Генеративний ШІ привів нас до переломного моменту розвитку штучного інтелекту

До того, як штучний інтелект (AI) набув широкої популярності завдяки доступності Генеративного AI (GenAI), інтеграція та підготовка даних для машинного навчання, були одним із популярних бізнес-пріоритетів. У минулому компанії та консультанти створювали окремі проекти AI/ML для конкретних випадків використання, але довіра до результатів була обмежена, і ці проекти проводилися майже виключно серед команд ІТ. Ці ранні випадки використання AI вимагали присутності спеціальних команд фахівців із науки про дані, багато часу та зусиль для отримання результатів, не мали прозорості, а більшість проектів були невдалими.

Відтоді, як розробники стали більш комфортними та впевненими у технології, AI та машинне навчання (ML) все частіше використовувалися, знову ж таки, в основному командами ІТ через складний характер побудови моделей, очищення та введення даних та тестування результатів. Сьогодні, з GenAI, який став невід’ємною частиною професійної та особистої сфери по всьому світу, технологія AI стала доступною для мас. Ми зараз перебуваємо на переломному моменті розвитку AI, але як ми до цього дійшли та чому GenAI привів нас до широкого впровадження?

Правда про AI

З появою “OpenAI” та “ChatGPT” як загальновідомих назв, розмови про GenAI відбуваються всюди та часто є неминучими. Від бізнес-використань, таких як чат-боти, аналіз даних та стислі виклади звітів до особистого використання, такого як планування поїздок та створення контенту, GenAI швидко стає найбільш обговорюваною технологією у світі, а її швидкий розвиток перевершує той, який ми бачили з іншими технологічними інноваціями.

Хоча більшість людей знають про AI, а деякі знають, як він працює та може бути реалізований, державні та приватні організації все ще відстають у використанні повних переваг технології. За даними Alphasense, 40% телефонних конференцій за підсумками фінансової звітності підкреслювали переваги та ентузіазм щодо AI, проте лише 1 із 6 (16%) компаній S&P 500 згадували AI у квартальних звітах для регуляторних органів. Це викликає питання: які фінансові наслідки AI та скільки компаній справді інвестують у його впровадження?

Замість того щоб піддаватися ажіотажу навколо AI тільки через те, що він модний, підприємства повинні подумати про те, яку цінність AI принесе внутрішньо та своїм клієнтам, а також про те, які проблеми він може вирішити для користувачів. Проекти AI зазвичай дорогі, і якщо компанія стрибає у використання AI без належної оцінки його випадків використання та ROI, це може бути марнування часу та коштів. Закриті попередні випробування з клієнтами забезпечують контрольований спосіб підтвердження ринкової придатності продукту та підтвердження пов’язаного з цим ROI конкретних випадків використання для підтвердження цінності пропозиції AI до її виходу на ринок.

Що постачальникам потрібно знати перед інвестуванням у AI

Інвестувати у AI чи ні? Це важливе питання для постачальників програмного забезпечення як послуги (SaaS), яке вони повинні розглянути перед тим, як повністю зайнятися розробкою рішень AI. При зважуванні ваших варіантів зверніть увагу на цінність, швидкість, довіру та масштаб.

Балансуйте цінність із швидкістю. Малоймовірно, що ваших клієнтів вразить лише згадуванням про рішення AI; натомість, їм буде потрібна вимірювана користь. Команди продуктів SaaS повинні почати з питання про те, чи існує справжня бізнес-потреба або проблема, яку вони хочуть вирішити для своїх клієнтів, а також про те, чи є AI відповідним рішенням. Не намагайтеся вставити квадратний гвіздок (AI) у круглу діру (ваші технологічні пропозиції). Без знання того, як AI додатиме цінності кінцевим користувачам, немає гарантії, що хтось заплатить за ці можливості.

Будуйте довіру, потім масштабуйте. Для зміни систем потрібно багато довіри. Постачальники повинні пріоритизувати будівництво довіри до своїх рішень AI перед їх масштабуванням. Прозорість моделей даних і результатів та можливість їх перегляду можуть зменшити перешкоди. Дайте користувачам можливість клікувати на джерело моделі, щоб вони бачили, як формуються висновки рішення. Більшість авторитетних постачальників також можуть поділитися найкращими практиками впровадження AI, щоб допомогти усунути потенційні проблеми.

Поширені перешкоди для постачальників технологій: Видання AI

Для організацій, які готові розпочати свій шлях AI, існують кілька перешкод, яких потрібно уникнути, щоб забезпечити оптимальний вплив. Уникайте групового мислення та не слідуйте за натовпом без знання того, куди ви прямуєте. Майте чітку стратегію впровадження AI, щоб ви могли подумати про свої кінцеві цілі та підтвердити, що стратегія відповідає місії вашої організації та цінностям клієнтів.

Виведення продукту AI на ринок не є легким завданням, а кількість невдач перевищує кількість успіхів. Безпекові, економічні та кадрові ризики численні.

Якщо дивитися лише на питання безпеки, моделі AI часто містять конфіденційні матеріали та дані, які SaaS-організації повинні вміти управляти. Серед речей, які потрібно враховувати, є:

• Обробка конфіденційних матеріалів: Надання конфіденційних матеріалів великим мовним моделям загального призначення (LLM) створює ризик того, що модель ненавмисно розголосить конфіденційні матеріали іншим користувачам. Компанії повинні викласти найкращі практики для користувачів – як внутрішніх, так і зовнішніх – для захисту конфіденційних матеріалів.
• Зберігання даних та наслідки конфіденційності: Окрім ризиків спільного використання, зберігання конфіденційних матеріалів у системах AI може наразити дані на ризик витоку або несанкціонованому доступу. Користувачі повинні зберігати дані в безпечних місцях із заходами захисту проти порушень даних.
• Мінімізація поширення неточної інформації: Моделі AI збирають та синтезують великі об’єми даних, а неточна інформація легко може поширитися. Моніторинг, нагляд та перевірка людиною необхідні для забезпечення точної та правильної інформації. Критичне мислення та аналіз мають важливе значення для уникнення дезінформації.

Крім питань безпеки, програми AI вимагають значних ресурсів та бюджету. Розгляньте кількість енергії та інфраструктури, необхідної для результативної та ресурсоефективної розробки AI. Саме тому важливо мати чітку пропозицію цінності для клієнтів, інакше час та ресурси, витрачені на розвиток продукту, будуть марними. З’ясуйте, чи має ваша організація основу для початку роботи з AI, а якщо ні, визначте бюджет, необхідний для подолання відставання.
Останнім ризиком, який не слід ігнорувати, є ризик, пов’язаний із кадрами та рівнем кваліфікації. Розробка AI загалом передбачає присутність спеціальної групи фахівців із науки про дані, розробників та інженерів даних, а також функціональних бізнес-аналітиків та менеджерів продукту. Однак при роботі з GenAI організації потребують додаткового нагляду за безпекою та дотриманням вимог через ризики безпеки, зазначені вище. Якщо AI не є довгостроковою бізнес-метою, витрати на набір та перепідготовку талантів, ймовірно, будуть зайвими та не принесуть хорошого ROI.

Висновок

AI уже став постійною частиною нашого життя. Але якщо ви не думаєте стратегічно перед тим, як приєднатися до руху та фінансувати проекти AI, це потенційно може зробити більше шкоди, ніж добра, вашій організації. Ця нова ера AI тільки починається, а багато ризиків ще невідомі. Коли ви оцінюєте розвиток AI для вашої організації, отримайте чітке розуміння цінності AI для ваших внутрішніх та зовнішніх клієнтів, побудуйте довіру до моделей AI та зрозумійте ризики.