Il mercato è ufficialmente tre anni dopo ChatGPT e molti degli esperti hanno iniziato a usare parole come “bolla” per suggerire le ragioni per cui l’intelligenza artificiale generica non vede ritorni materiali al di fuori di una manciata di fornitori di tecnologia.
a settembre, Nanda con rapporto Ha fatto scalpore perché la frase che ogni scrittore e influencer ha colto è stata che il 95% di tutti i progetti pilota di intelligenza artificiale non sono riusciti a scalare o a fornire un ROI chiaro e misurabile. McKinsey Una tendenza simile era stata pubblicata in precedenza e mostra che l’intelligenza artificiale degli agenti sarà la via da seguire per consentire alle imprese di ottenere enormi vantaggi operativi. Ma giornale di Wall Street‘S Vertice del Consiglio tecnologicoI leader della tecnologia AI hanno suggerito ai CIO di smettere di preoccuparsi del ritorno sugli investimenti dell’AI perché i benefici sono difficili da misurare e, se ci provassero, le misurazioni sarebbero imprecise.
Ciò pone i leader tecnologici in una posizione precaria: che senso ha introdurre nuove tecnologie se forti risorse tecnologiche già sostengono le loro operazioni commerciali?
Per decenni, le strategie di implementazione hanno seguito una cadenza costante in cui gli operatori tecnologici evitavano di destabilizzare i flussi di lavoro critici per l’azienda per sostituire i singoli componenti nello stack tecnologico. Ad esempio, una tecnologia migliore o più economica non è utile se mette a repentaglio il ripristino di emergenza.
Sebbene il prezzo possa aumentare quando un nuovo acquirente rileva un middleware maturo, il costo derivante dalla perdita di parte dei dati aziendali perché si è nel bel mezzo della migrazione dell’azienda verso una nuova tecnologia è molto più grave che pagare un prezzo elevato per la tecnologia stabile su cui si gestisce la propria attività da 20 anni.
Quindi, come possono le aziende ottenere un ritorno sugli investimenti negli ultimi cambiamenti tecnologici?
Il primo principio dell’intelligenza artificiale: i tuoi dati sono il tuo valore
La maggior parte degli articoli sui dati di intelligenza artificiale si riferiscono ad attività di ingegneria per garantire che i modelli di intelligenza artificiale facciano inferenze rispetto ai dati aziendali presenti in repository che rappresentano realtà aziendali passate e presenti.,
Tuttavia, uno dei casi d’uso più diffusi nell’intelligenza artificiale aziendale inizia con l’induzione di un modello di intelligenza artificiale caricando file allegati al modello. Questo passaggio limita la portata del modello AI al contenuto dei file caricati, accelerando i tempi di risposta accurati e riducendo il numero di segnali necessari per ottenere la risposta migliore.
Questa strategia si basa sull’invio dei dati aziendali proprietari al modello AI, quindi ci sono due importanti considerazioni da fare parallelamente alla preparazione dei dati: in primo luogo, controllare i propri sistemi per una privacy adeguata; In secondo luogo, sviluppare una strategia di negoziazione deliberata con i fornitori di modelli che non possono far avanzare i loro modelli di frontiera senza avere accesso a dati non pubblici come i dati aziendali.
recentemente, antropico E OpenAI Conclusi accordi su larga scala con piattaforme e proprietari di dati aziendali perché non ci sono abbastanza dati primari di alto valore disponibili pubblicamente su Internet.
La maggior parte delle aziende darà automaticamente priorità alla privacy dei propri dati e progetterà flussi di lavoro aziendali per mantenere i segreti commerciali. Dal punto di vista del valore economico, soprattutto considerando quanto sia effettivamente costosa ciascuna chiamata API del modello, lo scambio dell’accesso selettivo ai dati con servizi o compensazioni di prezzo può essere la strategia giusta. Invece di considerare l’acquisto/l’onboarding del modello come una specifica pratica di fornitore/acquisto, pensa al potenziale per i tuoi fornitori di sfruttare il modello e ottenere vantaggi reciproci nell’adottare il modello nella propria attività.
