Zarządzanie sztuczną inteligencją w modzie i luksusie

Perspektywa CIO na temat wdrażania sztucznej inteligencji

Wywiad z Andreą Pertici, dyrektorem ds. informatyki w Global Fashion & Luxury Brands

W jaki sposób sztuczna inteligencja zmienia procesy strategiczne w modzie i luksusie?

Sztuczna inteligencja zmienia procesy strategiczne w sektorach mody i dóbr luksusowych, wymuszając przejście od wdrażania wyłącznie technologicznego do całościowego focus o kulturze organizacyjnej, ryzyku managementi zarządzanie danymi. Zdaniem ekspertów branżowych, integracja sztucznej inteligencji wymaga takiego samego poziomu strategicznej i organizacyjnej wizji, jaki wcześniej stosowano w przypadku innowacji takich jak blockchain czy systemy ERP, ponieważ sama technologia nie jest w stanie rozwiązać problemów biznesowych, a bez jasnej strategii może nawet stworzyć nowe.

Transformacja procesów strategicznych widoczna jest w następujących kluczowych obszarach:

• Ocena ryzyka i zarządzanie: Wraz z wprowadzeniem przepisów takich jak europejski Ustawa o sztucznej inteligencjiFirmy muszą teraz oceniać wszystkie inwestycje i wdrożenia w AI na podstawie poziomu ryzyka, jakie wprowadzają do organizacji. Strategie muszą uwzględniać cztery poziomy ryzyka, od „nieakceptowalnego” (którego należy unikać) do „minimalnego”. Ponadto kierownictwo musi zarządzać „Cień AI”—zjawisko, w którym interfejsy sztucznej inteligencji generującej pozwalają każdemu pracownikowi na samodzielne wdrażanie narzędzi cyfrowych, omijając standardowe procesy weryfikacji i stwarzając potencjalne zagrożenia bezpieczeństwa.
• Planowanie ekonomiczne i finansowe: Wdrożenie sztucznej inteligencji zasadniczo zmienia strukturę kosztów; zazwyczaj jest to koszty operacyjne (OpEx) Co bezpośrednio wpływa na marżę zysku firmy. W przeciwieństwie do poprzednich ewolucji IT, wprowadzenie sztucznej inteligencji (AI) niekoniecznie obniża tradycyjne koszty IT, a odzyskanie tych wydatków poprzez wzrost wydajności, wzrost sprzedaży lub redukcję zatrudnienia jest obecnie trudne w sektorze mody. W związku z tym rygorystyczne plany biznesowe są niezbędne, ponieważ obecne dane wskazują, że wskaźnik sukcesu AI zastosowanej w łańcuchu wartości wynosi zaledwie około 5%.
• Konsolidacja danych jako fundament: Skuteczna strategia w zakresie sztucznej inteligencji w dużej mierze opiera się na zdolności organizacji do konsolidować i waloryzować własne danePodstawą każdej inicjatywy AI muszą być zintegrowane procesy i dane; bez tego firmy ryzykują „uzależnienie od dostawcy”, w którym tracą kontrolę nad danymi i kompetencjami na rzecz usług zewnętrznych, zachowując kontrolę jedynie nad przetwarzaniem płatności.
• Optymalizacja procesów a suboptymalizacja: Planowanie strategiczne musi zapewnić, że zastosowanie sztucznej inteligencji (AI) w konkretnych przypadkach użycia, takich jak transformacja łańcucha wartości, nie będzie prowadzić do gorszej optymalizacji innych obszarów. Decydenci muszą ocenić, czy rozwijać, montować czy kupować usługi, dbając jednocześnie o to, aby optymalizacja jednego procesu nie przeniosła kosztów na inną część organizacji.

Ostatecznie udana transformacja procesów strategicznych zależy mniej od samej technologii, a bardziej od kultura i tożsamość firmy, dbając o to, aby wdrażanie sztucznej inteligencji wynikało z jasnego zrozumienia potrzeb biznesowych, a nie spontanicznego przyjęcia.

Jakie są główne zagrożenia związane z wdrażaniem sztucznej inteligencji w organizacjach?

