Многие компании сталкиваются с трудностями при переходе от разрозненных пилотных проектов по ИИ к полному внедрению на уровне всего предприятия.
Эксперименты с генеративными моделями стали обычным делом, но их промышленное использование — с добавлением необходимых механизмов управления, безопасности и интеграции — часто буксует. Чтобы преодолеть разрыв между вложениями и реальной отдачей, IBM запустила новую модель услуг, которая помогает фирмам собирать внутреннюю инфраструктуру ИИ, а не строить её с нуля.
Переход к консалтингу на основе готовых активов
Классические модели консалтинга полагаются на ручной труд для решения задач интеграции, что обычно занимает много времени и требует больших затрат. IBM меняет подход, предлагая консалтинг на основе активов. Он сочетает обычные экспертные рекомендации с каталогом готовых программных компонентов, чтобы клиенты могли сами создавать и контролировать платформы ИИ.
Вместо заказа индивидуальной разработки под каждый процесс компании используют существующие архитектуры для перестройки операций и подключения ИИ-агентов к старым системам. Такой способ позволяет получать отдачу от новых агентных приложений, не меняя базовую инфраструктуру, модели ИИ или предпочитаемые облачные сервисы.
Работа в среде с несколькими облаками
Руководители предприятий часто беспокоятся о зависимости от одного поставщика, особенно при использовании проприетарных платформ. Стратегия IBM учитывает разнообразие IT-сред корпоративного уровня. Услуга поддерживает основу из нескольких вендоров, совместимую с Amazon Web Services, Google Cloud, Microsoft Azure и IBM watsonx.
Это касается и самих моделей — подход работает как с открытыми, так и с закрытыми вариантами. Фирмы продолжают опираться на текущие вложения, без необходимости менять всю экосистему, что снимает страх накопления технического долга при переходах.
Техническая основа услуги — платформа IBM Consulting Advantage, которую компания применяет внутри себя. Она помогла в более чем 150 проектах для клиентов, повысив производительность собственных консультантов IBM до 50 процентов. Логика проста: если инструменты ускоряют работу командам IBM, то они дадут такой же эффект клиентам.
Услуга открывает доступ к маркетплейсу с ИИ-агентами и приложениями для конкретных отраслей. Для руководителей это значит сдвиг к "платформенному" мышлению: фокус уходит от отдельных моделей к единой экосистеме цифровых и человеческих работников.
Практическое внедрение платформенного подхода для роста ценности ИИ
Лучше всего эффективность платформенного подхода видна на реальных примерах. Глобальная образовательная компания Pearson сейчас строит кастомную платформу с помощью этой услуги. Они сочетают знания специалистов с агентными помощниками для повседневных задач и принятия решений, показывая, как технология работает в реальной эксплуатации.
Аналогично производственная фирма применила решение IBM, чтобы оформить стратегию генеративного ИИ. Основной акцент был на поиске ценных сценариев, проверке прототипов и согласовании руководства вокруг масштабируемого плана. В итоге запустили ИИ-помощников на разных технологиях в защищённой и управляемой среде, создав базу для распространения по всему предприятию.
Хайп вокруг генеративного ИИ не гарантирует влияния на финансовые показатели.
«Многие компании вкладываются в ИИ, но добиться реальной отдачи в масштабе — серьёзная задача», — говорит Мохамад Али, старший вице-президент и глава IBM Consulting. «Мы внутри IBM решили немало таких проблем, применив ИИ для изменения своих операций и получения измеримых результатов, что дало проверенный набор методов для помощи клиентам».
Разговоры уходят от возможностей конкретных LLM к архитектуре для их безопасной работы. Успех в масштабировании ИИ и получении ценности зависит от умения интегрировать решения без новых "силосов". Руководителям нужно следить, чтобы при использовании готовых агентных workflow сохранялись строгие стандарты отслеживания данных и управления.