Tempo sztucznej inteligencji: Następna faza w przyszłości innowacji

Od czasu pojawienia się ChatGPT, świat wszedł w cykl boomu sztucznej inteligencji. Ale to, czego większość ludzi nie zdaje sobie sprawy, to fakt, że sztuczna inteligencja nie jest właściwie nowa — istnieje już od dość długiego czasu. Nawet w początkowych dniach powszechnie używanej wyszukiwarki Google, automatyzacja była sercem wyników. Teraz świat zaczyna się budzić i zdawać sobie sprawę, jak bardzo sztuczna inteligencja jest już wpisana w nasze codzienne życie i jak wiele niewykorzystanego potencjału jeszcze posiada.

Tempo adopcji i innowacji sztucznej inteligencji porusza się tak szybko — osiągając około 1 bilion dolarów wydatków — że wiele osób zastanawia się, czy mogą one dokładnie przewidzieć rozwój przyszłych modeli nawet za dwa lata. Jest to dodatkowo napędzane przez firmy technologiczne, takie jak Meta, Alphabet, Microsoft, Oracle i OpenAI, które prezentują kolejne nowe osiągnięcia i modele sztucznej inteligencji, aby nadążyć za popytem branżowym. Producent chipów AI, Nvidia, rozwija się tak szybko, że jego biznes nie może być nawet właściwie wyceniony.

To, co wiemy o tempie sztucznej inteligencji, to fakt, że wraz ze wzrostem ilości danych i poprawą jakości danych, sztuczna inteligencja będzie coraz lepiej napędzać innowacje w działaniach biznesowych, aplikacjach i procesach we wszystkich branżach. Aby oszacować, gdzie sztuczna inteligencja będzie za kilka lat, musimy najpierw zrozumieć, że przypadki użycia sztucznej inteligencji są dwuznaczne. Pierwszy to fakt, że jest to technologia umożliwiająca, poprawiająca istniejące rozwiązania, aby uczynić je bardziej wydajnymi, dokładnymi i wpływowymi. Drugi to fakt, że sztuczna inteligencja ma potencjał być technologią innowatorką przez czynienie niewyobrażalnych postępów lub rozwiązań tangiblnymi.

Ponowne rozważenie tempa sztucznej inteligencji w historii

Chociaż wydaje się, że zainteresowanie sztuczną inteligencją zaczęło się, gdy OpenAI uruchomiło ChatGPT w 2022 roku, początki sztucznej inteligencji i przetwarzania języka naturalnego (NLP) sięgają dziesięcioleci. Algorytmy, które są podstawą sztucznej inteligencji, zostały po raz pierwszy opracowane w latach 40., tworząc podstawy dla uczenia maszynowego i analizy danych. Wczesne zastosowania sztucznej inteligencji w branżach, takich jak zarządzanie łańcuchem dostaw (SCM), sięgają lat 50., używając automatyzacji do rozwiązywania problemów w logistyce i zarządzaniu zapasami. W latach 90. podejścia oparte na danych i uczenie maszynowe były już powszechne w biznesie. Wraz z postępem lat 2000. technologie, takie jak automatyzacja procesów roboczych (RPA), usprawniły zadania podrzędne w wielu złożonych i administracyjnych funkcjach biznesowych.

Potem pojawiło się ChatGPT. Jest bardzo jasne, że percepcja sztucznej inteligencji zmieniła się z powodu generatywnej sztucznej inteligencji. Przed powstaniem GenAI konsumenci nie rozumieli mechaniki automatyzacji, a co więcej, mocy automatyzacji dla firm. Sztuczna inteligencja leży u podstaw wielu nowoczesnych technologii, takich jak wyszukiwarka Google. Większość konsumentów ufa Google, aby dostarczyć dokładne odpowiedzi na niezliczoną ilość pytań, rzadko kiedy rozważa złożone procesy i algorytmy, które stoją za tym, jak te wyniki pojawiają się na ich ekranie komputera. Ale widzieć to wierzyć — z ChatGPT świat zaczął widzieć prawdziwe przypadki użycia. Nadal istnieje jednak nieporozumienie dotyczące tego, jak głęboko sztuczna inteligencja jest już wpisana w nasze codzienne życie — nawet w świecie biznesu. Jak wspomniano powyżej, sztuczna inteligencja umożliwia istniejącym technologiom być lepszymi, a podobnie jak mikrochipy Intel, sztuczna inteligencja siedzi w tle technologii, których używamy każdego dnia.

