Daudzi uzņēmumi šobrīd investē AI. Tajā pašā laikā daudzi nespēj pāriet tālāk par pilotprojektiem.Bieži tiek pieņemts, ka problēma ir pašā AI. Praksē tā parasti ir citur.
Kāpēc mantotās sistēmas bremzē AI ieviešanu
AI balstās uz trim lietām:
- uzticamiem datiem
- skaidrām integrācijām
- saprotamu biznesa loģiku
Mantotajās sistēmās šīs lietas bieži trūkst. Tipiskas problēmas:
- dati ir fragmentēti dažādās sistēmās
- datu plūsmas nav skaidras vai dokumentētas
- biznesa loģika ir dziļi iestrādāta kodā
Tas padara AI grūti pielietojamu reālos procesos.Ne tāpēc, ka modeļi būtu vāji, bet tāpēc, ka vide nav gatava.
Pazīmes, ka AI bloķē sistēmas, nevis tehnoloģija
To var redzēt diezgan skaidri:
- AI projekti paliek pilotprojekta līmenī
- nepieciešams daudz manuāla darba datu sagatavošanai
- rezultāti atšķiras starp sistēmām
- AI risinājumus ir grūti integrēt ikdienas procesos
Tās nav AI problēmas, bet gan tās ir sistēmu problēmas.
Kas nepieciešams, lai AI varētu mērogot
Ir nepieciešams:
- skaidras datu plūsmas
- definētas sistēmu robežas
- stabilas integrācijas starp komponentēm
- redzamība biznesa loģikā
Bez tā AI pievieno vēl vienu sarežģītības slāni. Ar to AI kļūst lietojams.
Kā modernizācija un AI darbojas kopā
Modernizācija rada pamatu, uz kura AI var strādāt, savukārt AI var palīdzēt modernizācijā:
- palīdz saprast esošo kodu
- atbalsta refaktorēšanu
- palīdz ar testēšanu
Taču tas strādā tikai tad, ja sistēma jau ir pietiekami saprotama.
Praktisks sākuma punkts:
Biežākais jautājums ir: Kur mēs varam pielietot AI?
Labāks jautājums ir: Kur mūsu sistēmas mūs šobrīd bremzē?
Sāciet ar to un AI nāks pēc tam. AI nesamazina sistēmu sarežģītību, tāpēc svarīgāks par rīku ir tas, kas atrodas zem tā.