Lite mindre konversation, lite mer action: Hur man accelererar Generative AI-distribution under de kommande 6 månaderna

Tillräckligt med dagdrömmeri, tillräckligt med spekulation, tillräckligt med hype – detta är ett år av handling. Enligt McKinsey Global Institute kan nästan 50% av typiska affärsaktiviteter nu automatiseras med hjälp av Generative AI (GenAI), en typ av artificiell intelligens som kan producera text, bilder, video och syntetisk data.

Denna automatisering driver enormt värde och löser kritiska affärsutmaningar över branscher och funktioner, förbättrar kundupplevelser, optimerar verksamheten och främjar innovation. Men för det mesta har GenAI inte testats på en stor skala, och den verkliga avkastningen på dessa investeringar behöver förtydligas.

Medan företag har börjat investera kraftigt i experimentella och ad-hoc GenAI-projekt, kan det vara komplicerat att skala upp dessa insatser. Ledare kämpar med hur man kan maximera GenAI-fördelarna samtidigt som man observerar och minimerar kostnaderna, säkerställer granskningsbarhet och åtkomstkontroll, förbättrar prestandan, tillhandahåller modellabstraktioner och stärker säkerheten. De som har varit tveksamma till att anta GenAI hittills på grund av rädsla för de höga omkostnaderna och datagovernance/säkerhetsproblem bör överväga följande när de bygger in GenAI i sina arbetsflöden och större affärsstrategier.

Skapa en plan för mätbar transformation: 3 nyckelaktioner att vidta nu

1. Uppgradera din arbetsstyrka för att utnyttja GenAI:s fulla potential på ett riskminimerat sätt.

Det är en modig ny värld inom artificiell intelligens, och det finns varierande nivåer av förståelse för vad som är möjligt. Företag som precis börjar på denna resa kan dra nytta av att köra organisatoriska program för att utbilda både IT- och affärsteam om GenAI:s potential, utveckla specifika protokoll kring risk, transparens och etik.

Organisationer kan välja att ta in extern expertis eller skapa en ny roll dedikerad till AI-etik, men de bör förstå att utbildningen inte är för show. Att ägna dagar eller veckor åt programmering som utbildar alla anställda (inte bara de i tekniska roller) om hur man använder GenAI kommer att se bättre organisationsovergripande acceptans än de som inte gör det.

Genom att utbilda affärsteam om att identifiera potentiella GenAI-tillämpningar som kan hjälpa dem i deras respektive arbete (och skilja faktum från fiktion kring säkerhetsproblem) kommer organisationer att vara i en mycket bättre position för att bedöma den totala värdet.

2. Förena AI med GenAI: Förbered din infrastruktur för dataintensiva förändringar

GenAI har snabbt fått uppmärksamhet för sin förmåga att driva produktivitet, trycka på driftsmarginaler till tidigare osedda nivåer. Men det är viktigt att komma ihåg att GenAI inte är någon silverkula. Med uppkomsten av GenAI har traditionella dataingenjörsmetoder och AI blivit viktigare än någonsin.

Tänk på följande GenAI-aktiverade lösningar:

1. Detaljhandel: Driv hyperpersonalisering i detaljhandeln med hjälp av autonoma agenter för att generera rekommendationer.
2. Resor: Använd ett GenAI-infunderat arbetsflöde för att skapa personliga reseplaner baserade på individuella preferenser.
3. Bank: Användning av konversationsagenter för att personanpassa banktjänster från fakturabetalningar till utgiftstrendanalys och rekommendationer.

GenAI ensam räcker inte för att driva de lösningar som nämns ovan. Det är avgörande att binda den naturliga språkförståelsen och resonemangs förmågan hos GenAI med den beprövade noggrannheten och effektiviteten hos traditionell AI.

Till exempel kan hyperpersonalisering uppnås med större konsekvens om vi använder traditionella maskinlärningsalgoritmer för att generera en bukett av rekommendationer och använder GenAI-aktiverade agenter för att resonera vilka av dem som kommer att vara mest relevanta för användaren.

Som sådan är det avgörande att se på GenAI, traditionell AI och dataingenjörsmetoder i samverkan, med ett enda prisma, snarare än i isolering. Detta gör det ytterst viktigt för organisationer att tillhandahålla infrastruktur för att förena AI-utveckling med GenAI-lösningar.

3. Bygg din GenAI-beredskap: Skala, innovera, kontrollera

Det är klokt att vara proaktiv, men transformation sker inte över natten. Genom att identifiera de viktigaste “måste-hava”-funktionerna för organisationen kan du fördela utvecklingstiden baserat på kritiska behov.

