Управљање вештачком интелигенцијом у моди и луксузу

Перспектива CIO-а о усвајању вештачке интелигенције

Интервју са Андреом Пертичијем, директором информационих технологија у компанији Global Fashion & Luxury Brands

Како вештачка интелигенција трансформише стратешке процесе у моди и луксузу?

Вештачка интелигенција трансформише стратешке процесе у секторима моде и луксуза захтевајући прелазак са чисто технолошке имплементације на холистички приступ. focus о организационој култури, ризику managementи управљање подацима. Према речима стручњака из индустрије, интеграција вештачке интелигенције захтева исти ниво стратешке и организационе визије који је раније примењиван на иновације попут блокчејна или ЕРП система, јер сама технологија не може да реши пословне проблеме и чак може створити нове без јасне стратегије.

Трансформација стратешких процеса је очигледна у следећим кључним областима:

• Процена ризика и управљање: Увођењем прописа као што су Европски Закон о вештачкој интелигенцијиКомпаније сада морају да процене сва улагања и имплементације вештачке интелигенције на основу нивоа ризика који уносе у организацију. Стратегије морају да узму у обзир четири нивоа ризика, од „неприхватљивог“ (који се мора избегавати) до „минималног“ ризика. Штавише, руководство мора да управља „Вештачка интелигенција сенке“—феномен где генеративни вештачки интелигентни интерфејси омогућавају било ком запосленом да самостално уводи дигиталне алате, заобилазећи стандардне процесе провере и стварајући потенцијалне безбедносне ризике.
• Економско и финансијско планирање: Имплементација вештачке интелигенције фундаментално мења структуру трошкова; то је обично оперативни трошкови (OpEx) што директно утиче на профитне марже компаније. За разлику од претходних ИТ еволуција, увођење вештачке интелигенције не мора нужно смањити традиционалне ИТ трошкове, а надокнада ових трошкова кроз повећање ефикасности, повећање продаје или смањење броја запослених је тренутно тешка у модном сектору. Сходно томе, ригорозни пословни планови су неопходни, јер тренутни подаци указују да је стопа успеха вештачке интелигенције примењене на ланац вредности само око 5%.
• Консолидација података као темељ: Успешна стратегија вештачке интелигенције у великој мери зависи од капацитета организације да консолидује и вреднује сопствене податкеТемељ сваке иницијативе за вештачку интелигенцију морају бити интегрисани процеси и подаци; без тога, компаније ризикују „закључавање на добављача“, где губе контролу над подацима и компетенцијама у корист спољних сервиса, задржавајући контролу само над обрадом плаћања.
• Оптимизација процеса у односу на субоптимизацију: Стратешко планирање мора осигурати да примена вештачке интелигенције на специфичне случајеве употребе, као што је трансформација ланца вредности, не доводи до субоптимизације других области. Доносиоци одлука морају проценити да ли да развијају, састављају или купују услуге, истовремено осигуравајући да оптимизација једног процеса не пребацује трошкове само на други део организације.

На крају крајева, успешна трансформација стратешких процеса мање зависи од саме технологије, а више од култура и идентитет компаније, осигуравајући да усвајање вештачке интелигенције буде вођено јасним разумевањем пословних потреба, а не спонтаним усвајањем.

Који су главни ризици усвајања вештачке интелигенције у организацијама?

Примарни ризици усвајања вештачке интелигенције у организацијама могу се категорисати у регулаторне, безбедносне, финансијске и стратешке изазове:

Регулаторни ризици и ризици усклађености Увођењем Закон о вештачкој интелигенцији У Европи, компаније се суочавају са строгим обавезама усклађености на основу четири нивоа ризика, од „минималног“ до „неприхватљивог“. Организације морају пажљиво проценити инвестиције како би се осигурале да избегну „неприхватљиви“ ризици, као што су неовлашћено препознавање лица или друштвени инжењеринг, који су забрањени.

Безбедносни и управљачки ризици („Shadow AI“) Значајан ризик је појава „Вештачка интелигенција сенке“, феномен где лакоћа приступа генеративној вештачкој интелигенцији (разговорним интерфејсима) омогућава сваком запосленом да самостално уведе дигиталне алате. Ово заобилази стандардне процесе провере, што значи да појединци могу да се претплате и користе инструменте који могу да уведу безбедносне рањивости или цурење података без надзора организације.

