Tempo umělé inteligence: Další fáze budoucnosti inovací

Od chvíle, kdy se objevil ChatGPT, svět vstoupil do cyklu boomu umělé inteligence. Ale co většina lidí nechápe, je to, že umělé inteligence není vlastně nic nového — existuje už khá dlouhou dobu. Už v raných dnech široce používaného vyhledávače Google byla automatizace srdcem výsledků. Nyní svět začíná probouzet a uvědomovat si, jak moc je umělé inteligence již zakořeněna v našem denním životě a jak moc nevyužitého potenciálu ještě má.

Tempo přijímání a inovací umělé inteligence se pohybuje tak rychle – dosahující kolem 1 bilionu dolarů ve výdajích – že mnoho lidí se diví, zda můžeme přesně předpovědět expanzi budoucích modelů, dokonce i dvě roky dopředu. To je ještě více poháněno tím, že technologické společnosti jako Meta, Alphabet, Microsoft, Oracle a OpenAI představují kolo za kolem nových pokroků a modelů umělé inteligence, aby se pokusily udržet krok s poptávkou průmyslu. Výrobce čipů pro umělé inteligence Nvidia roste tak rychle, že jeho podnikání nemůže být ani správně oceněno.

Co víme o tempu umělé inteligence, je to, že jak se zvyšuje množství dat a kvalita dat se dále zlepšuje, tak se také zlepší schopnost umělé inteligence pohánět inovace pro obchodní činnosti, aplikace a procesy napříč všemi odvětvími. Abychom mohli odhadnout, kde bude umělé inteligence za několik let, musíme nejprve pochopit, že použití umělé inteligence je dvojí. První je to, že je to technologie umožňující, která zlepšuje stávající řešení, aby byla více efektivní, přesná a účinná. Druhé je to, že umělé inteligence má potenciál být technologickým inovátorem tím, že činí neuvěřitelné pokroky nebo řešení skutečnými.

Přemýšlení o tempu umělé inteligence v historii

Ačkoli to vypadá, jako by buzz za umělé inteligence začal, když OpenAI spustil ChatGPT v roce 2022, původ umělé inteligence a přirozeného zpracování jazyka (NLP) sahá zpět desetiletí. Algoritmy, které jsou základem umělé inteligence, byly poprvé vyvinuty v 40. letech, což položilo základ pro strojové učení a analýzu dat. Rané použití umělé inteligence v odvětvích, jako je řízení dodavatelského řetězce (SCM), sahá zpět do 50. let, kdy se používala automatizace k řešení problémů v logistice a řízení zásob. V 90. letech byly datové přístupy a strojové učení již běžné v podnikání. Jak se postupovalo do roku 2000, technologie, jako je robotická automatizace procesů (RPA), zefektivnily rutinní úkoly napříč mnoha složitými a administrativními podnikovými funkcemi.

Pak přišel ChatGPT. Je velmi jasné, že vnímání umělé inteligence se změnilo kvůli generativní umělé inteligenci. Před vznikem GenAI spotřebitelé nerozuměli mechanismu automatizace, natož moci automatizace pro podniky. Umělé inteligence leží v základu naší moderní technologie, jako je vyhledávač Google. Většina spotřebitelů důvěřuje Google, aby dodal přesné odpovědi na nesčetné otázky, zřídka zvažují složitý proces a algoritmy, které stojí za tím, jak tyto výsledky vypadají na jejich počítačovém displeji. Ale vidět je věřit — s ChatGPT, svět začal vidět reálné použití. Přesto existuje mýtus o tom, jak je umělé inteligence integrována do našeho denního života — dokonce i ve světě podnikání. Jak je zmíněno výše, umělé inteligence umožňuje stávající technologie být lepší a stejně jako mikročipy Intelu, umělé inteligence sedí na pozadí technologií, které používáme každý den.

Pokud lídři nemohou pochopit rozsah umělé inteligence, jak mohou být očekáváni, že úspěšně zavedou umělé inteligence do svých denních podnikových operací? To je přesně problém.

Výzvy přijetí a růstu

Pokud by někdo požádal nástroj GPT, „co odborníci na nákup a řízení dodavatelského řetězce pravděpodobně řeknou o umělé inteligenci“, pravděpodobně zdůrazní znalostní mezery související s přijetím umělé inteligence. Globálně, přijetí umělé inteligence se exponenciálně zvýšilo v minulém roce po omezeném růstu v předchozích letech. Během posledních šesti let pouze 50% lídrů podniků uvedlo, že investují do technologie umělé inteligence napříč svými operacemi. V roce 2024 se míra přijetí skočila na 72%, ukazující, že lídři podniků se právě probouzejí k potenciálu umělé inteligence, aby vylepšila jejich organizaci napříč všemi liniemi podnikání.

Nicméně, aby se dosáhlo plné hodnoty umělé inteligence, je zapotřebí více než jen nasazení špičkových řešení. To vyžaduje mít přístup k správným datům — datům, která poskytují bohatý kontext o skutečných vzorcích podnikových výdajů, výkonu dodavatelů, tržních dynamikách a reálných omezeních. Nedostatečný přístup k datům znamená život nebo smrt pro inovace umělé inteligence v podniku. Aspoň 30% všech projektů GenAI se očekává, že budou opuštěny kvůli špatné kvalitě dat, mezi jinými výzvami, jako jsou nedostatečné kontroly rizik, rostoucí náklady nebo nejasná obchodní hodnota. Ale existují mnohé další výzvy, kterým čelí podniky při přijímání umělé inteligence a při jejím zavádění do měřítka.

Ve velkých organizacích je bohužel běžné mít sila, které mohou vystavit podniky velkým rizikům. Vezměme, například, odvětví dodavatelského řetězce. Dodavatelský řetězec hraje kritickou roli v podnikové strategii a pro velké, globální organizace je propojená velikost odvětví téměř neuvěřitelná. Pokud jeden aspekt podniku funguje v silu, může to vystavit celou organizaci velkému riziku. Pokud týmy dodavatelského řetězce nekomunikují změny poptávky svým dodavatelům, jak mohou lídři očekávat, že vytvoří přesné prognózy? Pokud prodejní tým nekommunikuje aktualizované prognózy nákupu, mohou zabezpečit dlouhodobé smlouvy na základě zastaralých informací, uzamknout se do dohod, které nemusí být v souladu se současnou poptávkou zákazníků.

Buď to je organizační, nebo informační silo, nedostatek komunikace může vést k rozpadu zákaznického servisu, vytvoří neefektivitu a celkovou zastávku inovací. Umělé inteligence může prokázat svou hodnotu při řešení těchto sil: pokud je jejich technologie efektivně propojena, pak mohou být jejich zaměstnanci a dodavatelé také.

Lídři podniků aktivně investují do řešení poháněných umělou inteligencí, aby poháněli automatizaci procesů, strategické zdrojové schopnosti, viditelnost a kontrolu výdajů a celkovou ziskovost. Aby dosáhli úspěchu s těmito schopnostmi umělé inteligence a dosáhli svých cílů celkového řízení výdajů, musí podniky spolupracovat, aby podpořily transparentnost a pracovaly na společném cíli.

Další evoluce umělé inteligence

Právě teď, nejlepší použití umělé inteligence, které skutečně pohání podnikovou efektivitu a růst, je automatizace jednoduchých, administrativních úkolů. Bez ohledu na to, zda se jedná o efektivitu workflow, extrakci a analýzu dat, řízení zásob nebo prediktivní údržbu, lídři si uvědomují, že umělé inteligence může urychlit monotónní, časově náročné úkoly nevídanými rychlostmi a extrémní přesností. Ačkoli to vypadá jednoduše, když se využije v odvětvích, jako je dodavatelský řetězec nebo nákup, použití jako tato mohou ušetřit podnikům nesčetné hodiny a miliardy dolarů.

Diskutovali jsme o umělé inteligenci jako o technologickém umožňujícím — ale stále existuje nevyužitý potenciál pro umělé inteligence, aby se stala technologickým inovátorem. Jak jsme na prahu nového roku, existuje mnoho pokroků umělé inteligence, na které by se lídři podniků měli zaměřit právě za horizontem.

Pro řízení dodavatelského řetězce a nákup konkrétně, jeden z těchto pokroků bude vylepšení autonomního zdrojování. Díky využití umělé inteligence a dalších pokročilých technologií mohou podniky automatizovat úkoly, které byly tradičně závislé na lidech, jako je zdrojování a uzavírání smluv, aby poháněly efektivitu a uvolnily zdroje, aby umělé inteligence mohla analyzovat obrovské množství dat, identifikovat trendy a učinit informovaná zdrojovací rozhodnutí v reálném čase. Plně autonomní zdrojování nabízí nejen nesrovnatelné úspory nákladů tím, že ušetří čas zaměstnanců, propaguje efektivitu a snižuje chyby, ale může také zmírnit riziko podvodu a padělání tím, že不断ně zajišťuje soulad s etickými a udržitelnými standardy.

Nicméně, ještě předtím, než se zavádí autonomní zdrojování, podniky by se měly zaměřit na poskytování uživatelského prostředí (UX), které je intuitivní, efektivní a snadné pro navigaci pro cả týmy nákupu a dodavatelů. Jakmile je vytvořeno hyper-personalizované UX, podniky mohou kohezivně implementovat autonomní řešení.

Výsledek umělé inteligence není jen zlepšením podnikového ROI, ale také zlepšením rozhodování, předpovědí budoucích vzorců a budováním odolnosti. Lídři nejvyšší úrovně napříč sektory stále více považují přijetí technologií umělé inteligence za nezbytné pro transformaci a budoucí odolnost jejich operací prostřednictvím automatizace. S časem, jako každá jiná technologie před ní, umělé inteligence se stane stále levnější, zatímco hodnota jejího výstupu bude pokračovat ve vzestupu. To nám dává dostatečné důvody být optimističtí o budoucnosti umělé inteligence a vyvážené roli, kterou bude hrát v našem životě — både podnikovém a osobním.