Ujio wa haraka wa akili bandia umepelekea misukosuko ya majaribio katika tasnia mbalimbali. Hata hivyo, kampuni nyingi zinakumbana na “uchovu wa dhana,” ambapo majaribio ya awali yanashindwa kutafsiri kuwa thamani halisi ya biashara. Ivan Zhang, mwanzilishi mwenza wa Cohere, kampuni inayoongoza ya lugha kubwa ya biashara (LLM), alizungumzia kukata tamaa huku kunakokua wakati wa Mkutano wa Mtandao wa hivi karibuni, akiwataka wateja watarajiwa kudumisha imani yao katika AI huku akisisitiza haja muhimu ya kuzingatia mrejesho wa uwekezaji (ROI).
Mtego wa Dhana
Zhang alisisitiza kukata tamaa miongoni mwa biashara ambazo zimewekeza sana katika majaribio ya AI bila kuona malipo yanayolingana. Alikiri kwamba wateja wengi wa Cohere, licha ya kujenga programu za awali, wameshindwa kuzipeleka katika uzalishaji kutokana na masuala kuanzia gharama na utawala hadi usalama wa data na faragha. Hisia hii inaakisi mwelekeo mpana ambapo ahadi ya AI mara nyingi inakinzana na uhalisia wa vitendo wa utekelezaji.
Alieleza masuala ya gharama, utiifu wa udhibiti, ulinzi wa data, na itifaki za faragha, ambayo Cohere inatarajia kuyatatua kwa ofa yake mpya ya jukwaa la eneo la kazi, North.
Umuhimu wa ROI
Katika mahojiano, Zhang alisisitiza kwamba awamu inayofuata ya kupitishwa kwa AI lazima iendeshwe na ROI inayoonekana. Makampuni yanahitaji kuona uhalali wa wazi wa kifedha kwa uwekezaji wao wa AI, kuhakikisha kwamba faida zinazidi gharama. Alionya kwamba baadhi ya mifumo ya AI ni ghali sana kufanya kazi hivi kwamba inabatilisha uwezekano wowote wa akiba ya gharama kutokana na kuhuisha kazi.
"Wakati mwingine mifumo wanayoishia kujenga, gharama ya mfumo yenyewe ni ghali zaidi kuliko wanadamu ambao wanaendesha," alisema.
Swali muhimu la kama kuna uboreshaji halisi na utekelezaji wa AI lazima lijibiwe ili kushinda madaraja yaliyochomwa ya kampuni za AI zinazoshughulikia miradi ambayo haijawahi kufanikiwa.
Uongezaji wa AI dhidi ya Tija
Zhang pia alibainisha matukio ambapo kampuni zimejaribu kuongeza nguvu kazi zilizopo na AI lakini zimeshindwa kuona uboreshaji wowote katika tija. Katika baadhi ya matukio, wafanyakazi walipunguza tu mzigo wao wa kazi bila kuongeza pato, kwa ufanisi wakipinga faida za AI. Hii inaangazia umuhimu wa kuzingatia kwa makini jinsi AI inavyojumuishwa katika mtiririko wa kazi uliopo na kuhakikisha kuwa inaongoza kwa mafanikio ya kweli ya ufanisi.
Kushinda Vikwazo vya Awali
Zhang anatarajia kuwa kampuni mpya za AI sasa zitapewa jukumu la kushinda biashara ambazo “zimechomwa” na miradi ambayo haikufanikiwa. "Awamu inayofuata ya kwenda sokoni kwa teknolojia hii ni, ‘ROI iko wapi?’" Anaamini kwamba kampuni za AI zitahitaji kujenga upya uaminifu kwa kuonyesha thamani halisi ya suluhisho zao na kuzingatia kutoa matokeo yanayopimika.
Mwangwi kutoka Jumuiya ya Utafiti
Mawazo ya Zhang yanaungwa mkono na utafiti kutoka kwa mashirika kama vile Ofisi ya Kitaifa ya Utafiti wa Kiuchumi, ambayo iligundua “hakuna athari kubwa kwa mapato au saa zilizorekodiwa katika taaluma yoyote” baada ya kuchunguza maeneo 7,000 ya kazi kwa kutumia chatbots za AI. Vile vile, utafiti wa Boston Consulting Group ulifichua kuwa robo tu ya watendaji waliohojiwa wameona thamani kubwa kutoka kwa AI, na kupendekeza kwamba makampuni mara nyingi hueneza uwekezaji wao nyembamba sana katika majaribio mengi.
