Có một khoảng cách ngày càng mở rộng trong công nghệ doanh nghiệp đang lặng lẽ làm suy yếu hàng tỷ đô la đầu tư AI. Một mặt, khả năng AI đang tiến bộ nhanh hơn hầu hết các tổ chức có thể theo dõi. Mặt khác, hầu hết các doanh nghiệp vẫn đang đấu tranh để hiển thị lợi nhuận có ý nghĩa từ đầu tư AI của họ. Giữa hai thực tế này nằm những gì tôi gọi là khoảng cách thực hiện - sự mất kết nối cấu trúc giữa khả năng AI được thể hiện trên lớp mô hình và kết quả chuyển đổi doanh nghiệp có thể đo lường được thực hiện trên dòng công việc và lớp quyết định. Sau khi dẫn đầu các chương trình chuyển đổi AI trên các dịch vụ tài chính, chăm sóc sức khỏe và thực hiện M&A trong 14 năm, tôi đã quan sát mô hình này nhiều lần: khả năng AI ấn tượng không thể dịch thành giá trị kinh doanh bền vững do sự mất kết nối có hệ thống giữa cách các hệ thống AI được xây dựng và cách các doanh nghiệp thực sự đưa ra quyết định, hấp thụ sự thay đổi và đo lường giá trị. Why Capability Does Not Equal Outcome Tại sao năng lực không bằng kết quả Các mô hình nền tảng hiện đại có thể tóm tắt các tài liệu pháp lý, tạo ra mã sẵn sàng sản xuất và lý luận thông qua các kịch bản chuỗi cung ứng phức tạp với độ chính xác đáng kể.Nhưng hầu hết các doanh nghiệp triển khai các khả năng này thấy tỷ lệ áp dụng dưới 30% trong năm đầu tiên. Vấn đề cốt lõi là khả năng AI được cung cấp ở lớp mô hình, nhưng giá trị được thực hiện ở lớp dòng công việc. Một mô hình ngôn ngữ có thể soạn thảo các điều khoản hợp đồng là ấn tượng trong một bản demo.Nhưng nếu quá trình phê duyệt của nhóm pháp lý chạy thông qua một hệ thống quản lý tài liệu truyền thống, nếu từ điển kinh doanh không nhất quán trên các bộ phận, và nếu không có cơ chế để xác nhận đầu ra AI trước khi chúng đi vào đường ống tuân thủ, khả năng của mô hình trở nên không liên quan. Chúng tôi đã triển khai các đại lý AI tự trị có thể giảm thời gian nghiên cứu tiềm năng bằng 95%, một thành tựu kỹ thuật phi thường.Nhưng bước đột phá thực sự đã đến khi chúng tôi xây dựng hệ thống quyết định hoàn chỉnh: tích hợp AI có thể giải thích được với các điều khiển quản trị, phân tích thời gian thực và các dòng công việc của các bên liên quan hiện có.Phương pháp toàn diện đó đã tăng tốc thời gian thực hiện M&A của chúng tôi bằng 70%, chính xác vì chúng tôi giải quyết khoảng cách thực hiện chứ không chỉ là khả năng mô hình. The Three Layers of the Execution Gap Ba tầng của khoảng cách thực thi Sau khi phân tích hàng chục triển khai AI trên các công ty Fortune 500, tôi đã xác định rằng khoảng cách thực hiện hoạt động trên ba lớp cùng một lúc. Layer 1: Process Fidelity Các doanh nghiệp chạy trên các quy trình đã phát triển qua nhiều năm, mang kiến thức thể chế, hạn chế quy định và logic xử lý ngoại lệ không tồn tại ở bất kỳ tài liệu nào. Trong khi triển khai các nền tảng phân tích trên 32 hệ thống chăm sóc sức khỏe, tôi phát hiện ra rằng “phản hồi bệnh nhân” được định nghĩa theo chín cách khác nhau trên các cơ sở, mỗi cách phản ánh các lời kêu gọi phán xét lâm sàng hợp pháp nhưng không có giấy tờ. Các nhà lãnh đạo sản phẩm cần phải dẫn dắt các nỗ lực khảo cổ học quá trình trước khi triển khai bất kỳ mô hình nào: che giấu người dùng cuối để hiểu các quy trình làm việc