Kā un kad risināšana: biznesa stratēģijas iekļaušana AI ieviešanā

Ar mākslīgo intelektu (AI) esam sasnieguši lūzuma punktu, kur sanāksmju telpas diskusijas ir mainījušās no debatēm par efektivitāti uz paātrinātu pieņemšanu. Šis ir aizraujošs laiks, jo īpaši ņemot vērā, ka pārmaiņu temps vairs nekad nebūs tik lēns. Saskaņā ar BCG, neskatoties uz globālo ekonomisko nenoteiktību, inovācijas 2023. gadā kļuva par uzņēmumu galveno prioritāti, un 79% uzņēmumu to ierindoja starp saviem trim galvenajiem mērķiem.

Taču inovācija inovācijas labad nav saprātīga biznesa stratēģija, un organizācijas, kuras ir iekļāvušās mākslīgā intelekta viļņos, riskē ieguldīt ažiotāzēs, nevis risinājumos, kas rada ilgtermiņa vērtību. Lai saprastu atšķirību, ir rūpīgi jāapsver pašreizējās iespējas un pacietība, lai ilgtspējīgu izaugsmi uzskatītu par prioritāti, nevis īstermiņa tendencēm.

Goldilocks zona

Uzņēmējdarbības vēsture ir pilna ar uzņēmumu piemēriem, kuru stratēģiskie lēmumi svarīgākajos brīžos ir bijuši to pastāvēšanas rezultātā. Piemēram, Amazon pārdzīvoja dot-com sabrukumu atzīstot, cik svarīgi ir pielāgot savu grāmatvedības stratēģiju un palielināt rezerves, kamēr citi uzņēmumi tērēja naudu tā, it kā rītdienas nebūtu. Lieta tāda, ka saprātīgi biznesa lēmumi ir kritiskāki nekā jebkad agrāk masu entuziasma laikā, un rītdienas plānošanai ir nepieciešama dedzīga spēja pārdomāt visus iespējamos scenārijus.

Kopumā ir vērojama vispārēja AI FOMO (“bailes palaist garām”) sajūta, kas ir pārņēmusi vadošās komandas, ko vēl vairāk sarežģī fakts, ka nekā nedarīšana (t.i., pakļaušanās “analīžu izraisītai paralīzei”) ir arī reāls drauds. (Vienkārši jautājiet Nofotografēt.) Šeit ir 3 apsvērumi uzņēmumiem, kuri meklē mākslīgā intelekta “zelta zīmoga zonu” — neieguldot pārāk ātri vai pārāk lēni, bet gan atrast ilgtspējīgas inovācijas iecienītāko vietu.

1. Vispirms koncentrējieties uz datu pieaugumu

Tāpat kā jebkurai iekārtai, ir svarīgi izprast tās iekšējo darbību, lai noskaidrotu, no kurienes nāk vērtība. Tas nozīmē, ka AI nav pilnībā izveidots produkts, drīzāk tā lielie valodu modeļi (LLM) paļaujas uz milzīgu daudzumu dažādu datu punktu, lai uzzinātu modeļus, kontekstu un lingvistiskās nianses. LLM lielais lielums un sarežģītība prasa plašu apmācību datus, lai efektīvi darbotos dažādās jomās un uzdevumos. Šo datu kvalitāte un daudzums lielā mērā ietekmēs LLM darbību un, attiecīgi, uzņēmuma AI rīku komplektu.

Tāpēc stabilāku datu ekosistēmu izveide ir saprātīgs pirmais ieguldījums jebkuram uzņēmumam, kas plāno AI pārveidi, un šie dati kalpos par pamatu LLM tiem augot un attīstoties. Šajā evolūcijā augstas kvalitātes dati kļūst vēl svarīgāki. Lai gan pētījumi ir atklājuši, ka LLM var būt kompetenti ar minimāliem datiem, eksperti tagad saka ka "datu kvalitātes un daudzveidības ietekme gan uz saskaņošanu, gan uz citiem LLM apmācības veidiem (pirmsapmācība, precizēšana, vadāmība utt.) ir absolūti milzīga."

2. Identificējiet biznesa lietošanas gadījumu

Lai gan mākslīgajam intelektam noteikti ir iespējas plaši izmantot ārējās lietojumprogrammas, lielākā daļa uzņēmumu vairāk koncentrējas uz tehnoloģiju izmantošanu, lai optimizētu savus iekšējos procesus. “Optimizēt” ir atslēgas vārds šeit, kas nozīmē, ka uzņēmumiem nevajadzētu sagaidīt, ka tikai pievienos un atskaņos AI programmatūru, lai maģiski uzlabotu izlaidi. Drīzāk daži no veiksmīgākajiem AI izmantošanas gadījumiem ietver datu analīzi, lai atklātu vērtīgu ieskatu par klientu uzvedību, tirgus tendencēm un potenciālajiem riskiem. Ir arī pierādīts, ka tas ir efektīvs iekšējo darbību racionalizācijā, tostarp tādas lietas kā manuālu uzdevumu automatizācija, lai darbinieku laiku veltītu augstāka līmeņa aktivitātēm.

