Ձեռնարկությունների համար նախատեսված արհեստական բանականության (ԱԲ) ներկայիս լանդշաֆտը փոխակերպման փուլում է՝ փորձարարական «զարմանահրաշ» գաղափարներից անցում կատարելով դեպի գործնական իրագործման համար պայքարի: Վերջին տասնութ ամիսների ընթացքում բիզնեսի ղեկավարները ողողված են եղել լեզվական մեծ մոդելների (LLM), գեներատիվ որոնման և նախատիպային չաթ-բոտերի հնարավորություններով: Սակայն թվային փոխակերպման հաջորդ փուլում քննարկումները «ի՞նչ կարող է անել ԱԲ-ն» հարցից տեղափոխվել են «ինչպե՞ս այն ներդնել արտադրության մեջ՝ առանց խաթարելու մեր առկա համակարգերը» հարցին:

Հիմնական հիպերսկեյլերների (hyperscalers), հատկապես Google Cloud-ի վերջին ռազմավարական քայլերը ցույց են տալիս, որ ոլորտում ներդրման հարցում խոչընդոտ է առաջացել: Այլևս բավարար չէ պարզապես հզոր API կամ «ծառայություն՝ որպես մոդել» (model-as-a-service) հարթակ առաջարկելը: Տեխնոլոգիական հսկաները հասկանում են, որ իրական մասշտաբայնության հասնելու համար անհրաժեշտ են ոչ թե ավելի լավ ալգորիթմներ, այլ՝ ինժեներական մոտեցում, որը ներառում է մարդու մասնակցությունը՝ այդ մոդելները ժամանակակից ձեռնարկությունների բարդ և խճճված աշխատանքային գործընթացներին ինտեգրելու համար:

Նախատիպից դեպի արտադրական ճարտարապետություն՝ անցում

Google Cloud-ի և Accenture-ի վերջին համագործակցությունը ընդգծում է տեխնոլոգիական մատակարարման շղթայի կարևոր փոփոխությունը: Ինժեներներին անմիջապես հաճախորդի միջավայրում ներգրավելով՝ ընկերությունները փորձում են խուսափել «պիլոտային դժոխքից», որը խոչընդոտում էր ԱԲ բազմաթիվ նախաձեռնությունների: Տեխնոլոգիական տնօրենների (CTO) կամ ՏՏ տնօրենների (CIO) համար սա ողջունելի փոփոխություն է: Մենք անցում ենք կատարում մի աշխարհից, որտեղ ընկերությունները տրամադրում են գործիքներ և ակնկալում, որ մշակողները ինքնուրույն կհասկանան դրանց կիրառումը, դեպի ծառայություններով հագեցած մոդել, որտեղ ներդրման գործընթացը ներառված է ծրագրային ապահովման գնման մեջ:

ԱԲ-ի ներդրման արդյունավետությունը (ROI) ոչ թե հիմնարար մոդելի բաժանորդագրության արժեքի մեջ է, այլ ճարտարապետական ինտեգրման՝ LLM-ը Հաճախորդների հետ հարաբերությունների կառավարման (CRM) համակարգին, հին տվյալների բազաներին կամ մատակարարման շղթայի պլանավորման գործիքներին միացնելու կարողության մեջ: Խնդիրն այն է, որ այդ համակարգերը երբեք չեն նախագծվել գեներատիվ ԱԲ-ի հավանականային բնույթի համար:

Այս խոչընդոտները հաղթահարելու համար առաջադեմ կազմակերպությունները առաջնահերթություն են տալիս երեք ուղղության.

