Темп развития ИИ: Следующая фаза в будущем инноваций

С появлением ChatGPT мир вступил в цикл бума ИИ. Но то, чего не осознают большинство людей, заключается в том, что ИИ не является чем-то совершенно новым — он существует уже довольно давно. Даже в ранние дни широко используемого поискового движка Google автоматизация была в основе результатов. Теперь мир начинает просыпаться и осознавать, насколько ИИ уже глубоко укоренился в нашей повседневной жизни и сколько у него еще неиспользованного потенциала.

Темп внедрения и инноваций ИИ движется так быстро — достигая примерно 1 триллиона долларов расходов — что многие задумываются, сможем ли мы точно предсказать расширение будущих моделей даже через два года. Это еще больше подогревается тем, что технологические компании, такие как Meta, Alphabet, Microsoft, Oracle и OpenAI, представляют один за другим новые достижения и модели ИИ, чтобы попытаться跟ать за спросом отрасли. Производитель чипов ИИ Nvidia растет так быстро, что его бизнес даже не может быть правильно оценен.

То, что мы знаем о темпе ИИ, заключается в том, что по мере увеличения количества данных и улучшения качества данных будет расти и способность ИИ стимулировать инновации для бизнес-активностей, приложений и процессов во всех отраслях. Чтобы оценить, где ИИ будет через несколько лет, нам сначала нужно понять, что случаи использования ИИ делятся на две категории. Первая заключается в том, что это технология, обеспечивающая улучшение существующих решений, чтобы сделать их более эффективными, точными и влиятельными. Вторая заключается в том, что ИИ имеет потенциал стать технологией, инноватором, делая невообразимые достижения или решения осязаемыми.

Переоценка темпа ИИ на протяжении истории

Хотя кажется, что ажиотаж вокруг ИИ начался, когда OpenAI запустила ChatGPT в 2022 году, происхождение искусственного интеллекта и обработки естественного языка (NLP) восходит к десятилетиям. Алгоритмы, которые являются основой для ИИ, были впервые разработаны в 1940-х годах, закладывая основу для машинного обучения и анализа данных. Ранние применения ИИ в отраслях, таких как управление цепочками поставок (SCM), восходят к 1950-м годам, когда использовалась автоматизация для решения проблем в логистике и управлении запасами. В 1990-х годах данные подходы и машинное обучение уже были обычными в бизнесе. По мере продвижения 2000-х годов технологии, такие как автоматизация роботизированных процессов (RPA), оптимизировали рутинные задачи во многих сложных и административных бизнес-функциях.

Затем появился ChatGPT. Очень rõчно, что восприятие ИИ изменилось из-за генеративного ИИ. До появления GenAI потребители не понимали механики автоматизации, не говоря уже о силе автоматизации для бизнеса. ИИ лежит в основе многих современных технологий, таких как поисковый движок Google. Большинство потребителей доверяют Google, чтобы он предоставил точные ответы на бесчисленные вопросы, они редко учитывают сложные процессы и алгоритмы, которые стоят за тем, как эти результаты появляются на их компьютерном экране. Но видеть — значит верить — с ChatGPT мир начал видеть реальные случаи использования. Тем не менее, существует заблуждение о том, насколько ИИ уже интегрирован в нашу повседневную жизнь — даже в бизнес-мире. Как упоминалось выше, ИИ обеспечивает существующую технологию, чтобы она была лучше, и, как микрочипы Intel, ИИ находится на заднем плане технологий, которые мы используем каждый день.

Если лидеры не могут понять масштаб ИИ, как они могут ожидать успешного внедрения ИИ в свою повседневную бизнес-деятельность? Это именно проблема.

Проблемы внедрения и роста

Если кто-то спросит инструмент GPT, «что профессионалы закупок и цепочки поставок, вероятно, скажут об ИИ», он, скорее всего, подчеркнет пробелы в знаниях, связанные с внедрением ИИ. Глобально внедрение ИИ увеличилось экспоненциально в прошлом году после ограниченного роста в предыдущие годы. В течение последних шести лет только 50% лидеров бизнеса заявили, что они инвестируют в технологию ИИ на своих операциях. В 2024 году уровень внедрения увеличился до 72%, показывая, что лидеры бизнеса только начинают осознавать потенциал ИИ для улучшения своей организации во всех направлениях.

