En litt mindre samtale, en litt mer handling: Hvordan akselerere generative AI-utvikling de neste 6 månedene

Nok med dagdrømmeri, nok med spekulasjoner, nok med hype – dette er et år med handling. Ifølge McKinsey Global Institute, kan nesten 50% av typiske forretningsaktiviteter nå automatiseres med generative AI (GenAI), en type kunstig intelligens som kan produsere tekst, bilder, video og syntetisk data.

Denne automatiseringen driver enorm verdi og løser kritiske forretningsutfordringer på tvers av industrier og funksjoner, forbedrer kundeopplevelser, optimaliserer operasjoner og fremmer innovasjon. Men for det meste har GenAI ikke blitt testet på en stor skala, og den sanne avkastningen på disse investeringene må klareres.

Mens selskaper har begynt å investere tungt i eksperimentelle og ad-hoc GenAI-prosjekter, kan skaling av disse prosjektene være en komplisert oppgave. Ledere sliter med å maksimere GenAI-fordelene samtidig som de observerer og minimiserer kostnadene, sikrer revisjon og tilgangskontroll, forbedrer ytelsen, gir modellabstraksjoner og styrker sikkerheten. De som har vært nølende med å omfavne GenAI til nå av frykt for høye omkostninger og datastyrings-/sikkerhetsproblemer, bør vurdere følgende når de bygger GenAI inn i sine arbeidsflyter og større forretningsstrategier.

Opprett en plan for målt omforming: 3 nøkkelhandlingar å gjøre nå

1. Oppgradere arbeidsstokken din for å utnytte GenAI sitt fulle potensiale på en risikominimerende måte.

Det er en modig ny verden i kunstig intelligens, og det finnes varierende nivåer av forståelse for hva som er mulig. Selskaper som nettopp starter på denne reisen, kan dra nytte av å kjøre organisatoriske programmer for å trene både IT- og forretningslag på GenAI sitt potensiale, utvikle spesifikke protokoller rundt risiko, transparens og etikk.

Organisasjoner kan velge å bringe inn eksterne eksperter eller opprette en ny rolle dedikert til AI-etikk, men de bør forstå at opplæringen ikke er for show. Å dedikere dager eller uker til programmer som coacher alle ansatte (ikke bare de i tekniske roller) på hvordan å bruke GenAI, vil se bedre organisasjonsomfattende innkjøp enn de som ikke gjør det.

Ved å utdanne forretningslag på å identifisere potensielle GenAI-applikasjoner som kan hjelpe dem i deres respektive arbeid (og skille fakta fra fiksjon rundt sikkerhetsproblemer), vil organisasjonene være i en mye bedre posisjon til å vurdere totalverdi.

2. Fusjonere AI med GenAI: Gjør infrastrukturen din klar for dataintensive endringer

GenAI har raskt fått oppmerksomhet for sin evne til å drive produktivitet, og drive operasjonsmarginer til tidligere uante nivåer. Men det er viktig å huske at GenAI ikke er en sølvkule. Med GenAI sitt oppsving, har tradisjonelle dataingeniørpraksis og AI blitt mer viktig enn noensinne.

Vurdér følgende GenAI-drevne løsninger:

1. Detaljhandel: Driv hyper-personalisering i detaljhandel med autonome agenter som genererer anbefalinger.
2. Reise: Bruk en GenAI-innfusert arbeidsflyt til å opprette personlige reiseplaner basert på enkeltindividuelle preferanser.
3. Bank: Bruk av samtaleagenter til å personliggjøre banktjenester fra regningbetalinger til utgiftstrendanalyse og anbefalinger.

GenAI alene er ikke tilstrekkelig til å drive de ovennevnte løsningene. Det er kritisk å binde den naturlige språkforståelsen og resonneringsevnen til GenAI med den beviste nøyaktigheten og effektiviteten til tradisjonell AI.

For eksempel kan hyper-personalisering oppnås med større konsistens hvis vi bruker tradisjonelle maskinlæringsalgoritmer til å generere en bukett av anbefalinger og bruke GenAI-drevne agenter til å resonere hvilke av dem som vil være mest relevante for brukeren.

Som sådan er det kritisk å se på GenAI, tradisjonell AI og dataingeniørpraksis i sammenheng, med ett enkelt prisme, snarere enn i isolasjon. Dette gjør det ekstremt viktig for organisasjoner å tilby infrastruktur for å kombinere AI-utvikling med GenAI-løsninger.

3. Bygg GenAI-beredskapen din: Skalér, innovér, kontroller

Det er smart å være proaktiv, men omforming skjer ikke over natten. Ved å identifisere de kritiske “må-haves” for organisasjonen, kan du stagere utviklingstidslinjen basert på kritiske behov.