thực tế, lập bản đồ xử lý ngoại lệ, xác định các điểm kiểm soát quy định và tài liệu kiến thức thể chế chỉ tồn tại trong đầu các học viên. Layer 2: Data Coherence Hầu hết các dự án AI doanh nghiệp đánh giá thấp mức độ mà các đường ống đào tạo và kết luận của họ phụ thuộc vào dữ liệu được dán nhãn không nhất quán, được phân loại trên các bộ phận hoặc được quản lý bởi các chính sách thay đổi. Tôi đã thấy các dự án AI trị giá 4 triệu đô la bị đình trệ trong tám tháng bởi vì hai đơn vị kinh doanh sử dụng các định nghĩa khác nhau cho cùng một thuộc tính khách hàng.Trong một triển khai dịch vụ tài chính, những gì nhóm rủi ro gọi là “phát hiện” cơ bản khác với những gì bàn giao dịch có nghĩa là cùng một thuật ngữ. Các nhà lãnh đạo sản phẩm phải đối xử với tính nhất quán dữ liệu như một vấn đề sản phẩm, không phải là một vấn đề cơ sở hạ tầng. Giải quyết nó đòi hỏi các hội thảo dữ liệu đa chức năng, quản trị nhẹ tập trung vào các thuộc tính có tác động cao đầu tiên, và bảng điều khiển chất lượng dữ liệu tự động làm cho sự không nhất quán trở nên hiển thị cho các bên liên quan. Trong các nền tảng tạo ra 60 triệu đô la trong tiết kiệm hàng năm thông qua phân tích lực lượng lao động, tính nhất quán dữ liệu tiêu thụ 40% nỗ lực sản phẩm. Layer 3: Change Readiness Việc triển khai một tính năng AI cho những người dùng cuối cùng không tin tưởng nó, không hiểu nó, hoặc có chỉ số hiệu suất không thưởng cho việc sử dụng nó đúng cách là một công thức cho hàng rào. Chúng tôi đã xây dựng các mô hình học máy để dự đoán giá trị hợp tác được tinh vi về mặt kỹ thuật và có thể chứng minh là chính xác. Nhưng việc áp dụng là khó khăn cho đến khi chúng tôi thực hiện “các lớp giải thích” cho thấy các nhóm giao dịch chính xác những gì so sánh lịch sử ảnh hưởng đến từng dự đoán và cho phép họ điều chỉnh các giả định. Sự sẵn sàng thay đổi đòi hỏi việc ra quyết định AI minh bạch với các lời giải thích rõ ràng, khả năng vượt trội của người dùng để duy trì sự phán xét của chuyên gia và xây dựng sự tin tưởng, cấu trúc khuyến khích phù hợp và triển khai tiến bộ. What Bridging the Gap Actually Looks Like Làm thế nào để cầu nối khoảng cách thực sự trông như thế nào Các nhà lãnh đạo sản phẩm liên tục thu hẹp khoảng cách thực hiện chia sẻ một số thực tiễn. Bắt đầu với kết quả, không phải khả năng Thay vì bắt đầu với “làm thế nào chúng tôi sử dụng LLM trong quy trình xử lý khiếu nại của chúng tôi”, họ bắt đầu với “giảm 15% thời gian chu kỳ khiếu nại đòi hỏi gì, và AI có đòn bẩy cao nhất ở đâu trong chuỗi đó?” Khi tôi tiến hành khám phá cho các sáng kiến sản phẩm AI mới, tôi dành 30 ngày đầu tiên để lập bản đồ các số liệu kết quả và chỉ sau đó xác định nơi khả năng AI có thể di chuyển các số liệu đó. Architect for Human-AI Collaboration Một nhà phân tích gian lận sử dụng một AI co-pilot và có thể bỏ qua các khuyến nghị của nó tạo ra các tín hiệu hữu ích hơn nhiều so với một hệ thống tự động hoàn toàn không bao giờ bề mặt sự không chắc chắn của nó. Các quyết định bỏ qua trở thành dữ liệu đào tạo. Các trường hợp cạnh trở thành cải tiến sản phẩm. Người dùng trở thành một người ủng hộ chứ không phải là một đối thủ. Instrument Everything Các nhà lãnh đạo sản phẩm đóng cửa cơ sở hạ tầng đo lường