Üretken yapay zeka, dijital dönüşüm önceliklerinizi nasıl etkileyebilir?

Orijinal kaynak: Kağıt

Görsel kaynağı: Unbounded AI tarafından oluşturuldu

Dijital dönüşüm, CIO'lar ve BT liderleri için önemli bir tavsiye olan organizasyonun temel yetkinliği haline gelmelidir.

Stratejik öncelikler, 2018'deki büyümeden 2020'deki COVID-19 ve uzaktan çalışmaya, 2022'deki hibrit çalışma modellerine ve finansal kısıtlamalara kadar her iki yılda bir veya daha kısa sürede önemli ölçüde değişiyor.

ChatGPT ve diğer büyük dil modelleri dahil olmak üzere üretken yapay zekanın etkisi, 2024'te dönüşümün ana itici gücü olacak.

CIO'lar 2024 bütçesi ve dijital dönüşüm öncelikleri için hazırlanmaya başlarken, iş modelini iyileştirme fırsatlarını belirlemek, yakın vadeli operasyonel etkiyi görmek, çalışanların suları test etmesi gereken projelere öncelik vermek ve bir yapay zeka geliştirmek için bir strateji geliştirmek gerekiyor. ilgili risk azaltma planı.

Ancak tüm bu heyecan ve heyecanla, çalışanların gizli verileri sızdıran yapay zeka araçlarına zaman ayırması veya yöneticilerin güvenlik, veri yönetişimi ve diğer tedarikçi uyumluluğu açısından incelenmemiş gölge yapay zeka araçlarını seçmesi kolaydır. Daha büyük zorluk, gerçekçi bir strateji geliştirmek ve İmkansız Hayalperestlere yanıt vermektir. Burada "imkansız hayalperest", "bir adımda gökyüzüne inen" bir tür iş lideri, bir tür cehennem seviyesindeki iş yöneticisidir.

Tata Danışmanlık Hizmetleri CIO'su Abhijit Mazumder şunları söyledi: "Dönüşüm öncelikleri, temel olarak iş öncelikleri ve kuruluşun ulaşmak istediği şeyle bağlantılı olmalıdır. Çoğu işletmede liderlik, büyümeye ve Operasyonel verimliliğe de odaklanır, ancak gözden kaçırmadan dayanıklılık, siber güvenlik ve teknik borç tasfiye girişimlerine öncelik vermek.”

CIO'ların dijital dönüşüm önceliklerini belirlerken göz önünde bulundurmaları gereken üretken yapay zekanın birkaç itici gücünü burada bulabilirsiniz.

Ezber bozan büyük ölçekli bir dil modeli stratejisi geliştirin

Üretken yapay zeka ve büyük diller her sektörü nasıl etkileyecek, örneğin:

• İlaç keşfini hızlandırmak için yapılandırılmamış verilerin getirdiği zekayı kullanın
• Ön hat imalat montaj işçilerinin sorunları daha hızlı ve daha güvenilir bir şekilde çözmesini sağlayın
• Sağlık hizmeti sağlayıcılarının hastalara sağlık sorunları için kişiselleştirilmiş çözümler sunmasını sağlayın
• Müşteri görüşmelerine dayalı olarak yeni sigorta, bankacılık ve diğer finansal hizmetler ürünlerinin geliştirilmesine yardımcı olmak
• Öğretmenlere, öğrencilerin yaratıcı düşünme, işbirliği ve problem çözme becerilerini geliştirmek için yeni yollar sağlayarak eğitimi dönüştürme

SnapLogic Baş Teknoloji Sorumlusu Jeremiah Stone, "CIO'lar ve CTO'lar artık yalnızca yaratıcı olmak ve daha azla daha fazlasını yapmakla kalmayıp, aynı zamanda onları geciktirebilecek rakiplerini geride bırakmak için kasıtlı yatırımlar yapmak zorunda" dedi. Özellikle üretken yapay zekanın sunduğu fırsatları göz önünde bulundurarak, yeni gelir akışları yaratan, teknolojinin benimsenmesini ilerleten veya teknik borcu azaltan dönüşümsel girişimlere öncelik verin.

