Маленьке менше розмов, трохи більше дії: Як прискорити розгортання генеративного штучного інтелекту за наступні 6 місяців

Досить мрій, достатньо спекуляцій, достатньо гіпсу – це рік дії. За даними McKinsey Global Institute, майже 50% типових бізнес-діяльностей тепер можна автоматизувати за допомогою генеративного штучного інтелекту (GenAI), типу штучного інтелекту, який може створювати текст, зображення, відео та синтетичні дані.

Ця автоматизація приносить величезну цінність і розв’язує критичні бізнес-проблеми в різних галузях і функціях, покращуючи досвід клієнтів, оптимізуючи операції та сприяючи інноваціям. Але, в основному, GenAI ще не був перевірений на великомасштабному рівні, і справжня віддача на ці інвестиції потрібно уточнити.

Хоча компанії почали вкладати великі кошти в експериментальні та окремі проекти GenAI, розгортання цих зусиль може бути складним завданням. Лідери борються з тим, як максимізувати вигоди від GenAI, спостерігаючи та мінімізуючи витрати, забезпечуючи аудитованість та контроль доступу, покращуючи продуктивність, надаючі абстракції моделей та зміцнюючи безпеку. Ті, хто раніше вагався прийняти GenAI через страх перед високими витратами та проблемами управління даними та безпеки, повинні врахувати наступне, коли вони будують GenAI у свої робочі процеси та більшу бізнес-стратегію.

Створіть план вимірюваної трансформації: 3 ключові дії, які потрібно зробити зараз

1. Підвищуйте кваліфікацію своєї робочої сили, щоб використовувати повний потенціал GenAI у спосіб, що мінімізує ризики.

Це сміливий новий світ штучного інтелекту, і існує різний рівень розуміння того, що можливе. Компанії, які тільки починають цей шлях, можуть виграти, запустивши організаційні програми для навчання як ІТ, так і бізнес-команд щодо потенціалу GenAI, розробляючи конкретні протоколи щодо ризику, прозорості та етики.

Організації можуть вирішити, чи привезти зовнішню експертизу, чи створити нову роль, присвячену етиці штучного інтелекту, але вони повинні зрозуміти, що навчання не для показу. Придання днів або тижнів програмуванню, яке навчає всіх працівників (не тільки тих, хто в технічних ролях) використовувати GenAI, побачить краще організаційне схвалення, ніж ті, хто цього не робить.

Освіта бізнес-команд щодо ідентифікації потенційних застосунків GenAI, які можуть їм допомогти в їхній роботі (та розрізнення фактів та вигадок щодо проблем безпеки), організації будуть у набагато кращій позиції, щоб оцінити загальну вартість.

2. З’єднайте штучний інтелект з GenAI: Підготовьте свою інфраструктуру до змін, пов’язаних з великими обсягами даних

GenAI швидко набуває популярності завдяки своїй здатності підвищувати продуктивність, підвищуючи операційні маржі до раніше невиданих рівнів. Однак важливо пам’ятати, що GenAI не є срібною кулею. З ростом GenAI традиційні практики інженерії даних та штучного інтелекту стали важливішими, ніж будь-коли.

Розгляньте наступні рішення, підтримувані GenAI:

1. Роздрібна торгівля: Створення гіперперсоналізації в роздрібній торгівлі за допомогою автономних агентів для генерації рекомендацій.
2. Подорожі: Використання робочого процесу, наповненого GenAI, для створення персоналізованих маршрутів подорожей на основі індивідуальних переваг.
3. Банківська справа: Використання розмовних агентів для персоналізації банківських послуг від оплати рахунків до аналізу витрат та рекомендацій.

GenAI сам по собі не достатній для підтримки рішень, згаданих вище. Критично важливо зв’язати природне розуміння мови та здатність висновку GenAI з перевіреною точністю та ефективністю традиційного штучного інтелекту.

Наприклад, гіперперсоналізацію можна досягти з більшою послідовністю, якщо використовувати традиційні алгоритми машинного навчання для генерації букета рекомендацій та використовувати агенти, підтримувані GenAI, щоб визначити, які з них будуть найбільш актуальними для користувача.

Отже, важливо розглянути GenAI, традиційний штучний інтелект та практики інженерії даних у єдності, а не в ізоляції. Це робить надзвичайно важливим для організацій забезпечити інфраструктуру для об’єднання розробки штучного інтелекту з рішеннями GenAI.

3. Будуйте свою готовність до GenAI: Масштабуйте, інновуйте, контролюйте

Це розумно бути проактивним, але трансформація не відбувається за одну ніч. Визначивши імперативні «обов’язкові» для організації, ви можете розбити свій графік розвитку на основі критичних потреб.

