Η Τεχνητή Νοημοσύνη των επιχειρήσεων υποσχέθηκε στα στελέχη κάτι που πλησιάζει την επιχειρησιακή βεβαιότητα: λιγότερες διακοπές λειτουργίας, λιγότερα ανθρώπινα λάθη και συστήματα ικανά να εντοπίζουν προβλήματα πριν καν τα προσέξουν οι πελάτες.
Τίποτα όμως απ’ όλα αυτά δεν φαίνεται να συμβαίνει..
Η Τεχνητή Νοημοσύνη λειτουργεί σε υποδομές που είναι ολοένα και πιο περιορισμένες, αμφισβητούμενες και, σε πολλές περιπτώσεις, εκτός του ελέγχου μιας εταιρείας.
Αυτή η πραγματικότητα αρχίζει να έρχεται στην επιφάνεια με ανεπαίσθητους τρόπους. Οι προμηθευτές προσαρμόζουν την πρόσβαση στις δυνατότητες της Τεχνητής Νοημοσύνης, εισάγοντας κλιμακωτά μοντέλα χρήσης και αναδιαμορφώνοντας αθόρυβα τι μπορούν να περιμένουν οι πελάτες από τα εργαλεία τους. Η Microsoft, για παράδειγμα, έχει ήδη αλλάξει χαρακτηριστικά και πρόσβαση στο οικοσύστημα Copilot, σηματοδοτώντας ότι η χωρητικότητα δεν είναι απεριόριστη.
Αυτό δεν είναι κάτι καινούργιο. Στις πρώτες μέρες του διαδικτύου, οι πάροχοι υπηρεσιών μπορούσαν να περιορίσουν την πρόσβαση με βάση τη ζήτηση ή τα επίπεδα τιμολόγησης, μέχρι που η νομοθεσία παρενέβη για να τυποποιήσει τη διαθεσιμότητα. Η Τεχνητή Νοημοσύνη αρχίζει να ακολουθεί μια παρόμοια πορεία, αλλά με ένα πιο σύνθετο σύνολο περιορισμών: διαθεσιμότητα ισχύος, χωρητικότητα κέντρου δεδομένων, γεωπολιτικός κίνδυνος και συγκέντρωση προμηθευτών.
Αυτό που κάνει αυτή τη διαφορά είναι η ταχύτητα με την οποία ενσωματώνεται η Τεχνητή Νοημοσύνη στις βασικές ροές εργασίας της επιχείρησης. Σχεδόν τα τρία τέταρτα των οργανισμών χρησιμοποιούν ήδη την Τεχνητή Νοημοσύνη για την αυτοματοποίηση διαδικασιών σε πολλαπλές επιχειρηματικές λειτουργίες.
Ωστόσο, οι περισσότεροι έχουν κάνει ελάχιστα για να λάβουν υπόψη τον κίνδυνο διακοπής της επιχειρηματικής δραστηριότητας που δημιουργεί. Πολλές επιχειρήσεις αντιμετωπίζουν την Τεχνητή Νοημοσύνη ως πάντα διαθέσιμη υποδομή. Στην πραγματικότητα, είναι περιορισμένης χωρητικότητας, εξαρτάται από τον προμηθευτή και είναι ευάλωτη σε διαταραχές.
Η επόμενη φάση ωριμότητας της Τεχνητής Νοημοσύνης δεν αφορά την υιοθέτηση. Θα αφορά την ανθεκτικότητα, τη συνέχεια και τη διαχείριση των εξαρτήσεων.
Επιχειρηματική συνέχεια σε ένα λειτουργικό μοντέλο που εξαρτάται από την Τεχνητή Νοημοσύνη
Το ερώτημα που θέτει το cio.com δεν είναι πλέον αν μπορεί να γίνει εργασία χωρίς την Τεχνητή Νοημοσύνη. Είναι αν οι επιχειρήσεις μπορούν να λειτουργήσουν με την ταχύτητα και τον όγκο που έχουν ήδη δεσμευτεί χωρίς αυτήν.
