Rezolvarea problemelor Cum și Când: Integrarea strategiei de afaceri în adoptarea inteligenței artificiale

Am atins un punct de cotitură cu inteligența artificială (IA) în care discuțiile din sala de consiliu s-au mutat de la dezbaterile despre eficacitate la accelerarea adoptării. Este o perioadă emoționantă, mai ales dacă luăm în considerare ritmul schimbărilor care nu va mai fi niciodată atât de lent. Conform BCG, în ciuda incertitudinii economice globale, inovația a devenit o prioritate corporativă de top în 2023, cu 79% dintre companii clasând-o printre primele trei obiective.

Inovația pentru inovație nu este o strategie de afaceri solidă, iar organizațiile care se lasă pradă entuziasmului pentru IA riscă să investească în hype, în loc de soluții care creează valoare pe termen lung. Înțelegerea diferenței necesită o examinare atentă a capacităților actuale și răbdarea de a prioritiza creșterea durabilă în detrimentul tendințelor pe termen scurt.

Zona Goldilocks

Istoria afacerilor este plină de exemple de companii ale căror decizii strategice la momente cheie au fost consecvente pentru existența lor. De exemplu, Amazon a supraviețuit crizei dot-com prin recunoașterea importanței ajustării strategiei contabile și a creșterii rezervelor, în timp ce alte companii ardeau bani ca și cum nu ar fi avut nimic de pierdut. Punctul este că deciziile de afaceri solide sunt mai critice decât oricând în perioadele de entuziasm de masă, iar planificarea pentru mâine necesită o abilitate ascuțită de a gândi prin toate scenariile posibile.

În general, există o senzație generală de teamă de a rata oportunitatea (FOMO) care a pătruns în echipele de conducere, complicată și de realitatea că a nu face nimic (adică a cădea în „paralizia prin analiză”) este, de asemenea, o amenințare reală. (Întrebați Kodak.) Iată trei considerații pentru companiile care caută acea „Zonă Goldilocks” a IA – nu investiți prea repede sau prea încet, ci găsiți punctul dulce al inovației durabile.

1. Concentrați-vă pe creșterea datelor mai întâi

Ca orice mașină, este important să înțelegem funcționarea sa internă pentru a deriva de unde vine valoarea. Adică, IA nu este un produs complet format, ci modelele sale de limbaj mari (LLM) depind de cantități uriașe de puncte de date diverse pentru a învăța modele, context și nuanțe lingvistice. Dimensiunea și complexitatea LLM necesită date de antrenare extinse pentru a funcționa eficient în diverse domenii și sarcini. Calitatea și cantitatea acestor date vor avea un impact semnificativ asupra performanței LLM și, prin extensie, a setului de unelte IA al unei companii.

Crearea unor ecosisteme de date mai robuste este, prin urmare, o investiție înțeleaptă pentru orice companie care plănuiește o transformare IA, iar aceste date vor servi ca fundație pentru LLM pe măsură ce evoluează. În această evoluție, datele de calitate devin și mai critice. Deși studii au arătat că LLM pot fi competente cu date minime, experții spun acum că „impactul calității și diversității datelor asupra alinierii și altor direcții de antrenare a LLM (pre-antrenare, reglare fină, direcționare, etc.) este absolut masiv.”

2. Identificați un caz de utilizare comercial

Deși IA are cu siguranță capacitatea de aplicații externe largi, majoritatea companiilor sunt mai concentrate pe utilizarea tehnologiei pentru a optimiza procesele interne. „Optimizați” este cuvântul cheie aici, ceea ce înseamnă că companiile nu ar trebui să se aștepte să conecteze pur și simplu software-ul IA pentru a îmbunătăți magic output-ul. Mai degrabă, unele dintre cele mai de succes cazuri de utilizare a IA implică analiza datelor pentru a revela insight-uri valoroase despre comportamentul clienților, tendințele pieței și riscurile potențiale. De asemenea, s-a dovedit a fi eficient în optimizarea activităților interne, inclusiv lucruri precum automatizarea sarcinilor manuale pentru a aloca timpul angajaților către activități de nivel superior.

În sinteză, în loc de a pierde timpul încercând să descopere care modele IA să utilizeze, organizațiile trebuie să se concentreze pe problemele specifice pe care trebuie să le rezolve prin IA. (Adică, începeți cu acul pe care doriți să-l mutați, stabiliți KPI-ul pe care doriți să-l influențați și apoi lucrați înapoi către ce unelte IA vor atinge aceste obiective.) Conform sondajului global al MIT privind IA, 90% dintre cei care utilizează IA pentru a crea noi KPI afirmă că își îmbunătățesc KPI-urile. „Aceste KPI-uri informate de IA oferă beneficii comerciale și demonstrează capacități noi: adesea duc la o eficiență mai mare și un beneficiu financiar mai mare și sunt mai detaliate, mai sensibile la timp și mai aliniate cu obiectivele organizaționale.”

3. Construiți unelte IA personalizate utilizând LLM deschise

A construi sau a cumpăra – aceasta este întrebarea. Construirea unei soluții IA personalizate poate părea descurajantă, iar multe companii optează pentru achiziționarea unei licențe de la un furnizor extern cu un LLM proprietar pentru a evita această cale. Cu toate acestea, licența poate restricționa modul în care LLM poate fi utilizat, iar taxele de licențiere pot deveni foarte scumpe în timp. Alternativ, LLM deschise sunt gratuite, iar arhitectura subiacentă este disponibilă pentru dezvoltatori să acceseze, să construiască și să modifice în funcție de nevoile specifice ale companiei.

Acest model de ecosistem deschis a câștigat popularitate pe măsură ce companiile se străduiesc să păstreze informații sensibile pe rețeaua lor și să păstreze mai mult control asupra datelor lor. LLM deschise oferă companiilor această transparență și flexibilitate, împreună cu beneficiile reducerii problemelor de întârziere și creșterii performanței. IBM și NASA au colaborat recent pentru a dezvolta un LLM deschis antrenat pe date geospațiale pentru a ajuta oamenii de știință să lupte împotriva schimbărilor climatice, parte a Inițiativei de știință deschisă a NASA, care durează o decadă, pentru a construi o comunitate științifică mai accesibilă, incluzivă și colaborativă.

Ca și în cazul oricărei tehnologii deschise, există riscuri asociate cu LLM deschise, inclusiv posibile scurgeri de securitate / încălcări, halucinații / prejudecăți bazate pe informații inexacte sau defectuoase și actori răi care manipulează intenționat datele. Dar modelele deschise devin mai inteligente și mai sigure în timp, ceea ce face ca unii experți să considere că LLM deschise vor atinge în curând nivelul celor mai bune LLM închise, justificând investiția în adoptarea timpurie și timpul petrecut pentru dezvoltarea echipei.

Adoptarea IA va fi multiple sprinturi rapide într-un maraton

Pe baza datelor recente, există aproximativ 15.000 de companii IA în Statele Unite, mai mult decât dublul numărului din 2017. La nivel mondial, aceste numere cresc de aproape patru ori. Cu atâtea furnizori și noi startup-uri care promovează serviciile lor, nu este de mirare că companiile pot avea dificultăți în a decide unde să-și investească timpul și banii. Dar prin evaluarea atentă a nevoilor și a riscurilor / beneficiilor prezentate de inovație, liderii vor găsi amestecul potrivit de IA pentru a propulsa companiile lor către o creștere durabilă.