Nyereség:
- A megfelelő döntés/vásárlás meghozatala alapvető megkülönböztető képességek kiépítésével és szabványos képességek megvásárlásával
- A beszállítók adatbiztonsági, megfelelőségi, könnyű kilépési és áron túli összköltség-kritériumok szerinti értékelése
- Védje meg a szállítói bezárkózást, és bizonyítson értéket egy jelentősebb szerződéses pilótával
A legtöbb szervezet kiszervezi mesterséges intelligencia tehetségének nagy részét: kész modelleket, platformokat, szoftverszolgáltatásokat, tanácsadást. Ezek a vásárlási döntések nagy költségvetéseket, hosszú szerződéseket és állandó függőséget hoznak létre; Ha rosszul csinálják, drága visszatérni. Ebben az egységben megtudhatja, hogyan vásárolhat intelligens módon egy felsővezető AI-megoldásokat, hogyan dönthet arról, hogy kiépítsen vagy kiszervezzen-e egy tehetséget, és hogyan kezelje a beszállítókat. Nem az a cél, hogy a legolcsóbb vagy legszembetűnőbb eszközt válasszuk, hanem azt, amelyik a legjobban megfelel a szervezet igényeinek, kockázatainak és stratégiájának.
Készítsen vagy vásároljon?
A kulcsfontosságú döntés: belsőleg kell-e fejleszteni egy AI-tehetséget, vagy kiszervezni? A szabály egyszerű, de gyakran megsértik: egyedivé kell tenni az alapvető képességeket a szervezet számára, amelyek versenyelőnyt teremtenek; Vásároljon szabványos, általános, nem megkülönböztető készségeket. A mag a saját ügyféladatokkal rendelkező prediktív modell, amelyet a versenytárs nem tud elkészíteni; A szöveges összefoglaló eszköz szabványos és megvásárolható.
kritérium
építeni
vásárolni
differenciálás
magas, mag
alacsony, szabványos
sebesség
lassú
gyors
Költség
Magas előzetes befektetés
Kiszámítható előfizetés
irányítani
tele
korlátozott
függőség
alacsony
magas
Tipp: "Meg tudom különböztetni magam az ellenfelemtől e képesség nélkül?" kérdez. Ha a válasz "igen", vásároljon; Ha „nem, ez az én különbségem”, akkor komolyan fontolja meg, hogy megteszi. Az alapvető tehetségek kiszervezése hosszú távon versenyképes erő bérbeadását jelenti.
Szállító kiválasztási kritériumok
Veszélyes a mesterséges intelligencia gyártójának kiválasztása kizárólag az ár és a szolgáltatások alapján. A menedzsernek ezekre a kritériumokra is rá kell kérdeznie:
- Adatbiztonság és adatvédelem: Hol dolgozzák fel, tárolják, használják fel az adatainkat az oktatásban?
- Megfelelőség: Támogatja-e a szállító a KVKK/EU AI törvény követelményeit?
- Átláthatóság: Hogyan működik a modell, mik a határai, elvégezték-e független auditálását?
- Integráció: Milyen könnyen csatlakozik a meglévő rendszereinkhez?
- Könnyű kilépés: Áthelyezhetjük adatainkat és munkafolyamatainkat, ha távozunk?
- Fenntarthatóság: A szállító pénzügyileg stabil, holnap eltűnik?
- Teljes tulajdonlási költség: Licenc + integráció + képzés + szupervízió (5. egység).
A szállító bezárásának veszélye
Kritikus koncepció: a szállítói lock-in annyira függővé válik a szolgáltatótól, hogy gyakorlatilag lehetetlen a távozás (a magas költségek, az adathordozhatóság, az integráció bonyolultsága miatt). Ez nyitva hagyja az áremelkedést, a rossz szolgáltatást és az innováció elvesztését. Ennek enyhítése érdekében: rögzítse a szerződésbe az adathordozhatóságot, válassza a nyílt szabványokat, lehetőség szerint dolgozzon több szállítóval, és készítsen kilépési tervet.
