Більшість AI-проєктів зазнають краху: 5 порад, як забезпечити успіх у роботі з даними

За даними Gartner, майже дві третини компаній (63%) не впевнені, що мають належні практики управління даними для впровадження AI. Аналітики прогнозують, що до 2026 року 60% організацій відмовляться від своїх AI-проєктів.Але є компанії, які не здаються. Річард Мастерс, віцепрезидент із даних та ШІ у Virgin Atlantic, переконаний: їхній підхід працює.

«Ми хочемо, щоб пасажирам було комфортно в літаку, — каже Мастерс. — І використовуємо ШІ, щоб цього досягти».

На заході Databricks у Лондоні він поділився п’ятьма практиками, які допомагають перетворювати дані на бізнес-результати.

1. Дайте людям доступ до інструментів

ШІ вже давно застосовується в авіаіндустрії — для прогнозування пасажиропотоку, аналізу доходів, оцінки техстану літаків. Але справжній прорив настав після появи ChatGPT у 2022 році: ШІ став доступним не лише аналітикам, а й звичайним працівникам.

«Люди, які раніше не працювали з аналітикою, почали замислюватися, як ШІ може їм допомогти», — зазначає Мастерс.

У компанії створили внутрішні боти, які допомагають швидко знаходити інформацію та інсайти.

2. Відповідайте на ключові бізнес-запити

Заохотити до використання ШІ — лише пів справи. Головне — навчити робити це ефективно.

«У деяких напрямах рентабельність інвестицій очевидна — наприклад, у ціноутворенні чи прогнозуванні техобслуговування», — пояснює Мастерс.

У складніших кейсах команда використовує Databricks для аналізу зворотного зв’язку клієнтів і поєднує ці дані з іншими метриками — без потреби щоразу збирати їх з нуля.

3. Впровадьте єдиний підхід

Компанії отримують безліч AI-пропозицій — і легко розпорошити фокус. У Virgin Atlantic створили чітку процедуру оцінки нових інструментів.

«Щотижня команда спеціалістів переглядає нові ідеї. Якщо вже є схожий проєкт — не витрачаємо ресурси даремно», — каже Мастерс.

До обговорення можуть долучатися топменеджери — для стратегічної оцінки й узгодження.

4. Використовуйте потужність платформи

Раніше дані про клієнтів і операції зберігалися окремо. Зараз Virgin використовує єдину платформу — Unity Catalog від Databricks.

«Можемо запускати моделі, будувати прогнози й швидко реагувати на зміни», — розповідає Мастерс.

Наприклад, у разі затримки рейсу система визначає, хто має пересадку, чи встигає і яку допомогу надати.

5. Заохочуйте цікавість

Найголовніше, що виніс Мастерс із досвіду роботи з даними — це важливість розуміння самого бізнесу.

«Аналітики можуть зациклюватися на технологіях. Але зараз усе простіше інтегрується — і справжній пріоритет мають бізнес-цілі», — каже він.

Лідери мають бути допитливими: ставити правильні запитання, розуміти, що важливо, і вести команди до результату.

Висновок

Штучний інтелект — це не магія, а інструмент. Щоб AI-проєкти були успішними, потрібно орієнтуватися на потреби бізнесу, впроваджувати інструменти цілеспрямовано і створювати середовище, де люди не бояться шукати відповіді в даних.

Авторка: Дар’я Бровченко

Джерело