Создание ценности генеративного ИИ в масштабе

Генеративный ИИ представляет собой организационную головоломку. Компании коллективно инвестировали миллиарды долларов, чтобы предоставить сотрудникам доступ к универсальным большим языковым моделям (LLM) для повышения личной производительности, в то время как в большинстве случаев они изо всех сил пытаются разработать и внедрить более стратегические применения технологии. Значительная отдача от инвестиций, не говоря уже о конкурентном преимуществе, вероятно, останется недостижимой, если компании не смогут использовать GenAI для инновационных улучшений процессов, которые масштабируются на все функции и бизнес-подразделения.1

Наши интервью с 87 практиками в 23 крупных организациях показали, что лидеры, которые масштабируют создание ценности с помощью генеративного ИИ, развивают три ключевые практики. Во-первых, они расширяют сферу применения вариантов использования на все процессы, а не остаются сосредоточенными на конкретной задаче. Во-вторых, они рассматривают каждый вариант использования как работу в процессе, которую нужно постоянно улучшать. И в-третьих, они быстро выявляют и отказываются от вариантов использования, которые не приносят измеримой ценности организации.

Однако большинство традиционных компаний не структурированы для институционализации этих трех практик. Многие работают как мультидивизиональные организации, характеризующиеся множеством центров прибыли и убытков с дублирующимися функциями, ограниченным кросс-функциональным потоком информации и внутренней конкуренцией за ресурсы.2 Такая структура затрудняет масштабирование вариантов использования генеративного ИИ на все процессы и подразделения.

В нашем исследовании мы обнаружили, что немногие лидеры, которые преодолевают эти проблемы, выходят за рамки классических моделей «хаб-и-спицы», которые многие организации использовали для соединения централизованной технической экспертизы ИИ с каждым подразделением. Они разрабатывают новый вид внутреннего ресурса, который мы называем позвоночником ИИ. Он обеспечивает гибкую базовую структуру для внедрения, развития и отказа от вариантов использования LLM в масштабе, поддерживая портфель генеративного ИИ как сфокусированным, так и актуальным.