Проблемы демонстрации рентабельности инвестиций в искусственный интеллект в австралийских организациях

В стремительно развивающемся ландшафте искусственного интеллекта австралийские организации оказались на критическом этапе.

Потенциал значительных финансовых выгод, связанных с ИИ, очевиден, и некоторые отчеты показывают, что принятие портфеля ИИ может привести к более чем 100 миллионам долларов США в приросте EBITDA. Но путь к реализации ROI полон трудностей.

Около 85% корпоративных развертываний ИИ не оправдывают своих обещаний бизнесу. Высокий процент неудач ИИ — превосходящий даже печально известные трудности прошлых попыток цифровой трансформации — подчеркивает сопутствующие риски.

Если внедрение ИИ терпит неудачу, последствия могут быть катастрофическими. Австралия является примером рисков, связанных с ИИ, о чем свидетельствует скандал «Рободолг», который стал настолько вредным для австралийцев, что для его расследования была созвана Королевская комиссия.

Аналитик Gartner дает совет

Хотя многие воодушевлены возможностями, которые предлагает ИИ, отчеты показывают, что 80% австралийцев глубоко обеспокоены рисками, которые несет ИИ, и считают, что эти риски следует считать «глобальным приоритетом».

Тем не менее, несмотря на риски и социальную нерешительность, ИТ-директора вкладывают деньги в проекты в области ИИ — исследование KPMG показало, что более половины австралийских компаний вкладывают 10–20% своего бюджета в ИИ.

Это только увеличивает давление на CIO и ИТ-команду, чтобы гарантировать, что проекты ИИ продемонстрируют ценность. Организации, которые хотят, чтобы ИИ стал долгосрочной инвестиционной возможностью, должны преодолеть опасения по поводу рисков. Исследования Gartner показывают, что оценка и демонстрация бизнес-ценности являются самым большим препятствием для проектов ИИ.

Нейт Суда, старший директор-аналитик Gartner по финансовым технологиям, стоимости и рискам, рассказал TechRepublic, что проблемы, с которыми сталкиваются многие организации при формулировании ценности ИИ, включают управление затратами, преимущества в производительности и стратегические подходы, необходимые для того, чтобы инвестиции в ИИ превратились в ощутимую бизнес-ценность.

Понимание динамики затрат

Управление расходами является основным препятствием при внедрении ИИ. В отличие от традиционных поисковых систем, где расходы минимальны, генеративный ИИ влечет за собой существенные расходы из-за своей интерактивной природы.

Пользователи часто участвуют в нескольких обменах для уточнения ответов, что экспоненциально увеличивает расходы. Каждое взаимодействие, измеряемое в токенах, увеличивает расходы. Эти расходы могут резко возрасти, если поведение пользователя отклоняется от первоначальных предположений.

Как сказал Суда: «Одной из самых больших переменных в стоимости является человеческое взаимодействие. С генеративным ИИ вы не просто вводите свой вопрос и получаете идеальный ответ. Вам может потребоваться несколько итераций, и вы платите за каждое слово в вашем вопросе и ответе. Если ваша модель стоимости предполагает одно взаимодействие, а пользователи в итоге имеют несколько, ваши расходы могут значительно увеличиться».

Чтобы снизить этот риск, организации принимают стратегию «медленного масштабирования». Вместо быстрого масштабного развертывания они изначально реализуют запланированное развертывание ИИ с ограниченным числом пользователей, а затем постепенно увеличивают число пользователей.

Этот итеративный подход позволяет компаниям отслеживать эффективность амбициозных проектов ИИ и вносить коррективы на основе фактических моделей использования, гарантируя более точное моделирование затрат и избежание финансовых сюрпризов.

«Лучшие организации масштабируются очень медленно», — отметил Суда. «Они могут начать с 10 пользователей в первый месяц, затем с 20 во второй месяц и так далее. Этот метод помогает им понять реальное использование и затраты в реальной среде».

Загадка производительности

Хотя ИИ обещает повысить производительность, перевести эти улучшения в измеримые финансовые выгоды сложно. Суда сказал, что простая экономия времени, как показывают такие инструменты, как Microsoft Copilot, по сути не означает получение дохода или сокращение расходов.

«Вам необходимо четко понимать, что означает производительность и как вы превращаете эту выгоду в ценность, будь то получение дохода или сокращение затрат», — сказал Суда.

Он также подчеркнул необходимость различать выгоды и ценность. Такие выгоды, как повышение скорости, улучшение обслуживания клиентов и повышение производительности, значительны, но они становятся ценными только тогда, когда вносят вклад в конечный результат.

Например, генеративный ИИ может сократить время, необходимое для оказания последовательности профессиональных услуг, но если эта эффективность не приведет к росту доходов или снижению затрат, это станет примером того, что ИИ не обеспечивает обещанной ценности.

Риск перерасхода средств

Еще один важный момент, который отметил Суда, — это риск перерасхода средств из-за непредвиденного поведения пользователей. Если система искусственного интеллекта окажется очень популярной и ее использование превысит ожидания, результирующие затраты могут оказаться астрономическими. Этот сценарий подчеркивает важность тщательного планирования и мониторинга развертываний ИИ в реальном времени для эффективного управления и прогнозирования расходов.

«Если пользователи любят ИИ и активно его используют, ваши расходы могут резко возрасти», — сказал Суда. «Вот почему понимание и моделирование поведения пользователей так важны».

Стратегическое развертывание: защита, расширение, переворот

Gartner разработала трехуровневую структуру, объясняющую, как ИИ может принести прибыль, уравновешивая связанный с этим риск. Каждый «уровень» развертывания ИИ, называемый «Защитить, расширить и перевернуть», предлагает различные потенциальные риски и преимущества.

Защита: это включает в себя небольшие, постепенные улучшения, такие как использование ИИ для улучшения существующих инструментов. Эти недорогие, малорисковые инициативы могут привести к небольшим победам. Однако проблема заключается в объединении этих побед в значительную финансовую отдачу. По словам Суды, сформулированные преимущества многих из этих проектов незначительны, что затрудняет для CIO и ИТ-команды дальнейшее развитие при полной организационной поддержке. Расширение: здесь ИИ встроен в существующие приложения для обеспечения целевых улучшений. Эти инициативы требуют тщательного планирования и реализации, чтобы гарантировать, что они принесут ожидаемую ценность, но также с большей вероятностью принесут заметные выгоды. Переворот: самый амбициозный и высокорисковый подход подразумевает разработку новых моделей или приложений на основе ИИ. Хотя потенциальные выгоды существенны, требуемые инвестиции значительны, а шансы на успех ниже.

ИИ нельзя избежать, но им нужно эффективно управлять

Как и в случае с цифровой трансформацией, попытка проявить чрезмерные амбиции в отношении ИИ с самого начала, скорее всего, приведет к перерасходу средств и медленной окупаемости инвестиций, что вызовет разочарование совета директоров и руководства, а то и отказ от проекта.

Вместо этого CIO должны принять осторожный, взвешенный подход. Как отметил Суда, компании должны гарантировать, что внедряемые решения масштабируемы и достигают ROI, который можно сформулировать с самого начала.