Kebanyakan pelaburan AI gagal—inilah perkara yang dilakukan dengan betul oleh pihak yang berjaya
(SeaPRwire) - Generative AI berbeza daripada peralihan teknologi sebelum ini: ia secara asasnya mencipta semula cara perniagaan beroperasi pada kelajuan yang menakjubkan. Apa yang mengambil masa beberapa dekad untuk mekanisasi pertanian—mengurangkan pekerja pertanian daripada satu pertiga tenaga kerja A.S. kepada 1%—sedang dicapai oleh AI dalam masa beberapa bulan sahaja. Namun, walaupun dengan pelaburan berbilion dolar, kebanyakan organisasi masih bergelut untuk beralih daripada peringkat perintis kepada pengeluaran dan penggunaan. Malah, menurut penyelidikan Gartner®, “pada tahun 2024, 60% daripada POC GenAI telah ditinggalkan setelah selesai¹.” Perbezaan antara eksperimen AI dan kejayaan bukanlah tentang memilih model bahasa besar yang betul; ia adalah tentang perkara yang lebih luas daripada itu. Melalui kerja kami dengan rakan kongsi dan pelanggan di pelbagai peringkat perjalanan AI mereka, kami telah memerhatikan corak konsisten yang membezakan pelaksanaan yang berjaya daripada yang terhenti. Organisasi yang berjaya beralih daripada perintis kepada pengeluaran memberi tumpuan kepada empat tonggak yang saling berkaitan—dan yang penting, mereka menyedari bahawa teknologi hanyalah salah satu daripadanya. Inilah yang kami di AWS lihat dilakukan dengan betul oleh para pemenang. 1. Bina Asas Data Anda Secara Strategik Sekadar mempunyai data tidak mencukupi—cara anda menyusun, mentadbir, dan mengaktifkannya membuat semua perbezaan. Organisasi terkemuka melaksanakan tiga amalan khusus: sambungkan semua data anda bersama-sama, label dan susun supaya mudah dicari, dan tetapkan kawalan untuk memastikan hanya orang (atau ejen) yang betul mempunyai akses kepada set data sensitif. Industri yang dikawal ketat seperti perkhidmatan kewangan dan penjagaan kesihatan sering mempunyai kelebihan di sini—rangka kerja tadbir urus sedia ada mereka boleh mempercepatkan inisiatif AI. Walau bagaimanapun, bagi organisasi yang bermula dari sifar, daripada cuba menyatukan keseluruhan gudang data anda, mulakan dengan bekerja secara terbalik daripada kes penggunaan tertentu. Sebagai contoh, pengendali telekomunikasi mungkin bermula dengan menyambungkan data prestasi rangkaian dengan tiket perkhidmatan pelanggan dan rekod pengebilan untuk satu tujuan: meramalkan kemerosotan perkhidmatan sebelum pelanggan mengalami masalah. Sebaik sahaja kes penggunaan itu memberikan nilai, anda boleh menentukan sambungan data tambahan yang paling penting dan berkembang dari situ. 2. Bina Kepercayaan Melalui Keselamatan dan Pengesahan Dalam AI perusahaan, kepercayaan bukan sekadar sesuatu yang baik untuk dimiliki—ia adalah asas yang menentukan sama ada pelaburan anda beralih daripada perintis kepada pengeluaran. Organisasi menghadapi cabaran dwi: mereka memerlukan sistem AI yang cukup selamat untuk melindungi data sensitif, namun cukup tepat untuk membuat keputusan yang penting. Pertimbangkan satu penyedia penjagaan kesihatan dengan 700,000 ahli. Pelanggan mereka menghubungi pada saat-saat paling terdedah, memerlukan sama ada nasihat perubatan atau maklumat tentang perlindungan mereka. Peluang yang boleh disediakan oleh AI adalah sangat besar—menyokong pelanggan dengan lebih pantas, 24/7, dalam mana-mana bahasa. Tetapi satu halusinasi dalam konteks ini boleh menyebabkan kemudaratan sebenar, menghakis kepercayaan yang mengambil masa bertahun-tahun untuk dibina. Organisasi terkemuka sedang bergerak melangkaui “percaya tetapi sahkan” kepada “sahkan, kemudian percaya.” Mereka melaksanakan pelbagai lapisan pengesahan: menyemak input untuk kandungan berniat jahat, mengesahkan output terhadap fakta dan dasar yang diketahui, serta memantau secara berterusan untuk sebarang perubahan atau tingkah laku yang tidak dijangka. Teknik baru muncul seperti penaakulan automatik—pendekatan matematik yang digunakan selama beberapa dekad dalam reka bentuk cip dan pengesahan keselamatan—kini boleh menyemak output AI terhadap peraturan yang ditetapkan, dalam sesetengah kes mengurangkan halusinasi sebanyak 99%. Pendekatan mengutamakan pengesahan ini mempercepatkan inovasi dan bukannya melambatkannya, memperkasakan pasukan untuk bereksperimen dengan lebih berani apabila mereka tahu pagar keselamatan akan menangkap ralat sebelum ia sampai kepada pelanggan. 