  • Համատեքստային տվյալների ճարտարագիտություն (Contextual Data Engineering): ԱԲ գործակալներն այնքան արդյունավետ են, որքան այն տվյալները, որոնց նրանք հասանելիություն ունեն: RAG (Retrieval-Augmented Generation) փողրակների (pipelines) նախապատրաստումը, որոնք կարող են ապահով կերպով տվյալներ վերցնել մասնավոր, չկառուցված աղբյուրներից, ներկայումս ձեռնարկությունների թիմերի համար հիմնական դժվարությունն է:
  • Աշխատանքային գործընթացների համակարգում (Workflow Orchestration): Զուտ խոսակցական ԱԲ-ն սահմանափակ է: Բիզնեսի ղեկավարները իրենց ուշադրությունը կենտրոնացնում են ինքնավար գործակալների վրա, որոնք կարող են գործարկել բազմաքայլ առաջադրանքներ՝ հաշիվ-ապրանքագրերի մշակում, տվյալների ստուգում և հաշվապահական գրքերի թարմացում:
  • Անվտանգության և կառավարման սահմանափակումներ (Guardrails): ԱԲ-ի մասշտաբայնացումը պահանջում է «անվտանգությունը նախ և առաջ» սկզբունքով ճարտարապետություն: Ներդրումները պետք է ներառեն ավտոմատացված համապատասխանության ստուգումներ՝ ապահովելու, որ գեներատիվ մոդելները համապատասխանում են արդյունաբերական տվյալների գաղտնիության ստանդարտներին:

Մարդակենտրոն որդեգրման ռազմավարական նշանակությունը

«Ներդրումային պատերազմը» ըստ էության ձեռնարկության հաճախորդի վստահության համար մղվող մրցակցություն է: Երբ ընկերությունը այսօր ստորագրում է ամպային ծառայությունների պայմանագիր, նա գնում է փոփոխությունների կառավարման գործընկեր: Ժամանակակից ԱԲ-ի բարդությունը, որը ներառում է մոդելի ուշացման (latency), հալյուցինացիաների մակարդակի և ծախսերի հավասարակշռումը, պահանջում է ավելին, քան պարզապես փաստաթղթավորում. այն պահանջում է խորը խորհրդատվություն:

Ժամանակակից ձեռնարկության համար այս ինտեգրված ԱԲ շրջանակների կիրառման բիզնես հիմնավորումը գնալով ավելի հստակ է դառնում: Նոր ներդրումների արժեք ստանալու ժամանակը կրճատելով՝ ընկերությունները կարող են բացել արդյունավետության այնպիսի հնարավորություններ, որոնք նախկինում հասանելի չէին: Օրինակ՝ CRM-ում տվյալների ձեռքով մուտքագրումից ԱԲ-ով ավտոմատացված հոսքի անցնելը ոչ միայն ժամանակ է խնայում, այլև բարելավում է տվյալների ճշգրտությունը, ինչը, իր հերթին, բարելավում է կանխատեսող վերլուծության արդյունքները: Այս կուտակային արժեքն էլ հենց սահմանում է հաջող թվային փոխակերպումը:

Ավելին, մենք տեսնում ենք անցում դեպի գործակալային աշխատանքային հոսքեր (Agentic Workflows): Ի տարբերություն պարզ չաթ-բոտերի, որոնք պարզապես պատասխանում են հարցմանը, գործակալային աշխատանքային հոսքերը նախատեսված են կատարման համար: Երբ նոր հաճախորդ է հայտնվում, գործակալը չպետք է միայն ամփոփի տեղեկատվությունը, այն պետք է որակավորի հաճախորդին, համեմատի այն CRM-ի պատմական տվյալների հետ և առաջարկի անհատականացված կապի հաճախականություն: Ավտոմատացման այս մակարդակը հենց այն է, ինչ ղեկավարները նկատի ունեն «աշխատուժի մասշտաբայնացում» ասելիս: Այս ներդրումների հաջողությունը լիովին կախված կլինի նրանից, թե որքան լավ է մոդելը ինտեգրված ձեռնարկության «խողովակաշարերի»՝ API-ների, միջնորդ ծրագրերի (middleware) և UI/UX շերտերի հետ:

Ձեռնարկության ԱԲ ենթակառուցված