Sedan kan du utse en grupp interna ledare för att snabba upp medvetenheten och antagandet av ett GenAI-operativsystem – en plattform som tillhandahåller granskningsbarhet, kostnadskontroll och debitering, säkerhet, sekretess, åtkomstkontroll och modellabstraktioner – för att påbörja GenAI-applikationer och processer med hjälp av denna plattform. Detta kommer att hjälpa innovationen i snabb takt och skala genom att säkerställa snabba iterationer av GenAI-användningsfall genom att fokusera primärt på funktionalitet, och därigenom öka acceptansen över hela organisationen.

I detaljhandeln, enligt en nyligen publicerad IBM-studie inför NRF 2024, förväntar sig moderna kunder en anpassad shoppingupplevelse, komplett med “bequamenheten av produktval, detaljerad information, olika betalningsmetoder och en sömlös integration av butiks- och onlineupplevelser” som tillgodoser deras individuella preferenser.

För att möta dessa förväntningar måste detaljhandlare organisera och demokratisera tillgången till sin data så att affärsfunktioner från FoU till försäljning till marknadsföring arbetar från samma bas. Utan en tydlig vy över data eller en plan för att implementera den tvärfunktionellt kan organisationer överinvestera i AI-aktiverade lösningar och se liten avkastning. Detaljhandlare som är osäkra på hur de ska maximera sin befintliga data bör vända sig till en partner med djup branscherfarenhet för att etablera en AI-beredd infrastruktur. Först då kan de dra nytta av GenAI för att strömlinjeforma kundservice med mindre mänsklig inblandning genom att tillhandahålla sammanfattningar av konversationer, automatisera uppgifter och slutligen driva omvandling – en nyckelprioritet för branschen.

Dessutom experimenterar detaljhandlare med idén om dynamiska produktbeskrivningar. Beroende av AI kan e-handelslistor förändras baserat på tittaren, anpassade till de unika önskemål och behov som varje kund har. Ett starkt team, underbyggt av en nivå av GenAI-beredskap, kommer att vara välutrustat för att kapitalisera på dessa AI-teknologier före konkurrenterna.

Identifiera transformerande GenAI-användningsfall och erbjuda kvantifierbara affärsresultat.

Ofta, i en rusning för att visa framsteg, kan företag börja sprinta utan en riktning i åtanke. Istället för att slösa bort den energin genom att gå efter allt på en gång, ta notis om specifika användningsfall som kan slutföras inom 3-6 månader, 6-12 månader etc. Prioritera dessa korta projekt först för att demonstrera värdet av att köra GenAI i skala och sedan, för områden som har potential, fokusera på att bygga plattformar som kan visa fördelarna med GenAI för andra avdelningar. Områden som modellträning, autonoma agenter och privata LLM:er har enorm potential för framtida innovation, och strategiska investeringar i dessa områden nu kommer att ge er en försprång gentemot er konkurrens.

I banksektorn kräver ansökan om ett lån för medelstora och stora företag en analys av många dokument, inklusive företagets bankutdrag, revisionsrapporter, skattedeklarationer, kreditbyrårapporter och nyheter. Allt detta måste bearbetas manuellt för att förbereda en godkännandemeddelande. Genom att automatisera denna process via GenAI sparar man inte bara kvantifierbara kostnader, utan också den totala tiden för behandling kan vara en konkurrensfördel och differentierare som kan hjälpa till att generera ny affär.

Med GenAI är banksektorn, bland andra, redo att ta bort stress och ge kunderna mer synlighet med relativt låg ansträngning och upptid. Medan det finns många fler enskilda användningsfall av GenAI, kräver det för att nå nästa fas av ett GenAI-aktiverat företag att replikera och operationalisera tekniken över hela företaget för att införa den i den övergripande affärsstrategin.

Sluta prokrastinera, det är dags att vakna upp till AI-leverans

Att övervinna implementeringsutmaningar och implementera GenAI i skala är ingen liten bedrift. Det kräver total anpassning från styrelsen och C-sviten och ett åtagande från affärsledare över hela organisationen. För att gå förbi rädslan för att missa AI och börja skapa vinstgenererande, AI-aktiverade verktyg, utbilda dina team om vad som kommer, etablera en infrastruktur som kan hantera snabb förändring och fokusera på de korta resultaten som är viktiga för dina kunder och partners.

När du transformerar är det viktigt att ta med expertrekryteringar eller externa rådgivare som du kan lita på för att hjälpa till att säkerställa en smidig övergång. Sök efter de som är handlingsinriktade (dvs. byggare, inte bara rådgivare) och som för in ledarskap i beslutsprocessen tidigt för att öka transparensen och främja samarbete. GenAI-kapaciteterna utvecklas snabbt, och genom att agera nu kommer du att vara på väg att skapa en framtidsorienterad organisation som är redo för hållbar tillväxt.