Główne zagrożenia związane z wdrażaniem sztucznej inteligencji w organizacjach można podzielić na wyzwania regulacyjne, bezpieczeństwa, finansowe i strategiczne:

Ryzyko regulacyjne i związane z przestrzeganiem przepisów Wraz z wprowadzeniem Ustawa o sztucznej inteligencji W Europie firmy podlegają ścisłym obowiązkom zgodności opartym na czterech poziomach ryzyka, od „minimalnego” do „niedopuszczalnego”. Organizacje muszą starannie oceniać inwestycje, aby mieć pewność, że unikają „niedopuszczalne” ryzykotakie jak nieautoryzowane rozpoznawanie twarzy lub inżynieria społeczna, które są zabronione.

Ryzyka związane z bezpieczeństwem i zarządzaniem („Shadow AI”) Istotnym ryzykiem jest pojawienie się „Cień AI”Zjawisko, w którym łatwość dostępu do generatywnej sztucznej inteligencji (interfejsów konwersacyjnych) pozwala każdemu pracownikowi samodzielnie wdrażać narzędzia cyfrowe. Omija to standardowe procesy weryfikacji, co oznacza, że ​​poszczególne osoby mogą subskrybować i korzystać z narzędzi, które mogą stwarzać luki w zabezpieczeniach lub prowadzić do wycieków danych, bez nadzoru organizacji.

Ryzyka finansowe i ekonomiczne Finansowe konsekwencje wdrożenia sztucznej inteligencji stwarzają poważne ryzyko dla rentowności:

• Wpływ na marże: Sztuczna inteligencja to zazwyczaj koszty operacyjne (OpEx), co bezpośrednio wpływa na marżę zysku.

• Koszty dodatkowe: W przeciwieństwie do poprzednich zmian technologicznych, sztuczna inteligencja niekoniecznie obniża tradycyjne koszty IT; wręcz przeciwnie, zazwyczaj stanowi dodatkowy wydatek. Chociaż prognozuje się znaczny wzrost przychodów dostawców sztucznej inteligencji, oznacza to wzrost kosztów dla firm klienckich.

• Niski wskaźnik sukcesu: Zwrot z inwestycji nie jest gwarantowany. W przypadku zastosowania do złożonych procesów, takich jak łańcuch wartości (zamiast prostej produktywności osobistej), wskaźnik sukcesu szacuje się na zaledwie… 5%,.

• Trudności w odzyskiwaniu kosztów: Obecnie w sektorze mody i dóbr luksusowych trudno jest odzyskać te koszty poprzez redukcję zatrudnienia, wzrost wydajności lub zwiększenie sprzedaży.

Ryzyka strategiczne i operacyjne

• Blokada dostawcy: Istnieje duże ryzyko wejścia w stan „zamknięcie”, gdzie organizacja w tak dużym stopniu polega na usługach zewnętrznych, że traci kontrolę nad własnymi danymi i wewnętrznymi kompetencjami. W tym scenariuszu firma zachowuje kontrolę jedynie nad opłacaniem faktur, podczas gdy kluczowe informacje znajdują się na zewnątrz.

• Podoptymalizacja procesu: Bez holistycznego spojrzenia istnieje ryzyko nieumyślnej optymalizacji jednego konkretnego procesu suboptymalizowanie innych, po prostu przenosząc koszty lub nieefektywności do innej części organizacji zamiast je eliminować.

• Brak wizji strategicznej: Spontaniczne wdrażanie sztucznej inteligencji bez jasnej strategii organizacyjnej i kulturowej może w krótkim okresie stworzyć więcej problemów niż rozwiązać

Dlaczego wskaźnik powodzenia wdrożeń sztucznej inteligencji w biznesie jest obecnie niski?

Szacuje się, że wskaźnik powodzenia wdrożenia sztucznej inteligencji w procesach biznesowych, zwłaszcza w odniesieniu do transformacji łańcucha wartości, jest tak niski, jak 5%.Niski wskaźnik sukcesu przypisuje się kilku czynnikom strukturalnym, finansowym i organizacyjnym:

• Złożoność integracji łańcucha wartości: O ile „wbudowane” narzędzia AI do zwiększania produktywności osobistej (np. w przeglądarkach czy pakietach biurowych) są łatwo wdrażane, o tyle zastosowanie AI w złożonych procesach korporacyjnych i łańcuchu wartości jest znacznie trudniejsze. Ten rodzaj wdrożenia wymaga głębokiej integracji, a nie prostej adopcji.