Финансијски и економски ризици Финансијске импликације усвајања вештачке интелигенције представљају озбиљне ризике за профитабилност:

• Утицај на марже: Вештачка интелигенција је обично оперативни трошкови (OpEx), што директно утиче на профитне марже.

• Адитивни трошкови: За разлику од претходних технолошких промена, вештачка интелигенција не смањује нужно традиционалне ИТ трошкове; уместо тога, она има тенденцију да буде додатни трошак. Иако се предвиђа да ће приходи добављача вештачке интелигенције значајно порасти, то подразумева повећане трошкове за клијентске компаније.

• Ниске стопе успеха: Повраћај инвестиције није загарантован. Када се примени на сложене процесе попут ланца вредности (а не на једноставну личну продуктивност), процењује се да је стопа успеха само 5%,.

• Тешкоће у надокнади трошкова: Повраћај ових трошкова кроз смањење броја запослених, повећање ефикасности или повећање продаје тренутно је тежак у секторима моде и луксуза.

Стратешки и оперативни ризици

• Закључавање добављача: Постоји велики ризик од уласка у стање "закључати у", где се организација толико ослања на екстерне услуге да губи контролу над сопственим подацима и интерним компетенцијама. У овом сценарију, компанија ефикасно задржава контролу само над плаћањем фактура, док се основни подаци налазе екстерно.

• Подоптимизација процеса: Без холистичког погледа, постоји ризик да се један специфичан процес оптимизује, а да се притом ненамерно субоптимизација других, једноставно пребацивање трошкова или неефикасности на други део организације уместо њиховог елиминисања.

• Недостатак стратешке визије: Спонтано усвајање вештачке интелигенције без јасне организационе и културне стратегије може створити више проблема него што их решава у кратком року.

Зашто је стопа успеха имплементације пословне вештачке интелигенције тренутно ниска?

Процењује се да је стопа успеха имплементације вештачке интелигенције у пословним процесима – посебно у погледу трансформације ланца вредности – само 5%Ова ниска стопа успеха приписује се неколико структурних, финансијских и организационих фактора:

• Сложеност интеграције ланца вредности: Док се „уграђени“ алати вештачке интелигенције за личну продуктивност (нпр. у прегледачима или канцеларијским пакетима) лако усвајају, примена вештачке интелигенције на сложене корпоративне процесе и ланац вредности је далеко тежа. Ова врста имплементације захтева дубоку интеграцију, а не једноставно усвајање.

• Адитивни трошкови и изазови поврата инвестиције: За разлику од претходних технолошких промена, увођење вештачке интелигенције не мора нужно смањити традиционалне ИТ трошкове; уместо тога, често делује као адитив. Оперативни трошкови (OpEx) што директно утиче на профитне марже. Повраћај ових трошкова – било кроз смањење броја запослених, повећање ефикасности или повећање продаје – тренутно се показује тешким у секторима моде и луксуза.

• Зрелост података и процеса: Успех у великој мери зависи од постојеће културе организације и њене способности да консолидује и вреднује сопствене податкеБез чврсте основе интегрисаних података и процеса, компаније не могу ефикасно да примене вештачку интелигенцију и ризикују „закључавање на добављача“, где се у потпуности ослањају на спољне услуге и губе контролу над својим интерним компетенцијама и средствима.

• Ризик од субоптимизације: Постоји стратешки ризик да оптимизација једног одређеног процеса путем вештачке интелигенције може ненамерно субоптимизовати другим областима, једноставно пребацујући трошкове или неефикасности на различите делове организације уместо да их елиминишу.

• Скривени трошкови имплементације: Цена вештачке интелигенције никада није ограничена само на накнаду за услугу; она подразумева значајну криву учења, као и трошкове везане за обуку, инфраструктуру и умрежавање.

Шта значи „Shadow AI“ за безбедност модне индустрије?

„Вештачка интелигенција сенке“ У контексту модне индустрије, односи се на феномен где запослени самостално претплаћују и уводе алате вештачке интелигенције у компанију без званичног надзора или ИТ провере.

Према речима Андреа Пертичија, директора информационих технологија за глобалну моду brandс, ово представља специфичне безбедносне импликације:

• Заобилажење управљања безбедношћу: Примарни ризик је то што ови алати заобилазе ригорозне процене ризика које сада захтевају прописи попут европског Закон о вештачкој интелигенцијиКомпаније су законски обавезне да процене имплементације вештачке интелигенције у односу на четири нивоа ризика (од „минималног“ до „неприхватљивог“, као што су неовлашћено препознавање лица или друштвени инжењеринг), али Shadow AI спречава да се ова процена деси.

