Řízení AI v módě a luxusu

Pohled CIO na zavádění umělé inteligence

Rozhovor s Andreou Pertici, CIO společnosti Global Fashion & Luxury Brands

Jak umělá inteligence transformuje strategické procesy v módě a luxusním průmyslu?

Umělá inteligence transformuje strategické procesy v módním a luxusním sektoru tím, že vyžaduje přechod od čistě technologické implementace k holistickému přístupu. focus na organizační kulturu, rizika managementa správu dat. Podle odborníků z oboru vyžaduje integrace umělé inteligence stejnou úroveň strategické a organizační vize, jaká se dříve uplatňovala u inovací, jako je blockchain nebo ERP systémy, protože technologie sama o sobě nedokáže vyřešit obchodní problémy a bez jasné strategie může dokonce vytvářet nové.

Transformace strategických procesů je patrná v následujících klíčových oblastech:

• Hodnocení rizik a řízení: Se zavedením předpisů, jako je např. evropský Zákon o AI, firmy musí nyní vyhodnocovat všechny investice a implementace umělé inteligence na základě úrovně rizika, které pro organizaci představují. Strategie musí zohledňovat čtyři úrovně rizika, od „nepřijatelného“ (kterému je třeba se vyhnout) až po „minimální“ riziko. Vedení musí dále řídit „Stínová umělá inteligence“— jev, kdy generativní rozhraní umělé inteligence umožňují kterémukoli zaměstnanci samostatně zavádět digitální nástroje, čímž obcházejí standardní prověřovací procesy a vytvářejí potenciální bezpečnostní rizika.
• Ekonomické a finanční plánování: Implementace umělé inteligence zásadně mění strukturu nákladů; obvykle se jedná o provozní náklady (OpEx) což přímo ovlivňuje ziskové marže společnosti. Na rozdíl od předchozích vývojů v oblasti IT zavedení umělé inteligence nemusí nutně snižovat tradiční náklady na IT a návratnost těchto nákladů prostřednictvím zvýšení efektivity, zvýšení tržeb nebo snížení počtu zaměstnanců je v současné době v módním sektoru obtížná. Proto jsou nezbytné důkladné obchodní plány, protože aktuální data naznačují, že míra úspěšnosti umělé inteligence aplikované v hodnotovém řetězci je pouze kolem 5 %.
• Konsolidace dat jako základ: Úspěšná strategie umělé inteligence se do značné míry spoléhá na schopnost organizace konsolidovat a zhodnocovat svá vlastní dataZákladem jakékoli iniciativy v oblasti umělé inteligence musí být integrované procesy a data; bez nich společnosti riskují „vázanost na dodavatele“, kdy ztratí kontrolu nad daty a kompetencemi ve prospěch externích služeb a ponechají si kontrolu pouze nad zpracováním plateb.
• Optimalizace procesů vs. suboptimalizace: Strategické plánování musí zajistit, aby aplikace umělé inteligence na konkrétní případy užití, jako je transformace hodnotového řetězce, nevedla k nedostatečné optimalizaci jiných oblastí. Osoby s rozhodovací pravomocí musí zhodnotit, zda služby vyvíjet, sestavovat nebo nakupovat, a zároveň zajistit, aby optimalizace jednoho procesu nevedla pouze k přesunu nákladů na jinou část organizace.

Úspěšná transformace strategických procesů v konečném důsledku závisí méně na samotné technologii a více na kultura a identita společnosti, čímž se zajistí, že přijetí umělé inteligence bude řízeno jasným pochopením obchodních potřeb, a nikoli spontánním přijetím.

Jaká jsou hlavní rizika zavádění umělé inteligence v organizacích?

Hlavní rizika zavedení umělé inteligence v organizacích lze rozdělit na regulační, bezpečnostní, finanční a strategické výzvy:

Regulační a compliance rizika Se zavedením Zákon o AI V Evropě čelí společnosti přísným povinnostem v oblasti dodržování předpisů na základě čtyř úrovní rizika, od „minimálního“ po „nepřijatelné“. Organizace musí pečlivě vyhodnocovat investice, aby se vyhnuly „nepřijatelná“ rizika, jako je neoprávněné rozpoznávání obličeje nebo sociální inženýrství, které jsou zakázány.

Bezpečnostní a správní rizika („stínová umělá inteligence“) Významným rizikem je vznik „Stínová umělá inteligence“, což je fenomén, kdy snadný přístup ke generativní umělé inteligenci (konverzačním rozhraním) umožňuje kterémukoli zaměstnanci samostatně zavádět digitální nástroje. Tím se obcházejí standardní prověřovací procesy, což znamená, že se jednotlivci mohou přihlásit k odběru a používat nástroje, které mohou vést k bezpečnostním zranitelnostem nebo únikům dat, bez dohledu organizace.

Finanční a ekonomická rizika Finanční důsledky zavádění umělé inteligence představují vážná rizika pro ziskovost:

• Dopad na marže: Umělá inteligence je obvykle provozní náklady (OpEx), což přímo ovlivňuje ziskové marže.