• Koszty dodatkowe i wyzwania związane ze zwrotem z inwestycji: W przeciwieństwie do poprzednich zmian technologicznych wprowadzenie sztucznej inteligencji niekoniecznie obniża tradycyjne koszty IT, zamiast tego często działa jako dodatek Koszty operacyjne (OpEx) co bezpośrednio wpływa na marże zysku. Odzyskiwanie tych kosztów – czy to poprzez redukcję zatrudnienia, wzrost wydajności, czy wzrost sprzedaży – okazuje się obecnie trudne w sektorze mody i dóbr luksusowych.

• Dojrzałość danych i procesów: Sukces w dużej mierze zależy od istniejącej kultury organizacji i jej zdolności do konsolidować i waloryzować własne daneBez solidnych podstaw w postaci zintegrowanych danych i procesów firmy nie mogą skutecznie wdrażać sztucznej inteligencji i ryzykują uzależnieniem od dostawcy, co oznacza, że ​​polegają wyłącznie na usługach zewnętrznych i tracą kontrolę nad swoimi wewnętrznymi kompetencjami i zasobami.

• Ryzyko suboptymalizacji: Istnieje ryzyko strategiczne, że optymalizacja jednego konkretnego procesu za pomocą sztucznej inteligencji może nieumyślnie suboptymalizować w innych obszarach po prostu przerzucając koszty lub nieefektywności na inne części organizacji zamiast je eliminować.

• Ukryte koszty wdrożenia: Koszt sztucznej inteligencji nigdy nie ogranicza się wyłącznie do opłaty za usługę; wiąże się on ze znaczną krzywą uczenia się, a także kosztami związanymi ze szkoleniem, infrastrukturą i siecią

Co oznacza „Shadow AI” dla bezpieczeństwa branży modowej?

„Cień AI” w kontekście branży modowej odnosi się do zjawiska, w którym pracownicy samodzielnie subskrybują i wdrażają w firmie narzędzia AI bez oficjalnego nadzoru lub weryfikacji IT.

Według Andrei Pertici, dyrektora ds. informatyki w globalnej branży modowej brands, to powoduje określone implikacje bezpieczeństwa:

• Omijanie zasad bezpieczeństwa: Głównym ryzykiem jest to, że narzędzia te omijają rygorystyczne oceny ryzyka wymagane obecnie przez przepisy, takie jak europejskie Ustawa o sztucznej inteligencjiFirmy są prawnie zobowiązane do oceny wdrożeń sztucznej inteligencji (AI) pod kątem czterech poziomów ryzyka (od „minimalnego” do „niedopuszczalnego”, takiego jak nieautoryzowane rozpoznawanie twarzy czy inżynieria społeczna), ale Shadow AI uniemożliwia przeprowadzenie takiej oceny.

• Dostęp bez barier: W przeciwieństwie do poprzednich, złożonych technologii, „interfejs konwersacyjny” generatywnej sztucznej inteligencji usunął wszelkie bariery techniczne. Każdy pracownik, który potrafi pisać na klawiaturze lub mówić, może teraz korzystać z cyfrowych narzędzi, które mogą zawierać luki w zabezpieczeniach, tworząc w ten sposób ukrytą warstwę technologii, której organizacja nie jest w stanie kontrolować ani zabezpieczyć.

• Ewolucja Shadow IT: Opisuje się to jako współczesną ewolucję „Shadow IT”, w której łatwość dostępu do potężnych narzędzi zwiększa prawdopodobieństwo wycieków danych lub naruszeń zgodności, ponieważ organizacja centralna nie jest świadoma, że ​​technologia jest w ogóle używana

Jak można brandjak uniknąć uzależnienia od jednego dostawcy korzystając ze sztucznej inteligencji?

Aby uniknąć „uzależnienia od dostawcy”, brandmuszą zadbać o to, aby nie doszło do stanu, w którym dane, usługi i kompetencje znajdują się całkowicie poza firmą, pozostawiając firmie kontrolę jedynie nad opłacaniem faktur.

Według źródeł, podstawową strategią zapobiegania temu zjawisku jest zbudowanie silnego fundamentu wewnętrznego, a nie po prostu zakup rozwiązań. Obejmuje to:

• Konsolidacja i waloryzacja danych wewnętrznych: Kluczowym punktem wyjścia jest zdolność organizacji do konsolidacji własnych danych. Firma musi mieć zintegrowane procesy i dane jako „fundament”. Bez tego wewnętrznego szkieletu firma staje się nadmiernie zależna od infrastruktury dostawcy w zakresie zarządzania swoimi podstawowymi zasobami.