Jeśli liderzy nie mogą zrozumieć wielkości sztucznej inteligencji, jak mogą być oczekiwani, aby pomyślnie wdrożyć sztuczną inteligencję w swoje codzienne operacje biznesowe? To jest właśnie problem.

Wyzwania adopcji i wzrostu

Jeśli ktoś zadałoby pytanie narzędziu GPT, „co profesjonaliści z dziedziny zakupów i łańcucha dostaw prawdopodobnie powiedzą o sztucznej inteligencji”, to najprawdopodobniej podkreśliłoby luki wiedzy związane z adopcją sztucznej inteligencji. Na całym świecie adopcja sztucznej inteligencji wzrosła wykładniczo w ciągu ostatniego roku po ograniczonym wzroście w poprzednich latach. Przez ostatnie sześć lat tylko 50% liderów biznesu powiedziało, że inwestują w technologię sztucznej inteligencji w swoich operacjach. W 2024 roku wskaźnik adopcji skoczył do 72%, pokazując, że liderzy biznesu dopiero teraz budzą się do potencjału sztucznej inteligencji, aby poprawić swoją organizację we wszystkich liniach biznesu.

Jednak zrealizowanie pełnej wartości sztucznej inteligencji wymaga więcej niż tylko wdrożenie najnowszych rozwiązań. Wymaga to również dostępu do odpowiednich danych — danych, które dostarczają bogaty kontekst rzeczywistych wzorców wydatków, wyników dostawców, dynamiki rynku i realnych ograniczeń. Niewystarczający dostęp do danych oznacza życie lub śmierć dla innowacji sztucznej inteligencji w przedsiębiorstwie. Co najmniej 30% wszystkich projektów GenAI ma zostać porzuconych z powodu złej jakości danych, wśród innych wyzwań, takich jak niewystarczające kontrole ryzyka, rosnące koszty lub niejasna wartość biznesowa. Ale istnieją też wiele innych wyzwań, z którymi firmy spotykają się przy adopcji sztucznej inteligencji i wprowadzaniu jej na skalę.

W dużych organizacjach jest niestety powszechne, że istnieją silo, które mogą narażać firmy na duże ryzyko. Weźmy na przykład branżę łańcucha dostaw. Łańcuch dostaw odgrywa krytyczną rolę w strategii biznesowej, a dla dużych, globalnych organizacji, połączona skala sektora jest prawie niewyobrażalna. Jeśli jeden aspekt biznesu działa w silosie, może to narazić całą organizację na duże ryzyko. Jeśli zespoły łańcucha dostaw nie komunikują się ze swoimi dostawcami o zmianach w popycie, jak mogą oczekiwać, że liderzy będą mogli stworzyć dokładne prognozy? Jeśli zespół sprzedaży nie komunikuje się z zespołem zakupów o zaktualizowanych prognozach, mogą oni zabezpieczyć długoterminowe umowy na podstawie nieaktualnych informacji, zamykając się w umowach, które mogą nie być zgodne z obecnym popytem klientów.

Czy to jest słoik organizacyjny, czy informacyjny, brak komunikacji może prowadzić do awarii w obsłudze klienta, tworzyć niewydajności i ogólny zanik innowacji. Sztuczna inteligencja może udowodnić swoją wartość, rozwiązując te słoiki: jeśli ich technologia jest sprawnie połączona, wtedy ich pracownicy i dostawcy również mogą być połączeni.