Lépésről lépésre: vásárlási folyamat
1. Határozza meg egyértelműen a szükségességet. Melyik üzleti probléma, melyik mérőszám? (4-5. egység)
2. Hozzon döntést a vásárlásról. Core vagy standard?
3. Értékelje a beszállítókat egy kritériumlistával. Az ár mellett biztonság, megfelelés, kilépés, TCO.
4. Próbálja ki a pilótával. Bizonyítsa be egy kis, mérhető próbával a nagy szerződés előtt.
5. Aláírja a szerződést az őrökkel. Adattulajdonosi, adatvédelmi, kilépési, szolgáltatási szint (SLA) záradékok.
három mini tok
1. eset – Magkidobási hiba. Egy logisztikai cég a legnagyobb versenyelőnyét, az útvonaloptimalizálást teljes egészében külső beszállítóra bízta. Két évvel később a szállító megduplázta az árat; A cég be volt zárva, nem voltak saját adatai és modelljei. Végül beltérre kellett szerelnie egy drága kapcsolóval. Az alapvető tehetségeket nem kellett volna megvásárolni.
2. eset – Az adatvédelmi kérdés megváltoztatta a vásárlást. Mielőtt egy egészségügyi cég mesterséges intelligencia-eszközt vásárolna, megkérdezi, hogy "használják-e az adatainkat a képzésben?" – kérdezte. A válasz „alapértelmezés szerint igen” volt; ez elfogadhatatlan volt a betegadatok szempontjából. A cég olyan alternatíva felé fordult, amely az adatokat nem használja fel az oktatásban, és belföldön dolgozza fel. Egy helyes kérdés akadályozta meg a megfelelőség súlyos megsértését.
3. eset – A pilóta megtakarításai. Egy kiskereskedő 3 éves, 4 millió TL értékű szerződést készült aláírni egy divatos mesterséges intelligencia platformra. Először egy 8 hetes fizetett pilótát végzett; A platform nem illett bele az értékesítési csapatok tényleges munkafolyamatába, az elfogadás alacsony maradt. Jelentős szerződést mondtak fel, több millió fontot, és elkerülték az évekig tartó patthelyzetet. A pilóta volt a legolcsóbb biztosítás.
Négy másolható sablon
1) Gyártási/vásárlási elemzés:
Az Ön feladata: technológiai beszerzési tanácsadó. Elemezze a „max-or-buy” döntést a következő AI-tehetség esetében: [tehetség]. Értékelje a megkülönböztetés, a sebesség, a költségek, az ellenőrzés és a függőség szempontjából; Kérdezze meg, hogy ez alapvető vagy szabvány számunkra, és tegyen javaslatot.
2) Szállítói értékelési kritériumok listája:
Készítsen ellenőrzőlistát, hogy értékelje a szállítót a következő mesterségesintelligencia-megoldás megvásárlására vonatkozóan: adatbiztonság/adatvédelem, megfelelés (KVKK/EU AI-törvény), átláthatóság, integráció, egyszerű kilépés, fenntarthatóság, összköltség. Minden kritériumhoz írjon egy világos kérdést, amelyet fel kell tennie a szállítónak. Megoldás: [szöveg]
3) Szerződésvédelmi záradékok:
Sorolja fel azokat a védelmi záradékokat, amelyeket szeretnék egy mesterségesintelligencia-szállítói szerződésben: adatok tulajdonjoga, az adatok oktatásban való felhasználásának tilalma, titoktartás, szolgáltatási szint (SLA), lemondás és adathordozhatóság, felelősség. Minden tagmondatnál fejtse ki egy mondatban, hogy miért fontos.
4) Pilot tervezés:
Tervezz meg egy 6-8 hetes pilotot ennek az AI-eszköznek a tesztelésére egy nagy szerződéskötés előtt: milyen kritériumok, milyen felhasználói csoport, mi a sikerküszöb, milyen döntést (aláírás/törlés) fogok hozni milyen eredmény alapján? Eszköz: [szöveg]
Gyenge felszólítás / Erős felszólítás
Gyenge: "Melyik AI-eszközt vegyem meg?"
Eredmény: Felületes válasz kontextus nélkül, figyelmen kívül hagyva a biztonságot és a függőséget, esetleg azt sugallva, hogy "mi a népszerű".
