrażać rozwiązania AI, stało się kluczowe dla utrzymania przewagi konkurencyjnej. W książce "The Executive Guide to Artificial Intelligence" autorstwa Andrew Burgessa, autor przedstawił kompleksowy przewodnik dla dyrektorów firm, którzy chcą zrozumieć i wdrożyć rozwiązania sztucznej inteligencji w swoich organizacjach.

Książka ta została opublikowana w 2017 roku przez Springer International Publishing i zawiera praktyczny przegląd tego, w jaki sposób firmy mogą wykorzystać sztuczną inteligencję. Co się dziś zmieniło?

Obecne trendy inwestycyjne w AI 2025

Rynek sztucznej inteligencji przeżywa bezprecedensowy wzrost, a organizacje dokonują coraz większych inwestycji, aby pozostać konkurencyjnymi.

Podstawy:

Burgess podkreślił, jak ważne jest rozpoczęcie od zdefiniowania jasnych celów dostosowanych do strategii biznesowej, która to zasada pozostaje aktualna do dziś. W książce zidentyfikował osiem podstawowych możliwości sztucznej inteligencji:

1. Rozpoznawanie obrazów
2. Rozpoznawanie mowy
3. Search i information extraction
4. Clustering
5. Natural Language Understanding
6. Optymalizacja
7. Prediction
8. Understanding (dziś)

Ewolucja od 2018 do 2025 roku:

Od czasu napisania tej książki sztuczna inteligencja przeszła od technologii wschodzącej do technologii głównego nurtu. Zdolność "rozumienia", którą Burgess uważał za futurystyczną, odnotowała znaczący postęp wraz z pojawieniem się dużych modeli językowych (LLM) i generatywnych technologii sztucznej inteligencji, które nie pojawiły się jeszcze w 2018 roku.

framework strategiczny dla decyzji inwestycyjnych w AI

Cztery podstawowe pytania

Przy ocenie inwestycji w sztuczną inteligencję kluczowe jest skupienie się na tych krytycznych pytaniach:

1. Definicja problemu biznesowego
2. Wskaźniki sukcesu
3. Wymagania dotyczące wdrożenia
4. Ocena ryzyka

Uwaga: Ten framework czterech pytań pochodzi z aktualnej wiedzy i nie jest wyraźnie przedstawiony w książce Burgessa.

Budowanie skutecznej strategii AI

Ramy adopcyjne:

Burgess proponuje szczegółowe ramy tworzenia strategii AI, które obejmują:

1. Dopasowanie do strategii biznesowej - Zrozumienie, jak AI może wspierać istniejące cele biznesowe
2. Zrozumienie ambicji AI - Określenie, czy chce się:
3. • Ulepszyć istniejące procesy
   • Przekształcić funkcje biznesowe
   • Stworzyć nowe usługi/produkty
3. Ocena dojrzałości AI - Określenie aktualnego poziomu dojrzałości organizacji w skali od 0 do 5:
4. • Przetwarzanie ręczne (Poziom 0)
   • Tradycyjna automatyzacja IT (Poziom 1)
   • Podstawowa automatyzacja izolowana (Poziom 2)
   • Taktyczne wdrożenie narzędzi automatyzacji (Poziom 3)
   • Taktyczne wdrożenie różnych technologii automatyzacji (Poziom 4)
   • Strategiczna automatyzacja end-to-end (Poziom 5)
4. Stworzenie mapy cieplnej AI - Identyfikacja obszarów o największych możliwościach
5. Opracowanie uzasadnienia biznesowego - Ocena korzyści "twardych" i "miękkich"
6. Zarządzanie zmianą - Zaplanowanie, jak organizacja się dostosuje
7. Opracowanie mapy drogowej AI - Stworzenie planu średnio-długoterminowego

Ewolucja od 2018 do 2025 roku:

Ramy Burgessa pozostają dziś zaskakująco aktualne, ale należy je uzupełnić o rozważania dotyczące:

• Etyka AI i regulacje (jak EU AI Act)
• Zrównoważony rozwój środowiskowy AI
• Strategie odpowiedzialnej AI
• Integracja z technologiami wschodzącymi, takimi jak quantum computing

Mierzenie zwrotu z inwestycji w sztuczną inteligencję

Czynniki decydujące o zwrocie z inwestycji:

Burgess identyfikuje różne rodzaje korzyści płynących ze sztucznej inteligencji, podzielone na "twarde" i "miękkie":

Korzyści twarde:

• Redukcja kosztów
• Unikanie kosztów
• Satysfakcja klienta
• Zgodność
• Mitygacja ryzyka
• Mitygacja strat
• Mitygacja utraty przychodów
• Generowanie przychodów

Korzyści miękkie:

• Zmiana kulturowa
• Przewaga konkurencyjna
• Efekt halo
• Umożliwienie innych korzyści
• Umożliwienie transformacji cyfrowej

Pomiar zwrotu z inwestycji w sztuczną inteligencję stał się bardziej wyrafinowany, z konkretnymi ramami do oceny wpływu generatywnej sztucznej inteligencji, które nie istniały, gdy Burgess pisał książkę.

