Riadenie AI v móde a luxuse

Pohľad CIO na zavádzanie AI

Rozhovor s Andreou Pertici, riaditeľkou pre informačné technológie v spoločnosti Global Fashion & Luxury Brands

Ako umelá inteligencia transformuje strategické procesy v móde a luxusnom priemysle?

Umelá inteligencia transformuje strategické procesy v módnom a luxusnom sektore tým, že si vyžaduje prechod od čisto technologickej implementácie k holistickej... focus o organizačnej kultúre, riziku managementa správu údajov. Podľa odborníkov z odvetvia si integrácia umelej inteligencie vyžaduje rovnakú úroveň strategickej a organizačnej vízie, aká sa predtým uplatňovala pri inováciách, ako sú blockchain alebo ERP systémy, pretože samotná technológia nedokáže vyriešiť obchodné problémy a bez jasnej stratégie môže dokonca vytvoriť nové.

Transformácia strategických procesov je evidentná v nasledujúcich kľúčových oblastiach:

• Posúdenie rizík a riadenie: So zavedením predpisov, ako napríklad Európsky Zákon o AI, spoločnosti musia teraz hodnotiť všetky investície a implementácie umelej inteligencie na základe úrovne rizika, ktoré predstavujú pre organizáciu. Stratégie musia zohľadňovať štyri úrovne rizika, od „neprijateľného“ (ktorému sa treba vyhnúť) až po „minimálne“ riziko. Okrem toho musí vedenie riadiť „Tieňová umelá inteligencia“— jav, pri ktorom generatívne rozhrania umelej inteligencie umožňujú ktorémukoľvek zamestnancovi zavádzať digitálne nástroje nezávisle, čím obchádzajú štandardné procesy overovania a vytvárajú potenciálne bezpečnostné riziká.
• Ekonomické a finančné plánovanie: Implementácia umelej inteligencie zásadne mení štruktúru nákladov; zvyčajne ide o prevádzkové náklady (OpEx) čo priamo ovplyvňuje ziskové marže spoločnosti. Na rozdiel od predchádzajúcich vývojov v oblasti IT, zavedenie umelej inteligencie nemusí nevyhnutne znížiť tradičné náklady na IT a návratnosť týchto výdavkov prostredníctvom zvýšenia efektívnosti, zvýšenia predaja alebo zníženia počtu zamestnancov je v súčasnosti v módnom sektore náročná. Preto sú nevyhnutné dôkladné obchodné plány, pretože súčasné údaje naznačujú, že miera úspešnosti umelej inteligencie aplikovanej v hodnotovom reťazci je len okolo 5 %.
• Konsolidácia údajov ako základ: Úspešná stratégia umelej inteligencie sa vo veľkej miere spolieha na schopnosť organizácie konsolidovať a zhodnocovať vlastné údajeZákladom akejkoľvek iniciatívy v oblasti umelej inteligencie musia byť integrované procesy a dáta; bez toho spoločnosti riskujú „viazanosť na dodávateľa“, kde stratia kontrolu nad dátami a kompetenciami v prospech externých služieb a ponechajú si kontrolu iba nad spracovaním platieb.
• Optimalizácia procesov vs. suboptimalizácia: Strategické plánovanie musí zabezpečiť, aby aplikácia umelej inteligencie na konkrétne prípady použitia, ako je napríklad transformácia hodnotového reťazca, neviedla k suboptimalizácii iných oblastí. Rozhodujúce osoby musia zhodnotiť, či služby vyvíjať, zostavovať alebo nakupovať, a zároveň zabezpečiť, aby optimalizácia jedného procesu jednoducho nepresunula náklady na inú časť organizácie.

Úspešná transformácia strategických procesov v konečnom dôsledku závisí menej od samotnej technológie a viac od kultúra a identita spoločnosti, čím sa zabezpečí, aby prijatie umelej inteligencie bolo poháňané jasným pochopením obchodných potrieb, a nie spontánnym prijatím.

Aké sú hlavné riziká zavedenia umelej inteligencie v organizáciách?