Kuweka Kipaumbele Matatizo ya Biashara kuliko Suluhisho za Kumeta
Ushauri wa Zhang kwa kampuni zinazozingatia LLMs ni kuzingatia kutatua matatizo maalum ya biashara badala ya kujenga suluhisho la kina bila kesi za wazi za matumizi. Alionya dhidi ya “kupotea katika kujenga kitu na kutafuta tatizo,” akisisitiza umuhimu wa kuoanisha uwekezaji wa AI na malengo ya kimkakati ya biashara.
AI kama Zana kwenye Sanduku la Vifaa
Zhang alidai kuwa AI inapaswa kuonekana kama zana moja tu kwenye sanduku la zana la kutatua matatizo ya biashara na kuunda thamani kwa wateja. Alionya dhidi ya kupandisha chati uwezo wa teknolojia wa kutatua matatizo yote ya ulimwengu, akisisitiza kwamba ni bora zaidi inapotumiwa kimkakati na kwa kushirikiana na suluhisho zingine.
Changamoto ya Mawazo Potofu
Ingawa AI imepiga hatua kubwa, changamoto zinasalia, hasa katika eneo la “mawazo potofu,” ambapo LLMs hutoa taarifa za uongo au za kubuni. Licha ya maendeleo katika eneo hili, viwango vya mawazo potofu vya LLM vimesalia kuwa vya juu kiajabu, huku hata miundo ya hivi punde kutoka kwa makampuni yanayoongoza ikitoa makosa. Suala hili linaangazia umuhimu wa uwazi na kuwapa watumiaji maarifa kuhusu jinsi miundo ya AI inavyofikia hitimisho lao.
Mwanzilishi mwenza alikiri kwa wataalamu wengi kwamba mawazo potofu yanasalia kuwa tatizo katika AI generative. Alisema kuwa kampuni imejaribu kusaidia kwa kuwa wazi, ikiwa ni pamoja na kuonyesha watumiaji “fikra mbichi” za LLMs zake, na zana gani mifumo yake inatumia, pamoja na jinsi na nukuu za majibu yaliyotokana.
Mazingira ya Ushindani
Cohere inakabiliwa na ushindani mkali kutoka kwa wapinzani waliofadhiliwa vyema zaidi katika nafasi ya AI. Hata hivyo, Zhang anaamini kwamba ukubwa si bora kila wakati linapokuja suala la kujenga miundo ya AI yenye gharama nafuu na yenye ufanisi wa nishati. Alidai kuwa mfumo ni “bora tu kama data na mifumo unayoweza kufikia,” akisisitiza umuhimu wa kujenga suluhisho ambazo zinaweza kuendeshwa kabisa ndani ya mazingira ya wateja. Zhang alitaja “ukuaji mkubwa” wa Cohere na kusema “asili changa” ya nafasi hiyo inaacha nafasi nyingi kwa kampuni kupanuka.
Ukuaji wa Mapato na Changamoto
Ukuaji wa Cohere umekuwa mada ya hivi majuzi ya umakini kwa vyombo vya habari vya teknolojia. Cohere ilifikia dola milioni 100 za Kimarekani ($ milioni 138 za Kanada) katika mapato ya mwaka huu baada ya kuongeza mauzo yake zaidi ya mara dufu tangu mwanzo wa 2025, na Mkurugenzi Mkuu Aidan Gomez hivi majuzi aliliambia Bloomberg kwamba kampuni hiyo “haiko mbali” na faida. Lakini The Information imeripoti kuwa hii bado ni Dola za Kimarekani milioni 350 nyuma ya kile Cohere aliiambia wawekezaji mnamo 2023 ilitarajia kuwa ikitengeneza kila mwaka kufikia sasa. Malengo ya mapato na ushindani mkali sio changamoto pekee ambazo Cohere lazima akabiliane nazo.
