Om AI utgör ett problem för ledare så är det att det finns för många möjligheter.
Hur väljer du rätt väg för din organisation bland alla tillgängliga vägar samtidigt som AI-användningen förblir ansvarsfull och etisk? I kombination med interna och externa krav på att snabbt införa generativ AI och skala upp den, är det lättare sagt än gjort att utnyttja AI.
För att få en inblick i dessa farhågor talade vi med en grupp experter om AI:s utmaningar och möjligheter. Här är den erfarenhet som paneldeltagarna och moderatorn tar med sig till bordet:
- Sejal Amin, Chief Technology Officer på Shutterstock, tillträdde sin tjänst i november 2022, precis när Shutterstock ingick sitt dataavtal med OpenAI. Hon har lett sitt team i arbetet med att föra ut AI på marknaden under detta turbulenta år.
- Jana Eggers, VD för Nara Logics, började som forskare och leder nu AI-plattformen Nara Logics (och hon skämtade med oss om att det överraskande nog är en plattform som faktiskt är lönsam).
- Razat Gaurav, VD för Planview, har studerat AI i nästan 30 år och utnyttjat det i sitt eget arbete som produktchef och utforskar nu hur generativ AI kan förändra hur kunderna interagerar med Planviews lösningar via Planview Copilot.
- Rich Sonnenblick, Chief Data Scientist på Planview, började med klassisk maskininlärning av den gamla skolan, och han utforskar sätt att implementera det och generativ AI i Planviews lösningar.
- Ray Wang, Principal Analyst och grundare av Constellation Research, myntade begreppet "Metaverse Economy" i 2020. Han är en ledande expert på AI och AI-politik.
Under samtalet talade paneldeltagarna om fem förändringar som ledare bör göra om de vill utnyttja AI på ett effektivt sätt.
1. Upprätta ett ramverk för policy och styrning för användning av data
Att hålla ett öga på de data som AI använder är viktigt för både dig och dina kunder.
Om du vill förmedla budskapet till kunderna att även om du utvecklar AI-produkter, som Rich säger, "är vi fortfarande bra på att förvalta data, vi är ansvarsfulla med deras data och de är den främsta mottagaren av det värdet", behöver du styrning över AI och data.
Ett ramverk för datastyrning skapar förtroende mellan dig och dina kunder. Razat säger: "När vi inför den här nya tekniken måste vi kunna vara säkra på att vi kan fortsätta att erbjuda den integritet och säkerhet som våra kunder förväntar sig."
Dessutom bygger en datapolicy förtroende genom att hålla kvaliteten hög och korrekt. Ray tillade: "Här finns scenarier med 'sopor in, sopor ut'. Så om du inte har riktigt bra indata på dina data kommer du faktiskt att få riktigt, riktigt dåliga utdata."
Läs nästa: Trender inom AI: Ska man se data som en produkt?
2. Orientera dig efter affärsproblem, inte FOMO
Istället för att köpa ett verktyg bara för att det har AI i namnet, börja med användningsfall.
Sejal rekommenderade att börja i liten skala genom att hitta ett användningsområde och sedan antingen hitta eller bygga ett verktyg för att lösa problemet, snarare än tvärtom. Hon tillägger: "Det är ett mycket bättre sätt att berätta om avkastning på investeringar eftersom du någon gång kommer att behöva berätta om avkastning på investeringar."
"Du kan inte vänta på att allt ska bli klart och sedan bara hoppa in, för då kommer det att vara för sent."
Razat Gaurav, VD för Planview
Hur vet du vilket användningsfall du ska välja? Ray föreslår att det ska vara ett som du kan lösa omedelbart snarare än ett brett användningsområde som försöker koka havet.
Tänk till exempel på värdet av att få tillgång till insikter som ligger begravda i tusentals sidor intern dokumentation, eller att sammanfatta kundavtal och lyfta fram ovanliga eller ofördelaktiga villkor. Användningsfall som dessa kan ge fördelar inom veckor, inte månader, säger Rich.