Hlavné riziká zavedenia umelej inteligencie v organizáciách možno rozdeliť na regulačné, bezpečnostné, finančné a strategické výzvy:

Regulačné riziká a riziká zhody So zavedením Zákon o AI V Európe čelia spoločnosti prísnym povinnostiam dodržiavania predpisov na základe štyroch úrovní rizika, od „minimálneho“ po „neprijateľné“. Organizácie musia starostlivo vyhodnotiť investície, aby sa vyhli „neprijateľné“ riziká, ako napríklad neoprávnené rozpoznávanie tváre alebo sociálne inžinierstvo, ktoré sú zakázané.

Bezpečnostné a riadiace riziká („tieňová umelá inteligencia“) Významným rizikom je vznik „Tieňová umelá inteligencia“, čo je fenomén, pri ktorom jednoduchý prístup ku generatívnej umelej inteligencii (konverzačným rozhraniam) umožňuje ktorémukoľvek zamestnancovi samostatne zavádzať digitálne nástroje. Toto obchádza štandardné procesy overovania, čo znamená, že jednotlivci sa môžu prihlásiť na odber a používať nástroje, ktoré môžu predstavovať bezpečnostné zraniteľnosti alebo úniky údajov, bez dohľadu organizácie.

Finančné a ekonomické riziká Finančné dôsledky prijatia umelej inteligencie predstavujú vážne riziká pre ziskovosť:

• Vplyv na marže: UI je zvyčajne prevádzkové náklady (OpEx), čo priamo ovplyvňuje ziskové marže.

• Dodatočné náklady: Na rozdiel od predchádzajúcich technologických zmien, umelá inteligencia nemusí nevyhnutne znižovať tradičné náklady na IT; namiesto toho má tendenciu byť dodatočným výdavkom. Zatiaľ čo sa predpokladá, že príjmy dodávateľov umelej inteligencie výrazne porastú, pre klientske spoločnosti to znamená zvýšené náklady.

• Nízka miera úspešnosti: Návratnosť investícií nie je zaručená. Pri aplikácii na zložité procesy, ako je hodnotový reťazec (a nie na jednoduchú osobnú produktivitu), sa miera úspešnosti odhaduje na úroveň až 5%,.

• Ťažkosti s úhradou nákladov: Náhrada týchto nákladov prostredníctvom znižovania počtu zamestnancov, zvýšenia efektívnosti alebo zvýšenia tržieb je v súčasnosti v odvetví módy a luxusného tovaru náročná.

Strategické a operačné riziká

• Uzamknutie dodávateľa: Existuje veľké riziko vstupu do stavu "zamknúť", kde sa organizácia natoľko spolieha na externé služby, že stráca kontrolu nad vlastnými údajmi a internými kompetenciami. V tomto scenári si spoločnosť v podstate ponecháva kontrolu iba nad platením faktúr, zatiaľ čo základné informácie sa nachádzajú externe.

• Suboptimalizácia procesu: Bez holistického pohľadu existuje riziko optimalizácie jedného konkrétneho procesu a zároveň neúmyselne suboptimalizácia ostatných, jednoduchým presunom nákladov alebo neefektívnosti do inej časti organizácie, namiesto ich odstránenia.

• Nedostatok strategickej vízie: Spontánne prijatie umelej inteligencie bez jasnej organizačnej a kultúrnej stratégie môže v krátkodobom horizonte vytvoriť viac problémov, ako ich vyrieši.

Prečo je v súčasnosti miera úspešnosti implementácie podnikovej umelej inteligencie nízka?

Miera úspešnosti implementácie umelej inteligencie v obchodných procesoch – najmä pokiaľ ide o transformáciu hodnotového reťazca – sa odhaduje na úroveň až 5%Táto nízka miera úspešnosti sa pripisuje niekoľkým štrukturálnym, finančným a organizačným faktorom:

• Zložitosť integrácie hodnotového reťazca: Zatiaľ čo „vstavané“ nástroje umelej inteligencie pre osobnú produktivitu (napr. v prehliadačoch alebo kancelárskych balíkoch) sa dajú ľahko prijať, aplikácia umelej inteligencie na zložité firemné procesy a hodnotový reťazec je oveľa zložitejšia. Tento typ implementácie si vyžaduje hlbokú integráciu, a nie jednoduché prijatie.

