- Тема
9k Популярность
12k Популярность
41k Популярность
30k Популярность
676 Популярность
115k Популярность
27k Популярность
26k Популярность
7k Популярность
15k Популярность
- Закрепить
9k Популярность
12k Популярность
41k Популярность
30k Популярность
676 Популярность
115k Популярность
27k Популярность
26k Популярность
7k Популярность
15k Популярность
Как генеративный ИИ может повлиять на ваши приоритеты цифровой трансформации?
Первоисточник: Бумага
Цифровая трансформация должна стать основной компетенцией организации, что является важным советом для ИТ-директоров и ИТ-руководителей.
Стратегические приоритеты значительно меняются каждые два года или реже: от роста в 2018 году до COVID-19 и удаленной работы в 2020 году до гибридных моделей работы и финансовых ограничений в 2022 году.
Влияние генеративного ИИ, включая ChatGPT и другие крупные языковые модели, станет основным фактором трансформации в 2024 году.
По мере того, как ИТ-директора начинают готовиться к бюджету на 2024 год и приоритетам цифровой трансформации, необходимо разработать стратегию для выявления возможностей для улучшения бизнес-модели, увидеть краткосрочное операционное влияние, определить приоритетность проектов, которые сотрудники должны проверить на прочность, и разработать стратегию искусственного интеллекта. соответствующий план снижения рисков.
Но со всем этим волнением и ажиотажем сотрудники могут легко инвестировать время в инструменты ИИ, из-за которых происходит утечка конфиденциальных данных, а менеджеры выбирают теневые инструменты ИИ, которые не были проверены на безопасность, управление данными и соответствие требованиям других поставщиков. Более сложная задача — разработать реалистичную стратегию и отреагировать на Невозможных Мечтателей. Здесь «невозможный мечтатель» — это своего рода хозяйственник, который «уходит в небо одним шагом», этакий хозяйственник адского уровня.
Абхиджит Мазумдер, ИТ-директор Tata Consultancy Services, сказал: "Приоритеты трансформации должны иметь возможность быть фундаментально связанными с бизнес-приоритетами и тем, чего организация хочет достичь. В большинстве компаний руководство также сосредоточено на росте и операционной эффективности, но не упуская из виду приоритизации отказоустойчивости, кибербезопасности и инициатив по устранению технического долга».
Вот несколько драйверов генеративного ИИ, которые ИТ-директорам необходимо учитывать при определении приоритетов цифровой трансформации.
Разработайте революционную стратегию крупномасштабной языковой модели
Как генеративный ИИ и большие языки повлияют на каждую отрасль, например:
«ИТ-директора и технические директора теперь должны не только проявлять творческий подход и делать больше с меньшими затратами, но и делать обдуманные инвестиции, чтобы превзойти своих конкурентов, которые могут их задерживать», — сказал Джеремайя Стоун, технический директор SnapLogic. Проекты трансформации. Отдавайте приоритет трансформационным инициативам, которые создают новые потоки доходов, ускоряют внедрение технологий или сокращают технический долг, особенно с учетом возможностей, предоставляемых генеративным ИИ».
ИТ-директора могут признать, что программа трансформации такого масштаба — это многолетняя программа, требующая оценки возможностей больших языковых моделей, проведения экспериментов и поиска минимально жизнеспособного и достаточно безопасного продукта для клиентов. Но если вообще не разработать стратегию, это может привести к путанице, и одна из ключевых ошибок, которую могут совершить ИТ-руководители, посещая заседания совета директоров, заключается в том, что они не могут разработать план для новых технологий, меняющих мир, таких как генеративный ИИ.
Очистите и подготовьте данные для частной большой языковой модели
Генеративный ИИ повысит важность и ценность корпоративных неструктурированных данных, включая документы, видео и контент, хранящиеся в системах управления обучением. Даже если предприятия не готовы использовать генеративный ИИ для преобразования своих отраслей и бизнеса, лидеры активной трансформации предпринимают шаги по централизации, очистке и подготовке неструктурированных данных для использования в крупномасштабных языковых моделях.
Кьелл Карлссон, руководитель отдела стратегии и евангелизации данных в Domino, сказал: «Пользователи во всей организации требуют, чтобы возможности генеративного ИИ стали частью их повседневной жизни. масштабировать языковые модели, адаптированные к организационным данным и вариантам использования».
В настоящее время за пределами ChatGPT существует 14 крупномасштабных языковых моделей.Если у вас большой набор данных, вы можете использовать такие платформы, как Databricks Dolly, Meta Llama и OpenAI, для настройки проприетарных крупномасштабных языковых моделей или создания собственных крупномасштабных моделей. языковые модели с нуля.Модель.