• Aditivní náklady: Na rozdíl od předchozích technologických posunů umělá inteligence nutně nesnižuje tradiční náklady na IT; spíše se jedná o dodatečný výdaj. I když se očekává, že tržby dodavatelů umělé inteligence výrazně porostou, znamená to zvýšené náklady pro klientské společnosti.

• Nízká míra úspěšnosti: Návratnost investic není zaručena. Při aplikaci na složité procesy, jako je hodnotový řetězec (spíše než na jednoduchou osobní produktivitu), se míra úspěšnosti odhaduje na pouhou 5%,.

• Obtíže s návratností nákladů: Návratnost těchto nákladů prostřednictvím snižování počtu zaměstnanců, zvyšování efektivity nebo zvyšování tržeb je v současné době v odvětví módy a luxusního zboží obtížná.

Strategická a operační rizika

• Uzamčení dodavatele: Existuje velké riziko vstupu do stavu „uzamčení“, kdy se organizace natolik spoléhá na externí služby, že ztrácí kontrolu nad vlastními daty a interními kompetencemi. V tomto scénáři si společnost fakticky ponechává kontrolu pouze nad placením faktur, zatímco základní informace jsou uloženy externě.

• Suboptimalizace procesu: Bez holistického pohledu existuje riziko optimalizace jednoho konkrétního procesu a zároveň neúmyslně... suboptimalizace ostatních, jde jednoduše o přesun nákladů nebo neefektivity do jiné části organizace, spíše než o jejich odstranění.

• Nedostatek strategické vize: Spontánní přijetí umělé inteligence bez jasné organizační a kulturní strategie může v krátkodobém horizontu vytvořit více problémů, než kolik jich vyřeší.

Proč je v současnosti nízká míra úspěšnosti implementace umělé inteligence v podnikání?

Míra úspěšnosti implementace umělé inteligence v obchodních procesech – zejména pokud jde o transformaci hodnotového řetězce – se odhaduje na pouhou 5%Tato nízká míra úspěšnosti je přičítána několika strukturálním, finančním a organizačním faktorům:

• Složitost integrace hodnotového řetězce: Zatímco „vestavěné“ nástroje umělé inteligence pro osobní produktivitu (např. v prohlížečích nebo kancelářských sadách) se snadno zavádějí, aplikace umělé inteligence na složité firemní procesy a hodnotový řetězec je mnohem obtížnější. Tento typ implementace vyžaduje spíše hlubokou integraci než jednoduché přijetí.

• Aditivní náklady a výzvy spojené s návratností investic: Na rozdíl od předchozích technologických posunů zavedení umělé inteligence nutně nesnižuje tradiční náklady na IT; místo toho často funguje jako doplněk. Provozní náklady (OpEx) což přímo ovlivňuje ziskové marže. Náhrada těchto nákladů – ať už prostřednictvím snižování počtu zaměstnanců, zvyšování efektivity nebo zvyšování tržeb – se v současné době v odvětví módy a luxusního zboží ukazuje jako obtížná.

• Zralost dat a procesů: Úspěch do značné míry závisí na stávající kultuře organizace a její schopnosti konsolidovat a zhodnocovat svá vlastní dataBez pevného základu integrovaných dat a procesů nemohou firmy efektivně nasazovat umělou inteligenci a riskují „vázanost na dodavatele“, kdy se zcela spoléhají na externí služby a ztrácejí kontrolu nad svými interními kompetencemi a aktivy.

• Riziko suboptimalizace: Existuje strategické riziko, že optimalizace jednoho konkrétního procesu pomocí umělé inteligence může neúmyslně suboptimalizace v jiných oblastech, jednoduše přesouvají náklady nebo neefektivitu do jiných částí organizace, spíše než aby je eliminovaly.

• Skryté implementační náklady: Cena umělé inteligence se nikdy neomezuje pouze na servisní poplatek; zahrnuje značnou dobu učení, stejně jako náklady spojené se školením, infrastrukturou a sítí.

Co znamená „stínová umělá inteligence“ pro bezpečnost módního průmyslu?

„Stínová umělá inteligence“ V kontextu módního průmyslu se termín „art law“ vztahuje k fenoménu, kdy si zaměstnanci nezávisle předplatí a zavedou nástroje umělé inteligence do společnosti bez oficiálního dohledu nebo prověřování IT oddělením.

Podle Andrey Pertici, CIO pro globální módu brands, to má specifické bezpečnostní důsledky:

• Obcházení bezpečnosti řízení: Hlavním rizikem je, že tyto nástroje obcházejí přísná hodnocení rizik, která nyní vyžadují předpisy, jako je evropský… Zákon o AISpolečnosti jsou ze zákona povinny hodnotit implementace umělé inteligence z hlediska čtyř úrovní rizika (od „minimální“ po „nepřijatelné“, jako je neoprávněné rozpoznávání obličeje nebo sociální inženýrství), ale stínová umělá inteligence tomuto hodnocení brání.

