Ahogy a japán Kanban módszerek átalakították a gyártást "just-in-time" rendszerekkel, a vállalatok most hasonló elveket alkalmaznak a generatív mesterséges intelligencia használatában a hatékonyság növelésére. Sastry Durvasula, a TIAA munkatársa elmagyarázza a cég AI kezdeményezését, a "Research Buddy"-t, amely valós idejű adatok felhasználásával készít jelentéseket a Nuveen eszközkezelés számára. Az AI csak akkor kerül aktiválásra, amikor szükség van rá, ezzel optimalizálva az időzítést és költségeket, tekintettel a generatív AI-hoz kapcsolódó magas költségekre. A Forrester elemzője, Mike Gualtieri elismeri a just-in-time AI értékét, de megjegyzi, hogy költség-haszon aránya helyzettől függően változik. Például egy millió dolláros AI kiadás indokolt, ha jelentősen többet takarít meg. A szervezetek általában elkerülik a hatalmas költségeket előre betanított modellek használatával, csökkentve ezzel a drága adattudósok iránti igényt. Az adatvisszakereséssel bővített generálás (RAG) szolgáltatások segítenek minimalizálni az AI költségeit azáltal, hogy javítják a minőséget és a relevanciát egyedi tréning nélkül.

Az olyan szállítók, mint a Google, kész RAG megoldásokat kínálnak, lehetővé téve a vállalatok számára, hogy a szoftverfejlesztésre koncentráljanak, nem pedig az AI bonyolultságára. Az SAIC Tenjin GPT bevezetése példaként szolgál arra, hogyan alkalmazzák az AI-t stratégiailag a cégen belül. Javítja a belső munkafolyamatokat, támogatja az ügyfélszolgálatot, sőt segíti a szoftverfejlesztést is. Nathan Rogers, CIO, hangsúlyozza, hogy az AI hozzáférhetőségének demokratizálása célja az időszerű döntéshozatal elősegítése. Max Chan, az Avnet képviseletében, megkérdőjelezi a "just-in-time" címkét, és inkább azt az utat javasolja, amely stratégiailag alkalmazza az AI-t ott, ahol ez érdemi eredményeket és költséghatékonyságot hoz. Az AI számítástechnikai igényei megkövetelik, hogy azt mérlegelve használják az üzleti előnyök érdekében. Bár a just-in-time AI néha nélkülözi az emberi felügyeleti láncot, a TIAA ezt enyhíti az AI felelősségi irányelvek beépítésével, biztosítva, hogy elemzők átnézzék az AI által előállított eredményeket használat előtt. Durvasula kiemeli továbbá a "just-in-case" megközelítést, ahol a releváns információkat időben, szükség szerint biztosítják a szakembereknek késedelem nélkül. A generatív AI megvalósítások, akárcsak a japán gyártási technikák által hozott fokozatos változások, forradalmasítják a működési módszereket és eredményeket, ha átgondoltan hajtják végre, legyen szó akár just-in-time, just-in-case, vagy stratégiai okos alkalmazásokról.