Güçlü: "Egészségügyi cég vagyunk, amely betegadatokkal foglalkozik, a KVKK hatálya alá tartozunk. Egy mesterséges intelligencia megoldást dolgozunk ki, amely a klinikai megjegyzéseket foglalja össze. Elemezzük, hogy ez alap vagy szabvány számunkra; ha vásárolni készülünk, határozzuk meg a kritikus kérdéseket, felteszem a beszállítókat az adatbiztonságról, az adatok oktatásban való felhasználásáról, a hazai feldolgozásról, a nagy szerződés megkötésének egyszerűségéről és a teljes költségről."
Eredmény: érzékeny a kontextusra, a szabályozásra és a kockázatokra; vásárlás/vásárlás, olyan vásárlási megközelítés, amely együtt veszi figyelembe a kritériumokat és a kísérletet.
Gyakori hibák
- Alaptehetség vásárlása. Versenyelőnyének bérbeadása hosszú távon drága függőséget okoz.
- Csak nézzük az árat és a funkciókat. Egy olcsó jármű akkor válik drágává, ha figyelmen kívül hagyjuk a biztonságot, a megfelelőséget, a kiszállást és a teljes költséget.
- Nem kérdezi, hogyan használják fel az adatokat. „Használják az adatainkat az oktatásban?” kérdés a legtöbb megfelelési kockázatot a kezdetektől fogva megragadja.
- Nagy szerződés pilóták nélkül. Évekig bezárva lenni anélkül, hogy egy kis próbatétellel bizonyítanák, nagy kockázat.
- Aláírás kilépési terv nélkül. Az a beszállító, akitől nem válhat meg, kiszolgáltatottá teszi az árakat és a szolgáltatást illetően.
Figyelem: A mesterséges intelligencia elkészítheti a beszerzési elemzést vagy a szállítói kritériumok listáját; A szerződési feltételeket, az adatbiztonsági kötelezettségvállalásokat és a jogi záradékokat azonban a jogi és biztonsági csapatoknak felül kell vizsgálniuk. A menedzser felelőssége továbbá a szállító termékével kapcsolatos állításainak független ellenőrzése (kísérleti, referencia, audit). A marketing ígéret nem bizonyíték.
Összefoglalva
A legtöbb mesterséges intelligencia tehetségét külsőleg vásárolják meg, és ezek a döntések nagyok, állandóak és költségesek. Alapelv: core, megkülönböztető képességek létrehozása; vegyél szabványosakat. A beszállítókat nem csak az ár és a szolgáltatások vonzzák; Értékelje az adatbiztonságot, a megfelelőséget, az átláthatóságot, az integrációt, az egyszerű kilépést, a fenntarthatóságot és a teljes költséget. Az adathordozhatóság, a nyílt szabványok és a kilépési terv segítségével védekezhet a szállítói bezáródás ellen. A nagy szerződés előtt mindenképpen bizonyítson egy pilótával. A következő és egyben utolsó részben a változásmenedzsmenttel foglalkozunk, amely ezt az egész stratégiát valódi elfogadássá változtatja.
Pályázati feladat
Válasszon ki egy mesterséges intelligencia képességet, és végezzen vásárlás/vásárlás elemzést az 1. sablonnal annak eldöntéséhez, hogy az alap- vagy szabványos-e. Hozza létre azokat a kritikus kérdéseket, amelyeket fel fog tenni a szállítónak a 2. sablonnal egy olyan megoldáshoz, amelyről úgy dönt, hogy megvásárolja (feltétlenül tartalmazza az adatbiztonságot és az egyszerű kilépést). Végül egy bekezdésben írja le a főszerződést megelőző pilóta kritériumait, időtartamát és döntési küszöbét.
ellenőrző lista
- [ ] Eldöntöttem, hogy a készség alap vagy standard.
- [ ] Megindokoltam a gyártás/vásárlás döntését.
- [ ] Áron túli szempontokkal értékeltem a szállítókat.
- [ ] "Használják-e adatainkat az oktatásban?" – tettem fel a kérdést.
- [ ] Értékeltem a kilépés könnyűségét és a beszállítói függőséget.
- [ ] A nagy szerződés előtt pilótát terveztem.
- [ ] Terveztem a szerződés és az adatkikötések jogi/biztonsági felülvizsgálatát.