Under det senaste året hör jag samma uttalanden i möten, recensioner och arkitekturforum: 
 
 ”Vi gör AI.” ”Vi har en chatbot nu.” ”Vi har en agent.” ”Vi gör AI.” ”Vi har en chatbot nu.” ”Vi har en agent.” När jag tittar lite närmare, vad de flesta organisationer verkligen har är inte företag AI. Vanligtvis är det en chatbot, eller en sökassistent, eller en arbetsflödesautomation, eller ett RAG-system. Alla dessa är användbara. Jag har byggt många av dem själv. AI är inte en funktion, AI är inte en produkt. Vem är en ny Och i stora organisationer måste kapacitetsskikt vara arkitekterade. enterprise capability layer Det är precis vad Enterprise Architecture – och TOGAF i synnerhet – skapades för. Det verkliga problemet: AI utan arkitektur När jag arbetar med stora företag ser jag ett mycket bekant mönster som dyker upp. Teams bygger isolerade LLM-piloter inom affärsenheter. Olika grupper spinner upp sina egna vektordatabaser. Shadow AI-verktyg visas utanför styrningen. Det finns ingen konsekvent dataägarmodell, ingen säkerhetsarkitektur, ingen operativ modell och ingen allvarlig kostnadskontroll. Det är inte innovation. Detta är arkitekturskulden som skapas i realtid. Varför TOGAF passar AI så naturligt TOGAF var aldrig tänkt enbart för ”IT-projekt”, det var utformat för företagsomvandlingar, för att införa nya kapacitetslager, för att driva förändring mellan företag och för att genomdriva styrning i stor skala. AI är just den här typen av transformation. Vad Architecting AI med TOGAF egentligen betyder Innan någon modell väljs eller någon plattform tillhandahålls måste ledningen kunna förklara vilka affärsresultat AI är tänkt att driva, vilka beslut som förstärks eller automatiseras och varifrån hållbar fördel förväntas komma. Därifrån måste konversationen flytta till affärsarkitektur. Vilka affärsmöjligheter förändras? Vilka arbetsflöden kommer att omdesignas? Var måste människor stanna i slingan? Och vilka mätvärden kommer faktiskt att flytta? Om AI inte kartläggs till affärsmöjligheter, förblir det ett vetenskapligt experiment, inte ett företagssystem. Mycket snabbt dyker de svåra problemen upp i data- och applikationsarkitektur. Var är källan till sanningen? Vilka data matar utbildning, hämtning och funktionssystem? Hur tillämpas linjeform, kvalitet, integritet och efterlevnad? På applikationssidan, var integreras AI med kärnsystem? Var fungerar agenterna? Var lever beslutstjänsterna? Hur utlöser arbetsflöden åtgärder? Detta är där många AI-initiativ tyst bryts ner. Sedan kommer teknikarkitekturen, som är där de flesta organisationer spenderar sin tid – ofta för tidigt. modellstrategi, inferenslager, vektordatabaser, funktionsbutiker, orkestrering, observabilitet, GPU- och CPU-strategi och kostnadskontroller är alla viktiga. Efter det kommer det obehagliga men viktiga arbetet med migrering och implementering. Vilka möjligheter flyttar först? Hur undviker du big-bang misslyckanden? Hur samexisterar du med befintliga plattformar? Det är så AI blir verklig, inte bara imponerande i demos. Och sedan finns det styrning – vilket enligt min erfarenhet är där seriösa program antingen lyckas eller misslyckas. Säkerhet, dataskydd, åtkomstkontroll, revisionerbarhet, riskhantering och förklarbarhet är inte valfria i företag. Slutligen måste vi acceptera en enkel sanning: AI är inte ett projekt. Det är ett levande system. Modeller drifts. Data drifts. Kostnader drifts. Förmågor utvecklas. Detta kräver kontinuerlig arkitektonisk förvaltning, inte en engångsleverans. Vad folk kallar ”AI” vs vad det egentligen är Det finns fortfarande mycket förvirring på marknaden. Generativ AI är mestadels ett gränssnittslager. Beslut AI är där det ekonomiska värdet skapas. Agenter är operatörer som utför inom arbetsflöden. Om du bara har byggt ett GenAI-gränssnitt har du byggt en frontend - inte ett företagssystem. 10 000 fot utsikt Från höjden ser verklig företags AI mycket annorlunda ut. Du ser beslutsmotorer inbäddade i arbetsflöden, agenter som orkestrerar affärsprocesser, hämtning baserad på styrda data, funktionsbutiker som driver förutsägelser och observabilitet spårning av kostnad, noggrannhet, drift och risk. Detta är inte en samling av verktyg. . new digital nervous system Den enda frågan som verkligen spelar roll Om du bygger något och kallar det ”AI”, fråga dig själv en enkel fråga: Är detta ett verktyg eller är det en företagsförmåga? Om det inte kartlägger till företagsarkitektur, till affärsmöjligheter, till styrning och till en operativ modell, då är det inte företags AI-arkitektur. Sista tanken AI är den största företagsarkitekturskiftet sedan molnet. Om du inte närmar dig AI med TOGAF - eller åtminstone med samma nivå av arkitektonisk disciplin - kommer du nästan säkert att hamna med imponerande demos och bräckliga system. Enterprise Architecture, AI Strategy, Digital Transformation, Tekniskt ledarskap, TOGAF

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Det här ljudet är producerat på berättelsens originalspråk!

Företag har inget AI-problem, de har ett arkitekturproblem

About Author

KOMMENTARER

HÄNG TAGGAR

DENNA ARTIKEL PRESENTERAS I

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps