Jurang Pelaksanaan AI Ialah Masalah Manusia

Sebab paling biasa projek AI mengecewakan bukanlah modelnya. Sebabnya ialah tiada sesiapa dalam organisasi yang tahu cara menukar model yang berkebolehan menjadi proses yang berfungsi. Pada 2 Oktober Anthropic meletakkan harga pada masalah itu: US$100 juta untuk melatih 10,000 orang yang tugasnya tepat sekali itu.

Apa yang berlaku

Menurut pengumuman Anthropic, Claude Frontier Academy yang baharu bertujuan melatih 10,000 "Frontier Deployed Engineer" menjelang akhir 2027, disokong oleh komitmen US$100 juta. Program pertama ialah residensi yang, dalam kata-kata Anthropic, "mengikut model perubatan untuk membina kepakaran". Organisasi mencalonkan jurutera yang cemerlang, masing-masing datang dengan projek Claude yang dinamakan. Mereka mula-mula menghadiri program bersemuka selama beberapa hari dengan simulasi pelaksanaan perusahaan dan ujian amali yang dinilai, kemudian menghabiskan 12 minggu memimpin kes penggunaan sebenar di organisasi mereka sendiri dengan sokongan jurutera Anthropic, diikuti dengan penilaian akhir.

Kohort sedang berjalan di San Francisco, New York dan London. Syarikat yang dinamakan dalam kohort pertama termasuk Accenture, Bain, Capgemini, Commonwealth Bank of Australia, Deloitte, McKinsey, Morgan Stanley dan Novo Nordisk. Anthropic menyatakan akademi ini dibina atas rangkaian rakan kongsinya, di mana profesional di 46,000 firma telah memperoleh lebih 175,000 pensijilan.

Seorang pemimpin Accenture yang dipetik dalam pengumuman itu berkata residensi tersebut menilai "pertimbangan yang diuji terhadap simulasi pelaksanaan perusahaan, bukan kemahiran teknikal secara terasing."

Mengapa ia penting

Baca senarai peserta pertama: firma perunding, bank, sebuah syarikat farmaseutikal. Inilah organisasi yang akan melaksanakan AI di dalam syarikat lain, termasuk di dalam jabatan pemasaran. Modelnya bukan baharu; jurutera lapangan dan arkitek penyelesaian wujud dalam setiap kategori perisian perusahaan. Yang baharu ialah skalanya dan penekanan pada pertimbangan dalam pelaksanaan sebenar.

Pemasaran mempunyai jurang yang sama, dan lebih sedikit orang yang menanganinya. Banyak pasukan kini mempunyai akses kepada model dan alat yang sangat baik. Jauh lebih sedikit yang mempunyai seseorang yang tugasnya mengambil proses pemasaran yang bercelaru, seperti pemantauan pesaing, ujian kreatif atau pelaporan, dan mereka bentuk semula di sekitar AI dengan pengukuran, kawalan dan penerimaan yang terbina di dalamnya.

Lokasi kohort juga wajar diberi perhatian. Tiada satu pun di Asia. Bagi rantau kita, itu sama ada jurang untuk diisi secara setempat atau tanda bahawa gelombang pertama bakat pelaksanaan yang diperakui akan tertumpu di tempat lain.

Apa kata penyelidikan saya

Pada pandangan saya, langkah paling sukar dalam AI gunaan ialah langkah antara model yang berfungsi dan proses yang berfungsi. Penyelidikan kami mencerminkannya. Dalam MindFuse (ACM Multimedia 2025) dan dalam demonstrasi industri SOMIN di ACM Multimedia 2025, sumbangannya bukan hanya model tetapi bagaimana ia sesuai dengan kerja strategi pemasar: ramalan prestasi serta LLM yang menjelaskan dan mengesyorkan.

Saya telah menulis di Forbes tentang merapatkan jurang antara pemasaran dan sistem AI dan tentang memanfaatkan LLM dalam perniagaan melangkaui chatbot. Tema yang konsisten ialah nilai muncul apabila seseorang memahami kedua-dua belah: apa yang boleh dilakukan model dengan boleh dipercayai, dan apa yang sebenarnya diperlukan perniagaan. Orang sebegitu jarang ditemui dalam pemasaran.

Saya juga mengajar, antaranya di NUS dan INSEAD, dan pembingkaian residensi perubatan itu sangat bermakna bagi saya. Anda tidak belajar pelaksanaan daripada slaid. Anda mempelajarinya dengan memiliki kes sebenar, di bawah penyeliaan, dan dinilai berdasarkan pertimbangan.

Bagaimana pasukan pemasaran boleh membina peranan ini sekarang

• Namakan seorang pemilik. Berikan seorang tanggungjawab yang jelas untuk menukar keupayaan AI menjadi proses pemasaran, dengan masa untuk melakukannya.
• Belajar menggunakan kes sebenar. Pilih satu aliran kerja yang sedang berjalan, seperti pelaporan pesaing mingguan, dan reka bentuk semula dari awal hingga akhir, dengan garis asas dan sasaran.
• Gandingkan pemasaran dan kejuruteraan. Pelaksanaan terbaik datang daripada pemasar yang memahami keputusan dan ahli teknologi yang memahami sistem, bekerja bersama-sama.
• Nilai pertimbangan, bukan kefasihan menggunakan alat. Bolehkah orang itu menjelaskan bila AI tidak patut dipercayai dan apa yang berlaku selepas itu?
• Kongsi apa yang berkesan. Tuliskan setiap pelaksanaan sebagai kes ringkas: masalah, reka bentuk, keputusan, mod kegagalan.

Seratus juta dolar ialah jumlah yang besar untuk latihan. Ia jumlah yang kecil berbanding apa yang dirugikan organisasi dalam projek AI yang tidak pernah sampai ke kerja harian. Pemasaran tidak sepatutnya menunggu pihak lain melatih pelaksananya.

Soalan Lazim