3. Transformasikan Budaya, Bukan Sekadar Teknologi Penghalang terbesar kepada penggunaan AI bukanlah teknologi—ia adalah pengurusan perubahan. Organisasi distrukturkan di sekitar proses yang kompleks, dengan pekerja yang menguruskan proses tersebut. Mendapatkan individu untuk berundur dan membayangkan semula proses tersebut supaya diautomasikan sepenuhnya atau dikendalikan oleh ejen memerlukan transformasi budaya yang disengajakan. Kejayaan memerlukan komitmen dari atas ke bawah dan pemerkasaan dari bawah ke atas. Pemimpin mesti menunjukkan komitmen yang jelas melangkaui kata-kata, manakala pekerja memerlukan ruang dan sokongan untuk membayangkan semula aliran kerja mereka sendiri. BT Group mencontohi pendekatan ini: apabila mereka memulakan perjalanan AI mereka pada tahun 2024 untuk mempercepatkan produktiviti dan meningkatkan pengalaman pelanggan, mereka tidak hanya menggunakan teknologi. Mereka membina strategi pemerkasaan yang sepadan dengan keupayaan teknologi tersebut. Hari ini, hampir 4,000 pekerja menggunakan pembantu pengekodan AI untuk menulis dan menyelenggara 4 juta baris kod setahun—tetapi pencapaian itu memerlukan pelaburan dalam latihan, mewujudkan juara dalam pasukan, dan memberi orang kebenaran untuk bereksperimen. Realitinya adalah bernuansa: AI akan mengautomasikan banyak tugas sambil pada masa yang sama mencipta peluang baharu dan meningkatkan potensi manusia dalam tugas lain. Organisasi yang paling berjaya adalah telus tentang transformasi ini dan melabur dalam melatih semula tenaga kerja mereka untuk berkembang maju dalam persekitaran yang dipertingkatkan oleh AI. 4. Bekerja dengan Pakar yang Tepat Walaupun sesetengah organisasi mempunyai sumber dan kepakaran untuk membina keupayaan AI generatif sepenuhnya secara dalaman, kebanyakan mendapati bahawa perkongsian strategik mempercepatkan perjalanan mereka daripada perintis kepada pengeluaran. Persoalannya bukanlah sama ada anda boleh melakukannya sendiri—ia adalah sama ada itu laluan terpantas untuk merealisasikan nilai. Rakan kongsi yang tepat membawa tiga kelebihan kritikal: kepakaran teknikal untuk mengemudi landskap AI yang berkembang pesat, pengetahuan domain untuk menggunakan AI pada persekitaran industri dan kawal selia tertentu, serta pengalaman pengurusan perubahan untuk memacu penggunaan secara berskala. Data membuktikan perkara ini: organisasi yang bekerjasama dengan rakan kongsi yang mempunyai kepakaran AI yang mendalam dan kejayaan pelanggan yang terbukti telah memindahkan projek AI mereka ke peringkat pengeluaran secara purata 25% lebih pantas berbanding mereka yang bekerja tanpa rakan kongsi khusus. Dalam landskap di mana kelajuan untuk mencapai nilai sering menentukan kelebihan daya saing, pecutan itu boleh menjadi penentu. Laluan Ke Hadapan Organisasi yang berjaya mendekati AI generatif sebagai transformasi perniagaan, bukan sekadar penggunaan teknologi. Organisasi yang akan berkembang maju bukanlah mereka yang mempunyai model paling canggih, tetapi mereka yang menyedari bahawa kejayaan AI memerlukan pelaburan yang sama rata dalam teknologi, manusia, dan proses. ¹ Laporan Gartner, Analisis Ramalan: Perkhidmatan Kecerdasan Buatan, Seluruh Dunia, Oleh Colleen Graham, Ben Fieselmann, dsb., September 2025. GARTNER ialah tanda dagangan berdaftar dan tanda perkhidmatan Gartner, Inc. dan/atau sekutunya di A.S. dan di peringkat antarabangsa dan digunakan di sini dengan kebenaran. Hak cipta terpelihara.Artikel ini disediakan oleh pembekal kandungan pihak ketiga. SeaPRwire (https://www.seaprwire.com/) tidak memberi sebarang waranti atau perwakilan berkaitan dengannya. Sektor: Top Story, Berita Harian SeaPRwire menyampaikan edaran siaran akhbar secara masa nyata untuk syarikat dan institusi, mencapai lebih daripada 6,500 kedai media, 86,000 penyunting dan wartawan, dan 3.5 juta desktop profesional di seluruh 90 negara. SeaPRwire menyokong pengedaran siaran akhbar dalam bahasa Inggeris, Korea, Jepun, Arab, Cina Ringkas, Cina Tradisional, Vietnam, Thai, Indonesia, Melayu, Jerman, Rusia, Perancis, Sepanyol, Portugis dan bahasa-bahasa lain.
More