- Tema
9k Popularidad
12k Popularidad
41k Popularidad
30k Popularidad
676 Popularidad
115k Popularidad
27k Popularidad
26k Popularidad
7k Popularidad
15k Popularidad
- Anclado
9k Popularidad
12k Popularidad
41k Popularidad
30k Popularidad
676 Popularidad
115k Popularidad
27k Popularidad
26k Popularidad
7k Popularidad
15k Popularidad
¿Cómo puede la IA generativa afectar sus prioridades de transformación digital?
Fuente original: El Papel
La transformación digital debe convertirse en una competencia central de la organización, lo cual es un consejo importante para los CIO y los líderes de TI.
Las prioridades estratégicas cambian significativamente cada dos años o menos, desde el crecimiento en 2018 hasta el COVID-19 y el teletrabajo en 2020, hasta modelos de trabajo híbridos y restricciones financieras en 2022.
El impacto de la IA generativa, incluido ChatGPT y otros modelos de lenguaje extenso, será un factor de transformación importante en 2024.
A medida que los CIO comienzan a prepararse para el presupuesto de 2024 y las prioridades de transformación digital, es necesario desarrollar una estrategia para identificar oportunidades para mejorar el modelo comercial, ver el impacto operativo a corto plazo, priorizar proyectos en los que los empleados deben probar las aguas y Desarrollar un AI- plan de mitigación de riesgos relacionado.
Pero con todo este entusiasmo y entusiasmo, es fácil para los empleados invertir tiempo en herramientas de IA que filtran datos confidenciales, o para los gerentes elegir herramientas de IA en la sombra que no han sido examinadas por seguridad, gobierno de datos y cumplimiento de otros proveedores. El mayor desafío es desarrollar una estrategia realista y responder a los Impossible Dreamers. Aquí, el "soñador imposible" es una especie de líder empresarial que "va al cielo en un solo paso", una especie de ejecutivo de negocios de nivel infernal.
Abhijit Mazumder, CIO, Tata Consultancy Services, dijo: "Las prioridades de transformación deben poder vincularse fundamentalmente con las prioridades comerciales y lo que la organización quiere lograr. En la mayoría de las empresas, el liderazgo también se enfoca en el crecimiento y la eficiencia operativa, pero sin perder de vista de priorizar iniciativas de resiliencia, ciberseguridad y eliminación de deuda técnica”.
Aquí hay algunos impulsores de la IA generativa que los CIO deben tener en cuenta al establecer sus prioridades de transformación digital.
Desarrollar una estrategia de modelo de lenguaje a gran escala que cambie el juego
Cómo afectarán la IA generativa y los lenguajes extensos a todas las industrias, por ejemplo:
“Los CIO y CTO ahora no solo tienen que ser creativos y hacer más con menos, sino también hacer inversiones deliberadas para superar a sus competidores, que pueden estar retrasándolos”, dijo Jeremiah Stone, director de tecnología de SnapLogic. proyectos de transformación Priorice las iniciativas de transformación que creen nuevas fuentes de ingresos, avancen en la adopción de tecnología o reduzcan la deuda técnica, especialmente considerando las oportunidades que presenta la IA generativa”.
Los CIO pueden reconocer que un programa de transformación de esta escala es un programa de varios años que requiere evaluar las capacidades de grandes modelos de lenguaje, realizar experimentos y encontrar un producto mínimo viable y suficientemente seguro para el cliente. Pero no desarrollar una estrategia en absoluto puede generar confusión, y uno de los errores clave que pueden cometer los líderes de TI cuando asisten a las reuniones de la junta es no desarrollar un plan para las tecnologías emergentes que cambiarán el mundo, como la IA generativa.
Limpiar y preparar datos para un modelo de lenguaje grande privado
La IA generativa aumentará la importancia y el valor de los datos no estructurados de la empresa, incluidos documentos, videos y contenido almacenado en los sistemas de gestión del aprendizaje. Incluso si las empresas no están listas para aprovechar la IA generativa para transformar sus industrias y negocios, los líderes de transformación proactivos están tomando medidas para centralizar, limpiar y preparar datos no estructurados para el consumo de modelos de lenguaje a gran escala.
Kjell Carlsson, jefe de estrategia y evangelización de ciencia de datos en Domino's, dijo: "Con los usuarios de toda la organización clamando por capacidades de IA generativa para ser parte de su acceso seguro y escalable diario a modelos de IA generativa, y permite que los equipos de ciencia de datos desarrollen e implementen grandes modelos de lenguaje adaptados a los datos organizacionales y casos de uso".
Ahora hay 14 modelos de lenguaje a gran escala fuera de ChatGPT. Si tiene un gran conjunto de datos, puede usar plataformas como Databricks Dolly, Meta Llama y OpenAI para personalizar modelos de lenguaje a gran escala patentados o crear su propio modelo a gran escala. modelos de lenguaje desde cero.
