It-cheferna står inför ett avgörande ögonblick för AI och är övertygade om att de kommer att lyckas, men de flesta mäter inte effekterna av AI-projekten för att kunna bevisa det.
Enligt en undersökning från Economist Impact uppger 84 procent av it-cheferna att avkastningen på AI överstiger de ursprungliga beräkningarna, men endast 43 procent kräver att teamen mäter effekten av AI-projekten, vilket väcker en viktig fråga: Hur vet it-cheferna egentligen vilket värde de får ut av AI?
Dessutom säger endast 39 procent av de tillfrågade att deras organisationer granskar AI-projekt för säkerhetsrisker efter att systemen har tagits i drift – ett stort problem, säger Eddie Milev, redaktionschef för Tech Frontiers-programmet på Economist Impact.
– AI-system är inte som konventionell företagsprogramvara, säger han.
– De förändras faktiskt efter användning, och de är system som reagerar på det sammanhang de tillhandahålls i. Om företag inte upprätthåller styrningen efter att de har implementerat AI-system löper de en enorm risk att dessa system går överstyr.
Sammantaget tyder undersökningsresultaten på ett felaktigt förtroende för den avkastning som företagen uppnår från AI-projekt, säger han.
– Det visar verkligen att dessa kapaciteter, förmågan att mäta och själva implementeringen faktiskt är ganska osammanhängande, säger Milev. Det är en ganska grundläggande diskrepans.
Rapporten från Economist Impact pekar på flera operativa strategier som skiljer företag som framgångsrikt implementerar AI från mängden. Framgång börjar med mätning, och organisationer bör fokusera på team-baserade förbättringar av resultatet genom att använda AI snarare än stegvisa tidsbesparingar, rekommenderar Milev.
– I rapporten finns en bred förståelse för att man inte bör fokusera på enstaka tidsbesparingar här och där när det gäller mätning, utan snarare titta på resultatet för ett team som använder AI jämfört med resultatet för ett team som inte använder AI, förklarar han.
– Detta är ett mycket mer exakt sätt att förstå hur mycket tekniken faktiskt bidrar till prestandan hos företag som ligger i framkant.
Framgångsrika AI-implementeringar har flera gemensamma egenskaper, enligt Economist Impact, bland annat:
Flera AI-experter var inte förvånade över rapportens slutsats att mätningen av AI-resultat fortfarande har en lång väg kvar i de flesta företag.
Carter Busse, cio på AI-integrationsleverantören Workato, säger att många organisationer snabbt gick över till AI-experiment innan de byggt upp den operativa disciplinen för att konsekvent mäta affärseffekterna. Som ett resultat mäter många företag fortfarande AI-införandet istället för affärsresultat.
– Det är relativt enkelt att lansera ett pilotprojekt eller implementera en copilot, men mycket svårare att koppla AI direkt till KPI:er, intäktspåverkan, effektivitetsvinster eller förbättringar av arbetsflöden i hela verksamheten, säger han.
– De organisationer som uppnår de bästa resultaten är de som definierar framgångsmått i förväg och implementerar AI för att lösa specifika operativa problem.
En av de största hindren att övervinna är att koppla AI till befintliga system och arbetsflöden som driver verksamheten, precis som rapporten rekommenderar, säger Busse.
– Många organisationer har fortfarande AI som lever i utkanten i fristående copiloter och fristående verktyg istället för att integrera det i centrala operativa processer, tillägger han.
It-chefer måste fokusera på intern implementering av AI, rekommenderar han.
– En sak som saknas är intern implementering av AI i hela organisationen. Detta är en avgörande faktor för att driva AI:s framgång inom en organisation och ofta något som kommer i efterhand.
Ett annat problem är att alltför många företag fortfarande inför AI utan en vision om var det kommer att ha en inverkan, menar Andrew Sales, chefsmetodolog hos Scaled Agile, en leverantör av agil metodik.
– Många börjar med tekniken och letar sedan efter ett affärsproblem att lösa, istället för tvärtom, säger han.