Πολλοί οργανισμοί έχουν επανασχεδιάσει τις ροές εργασίας με γνώμονα την αποτελεσματικότητα που βασίζεται στην Τεχνητή Νοημοσύνη. Οι εργασίες που κάποτε διαρκούσαν ώρες τώρα διαρκούν λίγα λεπτά. Οι ομάδες έχουν βελτιστοποιηθεί και οι δεσμεύσεις σε επίπεδο υπηρεσιών έχουν αυστηροποιηθεί. Σε πολλές περιπτώσεις, ολόκληρα λειτουργικά μοντέλα προϋποθέτουν συνεχή διαθεσιμότητα της Τεχνητής Νοημοσύνης.
Στην πράξη, αυτό δεν ισχύει. Ακόμα και σύντομες διακοπές μπορούν να αποκαλύψουν το κενό. Κατά τη διάρκεια μιας πρόσφατης διακοπής λειτουργίας των υπηρεσιών της Microsoft, ορισμένοι οργανισμοί έχασαν την πρόσβαση σε μοντέλα Τεχνητής Νοημοσύνης που ήταν ενσωματωμένα στις ροές εργασίας τους. Οι εργαζόμενοι έπρεπε να επεξεργάζονται χειροκίνητα εργασίες που είχαν αυτοματοποιηθεί, επιβραδύνοντας τις λειτουργίες και δημιουργώντας συσσωρεύσεις σχεδόν αμέσως.
Τι πρέπει να οριστεί ως… βασική αρχή
Σε μικρή κλίμακα, αυτό είναι διαχειρίσιμο. Σε εταιρικό επίπεδο, μετατρέπεται σε κίνδυνο. Ο σχεδιασμός για την αντιμετώπιση της διακοπής της Τεχνητής Νοημοσύνης ξεκινά με μια αλλαγή νοοτροπίας. Οι περισσότεροι σχεδιασμοί συνέχειας προϋποθέτουν την υποβάθμιση: τα συστήματα επιβραδύνονται αλλά εξακολουθούν να λειτουργούν.
Ωστόσο, η Τεχνητή Νοημοσύνη εισάγει σενάρια όπου οι δυνατότητες δεν είναι καθόλου διαθέσιμες.
Κατά την εκπόνηση ενός σχεδίου επιχειρησιακής συνέχειας, τρία πράγματα είναι βασικά:
- Να γνωρίζετε τι παρουσιάζει προβλήματα. Οι περισσότεροι οργανισμοί δεν διαθέτουν σαφή κατάλογο των σημείων στα οποία είναι ενσωματωμένη η Τεχνητή Νοημοσύνη στις ροές εργασίας τους, συμπεριλαμβανομένων των εξαρτήσεων από συγκεκριμένους προμηθευτές, μοντέλα και υποδομές. Χωρίς αυτήν την ορατότητα, είναι δύσκολο να κατανοήσετε τα σημεία αποτυχίας ή να δημιουργήσετε ένα σχέδιο μετριασμού γύρω από αυτά.
- Σχεδιάστε για την απουσία, όχι για την υποβάθμιση. Εάν ένα σύστημα Τεχνητής Νοημοσύνης τεθεί εκτός λειτουργίας, τι συμβαίνει στη συνέχεια; Σε πολλές περιπτώσεις, δεν υπάρχει εφεδρική λύση. Οι δεξιότητες έχουν ατροφήσει, τα μοντέλα στελέχωσης έχουν αλλάξει και οι διαδικασίες έχουν βελτιστοποιηθεί γύρω από τον αυτοματισμό. Εδώ είναι που η διαχείριση κινδύνων χρειάζεται μια θέση στο τραπέζι, όχι μόνο η πληροφορική.
- Επαναφορά λειτουργικών αποθεμάτων ασφαλείας. Η ανθεκτικότητα απαιτεί πλεονασμό — είτε αυτό σημαίνει διατήρηση θεσμικής γνώσης, είτε διατήρηση εναλλακτικών ροών εργασίας είτε διαφοροποίηση παρόχων. Αυτές οι επενδύσεις σπάνια παρουσιάζουν άμεσες αποδόσεις, γι’ αυτό και συχνά αναβάλλονται.
Αυτό δεν διαφέρει ουσιαστικά από τον τρόπο με τον οποίο οι οργανισμοί προσέγγιζαν την κυβερνοασφάλεια πριν από μια δεκαετία. Αυτό που κάποτε θεωρούνταν προαιρετικό, τώρα αποτελεί βασική αρχή.