• Strategiczne decyzje dotyczące zaopatrzenia: Po utworzeniu takiej podstawy danych firma będzie lepiej przygotowana do podejmowania świadomych decyzji strategicznych dotyczących tego, czy „opracować, złożyć lub kupić” konkretne usługi w każdym indywidualnym przypadku. Pozwala to brand zintegrować zewnętrzną sztuczną inteligencję tam, gdzie jest to efektywne, bez oddawania całkowitej kontroli nad łańcuchem wartości.

• Utrzymywanie kompetencji wewnętrznych: Ryzyko zamknięcia jest wyraźnie powiązane z eksternalizacją kompetencje, Dlatego brandmuszą zapewnić, że chociaż mogą korzystać z narzędzi zewnętrznych, strategiczne zrozumienie i management część tych procesów pozostaje w firmie, aby uniknąć zależności.

Jak moda może brandjak uniemożliwić pracownikom korzystanie z Shadow AI?

Zapobieganie „sztucznej inteligencji cieni” nie jest przedstawiane jako prosta blokada techniczna, lecz raczej jako wyzwanie wymagające zmiany strategia organizacyjna, kultura i zarządzanie.

Moda brandmożemy zająć się problemem i ograniczyć stosowanie sztucznej inteligencji typu Shadow AI, stosując następujące środki strategiczne:

• Wdrażanie formalnej oceny ryzyka (Ustawa o sztucznej inteligencji): Firmy muszą zastąpić spontaniczne przyjęcie formalnym procesem oceny. Zgodnie z przepisami takimi jak Ustawa o sztucznej inteligencjiOrganizacje są zobowiązane do oceny wszystkich wdrożeń sztucznej inteligencji (AI) na podstawie czterech poziomów ryzyka, od „minimalnego” do „nieakceptowalnego” (takich jak nieautoryzowane rozpoznawanie twarzy lub socjotechnika). Egzekwując ten proces weryfikacji, brands zapewnić, że żadne narzędzie cyfrowe nie trafi do ekosystemu firmy bez przejścia przez filtr zarządzania.

• Przejście od adopcji spontanicznej do adopcji strategicznej: Głównym motorem napędowym rozwoju sztucznej inteligencji Shadow AI jest „spontaniczna adopcja” przez pracowników. Aby temu zapobiec, kierownictwo musi narzucić „wizję strategiczną, organizacyjną i kulturową” podobną do tej, jaka obowiązywała w przypadku wcześniejszych wdrożeń systemów PLM czy ERP. Organizacja musi aktywnie definiować, w jaki sposób sztuczna inteligencja rozwiązuje problemy biznesowe, aby pracownicy nie czuli potrzeby samodzielnego poszukiwania zewnętrznych narzędzi.

• Centralizacja danych i kompetencji: Kluczowym środkiem zapobiegawczym jest zapewnienie, że organizacja zbuduje silne fundamenty wewnętrzne. focusOpierając się na „kulturze i zdolności… do konsolidacji i waloryzacji własnych danych”, firma zapewnia legalną, zintegrowaną infrastrukturę. Jeśli firma zapewnia zintegrowane procesy i dane, zmniejsza to motywację pracowników do korzystania z zewnętrznych narzędzi „Shadow”, które mogłyby prowadzić do „uzależnienia od dostawcy” lub utraty danych.

Dlaczego zapobieganie jest trudne: Źródła zauważają, że zapobieganie sztucznej inteligencji typu Shadow AI jest szczególnie trudne, ponieważ sztuczna inteligencja generatywna (w szczególności interfejs konwersacyjny) ma „całkowicie zniesiono wszelkie bariery utrudniające użytkowanie”W przeciwieństwie do złożonych systemów starszej generacji, każdy, kto potrafi pisać na klawiaturze lub mówić, może teraz samodzielnie subskrybować i wdrażać te narzędzia, omijając tradycyjne bariery IT. Dlatego rozwiązanie nie opiera się na barierach technicznych, a raczej na Kultura korporacyjna i przestrzeganie nowych ramy regulacyjne