Kesi ya Ukiukaji wa Hakimiliki
Kampuni mpya ya AI pia ina kile ambacho mtaalamu mmoja amekiita kesi ya ukiukaji wa hakimiliki ambayo inaweza “kuweka msingi” kutoka kwa kampuni kubwa za vyombo vya habari kwenye sahani yake. Kundi la mashirika ya vyombo vya habari ikiwa ni pamoja na Toronto Star, Condé Nast, na Vox wamedai kuwa Cohere ilikwapua maudhui ya vyombo vya habari bila idhini na kuyatumia kufunza miundo ya AI, ilifikia maudhui kwa wakati halisi bila ruhusa, na kutoa matokeo ya ukiukaji. Cohere ni mojawapo tu ya kampuni nyingi za AI zinazokabiliwa na kesi kama hizo. Cohere amekanusha madai haya, akidai kwamba wachapishaji wanaoshtaki walikuwa wamejitokeza “kutengeneza” kesi na kupinga dhana kwamba ukiukaji wowote wa vitendo wa hakimiliki umetokea.
Zhang alikataa kutoa maoni mengi juu ya suala hilo, akimwelekeza BetaKit kwenye chapisho la blogi linaloeleza akili ya Cohere. "Tuna uhakika na hilo," alisema.
Uchambuzi wa kina wa Changamoto za Utekelezaji wa AI
Biashara nyingi hapo awali huingia kwenye mipango ya AI kwa shauku kubwa, wakiamini kwamba AI itabadilisha haraka shughuli zao na kuunda ufanisi ambao haujasikika hapo awali. Lakini wengi wanajikuta wanakabiliwa na changamoto kubwa ambazo hawakutarajia. Matatizo haya yanaweza kuwa ya aina mbalimbali, kutoka kwa utata wa kiufundi hadi upinzani wa shirika. Kuelewa changamoto hizi ni muhimu kwa biashara zinazotarajia kutekeleza AI kwa mafanikio na kupata faida chanya kutokana na uwekezaji wao.
Utaalamu wa Kiufundi na Mahitaji ya Data
Moja ya vizuizi vya kwanza ambavyo biashara hukutana navyo mara kwa mara ni utata wa kiufundi wa mifumo ya AI. Mifumo ya AI, haswa zile zinazotegemea kujifunza kwa kina, zinahitaji kompyuta nyingi na zinahitaji maarifa maalum ili kuunda, kutoa mafunzo na kupeleka. Data pia inahitajika. Ubora na wingi wa data ya mafunzo huathiri sana utendaji wa mifumo ya AI. Kukusanya na kuandaa seti kubwa za data kunaweza kuwa mchakato unaotumia wakati na rasilimali nyingi. Miradi ya AI inaweza kuzuiwa na ukosefu wa data ya ubora wa juu na iliyoandikwa, ambayo husababisha miundo isiyo sahihi au yenye chuki.
Zaidi ya hayo, kuhakikisha uendeshaji wa mifumo ya AI na miundombinu ya IT iliyopo huleta utata zaidi. Majukwaa na mifumo tofauti ya AI haziwezi kuendana na mifumo ya zamani, na kuhitaji mabadiliko makubwa kwa mtiririko wa kazi na usanifu uliopo. Kuunganisha AI katika mazingira magumu ya shirika mara nyingi kunahitaji uzoefu mkubwa na uelewa thabiti wa teknolojia za AI na shughuli za kibiashara zinazozingatiwa.
Vizuizi vya Shirika na Utamaduni
Mbali na vikwazo vya kiufundi, mashirika yanaweza kukumbana na vizuizi vikubwa vya shirika na kitamaduni kwa kukubalika kwa AI. Suala moja lililoenea ni kusita kwa wafanyikazi kukumbatia mabadiliko yanayoendeshwa na AI. Wafanyakazi wanaweza kuwa na wasiwasi juu ya kufutwa kazi pamoja na hitaji la kujifunza talanta mpya na kuzoea njia mpya za kufanya kazi. Upinzani kutoka kwa wafanyikazi unaweza kuzuia mipango ya AI na kuzuia kutambua faida zinazotarajiwa.
