การประกาศล่าสุดของ Thomson Reuters แสดงให้เห็นว่า Enterprise AI ถูกขายเป็น chatbot น้อยลง และเป็นชั้นการดำเนินงานสำหรับงานทางกฎหมาย ภาษี และการปฏิบัติตามกฎระเบียบมากขึ้น โดยเน้นที่การอ้างอิง การเข้าถึงข้อมูลที่มีการควบคุม และระบบที่สามารถรับการตรวจสอบได้

นั่นเป็นการเปลี่ยนแปลงที่สำคัญ เพราะผลิตภัณฑ์ที่ชนะในสาขาเหล่านี้ไม่จำเป็นต้องเป็นสิ่งที่โดดเด่นที่สุด แต่เป็นสิ่งที่ช่วยลดความเสี่ยงและเข้ากับกิจวัตรอย่างมืออาชีพที่มีผลทางการเงินหรือทางกฎหมายอยู่แล้ว

การเปลี่ยนแปลงจากโปรเจกต์ทดลองไปใช้งานจริงเป็นระบบการผลิต เปิดเผยถึงการเปลี่ยนแปลงพื้นฐานในรูปแบบการนำ AI ไปใช้ในองค์กร ขณะนี้องค์กรให้ความสำคัญกับความลึกของการรวมระบบมากกว่าความใหม่ทางเทคโนโลยี และมองหาโซลูชันที่สามารถฝังเข้ากับกรอบการปฏิบัติตามกฎหมายและติดตามการตรวจสอบที่มีอยู่ได้อย่างราบรื่น แทนที่จะเป็นแพลตฟอร์มทดลองแบบสแตนด์อโลน

การปฏิบัติตามกฎระเบียบกลายเป็นตัวขับเคลื่อนหลักมากกว่าเป็นอุปสรรคในการนำ AI ไปใช้ โดยภาคบริการทางการเงิน สุขภาพ และประกันภัยเป็นผู้นำความพยายามในการนำไปใช้ ภาคเหล่านี้แสดงให้เห็นว่าระบบ AI สามารถช่วยปรับปรุงการปฏิบัติตามกฎหมายมากกว่าที่จะทำลายมัน หากได้รับการออกแบบด้วยการควบคุมการบริหารและคุณสมบัติการตรวจสอบที่เหมาะสมตั้งแต่แรก

การตัดสินใจเกี่ยวกับสถาปัตยกรรมทางเทคโนโลยี สะท้อนถึงความเป็นจริงในการดำเนินงานมากขึ้น โดยแบบจำลองการนำไปใช้แบบผสมผสานจะช่วยสร้างสมดุลระหว่างความสามารถในการขยายระบบของคลาวด์และความต้องการเรื่องอธิปไตยของข้อมูล องค์กรดำเนินการใช้โปรโตคอลความปลอดภัยแบบหลายชั้นที่รักษาการแยกการประมวลผลข้อมูลส่วนบุคคลและการโต้ตอบกับโมเดล AI ภายนอก ในขณะที่ช่วยรับประกันประสิทธิภาพที่สอดคล้องกันในทุกเวิร์กโฟลว์ที่กระจายออกไป

ความเติบโตของ Enterprise AI จะเห็นได้จากวิธีที่ความสำเร็จถูกวัดในวันนี้ การนำไปใช้ในช่วงแรกถูกตัดสินด้วยการสาธิตที่น่าประทับใจและคำติชมจากช่วงทดลองที่น่าตื่นเต้น ในทางตรงกันข้าม ระบบการผลิตถูกประเมินด้วยตัวชี้วัดการดำเนินงานที่เป็นรูปธรรม เช่น อัตราความผิดพลาด การยินยอมการตรวจสอบ ความเร็วในการประมวลผล และต้นทุนของแต่ละธุรกรรมที่เสร็จสมบูรณ์ ตัวชี้วัดเหล่านี้ย้ายการสนทนาออกไปจากสิ่งที่ AI ทำได้ในทางทฤษฎี ไปสู่สิ่งที่ AI ส่งมอบจริงวันต่อวัน และเผยให้เห็นว่าเหตุใดโปรเจกต์ทดลองที่มีอนาคตแจ่มใสจำนวนมากจึงไม่กลายเป็นสิ่งที่ถาวรเมื่อตรวจสอบตัวเลขอย่างใกล้ชิด

การกำกับดูแลข้อมูลกลายเป็นศูนย์กลางของกลยุทธ์ Enterprise AI เพราะคุณภาพของคำตอบจะแข็งแกร่งเท่าข้อมูลที่อยู่เบื้องหลังเท่านั้น ขณะนี้องค์กรลงทุนมหาศาลในการทำความสะอาด ติดฉลาก และจัดทำแผนที่ข้อมูลภายใน เพื่อให้โมเดลที่ฝึกฝนบนข้อมูลนั้นให้การอ้างอิงที่เชื่อถือได้ซึ่งผู้เชี่ยวชาญสามารถปกป้องได้ นี่คืองานที่ต้องใช้ความอดทนและไม่สวยงาม แต่เป็นตัวกำหนดว่าทีมกฎหมายหรือภาษีจะเชื่อถือคำแนะนำของ AI มากพอที่จะปฏิบัติตามหรือไม่ บริษัทที่ข้ามฐานรากนี้มักจะเห็นระบบของตนสร้างคำตอบที่มั่นใจจากบันทึกที่ไม่สมบูรณ์หรือล้าสมัย ซึ่งบ่อนทำลายความมั่นใจที่เครื่องมือตั้งใจจะให้ไว้

