Bergabunglah dengan buletin harian dan mingguan kami untuk pembaruan terbaru dan konten eksklusif tentang liputan AI terkemuka di industri. Pelajari lebih lanjut
Ketika AI beralih dari eksperimen ke penyebaran dunia nyata, perusahaan menentukan praktik terbaik untuk apa yang sebenarnya berhasil dalam skala.
Berbagai studi dari berbagai vendor telah menguraikan tantangan inti. Menurut laporan baru -baru ini dari Vellum, hanya 25% dari organisasi yang menggunakan AI dalam produksi dengan dampak yang dapat diukur lebih sedikit. Sebuah laporan dari Deloitte menemukan tantangan serupa dengan organisasi yang berjuang dengan masalah skalabilitas dan manajemen risiko.
Sebuah studi baru dari Accenture, keluar minggu ini, memberikan analisis berbasis data tentang bagaimana perusahaan terkemuka berhasil menerapkan AI di seluruh perusahaan mereka. Laporan “Panduan Luar Biasa untuk Penskalaan AI” didasarkan pada survei terhadap 2.000 eksekutif C-suite dan ilmu data dari hampir 2.000 perusahaan global dengan pendapatan melebihi $ 1 miliar. Temuan ini mengungkapkan kesenjangan yang signifikan antara aspirasi dan eksekusi AI.
Temuan ini melukiskan gambaran yang serius: hanya 8% perusahaan yang memenuhi syarat sebagai “pelari terdepan” yang benar yang telah berhasil meningkatkan beberapa inisiatif AI strategis, sementara 92% berjuang untuk maju melampaui implementasi eksperimental.
Untuk para pemimpin TI perusahaan yang menavigasi implementasi AI, laporan ini menawarkan wawasan kritis tentang apa yang memisahkan penskalaan AI yang berhasil dari inisiatif yang terhenti, menyoroti pentingnya taruhan strategis, pengembangan bakat, dan infrastruktur data.
Berikut adalah lima takeaways utama bagi para pemimpin IT perusahaan dari penelitian Accenture.
1. Kematangan bakat melebihi investasi sebagai faktor penskalaan utama
Sementara banyak organisasi fokus terutama pada investasi teknologi, penelitian Accenture mengungkapkan bahwa pengembangan bakat sebenarnya adalah pembeda paling kritis untuk implementasi AI yang sukses.
“Kami menemukan faktor pencapaian teratas bukanlah investasi melainkan kematangan bakat,” Senthil Ramani, data dan AI memimpin di Accenture, mengatakan kepada VentureBeat. “Pelari terdepan memiliki empat kali kematangan bakat yang lebih besar dibandingkan dengan kelompok lain. Memimpin dengan mengeksekusi strategi bakat secara lebih efektif dan mengarahkan pengeluaran terkait bakat dengan penggunaan bernilai tertinggi.”
Laporan tersebut menunjukkan pelari terdepan membedakan diri mereka melalui strategi yang berpusat pada orang. Mereka fokus empat kali lebih banyak pada adaptasi budaya daripada perusahaan lain, menekankan penyelarasan bakat tiga kali lebih banyak dan menerapkan program pelatihan terstruktur dengan dua kali laju pesaing.
It Item Aksi Pemimpin: Mengembangkan strategi bakat komprehensif yang membahas keterampilan teknis dan adaptasi budaya. Membangun Pusat Keunggulan AI terpusat-Laporan ini menunjukkan 57% pelari terdepan menggunakan model ini dibandingkan dengan hanya 16% dari pengikut cepat.
2. Infrastruktur data membuat atau merusak upaya penskalaan AI
Mungkin hambatan paling signifikan untuk implementasi AI di seluruh perusahaan adalah kesiapan data yang tidak memadai. Menurut laporan itu, 70% perusahaan yang disurvei mengakui perlunya foundation data yang kuat ketika mencoba skala AI.
“Tantangan terbesar bagi sebagian besar perusahaan yang mencoba skala AI adalah pengembangan infrastruktur data yang tepat,” kata Ramani. “97% dari pelari terdepan telah mengembangkan tiga atau lebih data baru dan kemampuan AI untuk Gen AI, dibandingkan dengan hanya 5% perusahaan yang bereksperimen dengan AI.”
Kemampuan penting ini meliputi teknik manajemen data canggih seperti Retrieval-Augmmented Generation (RAG) (digunakan oleh 17% dari pelari depan vs 1% dari pengikut cepat) dan grafik pengetahuan (26% vs 3%), serta berbagai pemanfaatan data di seluruh pihak nol, pihak kedua, pihak ketiga dan sintetis.
It Item Aksi Pemimpin: Melakukan penilaian kesiapan data yang komprehensif secara eksplisit berfokus pada persyaratan implementasi AI. Memprioritaskan kemampuan membangun untuk menangani data yang tidak terstruktur di samping data terstruktur dan mengembangkan strategi untuk mengintegrasikan pengetahuan organisasi diam -diam.
3. Taruhan strategis memberikan pengembalian yang unggul ke implementasi yang luas
Sementara banyak organisasi berusaha untuk mengimplementasikan AI di berbagai fungsi secara bersamaan, penelitian Accenture menunjukkan bahwa taruhan strategis yang terfokus menghasilkan hasil yang jauh lebih baik.