Īsāk sakot, tā vietā, lai tērētu laiku, izdomājot, kurus AI modeļus izmantot, organizācijām ir jākoncentrējas uz konkrētām problēmām, kuras tām jāatrisina AI. (t.i., sāciet ar adatu, kuru vēlaties pārvietot, iestatiet KPI, kuru vēlaties ietekmēt, un pēc tam virzieties atpakaļ uz to, kādi AI rīki sasniegs šos mērķus.) Saskaņā ar MIT globālā vadošā AI aptauja, 90% no tiem, kuri izmanto AI, lai izveidotu jaunus KPI, saka, ka viņu KPI uzlabojas. "Šie ar mākslīgo intelektu saistītie KPI piedāvā biznesa priekšrocības un demonstrē jaunas iespējas: tie bieži nodrošina lielāku efektivitāti un lielāku finansiālo ieguvumu, un tie ir detalizētāki, laika jutīgāki un saskaņotāki ar organizācijas mērķiem."

3. Izveidojiet pielāgotus AI rīkus, izmantojot atvērtā pirmkoda LLM

Uzbūvēt vai pirkt – tāds ir jautājums. Pielāgota AI risinājuma izveide var šķist biedējoša, un daudzi uzņēmumi izvēlas iegādāties licenci no ārēja pārdevēja ar patentētu LLM, lai izvairītos no šī ceļa. Tomēr licence var ierobežot LLM izmantošanu, un licencēšanas maksa laika gaitā var kļūt ļoti dārga. Alternatīvi, atvērtā pirmkoda LLM ir bezmaksas, un izstrādātājiem ir pieejama pamatā esošā arhitektūra, lai piekļūtu, izveidotu un pārveidotu, pamatojoties uz konkrētajām uzņēmuma vajadzībām.

Šī atvērtā pirmkoda modeļa ekosistēma ir kļuvusi populārāka, jo uzņēmumi cenšas saglabāt sensitīvu informāciju savā tīklā un saglabāt lielāku kontroli pār saviem datiem. Atvērtā pirmkoda LLM nodrošina uzņēmumiem šo caurspīdīgumu un elastību, kā arī papildu priekšrocības, ko rada samazinātas latentuma problēmas un palielināta veiktspēja. IBM un NASA nesen sadarbojās, lai izstrādātu atvērtā koda LLM, kas apmācīts par ģeotelpiskajiem datiem lai palīdzētu zinātniekiem cīnīties pret klimata pārmaiņām, kas ir daļa no NASA desmit gadus ilgās atklātā pirmkoda zinātnes Iniciatīva lai izveidotu pieejamāku, iekļaujošāku un uz sadarbību vērstu zinātnieku kopienu.

Tāpat kā ar jebkuru atvērtā pirmkoda tehnoloģiju, ar atvērtā pirmkoda LLM ir saistīti riski, tostarp iespējamās drošības noplūdes/pārkāpumi, halucinācijas/neobjektivitātes, kuru pamatā ir neprecīza vai kļūdaina informācija, un slikti dalībnieki, kas apzināti manipulē ar datiem. Taču atvērtā pirmkoda modeļi laika gaitā kļūst arvien viedāki un drošāki, un tas ir vadošais daži eksperti sajust, ka atvērtā pirmkoda LLM drīz sasniegs labāko slēgtā pirmkoda LLM līmeni, attaisnojot ieguldījumus agrīnā ieviešanā un laiku, kas pavadīts komandu prasmju pilnveidošanā.

AI pieņemšana būs vairākas ātras sprintas maratonā

Pamatojoties uz jaunākie skaitļi, Amerikas Savienotajās Valstīs ir aptuveni 15,000 2017 AI uzņēmumu, kas ir vairāk nekā divas reizes vairāk nekā XNUMX. gadā. Visā pasaulē šie skaitļi pieaug gandrīz četras reizes. Tā kā ir daudz pārdevēju un jaunuzņēmumu, kas reklamē savus pakalpojumus, nav brīnums, ka uzņēmumiem ir grūti izlemt, kur ieguldīt savu laiku un naudu. Taču rūpīgi izvērtējot jūsu vajadzības un inovācijas radītos riskus/atlīdzību, vadītāji atradīs pareizo AI kombināciju, lai virzītu savus uzņēmumus uz ilgtspējīgas izaugsmes nākotni.