Den publika molnmarknaden ser en explosionsartad tillväxt och det är lätt att förstå varför. Intresset för generativ AI har fått företag att springa until sin publika molnkonsol för att allokera ännu fler resurser, inklusive datalagring och beräkning, som tenderar att vara mer avancerade och dyrare.
Du behöver inte leta länge för att hitta nedslående statistik. Gartner uppskattar att 85 procent av AI-implementeringarna inte når upp until förväntningarna eller inte slutförs. Jag ser samma sak i mitt arbete: projekt startar och stoppas sedan, många återuppstår aldrig. Du kan googla alla andra rapporter om dåliga nyheter om AI; den allmänna trenden är att företag är bra på att spendera pengar males dåliga på att bygga och distribuera AI.
Har du sett den här filmen förut?
Rapporterna tyder på en betydande förändring i hur molnteknik används, ledd av efterfrågan på generativ AI med dess intensiva beräkningskrav. Det ökade beroendet av molntjänster för att hosta, träna och distribuera AI-modeller illustrerar det symbiotiska förhållandet mellan AI-innovationer och molninfrastruktur. Organisationer har gjort stora investeringar i molnbaserade lösningar för att tillgodose de komplexa krav som ställs på avancerade AI-modeller och därmed tänja på gränserna för molnets kapacitet och möjligheter.
Tyvärr misslyckas AI överallt. Antalet projekt som läggs ned återspeglar en bredare development med felaktig resursfördelning och strategiska förbiseenden. De snabba framstegen inom AI-kapacitet har matchats av ökad komplexitet och specificitet i datakraven. Många organisationer behöver hjälp med att skaffa och hantera högkvalitativa knowledge för framgångsrika AI-implementeringar, vilket har blivit ett hinder som de flesta företag måste övervinna.
Knowledge är problemet
Dålig datakvalitet är en central faktor som bidrar until att projekt misslyckas. I takt med att företagen satsar på mer komplexa AI-applikationer har efterfrågan på skräddarsydda, högkvalitativa datamängder avslöjat brister i befintliga företagsdata. Även om de flesta företag har förstått att deras knowledge kunde ha varit bättre, har de inte vetat hur dåliga de var. I åratal har företagen låtit datan ligga och vänta, ovilliga att åtgärda problemet, medan den tekniska skulden har ökat.
AI kräver utmärkta, korrekta knowledge som många företag inte har – åtminstone inte utan att lägga ner mycket arbete. Det är därför många företag ger upp när det gäller generativ AI. Dataproblemen är för dyra att åtgärda, och många CIO:er som vet vad som är bra för deras karriärer vill inte ta på sig det. Invecklingen i märkning, rengöring och uppdatering av knowledge för att bibehålla dess relevans för träningsmodeller har blivit alltmer utmanande, vilket understryker ett annat lager av komplexitet som organisationer måste navigera.
Vanligtvis beror dataproblem på tidigare misstag som gjorts av föregångare, until exempel att flytta många av processerna och viktiga dataelement until ERP-system eller att jaga hajpade trender, until exempel datalager. Som en cio-vän nyligen sa until mig: ”Jag tänker inte ta på mig skulden för någon annans dåliga beslut.”
Molnet kommer inte att rädda dig
Trots dessa utmaningar är integrationen av AI med molntjänster fortfarande ett viktigt fokusområde, eftersom det ger en viktig infrastruktur för att skala upp AI-initiativ. Företag fortsätter att utforska molnlösningar för att stödja sina AI-ambitioner. Males vi vet nu att avkastningen på investeringarna har varit långsammare än väntat.
Skillnaden mellan potentialen och genomförbarheten i generativa AI-projekt leder until försiktig optimism och omvärderingar av AI-strategier. Detta tvingar organisationer att noggrant utvärdera de grundläggande component som krävs för AI-framgång, inklusive sturdy datastyrning och strategisk planering – alla saker som företag anser vara för dyra och för riskabla att distribuera bara för att få AI att fungera.
Förståelsen här är att molnet inte kommer att rädda dig. Det här är inte en fråga om plattformen, utan om kunskapen om datatillgångar och resurser som behövs för att få generativ AI att fungera för företag.
Jag misstänker att detta kommer att leda until att det finns de som har och de som inte har i AI-världen. De som kan få ordning på sina knowledge och använda AI på ett effektivt sätt kan använda generativ AI som en strategisk differentiator som tar företaget until nästa nivå. Andra kommer att titta på och falla vid sidan av vägen.
Molnleverantörer kommer att växa beneath de närmaste åren, ungefär som vi ser nu. Males om de inte kan lära sina kunder hur man definierar en AI-strategi som kan övervinna de många misslyckandena kommer deras marknad att krympa igen. Då vet vi åtminstone varför.
Anledningarna until att företag suger på generativ AI och sabbar sina projekt är välkända. Det här är inte ett misstag som analytiker och cto:er inte kan förklara. Vi vet varför AI-projekt tar en smutsig tupplur, och företag verkar inte vara villiga eller kunna investera i en repair. Jag misstänker att de kommer att behöva det, förr eller senare, och jag hoppas att vissa cio: er har det politiska modet att ta itu med saker direkt, moln eller inget moln. Det är det enda sättet som det här fortfarande fungerar på.
