- Topik
8k Popularitas
11k Popularitas
41k Popularitas
30k Popularitas
672 Popularitas
115k Popularitas
27k Popularitas
26k Popularitas
7k Popularitas
15k Popularitas
- Sematkan
8k Popularitas
11k Popularitas
41k Popularitas
30k Popularitas
672 Popularitas
115k Popularitas
27k Popularitas
26k Popularitas
7k Popularitas
15k Popularitas
Bagaimana AI generatif memengaruhi prioritas transformasi digital Anda?
Sumber asli: The Paper
Transformasi digital harus menjadi kompetensi inti organisasi, yang merupakan saran penting bagi CIO dan pemimpin TI.
Prioritas strategis berubah secara signifikan setiap dua tahun atau kurang, dari pertumbuhan pada 2018, hingga COVID-19 dan telecommuting pada 2020, hingga model kerja hybrid dan kendala keuangan pada 2022.
Dampak AI generatif, termasuk ChatGPT dan model bahasa besar lainnya, akan menjadi pendorong transformasi utama di tahun 2024.
Saat CIO mulai mempersiapkan anggaran 2024 dan prioritas transformasi digital, perlu mengembangkan strategi untuk mengidentifikasi peluang guna meningkatkan model bisnis, melihat dampak operasional jangka pendek, memprioritaskan proyek yang harus diuji oleh karyawan, dan Mengembangkan AI- rencana mitigasi risiko terkait.
Namun dengan semua kegembiraan dan hype ini, mudah bagi karyawan untuk menginvestasikan waktu pada alat AI yang membocorkan data rahasia, atau bagi manajer untuk memilih alat AI bayangan yang belum diperiksa untuk keamanan, tata kelola data, dan kepatuhan vendor lainnya. Tantangan yang lebih besar adalah mengembangkan strategi yang realistis dan menanggapi Impossible Dreamers. Di sini, "pemimpi yang mustahil" adalah sejenis pemimpin bisnis yang "pergi ke langit dalam satu langkah", semacam eksekutif bisnis tingkat neraka.
Abhijit Mazumder, CIO, Tata Consultancy Services, berkata: "Prioritas transformasi harus dapat dikaitkan secara fundamental dengan prioritas bisnis dan apa yang ingin dicapai oleh organisasi. Di sebagian besar bisnis, kepemimpinan juga berfokus pada pertumbuhan dan efisiensi Operasional, tetapi tanpa mengabaikan untuk memprioritaskan ketahanan, keamanan dunia maya, dan inisiatif penghapusan utang teknis.”
Berikut adalah beberapa penggerak AI generatif yang perlu dipertimbangkan oleh CIO saat menetapkan prioritas transformasi digital mereka.
Kembangkan strategi model bahasa berskala besar yang mengubah permainan
Bagaimana AI generatif dan bahasa besar memengaruhi setiap industri, misalnya:
“CIO dan CTO sekarang tidak hanya harus kreatif dan melakukan lebih banyak dengan lebih sedikit, tetapi juga melakukan investasi yang disengaja untuk mengungguli pesaing mereka, yang mungkin menunda mereka,” kata Jeremiah Stone, Chief Technology Officer, SnapLogic. proyek transformasi Prioritaskan inisiatif transformasional yang menciptakan aliran pendapatan baru, memajukan adopsi teknologi, atau mengurangi utang teknis, terutama dengan mempertimbangkan peluang yang disajikan oleh AI generatif.
CIO mungkin menyadari bahwa program transformasi skala ini adalah program multi-tahun yang memerlukan evaluasi kemampuan model bahasa besar, melakukan eksperimen, dan menemukan produk pelanggan yang layak dan cukup aman. Tetapi tidak mengembangkan strategi sama sekali dapat menyebabkan kebingungan, dan salah satu kesalahan utama yang dapat dilakukan oleh para pemimpin TI saat menghadiri rapat dewan adalah gagal mengembangkan rencana untuk teknologi baru yang mengubah dunia seperti AI generatif.
Bersihkan dan siapkan data untuk model bahasa besar pribadi
AI generatif akan meningkatkan pentingnya dan nilai data tidak terstruktur perusahaan, termasuk dokumen, video, dan konten yang disimpan dalam sistem manajemen pembelajaran. Bahkan jika perusahaan belum siap untuk memanfaatkan AI generatif untuk mengubah industri dan bisnis mereka, pemimpin transformasi proaktif akan mengambil langkah untuk memusatkan, membersihkan, dan menyiapkan data tidak terstruktur untuk digunakan oleh model bahasa berskala besar.
Kjell Carlsson, kepala strategi ilmu data dan penginjilan di Domino's, mengatakan: “Dengan pengguna di seluruh organisasi menuntut kemampuan AI generatif untuk menjadi bagian dari akses harian mereka yang Aman dan dapat diskalakan ke model AI generatif dan memungkinkan tim ilmu data mengembangkan dan mengimplementasikan skala model bahasa yang disesuaikan dengan data organisasi dan kasus penggunaan."
Sekarang ada 14 model bahasa berskala besar di luar ChatGPT. Jika Anda memiliki kumpulan data besar, Anda dapat menggunakan platform seperti Databricks Dolly, Meta Llama, dan OpenAI untuk menyesuaikan model bahasa berskala besar berpemilik, atau membuat model bahasa berskala besar Anda sendiri model bahasa dari awal Model.
