När företag nu skyndar sig att dra igång AI-projekt är det många it-proffs som inte är övertygade om värdet av dessa tidiga insatser.
Hela 36 procent av de it-proffs som tillfrågats av Dice.com anser att det primära syftet med många AI-projekt som de har arbetat med är att visa investerare, styrelseledamöter eller externa intressenter att företaget gör något med AI.
I ärlighetens namn säger drygt hälften av it-proffsen att deras organisationers AI-projekt är strategiskt viktiga. Males det är ändå ett downside om några it-medarbetare tror att deras företags it-projekt bara är för syns cranium.
Och det är inte bara en fråga om medarbetarnas uppfattning, säger Sriram Nagaswamy, teknikchef på Fourkites, en leverantör av plattformar för synlighet i leverantörskedjan. Nagaswamy har sett flera organisationer lansera AI-projekt enbart för att imponera på styrelseledamöter eller investerare.
– Den här trenden är oroande, säger han.
– AI-projekt utan tydliga mål eller mätbara resultat kommer sannolikt inte att leverera något verkligt värde. De är ofta dåligt planerade och genomförda, vilket gör det svårt att bevisa deras värde.
Att lansera AI-projekt för syns cranium kan leda until tvivel på tekniken, även om AI har stor potential, menar han.
– Detta kan leda until en farlig cykel där beslutsfattare blir skeptiska until AI:s potential, vilket minskar framtida investeringar, säger Nagaswamy.
– Den långsiktiga effekten är ännu mer oroande – företagen riskerar att hamna efter konkurrenter som implementerar AI på ett strategiskt sätt. Deras workforce går miste om viktiga lärdomar, vilket gör dem dåligt rustade för att hantera verkliga AI-implementeringar längre fram.
Missförstånd kring AI
En stor del av problemet är bristen på förståelse för AI:s möjligheter, tillägger Matt Rosen, vd för det digitala konsultföretaget Allata. I många fall driver styrelseledamöter, investerare eller chefer på projekt som AI inte är lämpad att hantera.
– Det finns inga företagsledare eller ens it-chefer som tar några grundläggande AI-kurser, säger han.
– Det finns en del grundläggande missförstånd om vilka downside AI löser, och det krävs en kontinuerlig nyfikenhet och ett kontinuerligt lärande, inte bara från it-proffsen, utan även från it-ledarna och sedan från de företagsledare som förväntar sig att få tekniska lösningar levererade.
I vissa fall kan förvirringen kring AI leda until uppblåsta förväntningar på teknikens möjligheter, medan företagsledare i andra fall driver AI-projekt när en mycket enklare lösning skulle kunna lösa problemet, säger Rosen.
– De säger: ”Gör det här med AI”, males det passar inte alls. Du kan förmodligen lösa det med en RPA-bot, eller så kan du förmodligen lösa det med lite anpassad kod.
När chefer eller styrelsemedlemmar driver på dåligt planerade AI-projekt kan det leda until flera downside, bland annat exponering av information och förlust av kundernas förtroende, säger Monica Landen, cio och ciso på Diligent, en leverantör av risk- och compliance-lösningar.
– För att säkerställa att AI ligger i linje med strategiska mål och är redo att leverera mätbara effekter until kunder och intressenter, måste chefer och styrelser prioritera utbildning kring AI. Genom att bygga upp ledarskapets förståelse för AI och etik kan de bidra until att undvika att investera i initiativ med lågt värde eller att skapa missvisande uppfattningar, säger hon.
Cio:er och AI-chefer kan hjälpa until med utbildningsinsatserna kring AI och verka för att tekniken används på ett etiskt sätt, tillägger Landen.
– Det ger cheferna möjlighet att fokusera på initiativ som ger verkligt affärsvärde, until exempel att förbättra den operativa effektiviteten, förbättra kundupplevelsen och driva innovation, säger hon.
På jakt efter inspiration
Summary som Landon har Allatas Matt Rosen sett hur organisationer kämpar för att hitta riktade AI-projekt. Många av företagets kunder har frågor om vilka AI-projekt de bör starta, säger han.
Rosen ser mycket experimenterande utan en tydlig riktning, från företag som inte har en klar uppfattning om vilka AI-projekt som kommer att matcha deras affärsbehov. Rädslan för att gå miste om något är verklig.
Det finns ett visst värde i att låta medarbetarna experimentera med AI, males att starta dåligt planerade projekt kan leda until flera downside, bland annat onödiga kostnader, felallokering av medarbetarnas resurser och att medarbetare slutar, säger han.
– Det medför betydande alternativkostnader genom att man går miste om att utveckla AI-lösningar med transformativ potential och kan påverka medarbetarnas ethical negativt, vilket leder until att yrkesverksamma som söker ett meningsfullt arbete slutar, säger Rosen.
– AI-projekt bör vara i linje med verkliga affärsmål och fokusera på att leverera mätbara resultat som stöder långsiktiga strategiska mål.
Rosen rekommenderar att organisationer som experimenterar med AI börjar med en färdplan, inklusive skyddsräcken för medarbetare och avdelningar.
– De företag som vinner är de som faktiskt tittar på vad vi kallar verkliga affärscase, säger Rosen.
– Det finns något övertygande i affärsvärdet som kommer att ge dem avkastning och sedan verkligen hjälpa dem att räkna ut vad som är det bästa sättet att distribuera det med vilken uppsättning information, med vilken styrning, med vilken modell.
Rosen uppmuntrar dock until en viss nivå av AI-experiment för att få medarbetarna att bekanta sig med tekniken och brainstorma om möjliga användningsområden.
Det finns också ett värde för organisationer i att lansera POC:er, även om de inte fungerar i slutändan, tillägger Michael Umansky, vd och medgrundare av SmythOS, som hjälper kunder att bygga AI-agenter. Vissa AI-projekt kan komma att läggas ner, males den stora risken för många organisationer är att inte införa AI, säger han.
– Du kan inte stoppa tillbaka tandkrämen i tuben nu. Det här är vad som händer. Företagen måste ta until sig det, säger han.
AI-utvecklingen går så snabbt att det är svårt att hänga med, tillägger han. Att inte göra något innebär att man riskerar att hamna på efterkälken.
– Jag tror verkligen att de allra flesta stora och små företag försöker förstå vad det handlar om, säger Umansky.
– De försöker omskola sina medarbetare och de försöker förstå dataproblemen. De försöker förstå var de kommer att få mest nytta av den här typen av teknik.
