AI er ikke nytt. Mennesker begynte å forske på AI på 1940-tallet, og datavitenskapsmenn som John McCarthy åpnet våre øyne for mulighetene med denne teknologien. Hva som er relativt nytt, er imidlertid volumet av hype. Det føles eksponentielt. ChatGPT ble lansert i 2022 til stor fanfare, og nå DeepSeek og Qwen 2.5 har tatt verden med storm.

Hypen er forståelig. På grunn av økt beregningskraft, tilgang til større datasett, forbedrede algoritmer og treningsteknikker, er AI- og ML-modellene praktisk talt dobbelt så effektive hver få måneder. Hver dag ser vi betydelige sprang i områder som resonnering og innholdsgenerering. Vi lever i spennende tider!

Men hypen kan backfire, og den kan antyde at det er mer støy enn substans når det gjelder AI. Vi har alle blitt så vant til informasjonsoverbelastningen som ofte følger disse banebrytende utviklingene at vi kan ufrivillig tune ut. Ved å gjøre det, mister vi syne for den fantastiske muligheten foran oss.

Kanskje på grunn av overveldningen av “støy” rundt generativ AI, kan noen ledere tro at teknologien er umoden og ikke verdig å investere i. De kan ønske å vente på en kritisk volum av adopsjon før de bestemmer seg for å dykke inn selv. Eller kanskje de ønsker å spille det trygt og bare bruke generativ AI for de laveste-impakt-områdene av deres forretning.

De har feil. Å eksperimentere og potensielt feile raskt med generativ AI er bedre enn ikke å starte i det hele tatt. Å være en leder betyr å utnytte muligheter til å transformere og tenke om. AI beveger seg og utvikler seg ekstremt raskt. Hvis du ikke rider bølgen, hvis du sitter ute under forkledning av forsiktighet, vil du gå glipp av hele sammenhengen.

Denne teknologien vil være grunnlaget for morgendagens forretningsverden. De som dykker inn nå, vil bestemme hvordan fremtiden ser ut. Bruk ikke generativ AI bare for å gjøre inkrementelle fremskritt. Bruk den for å hoppe over. Det er det vinnerne kommer til å gjøre.

Hvor dårlig kan det være?

Generativ AI-tilpasning er en enkel sak om risikostyring – noe ledere burde være godt kjent med. Behandle teknologien som du ville noen andre nye investeringer. Finn måter å gå frem uten å utsette deg for uforholdsmessige risikoer. Bare gjør noe. Du vil lære med en gang om det fungerer; enten forbedrer AI en prosess, eller gjør det ikke. Det vil være tydelig.

Hva du ikke ønsker å gjøre, er å falle offer for analyseparalyse. Ikke bruk for lang tid på å tenke over hva du prøver å oppnå. Som Voltaire sa, la ikke perfekt være fienden av godt. I utgangspunktet, opprett en rekke resultater du er villig til å akseptere. Deretter holder du deg til det, iterer mot bedre, og holder fremover. Å vente på den perfekte muligheten, den perfekte brukssaken, den perfekte tiden til å eksperimentere, vil gjøre mer skade enn godt. Jo lenger du venter, jo mer mulighetkostnader signerer du deg opp for.

Hvor dårlig kan det være? Velg noen prøveballonger, lanser dem, og se hva som skjer. Hvis du feiler, vil din organisasjon være bedre av det.

Feil bygger virkelig karakter. Og motstandskraft.

La oss si at din organisasjon feiler i sin generative AI-eksperimentering. Hva med det? Det er en enorm verdi i organisatorisk læring – i å prøve, pivotere og se hvordan teamene sliter. Livet handler om å lære og overvinne ett hinder etter ett. Hvis du ikke presser dine team og verktøy til feilpunktet, hvordan vil du bestemme dine organisatoriske grenser? Hvordan vil du vite hva som er mulig?

Hvis du har de rette menneskene i de rette rollene – og hvis du stoler på dem – har du ingenting å tape. Å gi dine team strekk mål med virkelige, betydningsfulle utfordringer, vil hjelpe dem til å vokse som fagfolk og trekke mer verdi ut av deres arbeid.

Hvis du prøver og feiler med ett generativt AI-eksperiment, vil du være mye bedre posisjonert når det kommer til å prøve det neste.

Identifiser områder for eksperimentering.

For å komme i gang, identifiser områdene i din forretning som genererer de største utfordringene: konstante flaskenakker, ufrivillige feil, misforvaltede forventninger, muligheter som ikke er dekket. Enhver aktivitet eller arbeidsflyt som har masse dataanalyse og vanskelige utfordringer å løse eller som ser ut til å ta en uforholdsmessig lang tid, kan være en god kandidat for AI-eksperimentering.

I min bransje, supply chain management, er det muligheter overalt. For eksempel, lagerstyring er en god start for generativ AI. Lagerstyring innebærer å koordinere mange flytende deler, ofte i nær sanntid. Riktige mennesker må være på riktige steder til riktige tidspunkter for å prosessere, lagre og hente produkt – som kan ha spesielle lagringsbehov, som er tilfelle med kjølevarer.

Å styre alle disse variablene er en massiv oppgave. Tradisjonelt har lagerledere ikke tid til å gjennomgå de talløse arbeids- og varerapportene for å få stjernene til å sammenfalle. Det tar ganske lang tid, og lagerledere har ofte andre fisk å frykte, inkludert å håndtere sanntidsforstyrrelser.

Generative AI-agenter kan imidlertid gjennomgå alle rapportene som genereres og produsere en informert handlingsplan basert på innsikt og årsaker. De kan identifisere potensielle problemer og bygge effektive løsninger. Tiden som dette sparer ledere, kan ikke overdrives.

Dette er bare ett eksempel på et nøkkelområde i forretningen som kan optimaliseres ved å bruke generativ AI. Enhver tidskrevende arbeidsflyt – spesielt en som innebærer data- eller informasjonsbehandling før en beslutning tas – er en utmerket kandidat for AI-forbedring.

Bare velg en brukssak og kom i gang.

Bare dykk inn.

Generativ AI er her for å bli, og det beveger seg i innovasjonsfart. Hver dag, nye brukssaker oppstår. Hver dag blir teknologien bedre og kraftigere. Fordelene er overveldende tydelige: organisasjoner transformert fra innsiden og ut; mennesker som opererer på topp effektivitet med data ved deres side; raskere, smartere forretningsbeslutninger; jeg kunne fortsette og fortsette.

Jo lenger du venter på de såkalte “perfekte forhold” til å oppstå, jo lenger bak vil du (og din forretning!) være.

Hvis du har et godt team, en solid forretningsstrategi og virkelige muligheter for forbedring, har du ingenting å tape.

Hva venter du på?