khoảng cách xây dựng từ ngày đầu tiên, theo dõi không chỉ các số liệu chính xác mô hình mà còn thông lượng dòng công việc, tỷ lệ người dùng bỏ qua, thời gian đưa ra quyết định, tỷ lệ lỗi tiếp theo và tốc độ áp dụng. thông qua thử nghiệm A / B có hệ thống, thường xuyên thực hiện 10+ thí nghiệm đồng thời, tôi đã học được rằng công cụ là về sự hiểu biết nơi khoảng cách thực hiện tồn tại và lặp đi lặp lại một cách nhanh chóng để đóng nó. A Case Study Một nghiên cứu trường hợp Một công ty dịch vụ tài chính Fortune 100 cần phải đẩy nhanh việc thực hiện thỏa thuận M&A trong khi duy trì các tiêu chuẩn nghiêm ngặt về due diligence. Cách tiếp cận nhận thức khoảng cách thực hiện: Chúng tôi đã lập bản đồ dòng công việc quyết định thực tế trên 8 nhóm bên liên quan, xác định 23 điểm quyết định quan trọng nơi AI có thể tăng cường phán đoán của chuyên gia. Chúng tôi đã xây dựng thỏa thuận đa chức năng trên 12 chỉ số cốt lõi cần định nghĩa nhất quán. Kết quả: giảm 70% thời gian thực hiện.Các đại lý AI đã giảm 95% thời gian nghiên cứu tiềm năng và tăng khả năng tiếp cận 5 lần.Nhưng kết quả chuyển đổi đến từ việc kiến trúc hệ thống quyết định hoàn chỉnh, tích hợp các khả năng đó vào các luồng công việc đáng tin cậy, được quản lý, có thể giải thích mà các giám đốc điều hành thực sự sẽ sử dụng cho các quyết định trị giá hàng tỷ đô la. A Forward-Looking Perspective Một cái nhìn về phía trước Các doanh nghiệp sẽ giành chiến thắng trong thời đại AI không nhất thiết phải là những doanh nghiệp có các mô hình tiên tiến nhất. Khi các hệ thống AI đại lý trở nên có khả năng và tự trị hơn, khoảng cách thực hiện sẽ trở nên rộng hơn đối với các tổ chức chưa xây dựng kỷ luật cơ bản được mô tả ở trên. Các đại lý tự trị đưa ra quyết định nhanh hơn các tổ chức có thể xác nhận. AI đa phương tiện tích hợp các loại dữ liệu mà các khuôn khổ quản trị hiện có chưa bao giờ dự đoán. Các tổ chức chưa giải quyết sự trung thực của quy trình, tính nhất quán dữ liệu và sự sẵn sàng thay đổi với tốc độ của con người sẽ thấy mình hoàn toàn không thể hoạt động với tốc độ AI. Vai trò của nhà lãnh đạo sản phẩm trong môi trường này là chiến lược gia phần, nhân chủng học phần tổ chức và kỹ sư hệ thống phần. Nó đòi hỏi khả năng giữ một tầm nhìn chuyển đổi lâu dài trong khi đưa ra quyết định chính xác, tần số cao về nơi triển khai sự chú ý tổ chức hạn chế. Đóng cửa khoảng cách thực hiện không phải là một thành tựu duy nhất. đó là một kỷ luật liên tục, và các tổ chức coi nó như vậy là những người xây dựng lợi thế cạnh tranh bền vững thông qua AI.

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

Read My Stories

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

The Execution Gap: Làm thế nào các nhà lãnh đạo sản phẩm kết nối khả năng AI và kết quả chuyển đổi doanh nghiệp

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

72 Stories To Learn About Adam Smith

223 Stories To Learn About Science

147 Stories To Learn About Reading Books Online

179 Stories To Learn About Reading

72 Stories To Learn About Adam Smith

223 Stories To Learn About Science

147 Stories To Learn About Reading Books Online

179 Stories To Learn About Reading

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps