Az AI bevezetése egyre inkább üzemeltetési problémává válik a cégeknél
A Deluxe fizetési vállalat már több mint 50 AI-ügynököt üzemeltet, ami rávilágít arra, hogy a cégeknek mostantól többféle modellt kell egyidejűleg kezelniük. A kihívás nem a hozzáférés, hanem az, hogy ki dönt arról, melyik modell végezze az adott feladatot.
Az AI Business cikke szerint a kérdések egyre inkább arra irányulnak, hogy mely modellek kezeljenek bizonyos feladatokat, elegendő-e a mögöttes adat, ki és mi férhet hozzá az AI rendszerekhez, és képes-e a meglévő kormányzási struktúra lépést tartani a fejlődéssel.
A Deluxe fizetési és adatkezelési vállalat több mint 50 AI-ügynököt alkalmaz. Egy központi átjáró irányítja a kéréseket a különböző modellekhez, amelyek közül a minőség, a kockázat, a sebesség és a költség alapján döntenek. Ez merőben más kihívás, mint pusztán egy AI-szolgáltató kiválasztása.
Az adatminőség és a kormányzás is akadály
A modellek kezelése azonban csak egy része a problémának. Az AI projektek gyakran futnak bele egy ismerős vállalati akadályba: a rossz vagy töredezett adatokba. Egy friss Collibra-felmérés szerint az AI döntéshozóinak 72%-a jelölte meg a gyenge adat alapokat mint fő okot arra, amikor az vállalati AI kezdeményezések kudarcba fulladtak.
Az üzemeltetési kérdések az adatokkal sem érnek véget. Bár a vállalatok rendelkezhetnek AI-kormányzási irányelvekkel, stratégiáik nem feltétlenül veszik figyelembe az úgynevezett „agentic” rendszereket, amelyek önállóan képesek feladatokat végrehajtani.
Az EY egyik kedden megjelent jelentése szerint az ügynökrendszereket használó szervezetek közel hatvan százaléka gondolta úgy, hogy egyetlen csoport sem felügyeli az ügynököket a bevezetésük után. Majdnem minden második válaszadó szerint kormányzási keretrendszerüket nem frissítették az ügynök-specifikus kockázatok kezelésére, míg négyből tíznek nem volt rálátása az összes hálózaton futó AI-eszközre.
Az AI-képesség nem oldja meg az operációs gondokat
Ez az operációs szakadék éppúgy kormányzási, mint technikai probléma. A vállalatok nem tudják hatékonyan kezelni az AI-rendszereket, ha nem tudják, mi fut a háttérben, vagy ki a felelős az ellenőrzéséért. Egy erősebb modell önmagában nem oldja meg ezeket a problémákat.
Ezek a kihívások arra kényszerítik a vállalatokat, hogy döntéseket hozzanak az architektúráról, az adatokról, a tulajdonosi jogokról és a felügyeletekről, ahogy az AI beépül az üzletmenetbe. A Collibra-felmérés szerint az AI döntéshozóinak 72%-a jelölte meg a gyenge adat alapokat mint fő okot arra, amikor az vállalati AI kezdeményezések kudarcba fulladtak.