Ett annat exempel är att lägga till en AI-förbättring i kundinriktad dokumentation, om den är välorganiserad: Du kan bygga en AI-assistent ovanpå den på några dagar med standardverktyg som erbjuds av AWS/Amazon och andra.
Om du har svårt att komma vidare kan det vara bra att ta in ett perspektiv utifrån. Jana föreslog att man skulle samarbeta med en analytiker för att få ett branschperspektiv på hela bilden.
3. Tänk igenom din teknikstack
Du har data och du har användningsområdet, men du måste också ta hänsyn till tekniken.
Det kan vara så att det bästa sättet att hantera ditt användningsområde är via en "kedja" (Sejals ord) av verktyg.
Jana gav rådet: "Det är inte bara en fråga om ett verktyg, utan hur för man samman olika verktyg?" Oavsett om det handlar om en grupp AI-verktyg eller AI plus integrationer med andra verktyg i din teknikstack, får du inte glömma bort tekniken i din planering.
Om du vill höra mer från paneldeltagarna om detta ämne, ansvarsfull AI och förbättrat beslutsfattande och genomförande kan du lyssna på hela diskussionen: AI i företaget: Möjligheter, utmaningar och vägen framåt.
4. Öka AI-kunskaperna i din organisation
Vi talar om artificiell intelligens, men det går inte att bortse från den mänskliga sidan.
Det finns en kulturell aspekt av att införa mer AI, och ju mer transparent och pedagogisk du kan vara gentemot dina medarbetare i frontlinjen, chefer på mellannivå och ledningen, desto effektivare kommer din förändringshantering att bli.
En fördel med den senaste tidens generativa AI-boom, även om, säger Rich, "det inte är allt-i-allo", är att generativ AI "faktiskt kan vara en bra inkörsport för att förklara mer traditionella former av maskininlärning och datadrivna insikter, och göra AI tillgängligt och förståeligt."
Istället för att behöva granska och tolka sofistikerade maskininlärningstekniker kan medarbetarna ta del av AI-insikter som förklaras av stora språkmodeller som ChatGPT.
5. Skapa utrymme för experiment
Det sista skiftet handlar om att skapa utrymme för att experimentera med AI, oavsett om det gäller din budget eller dina prioriteringar.
Razat varnade för att skjuta upp AI för länge. Han sa: "Du kan inte vänta på att allt ska bli klart och sedan bara hoppa in, för då kommer det att vara för sent. Eftersom vissa av dessa rörelser är ganska störande, inte bara för dina underliggande kunder, utan också för din grundläggande affärsmodell."
Även om ni inte är en särskilt experimentvänlig organisation just nu finns det sätt att nå dit.
Sejal föreslog att man kanske inte alltid behöver göra en fullständig marknadsundersökning, särskilt om man åtminstone har gjort en viss undersökning till att börja med och valt ett användningsfall. På så sätt kan du snabbt få ut en produkt på marknaden, testa och lära dig utan att riskera för mycket.
Få ut mer av AI i din organisation
Det är möjligt att dra nytta av AI, men det kräver politik, planering, teknik, utbildning och experiment:
- Skapa ett ramverk för datastyrning för AI-användning.
- Börja med användningsfallet, inte verktyget.
- När du väl börjar använda verktyg ska du bygga en smart teknisk stack.
- Investera i att utbilda era team om AI.
- Överlag bör man ge utrymme för experiment.
Få mer expertvägledning om hur du leder framgångsrika företag i den digitala tidsåldern. Ladda ner strategidokumentet Building an AI Strategy for Digital Transformation Success, där du får lära dig de fyra pelarna i en effektiv AI-strategi och ramverk, hur man utarbetar en policy för att använda AI på ett etiskt och ansvarsfullt sätt, och mer.