Ασφάλιση και το αναδυόμενο κενό διακοπής επιχειρηματικής δραστηριότητας
Καθώς η Τεχνητή Νοημοσύνη ενσωματώνεται στις βασικές λειτουργίες, η οικονομική έκθεση που συνδέεται με την αναστάτωση που προκαλεί γίνεται όλο και πιο δύσκολο να αγνοηθεί. Αυτή η έκθεση δεν εντάσσεται πλήρως στα υπάρχοντα ασφαλιστικά πλαίσια.
Υπάρχουν παραλληλισμοί με τις πρώτες ημέρες του κυβερνοκινδύνου. Πριν από την ύπαρξη αυτόνομων ασφαλιστηρίων συμβολαίων για τον κυβερνοχώρο, οι ζημίες συχνά απορροφούνταν — ή αμφισβητούνταν — από την κάλυψη γενικής αστικής ευθύνης, εγκλήματος και απάτης. Οι ασφαλιστές αντέδρασαν εισάγοντας εξαιρέσεις και, τελικά, εξειδικευμένες πολιτικές για τον κυβερνοχώρο.
Ο κίνδυνος της Τεχνητής Νοημοσύνης ακολουθεί παρόμοια πορεία, αλλά με πρόσθετη πολυπλοκότητα. Γεγονότα όπως η διακοπή λειτουργίας του CrowdStrike, (αμερικανική εταιρεία τεχνολογίας κυβερνοασφάλειας με έδρα το Όστιν του Τέξας), η οποία επηρέασε τα συστήματα παγκοσμίως, έθεσαν ερωτήματα σχετικά με την κάλυψη για διακοπές λειτουργίας επιχειρήσεων, με τους οργανισμούς να διεκδικούν αποζημιώσεις που συνδέονται με οικονομικές απώλειες. Σε αυτήν την περίπτωση, η κάλυψη στον κυβερνοχώρο ήταν ένα πιθανό σημείο εισόδου.
Η Τεχνητή Νοημοσύνη εισάγει ένα διαφορετικό επίπεδο. Μια διακοπή μπορεί να μην είναι καθόλου κυβερνοσυμβάν. Θα μπορούσε να σχετίζεται με περιορισμούς του δικτύου ηλεκτρικής ενέργειας που επηρεάζουν τα κέντρα δεδομένων, όρια χωρητικότητας που καθορίζονται από τους προμηθευτές, κανονιστικούς περιορισμούς ή γεωπολιτικά γεγονότα. Η βλάβη είναι εξωτερική και όχι απαραίτητα κακόβουλη, γεγονός που εγείρει ένα θεμελιώδες ερώτημα: Πού βρίσκεται η απώλεια;
Για τους περισσότερους οργανισμούς σήμερα, η απάντηση είναι ασαφής. Αυτή η αβεβαιότητα οδηγεί σε πρώιμες συζητήσεις σχετικά με την αυτόνομη κάλυψη της Τεχνητής Νοημοσύνης. Ενώ αυτά τα προϊόντα εξακολουθούν να εξελίσσονται, η πιο άμεση προτεραιότητα είναι η κατανόηση του πού υπάρχει έκθεση και πού μπορεί να είναι υποασφαλισμένη.
Αυτό απαιτεί τη μετατροπή της εξάρτησης από την Τεχνητή Νοημοσύνη σε οικονομικούς όρους. Ποια έσοδα συνδέονται με τις ροές εργασίας που βασίζονται στην Τεχνητή Νοημοσύνη; Ποιες συμβατικές υποχρεώσεις εξαρτώνται από αυτά τα αποτελέσματα; Τι συμβαίνει εάν αυτές οι δυνατότητες δεν είναι διαθέσιμες;
Μέχρι να απαντηθούν αυτά τα ερωτήματα, ο κίνδυνος παραμένει σε μεγάλο βαθμό απροσδιόριστος.