• Приступ без баријера: За разлику од претходних сложених технологија, „разговорни интерфејс“ генеративне вештачке интелигенције уклонио је све техничке баријере. Сваки запослени који може да куца или говори сада може да користи дигиталне инструменте који могу да садрже безбедносне рањивости, ефикасно стварајући скривени слој технологије који организација не може да контролише или обезбеди.

• Еволуција сенченог ИТ-а: Описује се као модерна еволуција „Shadow IT-а“, где лакоћа приступа моћним алатима повећава вероватноћу цурења података или кршења прописа, јер централна организација није ни свесна да се технологија уопште користи.

Како може brandКако избећи „закључавање на добављача“ приликом коришћења вештачке интелигенције?

Да би се избегла „закључаност према добављачу“, brandморају осигурати да не дођу у стање у којем подаци, услуге и компетенције налазе се у потпуности споља, остављајући компанији контролу само над плаћањем фактура.

Према изворима, примарна стратегија за спречавање овога подразумева успостављање јаке интерне основе, а не само куповину решења. То укључује:

• Консолидовање и вредновање интерних података: Кључна полазна тачка је капацитет организације да консолидује сопствене податке. Компанија мора имати интегрисани процеси и подаци као „темељ“. Без ове интерне окоснице, компанија постаје превише зависна од инфраструктуре добављача за управљање својом основном имовином.

• Стратешке одлуке о снабдевању: Када се та база података успостави, компанија је у бољој позицији да доноси информисане стратешке одлуке о томе да ли ће „развити, саставити или купити“ специфичне услуге од случаја до случаја. Ово омогућава brand интегрисати екстерну вештачку интелигенцију где је то ефикасно, без предаје потпуне контроле над ланцем вредности.

• Задржавање интерних компетенција: Ризик од везаности је експлицитно повезан са екстернализацијом компетенције. Стога brandморају да обезбеде да, иако могу да користе спољне алате, стратешко разумевање и management Део ових процеса остаје унутар компаније како би се избегла зависност.

Како мода може brandспречавају запослене да користе Shadow AI?

Спречавање „сенковите вештачке интелигенције“ није представљено као једноставна техничка блокада, већ као изазов који захтева промену у организациона стратегија, култура и управљање.

мода brandмогу да се позабаве и ублаже коришћење вештачке интелигенције у сенци кроз следеће стратешке мере:

• Спровођење формалне процене ризика (Закон о вештачкој интелигенцији): Компаније морају заменити спонтано усвајање формалним процесом евалуације. Према прописима као што су Закон о вештачкој интелигенцији, организације су обавезне да процене све имплементације вештачке интелигенције на основу четири нивоа ризика, од „минималног“ до „неприхватљивог“ (као што су неовлашћено препознавање лица или друштвени инжењеринг). Спровођењем овог процеса провере, brandосигуравају да ниједан дигитални алат не уђе у екосистем компаније без проласка кроз овај филтер управљања.

• Прелазак са спонтаног на стратешко усвајање: Главни покретач сенчене вештачке интелигенције је „спонтано усвајање“ од стране запослених. Да би се то спречило, руководство мора наметнути „стратешку, организациону и културну визију“ сличну претходним имплементацијама PLM или ERP система. Организација мора активно дефинисати како вештачка интелигенција решава пословне проблеме тако да запослени не осећају потребу да самостално траже спољне алате.

• Централизација података и компетенција: Кључна превентивна мера је осигуравање да организација створи јаку унутрашњу основу. focusОслањајући се на „културу и капацитет... за консолидацију и валоризацију сопствених података“, компанија пружа легитимну, интегрисану инфраструктуру. Ако компанија пружа интегрисане процесе и податке, смањује подстицај за запослене да користе екстерне „Shadow“ алате који би могли довести до „закључавања на добављача“ или губитка података.

Зашто је превенција тешка: Извори напомињу да је спречавање Shadow AI посебно изазовно јер генеративна AI (посебно конверзацијски интерфејс) има „потпуно је срушио сваку препреку за коришћење“За разлику од сложених наслеђених система, свако ко може да куца или говори сада може самостално да се претплати и уведе ове алате, заобилазећи традиционалне ИТ препреке. Стога је решење мање у техничким баријерама, а више у корпоративна култура и придржавање новог регулаторни оквири