• Aditívne náklady a výzvy týkajúce sa návratnosti investícií: Na rozdiel od predchádzajúcich technologických posunov zavedenie umelej inteligencie nemusí nevyhnutne znížiť tradičné náklady na IT; namiesto toho často funguje ako doplnok. Prevádzkové náklady (OpEx) čo priamo ovplyvňuje ziskové marže. Náhrada týchto nákladov – či už prostredníctvom zníženia počtu zamestnancov, zvýšenia efektívnosti alebo zvýšenia predaja – sa v súčasnosti v módnom a luxusnom sektore ukazuje ako náročná.

• Zrelosť údajov a procesov: Úspech vo veľkej miere závisí od existujúcej kultúry organizácie a jej schopnosti konsolidovať a zhodnocovať vlastné údajeBez solídneho základu integrovaných údajov a procesov nemôžu spoločnosti efektívne nasadiť umelú inteligenciu a riskujú „viazanosť na dodávateľa“, kedy sa úplne spoliehajú na externé služby a strácajú kontrolu nad svojimi internými kompetenciami a aktívami.

• Riziko suboptimalizácie: Existuje strategické riziko, že optimalizácia jedného konkrétneho procesu prostredníctvom umelej inteligencie môže neúmyselne suboptimalizácia iných oblastiach, jednoducho presunutím nákladov alebo neefektívnosti do rôznych častí organizácie, namiesto ich odstránenia.

• Skryté implementačné náklady: Náklady na umelú inteligenciu sa nikdy neobmedzujú len na servisný poplatok; zahŕňajú značnú krivku učenia, ako aj náklady spojené so školením, infraštruktúrou a sieťovaním.

Čo znamená „tieňová umelá inteligencia“ pre bezpečnosť módneho priemyslu?

„Tieňová umelá inteligencia“ V kontexte módneho priemyslu sa pojem vzťahuje na jav, keď si zamestnanci nezávisle predplatia a zavádzajú nástroje umelej inteligencie do spoločnosti bez oficiálneho dohľadu alebo IT overenia.

Podľa Andrey Pertici, riaditeľky IT pre globálnu módu brands, to predstavuje špecifické bezpečnostné dôsledky:

• Obchádzanie riadenia bezpečnosti: Hlavným rizikom je, že tieto nástroje obchádzajú prísne hodnotenia rizík, ktoré v súčasnosti vyžadujú nariadenia, ako je európska Zákon o AISpoločnosti sú zo zákona povinné hodnotiť implementácie umelej inteligencie podľa štyroch úrovní rizika (od „minimálneho“ po „neprijateľné“, ako napríklad neoprávnené rozpoznávanie tváre alebo sociálne inžinierstvo), ale tieňová umelá inteligencia tomuto hodnoteniu bráni.

• Bezbariérový prístup: Na rozdiel od predchádzajúcich komplexných technológií, „konverzačné rozhranie“ generatívnej umelej inteligencie odstránilo všetky technické bariéry. Každý zamestnanec, ktorý vie písať na klávesnici alebo hovoriť, teraz môže používať digitálne nástroje, ktoré môžu obsahovať bezpečnostné zraniteľnosti, čím sa efektívne vytvára skrytá vrstva technológie, ktorú organizácia nemôže kontrolovať ani zabezpečiť.

• Vývoj tieňového IT: Opisuje sa ako moderný vývoj „tieňového IT“, kde jednoduchý prístup k výkonným nástrojom zvyšuje pravdepodobnosť úniku údajov alebo porušenia predpisov, pretože centrálna organizácia si ani neuvedomuje, že sa technológia používa.

Ako môže brandAko sa vyhnúť „viazanosti na dodávateľa“ pri používaní umelej inteligencie?

Aby sa predišlo „viazanosti na dodávateľa“, brandmusia zabezpečiť, aby nedosiahli stav, v ktorom údaje, služby a kompetencie sa nachádzajú výlučne externe, čím spoločnosti zostáva kontrola len nad platením faktúr.

