საწარმოთა AI-ის მმართველობა პროგრამული უზრუნველყოფიდან შედეგებზე გადადის

საწარმოები AI-ს სულ უფრო ხშირად განიხილავენ როგორც ოპერაციულ რესურსს, რომელიც სამუშაოს ასრულებს და არა როგორც პროგრამულ უზრუნველყოფას, რომელიც მხოლოდ თანამშრომლებს ეხმარება. ირინა შიმკო ამბობს, რომ ხელმძღვანელ გუნდებს სჭირდებათ გამჭვირვალობა იმაზე, თუ სად გამოიყენება AI, რა უჯდება თითოეული სამუშაო პროცესი და რა შედეგებს იძლევა, ნაცვლად იმისა, რომ მხოლოდ მთლიან ხარჯებზე ფოკუსირდნენ.

ხარჯები იზრდება, გაზომვადი გავლენა კი შეზღუდული რჩება

Gartner-ი ვარაუდობს, რომ გლობალური დანახარჯები AI-ზე 2026 წელს 2,59 ტრილიონ დოლარს მიაღწევს, რაც წლიურად 47%-იანი ზრდაა. McKinsey-ის კვლევამ State of AI 2025 აჩვენა, რომ ორგანიზაციების 88% AI-ს მინიმუმ ერთ ფუნქციაში იყენებს, თუმცა მხოლოდ 39%-ს შეუძლია რაიმე EBIT-ის გავლენის მიკუთვნება, და მათი უმეტესობისთვის ეს გავლენა 5%-ზე ნაკლებია. ფინანსური განყოფილება ხედავს ხარჯებს მოდელების გამოყენებაზე, ინფრასტრუქტურაზე, მონაცემთა სერვისებზე, ინტეგრაციასა და ადამიანის მიერ შემოწმებაზე, მაგრამ ამ ხარჯებს შედეგებთან არ აკავშირებს. ოპერაციები შესაძლოა თვალყურს ადევნებდეს დანერგვას, მაგრამ ვერ გამოავლენდეს მაღალი ღირებულების სამუშაო პროცესებს, ხოლო IT მართავს მოდელებს, კოპილოტებსა და აგენტებს გადაფარვისა თუ დამოკიდებულებების მკაფიო ხედვის გარეშე.

ხარჯი ერთ შედეგზე ტოკენის ფასზე მეტად მნიშვნელოვანია

Gartner-ი პროგნოზირებს, რომ გენერაციული AI-ის პროექტების მინიმუმ ნახევარი 2028 წლისთვის ბიუჯეტს გადააჭარბებს, ცუდი არქიტექტურული არჩევანისა და ოპერაციული გამოცდილების ნაკლებობის გამო. კომპანია ვარაუდობს, რომ ტრილიონპარამეტრიან მოდელზე ინფერენსი პროვაიდერებს 2030 წელს 2025 წელთან შედარებით 90%-ზე მეტად იაფად დაუჯდებათ, თუმცა ასევე ვარაუდობს, რომ აგენტურ სამუშაო პროცესზე ინფერენსის ღირებულება 2028 წლისთვის ხუთჯერ მეტად გაიზრდება. აგენტები დავალებაზე დაახლოებით 5-დან 30-ჯერ მეტ ტოკენს ხარჯავენ, ვიდრე სტანდარტული ჩატბოტები. ეს კონტრასტი სამუშაო პროცესის ისეთ მაჩვენებლებს, როგორიცაა ხარჯი მომხმარებელთა მომსახურების ერთი წარმატებული შემთხვევისთვის, მხოლოდ ტოკენის ფასზე უფრო სასარგებლოს ხდის. Gartner-ი ელოდება, რომ გენერაციული AI-ის ხარჯი მომხმარებელთა მომსახურების ერთი შემთხვევის წარმატებით გადაწყვეტაზე 2030 წლისთვის 3 დოლარს გადააჭარბებს.

მმართველობა სისტემებსა და შედეგებს უნდა მიჰყვებოდეს

AI-ის ქცევა შეიძლება შეიცვალოს მოდელის, პრომპტის, მონაცემების, კონტექსტის, დაკავშირებული ხელსაწყოებისა და მიმდებარე სამუშაო პროცესის მიხედვით. აგენტმა შეიძლება სხვა სისტემებს მიმართოს, დამატებითი რესურსები მოიხმაროს და მომხმარებლებზე ან თანამშრომლებზე იმოქმედოს ისე, რომ ამ კონკრეტული მოვლენათა ჯაჭვი არავის დაუმტკიცებია. შიმკოს ხუთნაწილიანი ჩარჩო ამიტომ ორიენტირებულია გამჭვირვალობაზე, მიკუთვნებაზე, ოპტიმიზაციაზე, ანგარიშვალდებულებასა და უწყვეტობაზე. ორგანიზაციებმა AI-ის რუკა უნდა შეადგინონ აპლიკაციების, სამუშაო პროცესების, გუნდებისა და აგენტების მიხედვით; გამოყენება შედეგებთან დააკავშირონ; სამუშაო ხარჯის, სიჩქარის, რისკისა და საჭირო ხარისხის მიხედვით გადაანაწილონ; ყველა AI-ით მართულ სამუშაო პროცესს დასახელებული მფლობელი მიუჩინონ; და ცვლილებებს განუწყვეტლივ აკვირდებოდნენ, ყოველწლიურ მიმოხილვებზე დაყრდნობის ნაცვლად.

AI-ის მმართველობა ხელმძღვანელობის პასუხისმგებლობად იქცევა

ეს ჩარჩო IT-ის მიღმა ვრცელდება ფინანსებზე, ოპერაციებზე, ტექნოლოგიებსა და ბიზნესის ხელმძღვანელობაზე. McKinsey-ის კვლევამ აჩვენა, რომ კომპანიები, რომლებიც AI-ისგან ყველაზე მეტ ღირებულებას იღებენ, სამუშაო პროცესებს გადაამუშავებენ და მმართველობაზე უფროს ხელმძღვანელობას აყენებენ პასუხისმგებლად. შიმკო გვირჩევს, ვკითხოთ, აქვს თუ არა მფლობელი ყველა AI-ით მართულ სამუშაო პროცესს, ცნობილია თუ არა ხარჯი ერთ წარმატებულ შედეგზე სამი უდიდესი გამოყენების შემთხვევისთვის და როდის შემოწმდა ბოლოს უფრო იაფი მოდელი იმავე სამუშაოსთვის. მენეჯმენტის მთავარი ცვლა ისაა, რომ პროგრამული ლიცენზიებისა და დანერგვის თვალყურის დევნებიდან გადავიდეთ AI-ის მიერ შექმნილი სისტემების, ხარჯებისა და შედეგების მფლობელობაზე.