Потім призначте групу внутрішніх лідерів для прискорення усвідомлення та прийняття системи операцій GenAI – платформи, яка забезпечує аудитованість, контроль витрат та зворотний зв’язок, безпеку, конфіденційність, контроль доступу та абстракції моделей – для підключення застосунків та процесів GenAI за допомогою цієї платформи. Це допоможе інноваціям на швидкості та масштабі, забезпечуючи швидкі ітерації застосунків GenAI, зосереджуючись в першу чергу на функціональності, та збільшуючи схвалення по всій організації.

У роздрібній торгівлі, згідно з недавнім дослідженням IBM перед NRF 2024, сучасні клієнти очікують персоналізованої покупкової подорожі, повної «зручності вибору продуктів, детальної інформації, різних методів оплати та безшовної інтеграції досвіду в магазині та онлайн» відповідно до їхніх індивідуальних переваг.

Щоб задовольнити ці очікування, роздрібні торговці повинні організувати та демократизувати доступ до своїх даних, щоб бізнес-функції від Р&D до продажів та маркетингу працювали з однієї бази. Без чіткого погляду на дані або плану їх реалізації між функціями організації можуть переінвестувати в рішення, підтримувані штучним інтелектом, та побачити мало віддачі. Роздрібні торговці, які не впевнені, як максимізувати свої існуючі дані, повинні звернутися до партнера з глибоким досвідом галузі, щоб створити інфраструктуру, готову до штучного інтелекту. Тільки тоді вони зможуть скористатися GenAI для оптимізації обслуговування клієнтів з меншим втручанням людини, забезпечуючи підсумки розмов, автоматизацію завдань та, врешті-решт, підвищення конверсії – ключовий пріоритет для галузі.

Крім того, роздрібні торговці експериментують з ідеєю динамічних описів продуктів. Залежно від штучного інтелекту, списки електронної комерції можуть змінюватися залежно від перегляду, адаптуючись до унікальних бажань та потреб кожного клієнта. Сильна команда, підтримувана певним рівнем готовності до GenAI, буде добре обладнана, щоб скористатися цими технологіями штучного інтелекту раніше, ніж конкуренти.

Визначте трансформаційні випадки використання GenAI та надайте кількісні бізнес-результати.

Часто в поспіху показати прогрес компанії можуть почати спринт без напрямку. Замість витрачання енергії на все одночасно зверніть увагу на конкретні випадки використання, які можна завершити протягом 3-6 місяців, 6-12 місяців тощо. Приоритізуйте ці короткострокові проекти, щоб продемонструвати вартість виконання GenAI у масштабі, а потім, для областей, які мають потенціал, зосередьтеся на будівництві платформ, які можуть продемонструвати вигоди від GenAI іншим відділам. Області, такі як навчання моделей, автономні агенти та приватні великі мови, мають величезний потенціал для майбутніх інновацій, і стратегічні інвестиції в ці області зараз дадуть вам перевагу над конкурентами.

У банківській справі подача заявки на кредит для середніх та великих підприємств вимагає аналізу великої кількості документів, включаючи банківські виписки компанії, аудиторські звіти, податкові декларації, звіти кредитних бюро та останні новини. Все це потрібно обробити вручну, щоб підготувати меморандум про схвалення. Автоматизація цього процесу за допомогою GenAI не тільки економить кількісні витрати, але й скорочення загального терміну виконання може бути конкурентною перевагою та диференціатором, який допоможе генерувати новий бізнес.

З GenAI банківська галузь, серед інших, готова усунути стрес та надати додаткову видимість клієнтам з відносно низькими зусиллями та часом простою. Хоча існує багато інших окремих випадків використання GenAI, переходячи до наступної фази бізнесу, підтримуваного GenAI, потрібно реплікувати та оперціоналізувати технологію по всій компанії, щоб інфузувати її в загальну бізнес-стратегію.

Не зволікайте, час прокинутися до доставки штучного інтелекту

Переборювання проблем реалізації та розгортання GenAI у масштабі – це не мала справа. Це вимагає повної згоди ради директорів та вищого керівництва та зобов’язання бізнес-лідерів по всій організації. Щоб подолати проблеми реалізації та почати створювати прибуткові, підтримувані штучним інтелектом інструменти, просвіть свої команди про те, що чекає, створіть інфраструктуру, яка може витримати швидкі зміни, та зосередьтеся на короткострокових результатах, які важливі для ваших клієнтів та партнерів.

Під час трансформації важливо залучити експертів чи зовнішніх радників, яким можна довіряти, щоб допомогти забезпечити безперебійний перехід. Шукайте тих, хто є орієнтованими на дію (тобто будівельниками, а не тільки радниками) та залучають керівництво до процесу прийняття рішень на ранній стадії, щоб збільшити прозорість та сприяти співробітництву. Можливості GenAI розвиваються швидко, і діяючи зараз, ви будете на шляху до створення організації, готової до майбутнього, яка готова до сталого зростання.