Il secondo principio dell’intelligenza artificiale: noioso fin dalla progettazione
secondo le informazioni sono bellissimeSolo nel 2024 sono stati introdotti sul mercato 182 nuovi modelli di IA generativa. Quando GPT5 arriverà sul mercato nel 2025, molti modelli da 12 a 24 mesi fa non erano disponibili a meno che i clienti non minacciassero di annullare gli abbonamenti. I loro primi flussi di lavoro IA stabili erano basati su modelli che non funzionavano più. I loro fornitori di tecnologia pensavano che i clienti sarebbero stati entusiasti dei modelli più recenti e non si rendevano conto di quanta importanza attribuissero i flussi di lavoro aziendali alla coerenza. I videogiocatori sono felici di aggiornare le loro build personalizzate per tutta la durata dei componenti di sistema nelle loro piattaforme di gioco e aggiorneranno l’intero sistema solo per giocare a un titolo appena rilasciato.
Tuttavia, il comportamento non si traduce in operazioni di business run rate. Sebbene molti dipendenti utilizzino i modelli più recenti per l’elaborazione dei documenti o la preparazione dei contenuti, le operazioni di back-office non possono sostenere la sostituzione dello stack tecnologico tre volte a settimana per tenere il passo con gli ultimi modelli rilasciati. Il lavoro di back-office è noioso per definizione.
Le implementazioni di intelligenza artificiale di maggior successo si sono concentrate sull’implementazione dell’intelligenza artificiale su problemi aziendali specifici della propria attività, spesso in esecuzione in background per accelerare o migliorare attività banali ma essenziali. Sollevare il controllo legale o delle spese dal controllo incrociato manuale dei singoli rapporti, ma mantenere la decisione finale nell’area di responsabilità degli esseri umani, unisce il meglio di entrambi.
È importante sottolineare che nessuna di queste funzioni richiede aggiornamenti costanti agli ultimi modelli per fornire tale valore. Questa è anche un’area in cui separare il flusso di lavoro aziendale dall’utilizzo delle API del modello diretto può fornire ulteriore stabilità a lungo termine pur mantenendo le opzioni per aggiornare o aggiornare i motori sottostanti in base al ritmo della tua attività.
Il terzo principio dell’intelligenza artificiale: l’economia dei minivan
Il modo migliore per evitare l’economia inversa è progettare sistemi su misura per gli utenti piuttosto che per le specifiche e i parametri di riferimento del fornitore.
Troppe aziende continuano a cadere nella trappola dell’acquisto di nuove attrezzature o nuovi tipi di servizi cloud sulla base di nuovi benchmark guidati dai fornitori, piuttosto che iniziare il loro percorso verso l’intelligenza artificiale con una comprensione di ciò che la loro azienda può consumare, a quale ritmo, rispetto alle capacità implementate oggi.
Sebbene il marketing della Ferrari sia efficace e queste automobili siano davvero lussuose, corrono a velocità simili nelle zone scolastiche e non hanno abbastanza spazio nel bagagliaio per la spesa. Tieni presente che ogni server remoto e modello toccato dall’utente è progettato per garantire costi ed economia riconfigurando i flussi di lavoro per ridurre al minimo la spesa per servizi di terze parti.
Molte aziende hanno scoperto che i flussi di lavoro basati sull’intelligenza artificiale del supporto clienti aggiungono milioni di dollari di costi operativi e, in definitiva, aggiungono più tempi e costi di sviluppo per aggiornare l’implementazione delle previsioni OpEx. Nel frattempo, le aziende che hanno deciso che un sistema poteva funzionare a una velocità tale da essere letto da un essere umano – meno di 50 token al secondo – sono state in grado di implementare con successo applicazioni AI scalabili con un sovraccarico aggiuntivo minimo.
Ci sono molti aspetti di questa nuova tecnologia di automazione che devono essere analizzati: la guida migliore è iniziare in modo pragmatico, progettare con libertà nei componenti tecnologici sottostanti per evitare di interrompere applicazioni stabili a lungo termine e sfruttare il fatto che la tecnologia AI rende i dati aziendali preziosi per il progresso degli obiettivi dei fornitori di tecnologia.
Questo contenuto è stato prodotto da Intel. Non è stato scritto dalla redazione del MIT Technology Review.