Deretter, utpeker du en gruppe interne ledere til å raskegjøre oppmerksomheten og tilpasningen av et GenAI-operasjonssystem – en plattform som tilbyr revisjon, kostnadskontroll og fakturering, sikkerhet, personvern, tilgangskontroll og modellabstraksjoner – for å påbøre GenAI-applikasjoner og prosesser ved hjelp av denne plattformen. Dette vil hjelpe innovasjonen i hastighet og skala ved å sikre raske iterasjoner av GenAI-bruksfall ved å fokusere primært på funksjonalitet, og dermed øke innkjøpet over hele organisasjonen.

I detaljhandel, ifølge en nylig IBM-studie før NRF 2024, forventer moderne kunder en tilpasset handleopplevelse, komplett med “lettheten ved produktvalg, detaljert informasjon, diverse betalingsmetoder og en sammenhengende integrasjon av butikk- og nettbutikkopplevelser” som tilpasser seg deres individuelle preferanser.

For å møte disse forventningene, må detaljhandlere organisere og demokratisere tilgangen til deres data, så at forretningsfunksjoner fra FoU til salg til markedsføring arbeider fra samme utgangspunkt. Uten en tydelig oversikt over dataene eller en plan for å implementere dem tverrfaglig, kan organisasjoner overinvestere i AI-drevne løsninger og se liten avkastning. Detaljhandlere usikre på hvordan de kan maksimere deres eksisterende data, bør vende seg til en partner med dypt bransjeerfaring for å etablere en AI-klar infrastruktur. Først da kan de dra nytte av GenAI til å strømlinjeforme kundeopplevelsen med mindre menneskelig inngripen ved å tilby samtaleoppsummeringer, automatisere oppgaver og til slutt drive konvertering – en nøkkelprioritet for industrien.

Videre eksperimenterer detaljhandlere med ideen om dynamiske produktbeskrivelser. Avhengig av AI, kan e-handelslistinger endre seg basert på viseren, tilpasset de unike ønskene og behovene til hver enkelt kunde. Et sterkt team, understøttet av et nivå av GenAI-beredskap, vil være godt rustet til å kapitalisere på disse AI-teknologiene før konkurrentene.

Identifiser transformative GenAI-bruksfall & tilby kvantifiserbare forretningsresultater.

Ofte, i en rush til å vise fremgang, kan selskaper starte å sprinte uten en retning i tankene. I stedet for å bruke denne energien på å gå etter alt på en gang, bør man merke seg spesifikke bruksfall som kan fullføres innen 3-6 måneder, 6-12 måneder osv. Prioriter disse kortfristige prosjektene først for å demonstrere verdien av å kjøre GenAI i stor skala, og deretter, for områder som har potensiale, fokusere på å bygge plattformer som kan vise fordelen med GenAI til andre avdelinger. Områder som modelltrening, autonome agenter og private LLM-er holder enormt potensiale for fremtidig innovasjon, og strategisk investering i disse områdene nå, vil gi deg en forsprang på konkurrentene.

I bank, krever søknad om lån for mellomstore og store bedrifter en analyse av mange dokumenter, inkludert selskapets bankuttalelser, revisjonsrapporter, skatteregnskap, kredittrapporter og nyheter. Alt dette må prosesseres manuelt for å forberede en godkjenningsmemo. Automatisering av denne prosessen via GenAI, ikke bare sparer kvantifiserbare kostnader, men også reduksjonen i total gjennomføringstid kan være en konkurransefordel og differentiator som kan hjelpe med å generere nytt forretningsvirke.

Med GenAI, er banksektoren blant andre, i stand til å fjerne stress og gi ekstra synlighet til kunder med relativt lav innsats og oppetid. Mens det finnes mange flere enkeltstående bruksfall av GenAI, krever det å nå neste fase av en GenAI-drevet forretning, å replikere og operasjonalisere teknologien på tvers av bedriften for å infusere den i den overordnede forretningsstrategien.

Ikke prokrastinér, det er på tide å våkne opp til AI-levering

Å overvinne implementeringsutfordringer og implementere GenAI i stor skala, er ingen liten bedrift. Det krever fullstendig alignering fra styret og ledelsen, og et engasjement fra forretningsledere på tvers av organisasjonen. For å gå forbi frykten for å gå glipp av AI og begynne å skape lønnsomme, AI-drevne verktøy, bør du utdanne lagene dine på hva som kommer, etablere en infrastruktur som kan holde til rask endring, og fokusere på de kortfristige resultater som betyr noe for dine kunder og partnere.

Mens du transformerer, er det viktig å bringe inn ekspertansatte eller eksterne rådgivere du kan stole på, for å hjelpe med en smidig overgang. Søk etter de som er handlingsorienterte (dvs. byggere, ikke bare rådgivere) og bring ledelsen inn i beslutningsprosessen tidlig for å øke transparens og fremme samarbeid. GenAI-kapasiteter utvikler seg raskt, og ved å handle nå, vil du være på vei til å skape en fremtidssikker organisasjon som er rustet for bærekraftig vekst.