Zaidi ya hayo, upelekaji wa AI unahitaji ushirikiano mkubwa kati ya idara na timu. Wanasayansi wa data, wataalamu wa IT, wachambuzi wa biashara na wataalam wa somo lazima washirikiane ili kufafanua matatizo, kuunda suluhisho za AI na kuziingiza katika uzalishaji. Silos na ukosefu wa mawasiliano unaweza kukandamiza ushirikiano na kuzuia ushirikiano mzuri wa AI katika shughuli za kibiashara. Kushinda vizuizi hivi vya shirika na kitamaduni kunahitaji uongozi thabiti, mawasiliano bora na kujitolea kwa usimamizi wa mabadiliko.
Masuala ya Kimaadili na Utawala
AI inavyoenea zaidi, masuala ya kimaadili na utawala yanazidi kuwa muhimu. Mifumo ya AI ina uwezo wa kuendeleza chuki, kutoa hukumu zisizo za haki na kukiuka faragha ya watu. Mashirika lazima yashughulikie masuala haya kwa kuunda miongozo thabiti ya kimaadili na taratibu za utawala kwa muundo, uundaji na upelekaji wa AI. Uwazi, uwajibikaji na haki ni kanuni muhimu kwa AI inayowajibika.
Faragha ya data ni suala muhimu la kuzingatia. Sheria za faragha ya data lazima zifuatwe huku tukiunda mifumo ya AI, pamoja na ulinzi wa kulinda taarifa nyeti dhidi ya ufikiaji usiotakiwa au matumizi mabaya. Mashirika lazima yapate idhini ya mtumiaji kwa kukusanya na kutumia data, pamoja na kutoa uwazi kuhusu jinsi miundo ya AI inafanya maamuzi. Zaidi ya hayo, mashirika yanapaswa kuwa na mifumo ya kufuatilia na kukagua mifumo ya AI ili kugundua na kupunguza hatari zozote za kimaadili au matokeo yasiyokaribishwa.
Kupima na Kuonyesha ROI
Hatimaye, mafanikio ya mradi wowote wa AI yanategemea uwezo wake wa kutoa faida inayoweza kupimika kwenye uwekezaji (ROI). Hata hivyo, kuamua ROI ya miradi ya AI inaweza kuwa ngumu, haswa wakati faida hazionekani au za muda mrefu. Mashirika lazima yaanzishe malengo na viashiria wazi kwa mipango yao ya AI, pamoja na kufuatilia maendeleo na kupima matokeo mara kwa mara. Hii inahitaji uelewa kamili wa thamani ya biashara AI inatarajiwa kutoa pamoja na rasilimali muhimu ili kufikia thamani hiyo.
Zaidi ya hayo, kuwasilisha faida za AI kwa wadau ni muhimu kwa kupata usaidizi na kuanzisha ujasiri katika uwekezaji wa AI. Hii inaweza kuhitaji kuwasilisha kesi za utumiaji, kuonyesha ushindi wa mapema, na kupima athari za AI kwenye viashiria muhimu vya biashara. Ili kufaulu kupima na kuonyesha ROI ya AI, biashara lazima ziunde mfumo uliofafanuliwa wa kupima utendaji na kueleza kwa uwazi pendekezo la thamani kwa wadau.
Mustakabali wa Kukubali AI: Mtazamo Uliosawazishwa
Maarifa ya Ivan Zhang yanaangazia umuhimu wa mbinu iliyosawazishwa ya kukubali AI, ambayo inatambua uwezo wa teknolojia huku ikisalia kuwa imejikita katika uhalisi wa vitendo. AI inapoendelea kubadilika, makampuni yatahitaji kuzingatia kujenga suluhisho zinazotoa ROI inayoonekana, kushughulikia masuala ya kimaadili na kujumuisha bila mshono katika mtiririko wa kazi uliopo. Kwa kuweka kipaumbele matatizo ya biashara kuliko suluhisho za kumeta na kuona AI kama zana kwenye sanduku la zana, mashirika yanaweza kufungua uwezo wa kweli wa AI na kuendesha matokeo muhimu ya biashara.