Podľa zdrojov je primárnou stratégiou na zabránenie tomu vytvorenie silného interného základu, a nie len nákup riešení. Patria sem:

• Konsolidácia a zhodnocovanie interných údajov: Kľúčovým východiskovým bodom je schopnosť organizácie konsolidovať vlastné údaje. Spoločnosť musí mať integrované procesy a dáta ako „základ“. Bez tejto internej chrbtice sa spoločnosť stáva príliš závislou od infraštruktúry dodávateľa pri správe svojich kľúčových aktív.

• Strategické rozhodnutia o získavaní zdrojov: Po vytvorení tejto dátovej základne je spoločnosť v lepšej pozícii na prijímanie informovaných strategických rozhodnutí o tom, či „vyvinúť, zostaviť alebo kúpiť“ konkrétne služby v jednotlivých prípadoch. To umožňuje brand integrovať externú umelú inteligenciu tam, kde je to efektívne, bez toho, aby sa odovzdala úplná kontrola nad hodnotovým reťazcom.

• Udržanie interných kompetencií: Riziko viazanosti na dodávateľa je explicitne spojené s externalizáciou kompetencie, Z tohto dôvodu brandmusia zabezpečiť, aby hoci môžu používať externé nástroje, strategické pochopenie a management tieto procesy zostávajú v rámci spoločnosti, aby sa predišlo závislosti.

Ako môže móda brandbráni zamestnancom v používaní tieňovej umelej inteligencie?

Zabránenie „tieňovej umelej inteligencii“ nie je prezentované ako jednoduchý technický blok, ale skôr ako výzva vyžadujúca zmenu v organizačná stratégia, kultúra a riadenie.

Móda brandmôžu riešiť a zmierňovať používanie tieňovej umelej inteligencie prostredníctvom nasledujúcich strategických opatrení:

• Implementácia formálneho hodnotenia rizík (zákon o umelej inteligencii): Spoločnosti musia nahradiť spontánne prijatie formálnym procesom hodnotenia. Podľa nariadení, ako sú Zákon o AI, organizácie sú povinné hodnotiť všetky implementácie umelej inteligencie na základe štyroch úrovní rizika, od „minimálneho“ po „neprijateľné“ (ako napríklad neoprávnené rozpoznávanie tváre alebo sociálne inžinierstvo). Presadzovaním tohto procesu preverovania, brandzabezpečiť, aby žiadny digitálny nástroj nevstúpil do ekosystému spoločnosti bez toho, aby prešiel týmto filtrom riadenia.

• Prechod od spontánneho k strategickému prijatiu: Hlavným hybným silou tieňovej umelej inteligencie je „spontánne prijatie“ zamestnancami. Aby sa tomu zabránilo, vedenie musí zaviesť „strategickú, organizačnú a kultúrnu víziu“ podobnú predchádzajúcim implementáciám systémov PLM alebo ERP. Organizácia musí aktívne definovať, ako umelá inteligencia rieši obchodné problémy, aby zamestnanci necítili potrebu samostatne hľadať externé nástroje.

• Centralizácia údajov a kompetencií: Kľúčovým preventívnym opatrením je zabezpečiť, aby si organizácia vytvorila silný vnútorný základ. focusVychádzajúc z „kultúry a kapacity… konsolidovať a zhodnocovať vlastné dáta“, spoločnosť poskytuje legitímnu, integrovanú infraštruktúru. Ak spoločnosť poskytuje integrované procesy a dáta, znižuje motiváciu zamestnancov používať externé „tieňové“ nástroje, ktoré by mohli viesť k „viazanosti na dodávateľa“ alebo strate dát.

Prečo je prevencia náročná: Zdroje poznamenávajú, že predchádzanie tieňovej umelej inteligencii je obzvlášť náročné, pretože generatívna umelá inteligencia (najmä konverzačné rozhranie) má „úplne odstránil akúkoľvek bariéru používania“Na rozdiel od zložitých starších systémov sa teraz každý, kto vie písať na klávesnici alebo hovoriť, môže samostatne prihlásiť na odber a zaviesť tieto nástroje, čím obíde tradičné IT prekážky. Riešenie preto nie je ani tak o technických bariérach, ako skôr o firemná kultúra a dodržiavanie nového regulačných rámcov