• Bezbariérový přístup: Na rozdíl od předchozích složitých technologií odstranilo „konverzační rozhraní“ generativní umělé inteligence všechny technické bariéry. Každý zaměstnanec, který umí psát nebo mluvit, nyní může používat digitální nástroje, které mohou obsahovat bezpečnostní zranitelnosti, čímž efektivně vytváří skrytou vrstvu technologie, kterou organizace nemůže kontrolovat ani zabezpečit.

• Vývoj stínového IT: Je popisována jako moderní evoluce „stínové IT“, kde snadný přístup k výkonným nástrojům zvyšuje pravděpodobnost úniků dat nebo porušení předpisů, protože centrální organizace si ani neuvědomuje, že se technologie používá.

Jak může brandJak se při používání umělé inteligence vyhnout „vázanosti na dodavatele“?

Aby se zabránilo „vázanosti na dodavatele“, brandmusí zajistit, aby nedosáhly stavu, kdy data, služby a kompetence se nacházejí výhradně externě, takže společnost má kontrolu pouze nad úhradou faktur.

Podle zdrojů je primární strategií, jak tomu zabránit, vytvoření silného interního základu, spíše než pouhý nákup řešení. To zahrnuje:

• Konsolidace a zhodnocení interních dat: Klíčovým výchozím bodem je schopnost organizace konsolidovat svá vlastní data. Společnost musí mít integrované procesy a data jako „základ“. Bez této interní páteře se společnost stává příliš závislou na infrastruktuře dodavatele pro správu svých klíčových aktiv.

• Strategická rozhodnutí o zajišťování zdrojů: Jakmile je tato datová základna vytvořena, společnost je v lepší pozici k informovanému strategickému rozhodování o tom, zda… „vyvíjet, sestavovat nebo kupovat“ konkrétní služby v jednotlivých případech. To umožňuje brand integrovat externí umělou inteligenci tam, kde je to efektivní, aniž by se předala úplná kontrola nad hodnotovým řetězcem.

• Udržení interních kompetencí: Riziko uzamčení je explicitně spojeno s externalizací kompetence, Proto, brandmusí zajistit, aby i když mohou používat externí nástroje, strategické porozumění a management Tyto procesy zůstávají v rámci společnosti, aby se zabránilo závislosti.

Jak může móda brandJak zabránit zaměstnancům v používání stínové umělé inteligence?

Prevence „stínové umělé inteligence“ není prezentována jako jednoduchý technický blok, ale spíše jako výzva vyžadující změnu organizační strategie, kultura a řízení.

Móda brandmohou řešit a zmírňovat používání stínové umělé inteligence pomocí následujících strategických opatření:

• Implementace formálního hodnocení rizik (zákon o umělé inteligenci): Společnosti musí nahradit spontánní přijetí formálním procesem hodnocení. Podle předpisů, jako je Zákon o AI, organizace jsou povinny vyhodnotit všechny implementace umělé inteligence na základě čtyř úrovní rizika, od „minimálního“ po „nepřijatelné“ (jako je neoprávněné rozpoznávání obličeje nebo sociální inženýrství). Vynucováním tohoto prověřovacího procesu, brandzajišťují, aby žádný digitální nástroj nevstoupil do ekosystému společnosti, aniž by prošel tímto filtrem správy a řízení.

• Přechod od spontánního ke strategickému přijetí: Hlavním hnací silou stínové umělé inteligence je „spontánní přijetí“ zaměstnanci. Aby se tomu zabránilo, musí vedení zavést „strategickou, organizační a kulturní vizi“ podobnou minulým implementacím systémů PLM nebo ERP. Organizace musí aktivně definovat, jak umělá inteligence řeší obchodní problémy, aby zaměstnanci necítili potřebu samostatně vyhledávat externí nástroje.

• Centralizace dat a kompetencí: Klíčovým preventivním opatřením je zajistit, aby si organizace vytvořila silný vnitřní základ. focusS ohledem na „kulturu a kapacitu… konsolidovat a zhodnocovat svá vlastní data“ společnost poskytuje legitimní, integrovanou infrastrukturu. Pokud společnost poskytuje integrované procesy a data, snižuje motivaci zaměstnanců k používání externích „stínových“ nástrojů, které by mohly vést k „vázanosti na dodavatele“ nebo ztrátě dat.

Proč je prevence obtížná: Zdroje uvádějí, že prevence stínové umělé inteligence je obzvláště náročná, protože generativní umělá inteligence (konkrétně konverzační rozhraní) má „zcela odstranil jakoukoli překážku bránící v používání“Na rozdíl od složitých starších systémů se nyní kdokoli, kdo umí psát na klávesnici nebo mluvit, může samostatně přihlásit k odběru a zavést tyto nástroje, čímž obchází tradiční IT překážky. Řešení se proto méně týká technických bariér a více firemní kultura a dodržování nového regulačních rámců