W miarę ewolucji trendów inwestycyjnych w AI w 2025 r., kadra kierownicza staje w obliczu rosnącej presji na podejmowanie strategicznych decyzji dotyczących wdrożeńAI. Wraz z szybkim przyjęciem narzędzi sztucznej inteligencji przez firmy - 22% wdraża je w szerokim zakresie, a 33% korzysta z nich w ograniczonym zakresie - zrozumienie, jak oceniać i wdrażać rozwiązania AI, stało się kluczowe dla utrzymania przewagi konkurencyjnej. W książce"The Executive Guide to Artificial Intelligence" autorstwa Andrew Burgessa, autor przedstawił kompleksowy przewodnik dla kadry kierowniczej, która chce zrozumieć i wdrożyć rozwiązania AI w swoich organizacjach.

‍

Książka ta została opublikowana w 2017 roku przez Springer International Publishing i zawiera praktyczny przegląd tego, w jaki sposób firmy mogą wykorzystać sztuczną inteligencję. Co się dziś zmieniło?

‍

Obecne trendy inwestycyjne w AI 2025

Rynek sztucznej inteligencji przeżywa bezprecedensowy wzrost, a organizacje dokonują coraz większych inwestycji, aby pozostać konkurencyjnymi.

Podstawy:

Burgess podkreślił, jak ważne jest rozpoczęcie od zdefiniowania jasnych celów dostosowanych do strategii biznesowej, która to zasada pozostaje aktualna do dziś. W książce zidentyfikował osiem podstawowych możliwości sztucznej inteligencji:

‍

1. Rozpoznawanie obrazów
2. Rozpoznawanie głosu
3. Wyszukiwanie i wydobywanie informacji
4. Klastrowanie
5. Rozumienie języka naturalnego
6. Optymalizacja
7. Przewidywanie
8. Zrozumienie (dzisiaj)

Ewolucja od 2018 do 2025 roku:

Od czasu napisania tej książki sztuczna inteligencja przeszła od technologii wschodzącej do technologii głównego nurtu. Zdolność "rozumienia", którą Burgess uważał za futurystyczną, odnotowała znaczący postęp wraz z pojawieniem się dużych modeli językowych (LLM) i generatywnych technologii sztucznej inteligencji, które nie pojawiły się jeszcze w 2018 roku.

strategiczne ramy dla decyzji inwestycyjnych w AI

Cztery podstawowe pytania

Przy ocenie inwestycji w sztuczną inteligencję kluczowe jest skupienie się na tych krytycznych pytaniach:

1. Definiowanie problemu biznesowego
2. Wskaźniki sukcesu
3. Wymagania wdrożeniowe
4. Ocena ryzyka

‍

Uwaga: Ta struktura czterech pytań pochodzi z aktualnej wiedzy i nie jest wyraźnie przedstawiona w książce Burgessa.

‍

Budowanie skutecznej strategii AI

Ramy adopcyjne:

Burgess proponuje szczegółowe ramy tworzenia strategii AI, które obejmują:

1. Dostosowanie do strategii biznesowej - zrozumienie, w jaki sposób sztuczna inteligencja może wspierać istniejące cele biznesowe
2. Zrozumienie ambicji IA - Zdefiniuj w razie potrzeby:
   • Ulepszanie istniejących procesów
   • Przekształcanie funkcji biznesowych
   • Tworzenie nowych usług/produktów
3. Ocena dojrzałości IA - Określenie aktualnego poziomu dojrzałości organizacji w skali od 0 do 5:
   • Przetwarzanie ręczne (poziom 0)
   • Tradycyjna automatyzacja IT (poziom 1)
   • Podstawowa izolowana automatyzacja (poziom 2)
   • Taktyczne wdrażanie narzędzi automatyzacji (poziom 3)
   • Taktyczne wdrażanie różnych technologii automatyzacji (poziom 4)
   • Kompleksowa automatyzacja strategiczna (poziom 5)
4. Stworzenie mapy cieplnej IA - Identyfikacja obszarów o największych możliwościach
5. Opracowanie uzasadnienia biznesowego - ocena "twardych" i "miękkich" korzyści
6. Zarządzanie zmianą - planowanie sposobu dostosowania organizacji
7. Opracowanie mapy drogowej IA - Stworzenie planu średnio- i długoterminowego

Ewolucja od 2018 do 2025 roku:

Ramy Burgessa pozostają dziś zaskakująco aktualne, ale należy je uzupełnić o rozważania dotyczące:

• Etyka i regulacje dotyczące sztucznej inteligencji (takie jak unijna ustawa o sztucznej inteligencji)
• Zrównoważenie środowiskowe sztucznej inteligencji
• Odpowiedzialne strategie AI
• Integracja z nowymi technologiami, takimi jak obliczenia kwantowe

Mierzenie zwrotu z inwestycji w sztuczną inteligencję

Czynniki decydujące o zwrocie z inwestycji:

Burgess identyfikuje różne rodzaje korzyści płynących ze sztucznej inteligencji, podzielone na "twarde" i "miękkie":