Liderzy biznesu aktywnie inwestują w rozwiązania oparte na sztucznej inteligencji, aby napędzać automatyzację procesów, zdolności do strategicznego źródła, widoczność i kontrolę wydatków, a także ogólną zyskowność. Aby odnieść sukces z tymi możliwościami sztucznej inteligencji i osiągnąć swoje cele w zakresie zarządzania wydatkami, firmy muszą współpracować, aby promować przejrzystość i pracować w kierunku wspólnego celu.

Następna ewolucja sztucznej inteligencji

Obecnie najlepszy przypadek użycia sztucznej inteligencji, który naprawdę napędza wydajność i wzrost biznesu, to automatyzacja prostych, administracyjnych zadań. Czy to jest wydajność przepływu pracy, ekstrakcja danych i analiza, zarządzanie zapasami, czy konserwacja predykcyjna, liderzy zdają sobie sprawę, że sztuczna inteligencja może przyspieszyć monotonne, czasochłonne zadania w bezprecedensowych tempie i z niezwykłą precyzją. Chociaż wydaje się to proste, kiedy wykorzystywane w branżach, takich jak łańcuch dostaw lub zakupy, przypadki użycia, takie jak te, mogą zaoszczędzić firmom niezliczone godziny i miliardy dolarów.

Omówiliśmy sztuczną inteligencję jako technologię umożliwiającą — ale istnieje jeszcze niewykorzystany potencjał sztucznej inteligencji, aby stać się technologią innowatorką. Gdy stoimy na progu nowego roku, istnieją wiele osiągnięć sztucznej inteligencji, na które liderzy biznesu powinni zwrócić uwagę tuż za horyzontem.

Dla zarządzania łańcuchem dostaw i zakupów w szczególności, jednym z tych osiągnięć będą ulepszenia w autonomicznym źródle. Wykorzystując sztuczną inteligencję i inne zaawansowane technologie, firmy mogą zautomatyzować zadania, które tradycyjnie były zależne od ludzi, takie jak źródło i kontraktowanie, aby napędzać wydajność i uwolnić zasoby, pozwalając sztucznej inteligencji na analizowanie ogromnych ilości danych, identyfikowanie trendów i podejmowanie świadomych decyzji dotyczących źródła w czasie rzeczywistym. W pełni autonomiczne źródło nie tylko oferuje niezrównane oszczędności kosztów, oszczędzając czas pracowników, promując wydajność i redukując błędy, ale może również zmniejszyć ryzyko oszustw i podrabiania, ciągle zapewniając zgodność z etycznymi i zrównoważonymi standardami.

Jednak jeszcze przed wprowadzeniem autonomicznego źródła, firmy powinny skoncentrować się na dostarczeniu użytkownikom doświadczenia (UX), które jest intuicyjne, wydajne i łatwe w nawigacji zarówno dla zespołów zakupów, jak i dostawców. Gdy tylko stworzony zostanie hiperpersonalizowany UX, firmy mogą spójnie wdrożyć autonomiczne rozwiązania.

Wynik sztucznej inteligencji nie jest tylko poprawą zwrotu z inwestycji firm, ale także poprawą podejmowania decyzji, przewidywaniem przyszłych wzorców i budowaniem odporności. Dyrektorzy wykonawczy z różnych sektorów coraz częściej postrzegają adopcję technologii sztucznej inteligencji jako niezbędną do transformacji i zabezpieczenia swoich operacji za pomocą automatyzacji. Z czasem, podobnie jak każda inna technologia przed nią, sztuczna inteligencja stanie się coraz tańsza, a wartość jej wyjścia będzie nadal rosła. To daje nam wiele powodów do optymizmu co do przyszłości sztucznej inteligencji i zrównoważonej roli, jaką będzie odgrywać w naszym życiu — zarówno biznesowym, jak i osobistym.