Przedsiębiorstwa z zaciekawieniem zwróciły się w kierunku generatywnej sztucznej inteligencji (GenAI). Zapoczątkowana przez „rewolucję ChatGPT” moda na wdrożenia pilotażowe w różnych obszarach działalności biznesowej zaczyna przyprawiać o ból głowy szefów IT zwłaszcza w dwóch aspektach – budżetu i cyberbezpieczeństwa.
Niezależnie czy w chmurze czy on-prem, GenAI to kosztowna technologia. A jeśli nie ma się sprecyzowanych i mierzalnych celów biznesowych to może być nawet bardzo kosztowna. Zatem kiedy CIO w odpowiedzi na pytanie o budżet na GenAI słyszy, że „ma przecież duży budżet na chmurę, można coś wykroić” to dostrzega już w oddali dobrze znane problemy.
Elastyczna inteligencja: jak sfinansować systemy generatywnej sztucznej inteligencji
Wraz z rosnącym zainteresowaniem generatywną sztuczną inteligencją, firmy muszą zastanowić się, jak sfinansować wdrożenia pilotażowe i produkcyjne w dalszej kolejności. Faktyczne budżety na GenAI będą przewyższać wstępne prognozy, a to wywołuje niepokój wśród świadomych tego dyrektorów IT. Według prognoz oczekuje się, że budżety na generatywną sztuczną inteligencję wzrosną w 2023 roku ponad trzykrotnie (3,4x dokładnie), jednak co ciekawe tylko 15% dyrektorów technologii planuje pokryć ten wzrost z nowych źródeł finansowania.
Skąd wziąć pieniądze? Jako że w większości organizacji nie istnieje coś takiego jak wolny budżet na nieprzewidziane, innowacyjne inwestycje, 33% liderów IT planuje wykorzystać budżet przeznaczony na inne obszary IT, natomiast 37% dyrektorów zamierza włączyć GenAI do portfela ogólnych wydatków na AI.
Jednak koszt wdrożenia GenAI to nie tylko koszt infrastruktury w chmurze czy opłat subskrypcyjnych za usługi PaaS. Nie mniej ważnym elementem jest koszt zatrudnienia specjalistów posiadających odpowiednie kompetencje, którzy pomogą wdrażać technologie w firmie. A jest on niemały, ponieważ znalezienie, zatrudnienie i utrzymanie wykwalifikowanej kadry AI/ML jest sporym wyzwaniem. Osoby takie najczęściej będą znacznie wyższą pozycją kosztową niż specjaliści od „tradycyjnego IT”.
Kompetencje kluczem do sukcesu GenAI
Koszty zatrudnienia będą z pewnością głównym czynnikiem destabilizującym strategie AI w firmach. Z informacji rynkowych wynika, że na jednego wykwalifikowanego kandydata przypada 20 otwartych rekrutacji! (dokładnie tak, nie odwrotnie) Sytuacja powinna polepszać się wraz z dojrzewaniem rynku, wzrostem liczby specjalistów z odpowiednią wiedzą i doświadczeniem, wewnętrznym rozwojem kompetencji pracowników przez firmy czy też samokształceniem pracowników. Jednak na chwilę obecną sytuacja nie wygląda dobrze – aby osiągnąć przewagę konkurencyjną w dziedzinie GenAI w chmurze firmy potrzebują specjalistów natychmiast. Specjalistów, których na rynku nie ma.
Jakimi kompetencjami powinien charakteryzować się kandydat do naszego zespołu ds. GenAI?
- data science (nauka o danych) – znajomość specjalistycznych metod analitycznych, statystycznych i programistycznych pozwalających na przetwarzanie danych za pomocą metod badawczych w celu otrzymania istotnych wniosków,
- modelowanie AI/ML – często rozpatrywane w połączeniu z poprzednim (data science), jednak obejmuje znajomość modeli uczenia maszynowego, w tym zagadnień sieci neuronowych, modeli językowych (LLM) czy konwersacyjnych,
- inżynieria danych – znajomość technik i narzędzi manipulacji danych, przetwarzania, przygotowania, czyszczenia danych, takich jak narzędzia i procesy ETL czy przetwarzanie strumienia danych,
- myślenie projektowe – ten element nie powinien zaskakiwać w tym miejscu, jednak jest często pomijany. To umiejętność przygotowania i przeprowadzenia projektu przez wszystkie jego fazy, z naciskiem na wstępną analizę potrzeb biznesowych (business case) i umiejętność zadawania właściwych pytań!
Oczywiście ważna jest też znajomość konkretnych platform dostawców chmury, ale traktować należy ten element jako kryterium pomocnicze. Nie ograniczajmy sobie pola manewru, jeśli chodzi o dostawcę kosztem kompetencji wymienionych wyżej.