CIO'lar, bu ölçekteki bir dönüşüm programının, büyük dil modellerinin yeteneklerinin değerlendirilmesini, deneylerin yürütülmesini ve minimum uygulanabilir ve yeterince güvenli bir müşteri ürünü bulunmasını gerektiren çok yıllı bir program olduğunu kabul edebilir. Ancak hiç bir strateji geliştirmemek kafa karışıklığına yol açabilir ve BT liderlerinin yönetim kurulu toplantılarına katılırken yapabileceği en önemli hatalardan biri, üretken yapay zeka gibi dünyayı değiştiren yeni teknolojiler için bir plan geliştirmekte başarısız olmaktır.

Özel büyük dil modeli için verileri temizleyin ve hazırlayın

Üretken yapay zeka, öğrenme yönetim sistemlerinde depolanan belgeler, videolar ve içerik dahil olmak üzere kurumsal yapılandırılmamış verilerin önemini ve değerini artıracaktır. İşletmeler, sektörlerini ve işletmelerini dönüştürmek için üretken yapay zekadan yararlanmaya hazır olmasalar bile, proaktif dönüşüm liderleri, yapılandırılmamış verileri büyük ölçekli dil modelleri tarafından tüketim için merkezileştirmek, temizlemek ve hazırlamak için adımlar atıyor.

Domino's'ta veri bilimi stratejisi ve evanjelizm başkanı Kjell Carlsson şunları söyledi: "Kuruluş genelindeki kullanıcıların, üretken AI modellerine günlük Güvenli ve ölçeklenebilir erişiminin bir parçası olması için üretken AI yetenekleri için yaygara koparması ve veri bilimi ekiplerinin büyük- kurumsal verilere ve kullanım durumlarına göre uyarlanmış dil modellerini ölçeklendirin."

Artık ChatGPT'nin dışında 14 büyük ölçekli dil modeli var. Büyük bir veri kümeniz varsa, tescilli büyük ölçekli dil modellerini özelleştirmek veya kendi büyük ölçekli dil modellerinizi oluşturmak için Databricks Dolly, Meta Llama ve OpenAI gibi platformları kullanabilirsiniz. sıfırdan dil modelleri Model.

Büyük dil modellerini özelleştirmek ve geliştirmek, güçlü bir iş gerekçesi, teknik uzmanlık ve finansman gerektirir. New Relic'in baş tasarım ve strateji sorumlusu Peter Pezaris şunları söyledi: "Büyük dil modellerini eğitmenin maliyeti son derece yüksek olabilir ve çıktı sonuçları henüz mükemmel değildir, bu nedenle liderler, kullanım maliyetini izlemeye yardımcı olan çözümlere yatırım yapmaya öncelik vermelidir. ve sorgu sonuçlarının kalitesini iyileştirin. planlayın."

Müşteri desteğini iyileştirerek verimliliği artırın

McKinsey, yapay zekanın yılda 1 trilyon ABD doları değerinde bir değer yaratabileceğini ve müşteri desteğinin önemli bir fırsat olduğunu 2020 gibi erken bir tarihte tahmin etmişti. Bugün, özellikle CIO'lar yapılandırılmamış verileri büyük dil modellerine dönüştürdükçe ve hizmet temsilcilerinin müşteri sorularını sorup yanıtlamasına olanak sağladığından, üretken yapay zeka sayesinde bu fırsat daha da arttı.

SPR kıdemli başkan yardımcısı Justin Rodenbostel, "Özellikle görevleri otomatikleştirme ve büyük miktarda yapılandırılmamış veriyi analiz etmede müşteri desteği gibi etkinlikleri optimize etmek için GPT-4'ten ve büyük dil modellerinden yararlanma fırsatlarını araştırın" dedi.

Müşteri desteğini geliştirmek, büyük dil modelleri ve yapay zeka arama yetenekleri aracılığıyla kısa vadeli yatırım getirisi sağlamanın hızlı bir yoludur. Büyük dil modelleri, CRM'lere, dosya sistemlerine ve diğer SaaS araçlarına katıştırılmış veriler dahil olmak üzere bir kuruluşun yapılandırılmamış verilerinin merkezileştirilmesini gerektirir. BT departmanları bu verileri merkezileştirdikten ve büyük ölçekli dil modellerini uygulamaya koyduktan sonra müşteri adayı dönüştürme ve İK işe alım süreçleri gibi alanları iyileştirme potansiyeli de vardır.