Twarde korzyści:

• Redukcja kosztów
• Unikanie kosztów
• Zadowolenie klienta
• Zgodność
• Ograniczanie ryzyka
• Ograniczanie strat
• Łagodzenie utraty przychodów
• Generowanie przychodów

Korzyści miękkie:

• Zmiana kulturowa
• Przewaga konkurencyjna
• Efekt halo
• Umożliwienie uzyskania innych korzyści
• Umożliwienie transformacji cyfrowej

‍

‍

‍

Techniczne podejścia do wdrażania sztucznej inteligencji

‍

Rodzaje rozwiązań:

Burgess przedstawił trzy główne podejścia do wdrażania sztucznej inteligencji:

1. Gotowe oprogramowanie AI - gotowe rozwiązania
2. Platformy AI - dostarczane przez duże firmy technologiczne
3. Tworzenie niestandardowych IA - Rozwiązania dostosowane do potrzeb klienta

Jako pierwsze kroki zasugerował rozważenie:

• Proof of Concept (PoC)
• Prototypy
• Minimum Viable Product (MVP)
• Test najbardziej ryzykownych założeń (RAT)
• Pilot

Co się zmieniło:

Od 2018 roku byliśmy świadkami:

• demokratyzacja narzędzi AI dzięki rozwiązaniom no-code/low-code
• Dramatyczna poprawa platform chmurowych AI
• Rozwój generatywnej sztucznej inteligencji i modeli takich jak GPT, DALL-E itp.
• Wzrost popularności rozwiązań AutoML, które automatyzują część procesu analizy danych

Uwzględnienie ryzyka i wyzwań

‍

Ryzyko związane ze sztuczną inteligencją:

Burgess poświęcił cały rozdział zagrożeniom związanym ze sztuczną inteligencją, wskazując:

1. Jakość danych
2. Brak przejrzystości - "czarna skrzynka" algorytmów
3. Niezamierzona stronniczość
4. Naiwność sztucznej inteligencji - ograniczenia zrozumienia kontekstowego
5. Nadmierna zależność od sztucznej inteligencji
6. Niewłaściwy wybór technologii
7. Złośliwe działania

Ewolucja od 2018 do 2025 roku:

Od momentu napisania książki:

• Obawy dotyczące stronniczości algorytmów stały się kwestią krytyczną (w toku).
• Bezpieczeństwo sztucznej inteligencji stało się krytyczne wraz ze wzrostem zagrożeń
• Regulacje dotyczące sztucznej inteligencji stały się kluczowym czynnikiem
• Ryzyko związane z deepfake'ami i dezinformacją generowaną przez sztuczną inteligencję stało się znaczące
• Obawy o prywatność wzrosły wraz z coraz powszechniejszym wykorzystaniem sztucznej inteligencji

Tworzenie skutecznej organizacji IA

‍

Z książki Burgess (2018):

zaproponował Burgess:

• Budowanie ekosystemu AI z dostawcami i partnerami
• Utworzenie Centrum Doskonałości (CoE) z dedykowanymi zespołami
• Rozważ role takie jak Chief Data Officer (CDO) lub Chief Automation Officer (CAO).

Ewolucja od 2018 do 2025 roku:

Od tego czasu:

• Rola Chief AI Officer (CAIO) stała się powszechna
• Sztuczna inteligencja jest obecnie często zintegrowana w całej organizacji, zamiast być izolowana w CoE.
• Demokratyzacja sztucznej inteligencji doprowadziła do powstania bardziej rozproszonych modeli operacyjnych.
• Pojawiło się znaczenie znajomości sztucznej inteligencji dla wszystkich pracowników

Wnioski

Z książki Burgess (2018):

Burgess podsumował znaczenie

• Nie wierz w szum informacyjny, ale skup się na rzeczywistych kwestiach biznesowych
• Jak najszybsze rozpoczęcie ścieżki IA
• Przyszłościowa firma dzięki zrozumieniu sztucznej inteligencji
• Przyjęcie zrównoważonego podejścia między optymizmem a realizmem

Ewolucja od 2018 do 2025 roku:

Wezwanie Burgessa "nie wierz w szum" pozostaje niezwykle aktualne w 2025 roku, zwłaszcza w obliczu nadmiernego szumu wokół generatywnej sztucznej inteligencji. Jednak szybkość wdrażania sztucznej inteligencji stała się jeszcze bardziej krytyczna, a firmy, które jeszcze nie rozpoczęły swojej podróży w kierunku AI, znajdują się teraz w znacznie gorszej sytuacji niż te, które zastosowały się do rady Burgessa, aby zacząć wcześnie (w 2018 roku!).

‍

Krajobraz sztucznej inteligencji w 2025 roku jest bardziej złożony, dojrzały i bardziej zintegrowany ze strategią biznesową, niż można było przewidzieć w 2018 roku, ale podstawowe zasady strategicznego dostosowania, tworzenia wartości i zarządzania ryzykiem, które nakreślił Burgess, pozostają zaskakująco aktualne.