Для настройки и разработки больших языковых моделей требуется серьезное экономическое обоснование, технические знания и финансирование. Питер Пезарис, директор по дизайну и стратегии в New Relic, сказал: «Стоимость обучения больших языковых моделей может быть чрезвычайно высокой, а выходные результаты еще не идеальны, поэтому лидеры должны уделять первоочередное внимание инвестициям в решения, которые помогают контролировать стоимость использования. и улучшить качество результатов запроса. план."
Повышение эффективности за счет улучшения поддержки клиентов
McKinsey еще в 2020 году предсказывала, что искусственный интеллект может создавать стоимость в размере 1 триллиона долларов США в год, и поддержка клиентов является важной возможностью. Сегодня, благодаря генеративному ИИ, эта возможность стала еще шире, особенно когда ИТ-директора направляют неструктурированные данные в большие языковые модели и позволяют агентам по обслуживанию задавать вопросы клиентов и отвечать на них.
«Ищите возможности использовать GPT-4 и большие языковые модели для оптимизации таких операций, как поддержка клиентов, особенно при автоматизации задач и анализе больших объемов неструктурированных данных», — сказал Джастин Роденбостель, старший вице-президент SPR.
Улучшение поддержки клиентов — это быстрый путь к получению краткосрочной окупаемости инвестиций за счет больших языковых моделей и возможностей поиска ИИ. Большие языковые модели требуют централизации неструктурированных данных предприятия, включая данные, встроенные в CRM, файловые системы и другие инструменты SaaS. Как только ИТ-отделы централизуют эти данные и внедрят крупномасштабные языковые модели, появится потенциал для улучшения таких областей, как преобразование потенциальных клиентов и процессы адаптации персонала.
«Предприятия наполняют SharePoint и другие системы данными на протяжении десятилетий, и, очищая эти данные и используя большие языковые модели, они действительно могут быть ценными», — сказал Гордон Аллотт, президент и главный исполнительный директор GetK3.
Уменьшите риск, используя большие языковые модели
Существует более 100 инструментов в области генеративного ИИ, охватывающих такие категории, как тестирование, изображения, видео, код, речь и многое другое. Так что же мешает сотрудникам попробовать инструмент и вставить проприетарную или иную конфиденциальную информацию в свои подсказки?
Роденбостель советует: «С помощью исследований и политики приемлемого использования руководители должны гарантировать, что их команды используют эти инструменты только одобренными и надлежащими способами».
Есть три отдела, и именно ИТ-директор должен сотрудничать с директором по персоналу и директором по информационной безопасности для информирования о политике и создания модели управления, поддерживающей интеллектуальные эксперименты. Во-первых, ИТ-директора должны оценить, как ChatGPT и другие генеративные ИИ повлияют на кодирование и разработку программного обеспечения. ИТ-отделы должны подавать пример, разъясняя, где и как экспериментировать, а когда не использовать инструменты или проприетарные наборы данных.
Второй задачей является сектор маркетинга, где маркетологи могут использовать ChatGPT и другой генеративный ИИ для создания контента, привлечения потенциальных клиентов, маркетинга по электронной почте и более десятка распространенных маркетинговых практик. Поскольку уже доступно более 11 000 маркетинговых технологических решений, есть много возможностей поэкспериментировать и совершить непреднамеренные ошибки при тестировании SaaS с новыми возможностями большой языковой модели.
ИТ-директора ведущих организаций создают реестр для включения новых вариантов использования генеративного ИИ, определяют процессы для проверки подходов и централизованно управляют влиянием экспериментов с ИИ.
Пересмотрите процесс принятия решений и делегирования
Еще одна важная область, которую следует учитывать, — это то, как генеративный ИИ повлияет на процессы принятия решений и будущее работы.
За последнее десятилетие многие предприятия стремились стать организациями, управляемыми данными, путем демократизации доступа к данным, обучения большего числа деловых людей науке о данных и внедрения упреждающих методов управления данными. Генеративный ИИ открывает новые возможности, позволяя лидерам быстро подсказывать и получать ответы, но своевременность, точность и предвзятость являются ключевыми проблемами для многих магистров права.
"Размещение людей в центре ИИ и создание прочной основы для использования данных и интерпретируемости моделей будет иметь большое значение для уменьшения предвзятости в этих моделях и обеспечения того, чтобы все результаты ИИ были все этичными и ответственными. Реальность такова, что модели ИИ не могут заменить людей. когда дело доходит до принятия важных решений, и его следует дополнять, а не позволять полностью взять на себя».
ИТ-директорам следует искать сбалансированный подход к приоритезации инициатив в области генеративного ИИ, включая определение управления, определение краткосрочной эффективности и использование возможностей для долгосрочной трансформации.