GetK3'ün başkanı ve CEO'su Gordon Allott, "Kuruluşlar onlarca yıldır SharePoint ve diğer sistemlere veri dolduruyor ve bu verileri temizleyip büyük dil modelleri kullanarak gerçekten değerli olabilir" dedi.

Büyük dil modelleri etrafında iletişim kurarak riski azaltın

Üretken yapay zeka alanında test etme, resimler, videolar, kod, konuşma ve daha fazlası gibi kategorileri kapsayan 100'den fazla araç vardır. Öyleyse, çalışanları bir aracı denemekten ve özel veya başka türlü gizli bilgileri bilgi istemlerine yapıştırmaktan alıkoyan nedir?

Rodenbostel şu tavsiyede bulunuyor: "Liderler, araştırma ve kabul edilebilir bir kullanım politikası aracılığıyla, ekiplerinin bu araçları yalnızca onaylanmış ve uygun şekillerde kullanmasını sağlamalıdır."

Üç departman vardır ve politikayı iletmek ve akıllı deneyleri destekleyen bir yönetişim modeli oluşturmak için CHRO ve CISO ile işbirliği yapması gereken kişi CIO'dur. İlk olarak, CIO'lar ChatGPT ve diğer üretken yapay zekanın kodlama ve yazılım geliştirmeyi nasıl etkileyeceğini değerlendirmelidir. BT departmanları, araçları veya tescilli veri kümelerini nerede ve nasıl deneyeceklerini ve ne zaman kullanmayacaklarını açıklığa kavuşturarak örnek teşkil etmelidir.

Pazarlama sektörü, pazarlamacıların içerik oluşturma, müşteri adayı oluşturma, e-posta pazarlaması ve bir düzineden fazla yaygın pazarlama uygulamasında ChatGPT'yi ve diğer üretken yapay zekayı kullanabileceği ikinci bir endişe kaynağıdır. Halihazırda mevcut olan 11.000'den fazla pazarlama teknolojisi çözümüyle, SaaS'ı yeni büyük dil modeli yetenekleriyle test ederken, deneme yapmak ve kasıtsız hatalar yapmak için pek çok fırsat var.

Önde gelen kuruluşların CIO'ları, yeni üretken yapay zeka kullanım durumlarını dahil etmek, yaklaşımları gözden geçirmek için süreçleri tanımlamak ve yapay zeka deneylerinin etkisini merkezi olarak yönetmek için bir kayıt oluşturuyor.

Karar verme sürecini ve delegasyonu yeniden değerlendirin

Dikkate alınması gereken bir diğer önemli alan, üretken yapay zekanın karar verme süreçlerini ve işin geleceğini nasıl etkileyeceğidir.

Son on yılda birçok işletme, veri erişimini demokratikleştirerek, veri biliminde daha fazla iş insanı eğiterek ve proaktif veri yönetişimi uygulamalarını aşılayarak veri odaklı kuruluşlar olmayı hedefledi. Üretken yapay zeka, liderlerin hızlı bir şekilde soru sormasına ve yanıt almasına olanak tanıyarak yeni yeteneklerin kilidini açar, ancak güncellik, doğruluk ve önyargı birçok Yüksek Lisans Derecesi için temel kaygılardır.

"İnsanları AI'nın merkezine yerleştirmek ve veri kullanımı ile model yorumlanabilirliği etrafında güçlü bir çerçeve oluşturmak, bu modellerdeki önyargıyı azaltmak ve tüm AI çıktılarının Tamamen etik ve sorumlu olmasını sağlamak için uzun bir yol kat edecektir. Gerçek şu ki, AI modelleri insanların yerini alamaz. kritik karar verme söz konusu olduğunda ve tamamen devralmasına izin vermek yerine takviye edilmelidir.

CIO'lar, yönetişimi tanımlama, kısa vadeli verimlilikleri belirleme ve uzun vadeli dönüşüm fırsatlarını takip etme dahil olmak üzere üretken yapay zeka girişimlerine öncelik vermek için dengeli bir yaklaşım aramalıdır.