Firmy muszą wykazać się zrozumieniem w jaki sposób projekty dużej skali w AI będą wykorzystywać dostępne zasoby kadrowe, aby móc skutecznie zaplanować związane z nimi inwestycje. Jest to kluczowe, jeśli chcemy uniknąć niepowodzeń i konfliktów w zespołach spowodowanych np. cięciami w obszarach bardziej „core”, jak chmura czy cyberbezpieczeństwo. W efekcie wyrządzone nieprzemyślanymi decyzjami szkody mogą przewyższać korzyści płynące z wdrożeń AI.
Ciągłe doskonalenie cyfrowych liderów
Stąd już blisko do ważnego wniosku – w zakresie zastosowań, technik i modeli wdrażania AI w biznesie szkolić powinni się również (jeśli nie przede wszystkim) managerowie, liderzy biznesowi, nie tylko IT. Jednym z pierwszych programów szkoleniowych na świecie dedykowanych kadrze zarządzającej jest AI dla Menedżerów, stworzony i prowadzony przez Marię Parysz, założycielkę Kaggle Days i doświadczoną menedżerkę międzynarodowych projektów AI, którego pierwsze edycje zebrały bardzo dobre recenzje. Do kluczowych kompetencji cyfrowego lidera przyszłości należą m.in. „intelektualna skromność” (dążenie do uzupełniania swojej wiedzy i otaczania się osobami o wyższych od swoich kompetencjach w wybranych dziedzinach) i konieczność ciągłego uczenia (oraz oduczania się). Jeśli zatem jesteś liderem i uważasz się za starego wyjadacza, którego już nic nie zaskoczy więc AI też spokojnie ogarniesz, w końcu to technologia jak każda inna – to masz gotowy przepis na katastrofę.
Koszty GenAI zrujnują budżet IT
Niedoszacowanie kosztów przy jednoczesnym przeszacowaniu korzyści, przeciągające się w nieskończoność terminy wdrożenia spowodowane deficytem kadrowym, frustracja biznesu, frustracja tzw. core IT, któremu obcięto budżet – to znany krajobraz wielu dużych programów wdrożeń nowych technologii w przedsiębiorstwach, z transformacją do chmury włącznie. Jak tego uniknąć w przypadku GenAI?
Z pewnością zacząć należałoby od zastanowienia się, czy naprawdę potrzebujemy wdrożenia GenAI. Czy szacowane korzyści oparte są na twardych, obiektywnych miarach? Czy mamy odpowiednią skalę problemu dzięki której poniesione koszty wdrożenia zwrócą się wielokrotnie? Automatyzacja procesów czy wykorzystanie LLM (Large Language Models) jak GPT-4 mogą przynieść ponadprzeciętny zwrot z inwestycji, jeśli spełnimy wspomniane warunki. Np. Gartner przewiduje, że organizacje korzystające w swoich procesach sprzedaży B2B z technologii GenAI zmniejszą czasu potrzebny na pozyskanie i przygotowywaniu spotkań z klientami o ponad 50% do 2026 roku.
Kolejną dobrą praktyką jest podejście wieloetapowe, przyrostowe we wdrażaniu nowych technologii. Zaczynamy od PoC (Proof-of-Concept), poprzez pilotaż aż po pełne wdrożenie produkcyjne, weryfikując na każdym etapie osiągnięcie założonych celów i budżet. W wyniku weryfikacji może się okazać, że projekt należy zamknąć lub gruntownie zmienić pierwotne założenia (pivot).
Choć obecnie większość wdrożeń wykorzystuje GenAI w chmurze, ze względu na niską barierę wejścia, docelowo nie należy się zamykać na żaden model działania (hybrydowy, on-prem). Wg Gartnera technologie Generative AI znajdują się na samym szczycie fazy „wygórowanych oczekiwań” na krzywej wykresu Gartner Hype Cycle, zatem należy oczekiwać jeszcze dalszej ewolucji samej technologii jak i najbardziej efektywnych metod zastosowań i modeli operacyjnych.
GenAI: szansa czy kosztowna zabawka?
Firmy muszą znaleźć równowagę, jeśli chodzi o inwestycje i potencjalne korzyści wynikające z wdrożenia GenAI, biorąc pod uwagę obecne niedobory kadrowe i napięte budżety. Wszelkie nowe inicjatywy technologiczne wymagają dobrze przemyślanego planu z solidnym wsparciem finansowym. Oznacza to ścisłą współpracę IT z biznesem, ustalanie osiągalnych celów biznesowych, dostosowywanie planów do limitów budżetowych, efektywne i terminowe wdrażanie. Jeśli więc właśnie planujesz eksperyment z generatywną sztuczną inteligencją w swojej organizacji to zacznij od przekonującego business case’u.