Techniczne podejścia do wdrażania sztucznej inteligencji

Rodzaje rozwiązań:

Burgess przedstawił trzy główne podejścia do wdrażania sztucznej inteligencji:

1. Gotowe oprogramowanie AI - Rozwiązania gotowe do użycia
2. Platformy AI - Dostarczane przez duże firmy technologiczne
3. Niestandardowy rozwój AI - Rozwiązania szyte na miarę

Jako pierwsze kroki zasugerował rozważenie:

• Proof of Concept (PoC)
• Prototypy
• Minimum Viable Product (MVP)
• Riskiest Assumption Test (RAT)
• Pilot

Co się zmieniło:

Od 2018 roku byliśmy świadkami:

• demokratyzacja narzędzi AI dzięki rozwiązaniom no-code/low-code
• Dramatyczna poprawa platform chmurowych AI
• Wzrost generatywnej AI i modeli takich jak GPT, DALL-E itd.
• Wzrost rozwiązań AutoML automatyzujących część procesu data science

Uwzględnienie ryzyka i wyzwań

Ryzyko związane ze sztuczną inteligencją:

Burgess poświęcił cały rozdział zagrożeniom związanym ze sztuczną inteligencją, wskazując:

1. Jakość danych
2. Brak przejrzystości - "Czarnoskrzynkowa" natura algorytmów
3. Niezamierzone uprzedzenia
4. Naiwność AI - Ograniczenia zrozumienia kontekstowego
5. Nadmierna zależność od AI
6. Wybór niewłaściwej technologii
7. Działania złośliwe

Ewolucja od 2018 do 2025 roku:

Od momentu napisania książki:

• Obawy dotyczące uprzedzeń algorytmicznych stały się kwestią krytyczną (oczekuje na pogłębienie)
• Bezpieczeństwo AI stało się kluczowe wraz ze wzrostem zagrożeń
• Regulacja AI wyłoniła się jako kluczowy czynnik
• Ryzyka deepfake'ów i dezinformacji generatywnej AI stały się istotne
• Obawy dotyczące prywatności wzrosły wraz z bardziej powszechnym stosowaniem AI

Tworzenie skutecznej organizacji IA

Z książki Burgess (2018):

zaproponował Burgess:

• Budowanie ekosystemu AI z dostawcami i partnerami
• Ustanowienie Centrum Doskonałości (CoE) z dedykowanymi zespołami
• Rozważenie ról takich jak Chief Data Officer (CDO) lub Chief Automation Officer (CAO)

Ewolucja od 2018 do 2025 roku:

Od tego czasu:

• Rola Chief AI Officer (CAIO) stała się powszechna
• AI jest teraz często zintegrowana w całej organizacji zamiast być izolowana w CoE
• Demokratyzacja AI doprowadziła do bardziej rozproszonych modeli operacyjnych
• Wyłoniło się znaczenie alfabetyzacji AI dla wszystkich pracowników

Wnioski

Z książki Burgess (2018):

Burgess podsumował znaczenie

• Nie wierzyć w hype, ale skupić się na rzeczywistych problemach biznesowych
• Rozpocząć drogę AI jak najszybciej
• Zabezpieczyć firmę na przyszłość poprzez zrozumienie AI
• Przyjąć zrównoważone podejście między optymizmem a realizmem

Ewolucja od 2018 do 2025 roku:

Wezwanie Burgessa "nie wierz w szum" pozostaje niezwykle aktualne w 2025 roku, zwłaszcza w obliczu nadmiernego szumu wokół generatywnej sztucznej inteligencji. Jednak szybkość wdrażania sztucznej inteligencji stała się jeszcze bardziej krytyczna, a firmy, które jeszcze nie rozpoczęły swojej podróży w kierunku AI, znajdują się teraz w znacznie gorszej sytuacji niż te, które zastosowały się do rady Burgessa, aby zacząć wcześnie (w 2018 roku!).

Krajobraz sztucznej inteligencji w 2025 roku jest bardziej złożony, dojrzały i bardziej zintegrowany ze strategią biznesową, niż można było przewidzieć w 2018 roku, ale podstawowe zasady strategicznego dostosowania, tworzenia wartości i zarządzania ryzykiem, które nakreślił Burgess, pozostają zaskakująco aktualne.