La personalización y el desarrollo de modelos lingüísticos grandes requiere un caso de negocio sólido, experiencia técnica y financiación. Peter Pezaris, director de diseño y estrategia de New Relic, dijo: "El costo de entrenar modelos lingüísticos grandes puede ser extremadamente alto y los resultados de salida aún no son perfectos, por lo que los líderes deben priorizar la inversión en soluciones que ayuden a monitorear el costo de uso". y mejorar la calidad de los resultados de las consultas.
Mejore la eficiencia mejorando la atención al cliente
McKinsey predijo ya en 2020 que la inteligencia artificial podría generar un valor de 1 billón de dólares al año, y la atención al cliente es una oportunidad importante. Hoy, gracias a la IA generativa, esa oportunidad es aún mayor, especialmente porque los CIO canalizan datos no estructurados en grandes modelos de lenguaje y permiten que los agentes de servicio hagan y respondan las preguntas de los clientes.
"Busque oportunidades para aprovechar GPT-4 y grandes modelos de lenguaje para optimizar actividades como la atención al cliente, especialmente en la automatización de tareas y el análisis de grandes cantidades de datos no estructurados", dijo Justin Rodenbostel, vicepresidente senior de SPR.
Mejorar la atención al cliente es una vía rápida para generar un ROI a corto plazo a través de grandes modelos de lenguaje y capacidades de búsqueda de IA. Los grandes modelos de lenguaje requieren centralizar los datos no estructurados de una empresa, incluidos los datos integrados en CRM, sistemas de archivos y otras herramientas SaaS. Una vez que los departamentos de TI centralicen estos datos e implementen modelos lingüísticos a gran escala, también existe la posibilidad de mejorar áreas como la conversión de clientes potenciales y los procesos de incorporación de recursos humanos.
"Las empresas han estado metiendo datos en SharePoint y otros sistemas durante décadas, y al limpiar esos datos y usar modelos de lenguaje grandes, en realidad pueden ser valiosos", dijo Gordon Allott, presidente y director ejecutivo de GetK3.
Reduzca el riesgo comunicándose en torno a grandes modelos de lenguaje
Hay más de 100 herramientas en el campo de la IA generativa, que cubren categorías como pruebas, imágenes, videos, código, voz y más. Entonces, ¿qué impide que los empleados prueben una herramienta y peguen información patentada o confidencial en sus avisos?
Rodenbostel aconseja: “Los líderes deben garantizar, a través de la investigación y una política de uso aceptable, que sus equipos utilicen estas herramientas solo de manera aprobada y apropiada”.
Hay tres departamentos, y es el CIO quien debe colaborar con el CHRO y el CISO para comunicar la política y crear un modelo de gobierno que admita la experimentación inteligente. Primero, los CIO deben evaluar cómo ChatGPT y otras IA generativas afectarán la codificación y el desarrollo de software. Los departamentos de TI deben predicar con el ejemplo, aclarando dónde y cómo experimentar y cuándo no usar herramientas o conjuntos de datos propietarios.
El sector del marketing es una segunda preocupación, donde los especialistas en marketing pueden usar ChatGPT y otra IA generativa en la creación de contenido, generación de clientes potenciales, marketing por correo electrónico y más de una docena de prácticas de marketing comunes. Con más de 11 000 soluciones de tecnología de marketing ya disponibles, hay muchas oportunidades para experimentar y cometer errores no intencionales al probar SaaS con nuevas capacidades de modelo de lenguaje grande.
Los CIO de organizaciones líderes están creando un registro para incorporar nuevos casos de uso de IA generativa, definir procesos para revisar enfoques y administrar de manera centralizada el impacto de los experimentos de IA.
Reevaluar el proceso de toma de decisiones y la delegación
Otra área importante a considerar es cómo la IA generativa afectará los procesos de toma de decisiones y el futuro del trabajo.
Durante la última década, muchas empresas se han propuesto convertirse en organizaciones basadas en datos mediante la democratización del acceso a los datos, la educación de más empresarios en ciencia de datos y la inculcación de prácticas proactivas de gobierno de datos. La IA generativa desbloquea nuevas capacidades, lo que permite a los líderes solicitar y obtener respuestas rápidamente, pero la puntualidad, la precisión y el sesgo son preocupaciones clave para muchos LL.M.s.
"Colocar a los humanos en el centro de la IA y crear un marco sólido en torno al uso de datos y la interpretabilidad del modelo contribuirá en gran medida a reducir el sesgo en estos modelos y garantizar que todos los resultados de la IA sean éticos y responsables. La realidad es que los modelos de IA no pueden reemplazar a los humanos". cuando se trata de la toma de decisiones críticas y debe complementarse en lugar de permitir que se haga cargo por completo”.
Los CIO deben buscar un enfoque equilibrado para priorizar las iniciativas de IA generativa, incluida la definición de gobernanza, la identificación de eficiencias a corto plazo y la búsqueda de oportunidades para la transformación a largo plazo.