Οι συνεργάτες σας στην Τεχνητή Νοημοσύνη είναι το μοντέλο κινδύνου σας
Μεγάλο μέρος αυτής της έκθεσης συγκεντρώνεται σε έναν μικρό αριθμό παρόχων. Οι εταιρείες που κατασκευάζουν και λειτουργούν συστήματα τεχνητής νοημοσύνης μεγάλης κλίμακας, όπως η OpenAI και η Anthropic, λαμβάνουν αποφάσεις σε πραγματικό χρόνο σχετικά με τον τρόπο λειτουργίας των πλατφορμών τους υπό περιορισμούς. Αυτές οι αποφάσεις διαμορφώνουν τον τρόπο με τον οποίο κάθε εξαρτώμενος οργανισμός βιώνει την απόδοση, την πρόσβαση και τις διακοπές λειτουργίας.
Αυτό περιλαμβάνει τον τρόπο με τον οποίο κατανέμεται η χωρητικότητα όταν η ζήτηση υπερβαίνει την προσφορά, ποιες λειτουργίες είναι διαθέσιμες σε διαφορετικά επίπεδα τιμολόγησης, πώς εκπαιδεύονται και διέπονται τα μοντέλα και πώς επεκτείνεται ή περιορίζεται η υποδομή με βάση τις ισχύουσες και κανονιστικές συνθήκες.
Αυτές δεν είναι καθαρά τεχνικές παραμέτρους. Είναι επιχειρηματικές αποφάσεις που λαμβάνονται από τρίτους και επηρεάζουν άμεσα τις δραστηριότητές σας. Ως εκ τούτου, η επιλογή ενός συνεργάτη Τεχνητής Νοημοσύνης είναι μια απόφαση εξάρτησης που θα διαμορφώσει τον τρόπο με τον οποίο λειτουργεί η επιχείρησή σας τόσο υπό κανονικές συνθήκες όσο και υπό αναταραχές.
Τρεις τομείς που πρέπει να ληφθούν υπόψη:
- Εμπιστοσύνη και ευθύνη. Ο τρόπος με τον οποίο εκπαιδεύονται τα μοντέλα, ο τρόπος με τον οποίο διαχειρίζεται η προκατάληψη και ο τρόπος με τον οποίο διέπονται τα αποτελέσματα έχουν επιπτώσεις στο μέλλον.
- Αξιοπιστία λειτουργίας. Τα επίπεδα εξυπηρέτησης πλέον περιλαμβάνουν περισσότερα από τον απλό χρόνο λειτουργίας. Περιλαμβάνουν τις δυνατότητες στις οποίες μπορείτε να έχετε πρόσβαση, σε ποιο επίπεδο τιμής και εάν η απόδοση διατηρείται όταν η ζήτηση είναι υψηλή.
- Ευθυγράμμιση προτεραιοτήτων. Όταν προκύπτουν περιορισμοί, οι προμηθευτές αποφασίζουν πού θα κατευθυνθούν οι πόροι. Οι επιχειρήσεις πρέπει να κατανοήσουν τη θέση τους σε αυτήν την ιεραρχία.
Δεν υπάρχει ακόμη ένα καθολικό πλαίσιο για τη λήψη αυτών των αποφάσεων. Οι οργανισμοί αναπτύσσουν την προσέγγισή τους σε πραγματικό χρόνο.
Ένα διαφορετικό είδος κινδύνου υποδομών
Η Τεχνητή Νοημοσύνη συχνά παρουσιάζεται ως ανταγωνιστικό πλεονέκτημα. Σε πολλές περιπτώσεις, όντως ισχύει. Αλλά καθώς μετατοπίζεται από μια δυνατότητα σε μια βασική υποδομή που είναι κοινή, περιορισμένη και υπόκειται σε δυνάμεις πέρα από τον έλεγχο οποιουδήποτε μεμονωμένου οργανισμού, το προφίλ κινδύνου αλλάζει ριζικά.
Αυτή η εξάρτηση αποτελεί τον κίνδυνο. Οι επιχειρήσεις δεν χρειάζεται να επιβραδύνουν την υιοθέτηση. Η πίεση για να προχωρήσουν είναι πραγματική. Χρειάζονται όμως μια πιο σαφή εικόνα για το τι βασίζονται και τι συμβαίνει όταν αυτά τα θεμέλια βρίσκονται υπό πίεση.
Πηγή: in.gr