Framgångsrika företag implementerar AI med hjälp av analytiska och regelbaserade verktyg där mätmetoderna är mogna och avkastningen väl förstådd, tillägger Sales. Medan mätvärden för äldre automatiseringstekniker är väl förstådda, ger nyare tekniker som generativ AI fortfarande organisationer problem när de försöker förstå deras värde, konstaterar han.
– Ett mer disciplinerat tillvägagångssätt börjar med att identifiera var AI kan lösa specifika problem eller ineffektiviteter, anpassa implementeringen till konkreta affärsmål som kostnadsminskning eller kundnöjdhet, och mäta prestanda genom meningsfulla mätvärden snarare än bara antalet användare, säger Sales.
It-chefer bör skapa strukturerade ramverk som mäter den verkliga effekten, säger han.
– Det skapar den ansvarscykel som gör mätning både möjlig och meningsfull. Den typen av strukturerat ramverk är det som skiljer organisationer som kan dra en tydlig linje från AI-aktivitet till affärsresultat från dem som får nöja sig med att räkna slutförda uppgifter och sparad tid, utan någon tydlig koppling till det som faktiskt spelar roll.
Att mäta framgången med AI har ännu inte hunnit ikapp entusiasmen för att implementera en ny teknik, säger Darren Cassidy, cio hos den AI-baserade CMS-leverantören Sitecore.
– De flesta företag behandlar fortfarande AI som ett tekniskt experiment snarare än en affärstransformation, säger han.
– De blir entusiastiska över att implementera något nytt, men de gör inte det hårdare arbetet med att koppla det till resultat – intäkter, kostnader, hastighet eller kundpåverkan.
It-chefer bör förankra AI-initiativ i tydliga affärsmål och resultat, rekommenderar han. AI bör påverka de nyckeltal som företagsledarna faktiskt bryr sig om.
– Det svåraste är tankesättet och arbetsrytmen. Det är relativt enkelt att implementera en modell, det är mycket svårare att förändra hur teamen arbetar, fatta beslut snabbare och lita på AI-drivna rekommendationer. Det är en organisatorisk utmaning, inte en teknisk.
Spotify-chefen Alex Norström försvarar företagets satsning på AI-genererad musik i en ny intervju med Financial Times. Enligt Alex Norström vill Spotify erbjuda en ”kontrollerad” och laglig lösning istället för den oreglerade AI-musik och så kallad ”AI-slop” som redan sprids på nätet.
Spotify har nyligen ingått ett avtal med Universal Music som gör att användare ska kunna skapa AI-genererade covers och remixar av låtar från deltagande artister. Funktionen kommer att kosta extra utöver det vanliga Spotify-abonnemanget.
Det är första gången en stor musiktjänst lanserar en kommersiell AI-musiktjänst med stöd från ett stort skivbolag. Satsningen sker samtidigt som kritiken mot AI inom kulturbranschen växer, där många oroar sig för att tekniken kan urholka mänskligt skapande.
Säkerhetsforskare har upptäckt en ny anfallsmetod, AudioHijack, som använder dolda ljudsignaler för att i hemlighet kapa AI-drivna röstsystem, rapporterar IEEE Spectrum.
Till skillnad från tidigare attacker kräver den nya metoden inte att angriparen kontrollerar hela interaktionen med AI:n. Istället räcker det att manipulera ljudmaterial som modellen bearbetar. Exempelvis musikklipp, videor eller röstsamtal.
Manipulationen kan bland annat få AI-system att genomföra webbsökningar, ladda ned filer från angriparkontrollerade källor och skicka mejl med användardata. Attackerna uppges fungera med en träffsäkerhet på mellan 79 och 96 procent.
Forskargruppen testade tekniken mot 13 olika AI-modeller, däribland kommersiella rösttjänster från Microsoft och Mistral. Angreppen utvecklades mot öppna modeller, men kunde i vissa fall även överföras till kommersiella system med liknande teknisk arkitektur.