Menyesuaikan dan mengembangkan model bahasa besar memerlukan kasus bisnis yang kuat, keahlian teknis, dan pendanaan. Peter Pezaris, chief design and strategy officer di New Relic, mengatakan: "Biaya pelatihan model bahasa besar bisa sangat tinggi, dan hasil keluarannya belum sempurna, jadi para pemimpin harus memprioritaskan investasi dalam solusi yang membantu memantau biaya penggunaan. dan tingkatkan kualitas hasil kueri. rencanakan."
Tingkatkan efisiensi dengan meningkatkan dukungan pelanggan
McKinsey memperkirakan sejak tahun 2020 bahwa kecerdasan buatan dapat menciptakan nilai US$1 triliun per tahun, dan dukungan pelanggan merupakan peluang penting. Hari ini, berkat AI generatif, peluang itu bahkan lebih besar, terutama karena CIO menyalurkan data tidak terstruktur ke dalam model bahasa besar dan memungkinkan agen layanan untuk bertanya dan menjawab pertanyaan pelanggan.
"Cari peluang untuk memanfaatkan GPT-4 dan model bahasa besar untuk mengoptimalkan aktivitas seperti dukungan pelanggan, terutama dalam mengotomatiskan tugas dan menganalisis data tak terstruktur dalam jumlah besar," kata Justin Rodenbostel, wakil presiden senior di SPR.
Meningkatkan dukungan pelanggan adalah jalur cepat untuk memberikan ROI jangka pendek melalui model bahasa besar dan kemampuan pencarian AI. Model bahasa besar memerlukan pemusatan data tidak terstruktur perusahaan, termasuk data yang disematkan dalam CRM, sistem file, dan alat SaaS lainnya. Setelah departemen TI memusatkan data ini dan menerapkan model bahasa skala besar, ada juga potensi untuk meningkatkan area seperti konversi prospek dan proses orientasi SDM.
"Perusahaan telah memasukkan data ke dalam SharePoint dan sistem lain selama beberapa dekade, dan dengan membersihkan data tersebut dan menggunakan model bahasa yang besar, ini mungkin benar-benar berharga," ujar Gordon Allott, presiden dan CEO GetK3. "
Kurangi risiko dengan berkomunikasi seputar model bahasa besar
Ada lebih dari 100 alat di bidang AI generatif, mencakup kategori seperti pengujian, gambar, video, kode, ucapan, dan lainnya. Jadi, apa yang menghentikan karyawan untuk mencoba alat dan menyisipkan informasi hak milik atau rahasia ke dalam permintaan mereka?
Rodenbostel menyarankan: “Pemimpin harus memastikan, melalui penelitian dan kebijakan penggunaan yang dapat diterima, bahwa tim mereka menggunakan alat ini hanya dengan cara yang disetujui dan sesuai.”
Ada tiga departemen, dan CIO-lah yang harus berkolaborasi dengan CHRO dan CISO untuk mengomunikasikan kebijakan dan membuat model tata kelola yang mendukung eksperimen cerdas. Pertama, CIO harus mengevaluasi bagaimana ChatGPT dan AI generatif lainnya akan memengaruhi pengkodean dan pengembangan perangkat lunak. Departemen TI harus memimpin dengan memberi contoh, mengklarifikasi di mana dan bagaimana bereksperimen dan kapan tidak menggunakan alat atau kumpulan data hak milik.
Sektor pemasaran adalah perhatian kedua, di mana pemasar dapat menggunakan ChatGPT dan AI generatif lainnya dalam pembuatan konten, perolehan prospek, pemasaran email, dan lebih dari selusin praktik pemasaran umum. Dengan lebih dari 11.000 solusi teknologi pemasaran yang telah tersedia, ada banyak peluang untuk bereksperimen dan membuat kesalahan yang tidak disengaja saat menguji SaaS dengan kemampuan model bahasa baru yang besar.
CIO dari organisasi terkemuka membuat registri untuk menerapkan kasus penggunaan AI generatif baru, menentukan proses untuk meninjau pendekatan, dan mengelola dampak eksperimen AI secara terpusat.
Mengevaluasi ulang proses pengambilan keputusan dan pendelegasian
Area penting lainnya untuk dipertimbangkan adalah bagaimana AI generatif akan memengaruhi proses pengambilan keputusan dan masa depan pekerjaan.
Selama dekade terakhir, banyak perusahaan telah bertujuan untuk menjadi organisasi berbasis data dengan mendemokratisasi akses data, mendidik lebih banyak pelaku bisnis dalam ilmu data, dan menanamkan praktik tata kelola data yang proaktif. AI generatif membuka kemampuan baru, memungkinkan para pemimpin untuk meminta dan mendapatkan jawaban dengan cepat, tetapi ketepatan waktu, akurasi, dan bias menjadi perhatian utama bagi banyak LL.M.s.
"Menempatkan manusia di pusat AI dan menciptakan kerangka kerja yang kuat seputar penggunaan data dan interpretasi model akan sangat membantu mengurangi bias dalam model ini dan memastikan bahwa semua output AI semuanya etis dan bertanggung jawab. Kenyataannya adalah model AI tidak dapat menggantikan manusia ketika datang ke pengambilan keputusan kritis dan harus ditambah daripada diizinkan untuk mengambil alih seluruhnya.
CIO harus mencari pendekatan yang seimbang untuk memprioritaskan inisiatif AI generatif, termasuk mendefinisikan tata kelola, mengidentifikasi efisiensi jangka pendek, dan mengejar peluang untuk transformasi jangka panjang.