Однако для полного использования потенциала ИИ требуется не только внедрение передовых решений. Это требует доступа к правильным данным — данным, которые предоставляют богатый контекст о реальных бизнес-расходах, производительности поставщиков, рыночной динамике и реальных ограничениях. Недостаточный доступ к данным означает жизнь или смерть для инноваций ИИ внутри предприятия. По крайней мере 30% всех проектов GenAI ожидается, что будут брошены из-за плохого качества данных, среди других проблем, таких как неадекватный контроль рисков, растущие затраты или неясная бизнес-ценность. Но есть много других проблем, с которыми сталкиваются бизнесы при внедрении ИИ и его масштабировании.

В больших организациях, к сожалению, часто существуют разрозненные структуры, которые могут подвергнуть бизнес значительным рискам. Возьмем, к примеру, отрасль цепочки поставок. Цепочка поставок играет решающую роль в бизнес-стратегии, и для крупных, глобальных организаций масштаб этого сектора几乎 невообразим. Если один аспект бизнеса работает в изоляции, это может поставить всю организацию под большую угрозу. Если команды цепочки поставок не сообщают о изменениях спроса своим поставщикам, как лидеры могут ожидать создания точных прогнозов? Если команда продаж не сообщает обновленные прогнозы команде закупок, они могут заключить долгосрочные контракты на основе устаревшей информации, закрепляя соглашения, которые могут не соответствовать текущему спросу клиентов.

Независимо от того, является ли это организационной или информационной изоляцией, отсутствие коммуникации может привести к срыву обслуживания клиентов, создать неэффективность и остановить инновации. ИИ может доказать свою ценность в решении этих изоляций: если их технология эффективно связана, то их сотрудники и поставщики также могут быть связаны.

Лидеры бизнеса активно инвестируют в решения, основанные на ИИ, для стимулирования автоматизации процессов, стратегических возможностей закупок, видимости и контроля расходов, а также общей прибыльности. Чтобы добиться успеха с этими возможностями ИИ и достичь своих целей по управлению общими расходами, компании должны работать вместе, чтобы создать прозрачность и стремиться к общей цели.

Следующая эволюция ИИ

Сейчас лучший случай использования ИИ, который действительно стимулирует бизнес-эффективность и рост, заключается в автоматизации простых административных задач. Будь то оптимизация рабочих процессов, извлечение и анализ данных, управление запасами или прогностическое обслуживание, лидеры осознают, что ИИ может ускорить скучные, время-емкие задачи с беспрецедентными скоростями и точностью. Хотя это кажется простым, когда используется в отраслях, таких как цепочка поставок или закупки, такие случаи использования могут сэкономить бизнесу бесчисленные часы и миллиарды долларов.

Мы обсуждали ИИ как технологию, обеспечивающую — но все еще есть неиспользованный потенциал для ИИ стать технологией, инноватором. Когда мы стоим на пороге нового года, есть много достижений ИИ, на которые лидеры бизнеса должны обратить внимание чуть позже.

Для управления цепочками поставок и закупками в частности одно из этих достижений будет улучшением автономного закупления. Используя ИИ и другие передовые технологии, бизнес может автоматизировать задачи, которые традиционно полагались на людей, такие как закупка и заключение контрактов, чтобы стимулировать эффективность и освободить ресурсы, позволяя ИИ анализировать огромные объемы данных, выявлять тенденции и принимать обоснованные решения по закупкам в режиме реального времени. Полностью автономное закупление не только предлагает беспрецедентную экономию затрат, сохраняя время сотрудников, продвигая эффективность и снижая ошибки, но также может снизить риск мошенничества и подделки, постоянно обеспечивая соблюдение этических и устойчивых стандартов.

Однако даже до введения автономного закупания компании должны сосредоточиться на предоставлении пользовательского опыта (UX), который является интуитивным, эффективным и простым для навигации как для команд закупок, так и для поставщиков. Как только будет создан гиперперсонализированный UX, бизнес может последовательно внедрить автономные решения.

Результат ИИ не только улучшает бизнес-рентабельность, но и улучшает принятие решений, прогнозирует будущие закономерности и строит устойчивость. Руководители высшего уровня по всем секторам все чаще рассматривают внедрение технологий ИИ как необходимое для трансформации и защиты своих операций от автоматизации. Со временем, как и любая другая технология до этого, ИИ станет все более дешевым, а ценность его выхода будет продолжать расти. Это дает нам много причин быть оптимистичными относительно будущего ИИ и сбалансированной роли, которую он будет играть в нашей жизни — как в бизнесе, так и в личной жизни — операции через автоматизацию. Со временем, как и любая другая технология до этого, ИИ станет все более дешевым, а ценность его выхода будет продолжать расти. Это дает нам много причин быть оптимистичными относительно будущего ИИ и сбалансированной роли, которую он будет играть в нашей жизни — как в бизнесе, так и в личной жизни.