Yritysten AI-koodin tuottamisessa haasteita
Tekoälyllä luodun koodin toimivuus suuryrityksissä kohtaa esteitä, jotka liittyvät integraatioihin, hallintoon ja ylläpitoon, ei itse koodin laatuun.
Tekoälyn tuottaman koodin tehokkuus on kiistaton, mutta sen luotettava käyttöönotto suuryrityksissä on monimutkaisempi haaste kuin pelkkä koodin luominen. SAP:n mukaan vain pieni osa yrityksistä saavuttaa tekoälyyn perustuvan suorituskyvyn, vaikka strategioita olisikin.
"Yritykset, jotka ovat panostaneet raskaasti tekoälytyökaluihin, törmäävät seinään, kun generoitu koodi kohtaa olemassa olevat ympäristöt", sanoo SAP:n Michael Ameling. Ongelma ei yleensä ole koodin tuottamisen laadussa, vaan sen operatiivisessa käyttöönotossa. Yritysten on varmistettava, että koodi täyttää vaatimukset turvallisuudesta, vaatimustenmukaisuudesta ja pitkäaikaisesta ylläpidettävyydestä.
Suurimmat esteet liittyvät integraatioon ja datan saatavuuteen. Tekoäly ei voi korvata organisaation omaa datakysymysten kypsyyttä tai prosessien valmiutta. Kun tekoäly siirtyy suositusten antamisesta työnkulkujen suorittamiseen, vaatimukset latenssin, kustannusten ja järjestelmäkuorman suhteen kasvavat huomattavasti.
Oikeiden integraatioiden rakentaminen pirstaloituneisiin yritysjärjestelmiin on keskeinen arkkitehtoninen haaste. Järjestelmien on tuettava yhtenäistä datan käyttöä, prosessien kontekstia ja hallintoa. SAP:n lähestymistapa Business AI -alustan avulla pyrkii tarjoamaan tarkan ja ajantasaisen tiedon liiketoiminnan toiminnasta.
Tekoälyagenttien käyttö tuotannossa vaatii myös vahvaa hallintoa ja valvontaa. Agenttien on noudatettava samoja sääntöjä kuin ihmistyöntekijöidenkin, mukaan lukien identiteetin hallinta, käyttöoikeudet ja auditointi. Avaavuus ja yhteentoimivuus muiden ratkaisujen kanssa, esimerkiksi OpenTelemetry-kehyksen avulla, on tärkeää kokonaisvaltaisen näkyvyyden varmistamiseksi.