“Para pemimpin C-suite pertama-tama perlu menyetujui-kemudian dengan jelas mengartikulasikan-apa artinya nilainya bagi perusahaan mereka, serta bagaimana mereka berharap untuk mencapainya,” kata Ramani. “Dalam laporan tersebut, kami merujuk pada 'taruhan strategis,' atau investasi jangka panjang yang signifikan dalam Gen AI yang berfokus pada inti dari rantai nilai perusahaan dan menawarkan hasil yang sangat besar. Fokus strategis ini sangat penting untuk memaksimalkan potensi AI dan memastikan bahwa investasi memberikan nilai bisnis yang berkelanjutan.”
Pendekatan terfokus ini membayar dividen. Perusahaan yang telah meningkatkan setidaknya satu taruhan strategis hampir tiga kali lebih mungkin untuk memiliki ROI mereka dari perkiraan Gen AI Surpass dibandingkan dengan yang belum.
It Item Aksi Pemimpin: Identifikasi 3-4 investasi AI strategis khusus industri yang secara langsung memengaruhi rantai nilai inti Anda daripada mengejar implementasi yang luas.
4. AI yang bertanggung jawab menciptakan nilai di luar mitigasi risiko
Sebagian besar organisasi memandang AI yang bertanggung jawab terutama sebagai latihan kepatuhan, tetapi penelitian Accenture mengungkapkan bahwa praktik AI yang bertanggung jawab yang matang secara langsung berkontribusi pada kinerja bisnis.
“Perusahaan perlu menggeser pola pikir mereka dari melihat AI yang bertanggung jawab sebagai kewajiban kepatuhan untuk mengenalinya sebagai enabler strategis nilai bisnis,” jelas Ramani. “ROI dapat diukur dalam hal efisiensi jangka pendek, seperti peningkatan alur kerja, tetapi benar-benar harus diukur terhadap transformasi bisnis jangka panjang.”
Laporan ini menekankan bahwa AI yang bertanggung jawab tidak hanya mencakup mitigasi risiko tetapi juga memperkuat kepercayaan pelanggan, meningkatkan kualitas produk dan memperoleh perolehan bakat – berkontribusi langsung pada kinerja keuangan.
It Item Aksi Pemimpin: Mengembangkan tata kelola AI yang bertanggung jawab komprehensif yang melampaui kotak centang kepatuhan. Menerapkan sistem pemantauan proaktif yang terus -menerus menilai risiko dan dampak AI. Pertimbangkan membangun prinsip AI yang bertanggung jawab langsung ke dalam proses pengembangan Anda daripada menerapkannya secara surut.
5. Pelari terdepan merangkul arsitektur AI agen
Laporan ini menyoroti tren transformatif di antara pelari terdepan: penyebaran “arsitektur agen”-jaringan agen AI yang secara mandiri mengatur seluruh alur kerja bisnis.
Pelari terdepan menunjukkan kematangan yang jauh lebih besar dalam menggunakan agen AI otonom yang disesuaikan dengan kebutuhan industri. Laporan ini menunjukkan 65% dari pelari terdepan Excel dalam kemampuan ini dibandingkan dengan 50% pengikut cepat, dengan sepertiga dari perusahaan yang disurvei sudah menggunakan agen AI untuk memperkuat inovasi.
Jaringan agen cerdas ini merupakan perubahan mendasar dari aplikasi AI tradisional. Mereka memungkinkan kolaborasi canggih antara sistem AI yang secara dramatis meningkatkan kualitas, produktivitas, dan efisiensi biaya pada skala.
It Item Aksi Pemimpin: Mulailah mengeksplorasi bagaimana AI agen dapat mengubah proses bisnis inti dengan mengidentifikasi alur kerja yang akan mendapat manfaat dari orkestrasi otonom. Buat proyek percontohan yang berfokus pada sistem multi-agen dalam kasus penggunaan bernilai tinggi industri Anda.
Imbalan nyata dari kematangan AI untuk perusahaan
Imbalan implementasi AI yang berhasil tetap menarik bagi organisasi di semua tahap kedewasaan. Penelitian Accenture mengukur manfaat yang diharapkan dalam istilah tertentu.
“Terlepas dari apakah perusahaan dianggap sebagai pelari terdepan, pengikut cepat, perusahaan yang membuat kemajuan, atau perusahaan yang masih bereksperimen dengan AI, semua perusahaan yang kami survei mengharapkan hal-hal besar dari menggunakan AI untuk mendorong reinvention,” kata Ramani. “Rata -rata, organisasi -organisasi ini mengharapkan peningkatan produktivitas 13%, peningkatan 12% dalam pertumbuhan pendapatan, peningkatan 11% dalam pengalaman pelanggan, dan penurunan 11% dalam biaya dalam 18 bulan setelah penggalian dan penskalaan gen AI di seluruh perusahaan mereka.”
Dengan mengadopsi praktik pelari terdepan, lebih banyak organisasi dapat menjembatani kesenjangan antara eksperimen AI dan transformasi perusahaan.
