Как увеличить эффективность внедрения ИИ. Опыт БКС

Компании уже вложили в генеративный ИИ сотни миллиардов долларов, но подавляющее большинство инициатив по-прежнему остаётся на стадии экспериментов. Около 95% пилотных ИИ-проектов не дают никакого измеримого эффекта.

И дело чаще не в качестве моделей. Проекты проваливаются из-за отсутствия измеримой бизнес-цели, автоматизации сломанных процессов, неполного расчёта стоимости владения, выбора технологии раньше задачи и отсутствия персонального владельца результата. Всего того, что требуется перед началом работы над проектом.

Чтобы зазря не палить бюджет на ИИ-пилоты, в БКС была внедрена воронка отбора ИИ-инициатив, в которой из примерно ста идей до реализации доходят лишь 10–15. И это уже проработанные и качественные инициативы от бизнес-направлений. С рассчитанным финансовым эффектом, зафиксированными метриками (As-is), образом результата (To-be), архитектурой, TCO и главное — есть осмысленный ответ на вопрос, применим ли здесь ИИ? Или можно обойтись более простой автоматизацией.

Хорошими практиками следует делиться и всячески пестовать их повсеместное применение. Что, в итоге, позволит снизить нагрузку на команду ИИ-трансформации и повысить веру сотрудников в реальные, а не умозрительные возможности ИИ

Рекомендую к прочтению и обдумыванию. А потом к применению

В этом посте были ссылки, но мы их удалили по правилам Сетки