การเลือกผู้จำหน่ายจึงเข้มงวดและระมัดระวังมากขึ้น ทีมจัดซื้อไม่ยอมรับคำกล่าวอ้างใหญ่ๆ เกี่ยวกับความสามารถของโมเดลด้วยค่าที่ใบหน้าอีกต่อไป พวกเขาต้องการการเปรียบเทียบที่โปร่งใส การประเมินอิสระ และการจัดทำเอกสารข้อจำกัดที่ชัดเจน สัญญาต่างๆ รวมข้อกำหนดเกี่ยวกับการปกป้องข้อมูล การอัปเดตโมเดล และความรับผิดชอบต่อข้อผิดพลาดมากขึ้นเรื่อยๆ ซึ่งสะท้อนถึงผลที่ร้ายแรงของการวิเคราะห์ที่ผิดพลาดในสาขาที่ถูกกำกับดูแล การเปลี่ยนแปลงนี้สร้างระเบียบวินัยให้กับตลาด ให้รางวัลกับผู้ให้บริการที่พิสูจน์ความน่าเชื่อถือได้ แทนที่จะเป็นผู้ที่สร้างพาดหัวที่โดดเด่นที่สุด

การจัดการการเปลี่ยนแปลงเป็นอีกชิ้นส่วนที่เงียบแต่จำเป็นของปริศนา การนำระบบ AI ไปใช้นั้นตรงไปตรงมาเมื่อเทียบกับการโน้มน้าวผู้เชี่ยวชาญที่มีประสบการณ์ให้เชื่อถือมัน โปรแกรมที่มีประสิทธิภาพลงทุนในการฝึกอบรมที่มีโครงสร้าง เส้นทางขยายความที่ชัดเจน และวงวนข้อเสนอแนะที่มองเห็นได้ ซึ่งแสดงให้ผู้ใช้เห็นว่าคำแนะนำถูกสร้างขึ้นอย่างไรและสามารถท้าทายได้อย่างไร เมื่อผู้เชี่ยวชาญรู้สึกว่ายังคงควบคุมได้และการตัดสินของพวกเขายังมีความหมาย การนำไปใช้ก็จะเร่งขึ้น เมื่อพวกเขารู้สึกว่าเครื่องมือขับข้ามพวกเขา การต่อต้านก็เติบโตแม้กับผลิตภัณฑ์ที่ยอดเยี่ยมทางเทคนิค

โครงสร้างต้นทุนก็กำลังพัฒนาเช่นกัน ในขณะที่องค์กรก้าวข้ามใบอนุญาตจัดซื้อเริ่มต้นเพื่อเข้าใจต้นทุนรวมของการเป็นเจ้าของที่แท้จริง การรันโมเดลในวงกว้างเกี่ยวข้องกับโครงสร้างพื้นฐาน การปรับจูนอย่างต่อเนื่อง การตรวจทานของมนุษย์ และการแก้ไขที่มีราคาแพงเป็นครั้งคราวเมื่อมีข้อผิดพลาดหลุดผ่าน การบัญชีที่โปร่งใสของต้นทุนเหล่านี้กลายเป็นจุดเจรจาในห้องประชุม เพราะผู้บริหารต้องการทราบว่าการลงทุนใน AI ให้ผลตอบแทนที่สมเหตุสมผลต่อการย้ายทรัพยากรออกจากระบบที่มีอยู่ซึ่งทำงานอยู่แล้วหรือไม่ คำตอบแตกต่างกันไปอย่างมากตามภาคส่วนและกรณีการใช้งาน แต่ระเบียบวินัยในการวัดคำตอบนั้นเป็นสัญญาณของความเติบโตด้วยตัวของมันเอง

ขั้นต่อไปของ Enterprise AI อาจถูกกำหนดโดยความก้าวหน้าเพียงครั้งเดียวน้อยลง และมากกว่าด้วยวิธีที่องค์กรทอระบบเหล่านี้เข้ากับจังหวะของงานประจำวัน ทางเลือกเกี่ยวกับคุณภาพข้อมูล การเลือกผู้จำหน่าย การกำกับดูแล และความไว้วางใจของผู้ใช้สะสมเมื่อเวลาผ่านไป แยกองค์กรที่ดึงคุณค่าที่ยั่งยืนออกจากองค์กรที่เพียงทดลองเท่านั้น เมื่อตลาดตั้งหลักได้ คู่แข่งที่ยืนหยัดได้จะเป็นผู้ที่ปฏิบัติต่อ AI ไม่ใช่เป็นเหตุการณ์ที่จะประกาศ แต่เป็นชั้นถาวรของโครงสร้างพื้นฐานทางวิชาชีพ ที่ถูกปรับปรุงอย่างต่อเนื่องแทนที่จะได้รับการชื่นชมเพียงครั้งเดียว แนวทางที่วัดผลได้และเป็นระบบนี้ — แทนที่จะเป็นการสาธิตที่น่าตื่นเต้น — คือสิ่งที่ย้าย AI ระดับมืออาชีพจากช่วงทดลองสู่การใช้งานประจำวันในที่สุด

รูปแบบการทำงานร่วมกันระหว่างมนุษย์และ AI ได้พัฒนาไปไกลกว่าการทำงานอัตโนมัติอย่างง่ายๆ ไปสู่รูปแบบความร่วมมือที่ซับซ้อนมากขึ้น ที่ซึ่งระบบ AI ให้การสนับสนุนการตัดสินใจตามบริบทภายในขอบเขตทางอาชีพที่สร้างขึ้นแล้ว แนวทางนี้ช่วยรักษาความรับผิดชอบของมนุษย์ ในขณะที่ใช้ประโยชน์จากความสามารถของ AI เพื่อเพิ่มความถูกต้อง ความสอดคล้อง และประสิทธิภาพในสภาพแวดล้อมทางอาชีพที่มีความเสี่ยงสูง

เพิ่มเติม...