Як генеративний ШІ може вплинути на ваші пріоритети цифрової трансформації?

Джерело: The Paper

Джерело зображення: створено Unbounded AI

Цифрова трансформація має стати основною компетентністю організації, що є важливою порадою для ІТ-директорів та ІТ-лідерів.

Стратегічні пріоритети суттєво змінюються кожні два роки чи рідше: від зростання у 2018 році до COVID-19 і дистанційної роботи у 2020 році до гібридних робочих моделей і фінансових обмежень у 2022 році.

Вплив генеративного штучного інтелекту, включаючи ChatGPT та інші великі мовні моделі, стане головним рушієм трансформації у 2024 році.

Оскільки ІТ-директори починають готуватися до бюджету на 2024 рік і пріоритетів цифрової трансформації, необхідно розробити стратегію, щоб визначити можливості для вдосконалення бізнес-моделі, побачити найближчий операційний вплив, визначити пріоритети проектів, які співробітники повинні випробувати, і розробити штучний інтелект. відповідний план зменшення ризиків.

Але з усім цим хвилюванням і ажіотажем співробітникам легко витрачати час на інструменти штучного інтелекту, які витікають конфіденційні дані, або менеджерам вибрати тіньові інструменти штучного інтелекту, які не перевірені на безпеку, керування даними та іншу відповідність постачальників. Більшим завданням є розробка реалістичної стратегії та реагування на нездійсненних мрійників. Тут «нездійсненний мрійник» — такий собі господарник, який «одним кроком іде до неба», такий собі господарник пекельного рівня.

Абхіджит Мазумдер, ІТ-директор Tata Consultancy Services, сказав: "Пріоритети трансформації повинні бути фундаментально пов’язані з бізнес-пріоритетами та тим, що організація хоче досягти. У більшості компаній лідерство також зосереджено на зростанні та операційній ефективності, але не втрачаючи з уваги надання пріоритету ініціативам щодо стійкості, кібербезпеки та ліквідації технічної заборгованості».

Ось кілька рушійних сил генеративного штучного інтелекту, які ІТ-директори повинні враховувати, визначаючи пріоритети цифрової трансформації.

Розробіть стратегію великомасштабної мовної моделі, яка змінить правила гри

Як генеративний ШІ та великі мови вплинуть на кожну галузь, наприклад:

• Використовуйте інтелектуальні дані, отримані від неструктурованих даних, щоб прискорити відкриття ліків
• Дозвольте робітникам, які займаються складанням на першій лінії виробництва, вирішувати проблеми швидше та надійніше
• Дозвольте постачальникам медичних послуг надавати пацієнтам персоналізовані рішення для проблем зі здоров’ям
• Допомога в розробці нових страхових, банківських та інших продуктів фінансових послуг на основі розмов із клієнтами
• Трансформація освіти шляхом надання вчителям нових способів покращити творче мислення учнів, навички співпраці та вирішення проблем

«ІТ-директори та технічні директори тепер мають не лише бути креативними та робити більше з меншими витратами, але й робити свідомі інвестиції, щоб перевершити своїх конкурентів, які, можливо, затримують їх», — сказав Джеремая Стоун, головний технічний директор SnapLogic. Пріоритет трансформаційних ініціатив, які створюють нові джерела доходу, просувають впровадження технологій або зменшують технічний борг, особливо враховуючи можливості, які надає генеративний ШІ».

ІТ-директори можуть визнати, що програма трансформації такого масштабу — це багаторічна програма, яка потребує оцінки можливостей великих мовних моделей, проведення експериментів і пошуку мінімально життєздатного та достатньо безпечного продукту для споживача. Але нерозробка стратегії взагалі може призвести до плутанини, і одна з ключових помилок ІТ-лідерів, відвідуючи засідання правління, полягає в тому, що вони не розробляють план нових технологій, які змінюють світ, таких як генеративний ШІ.

Очистіть і підготуйте дані для приватної великої мовної моделі

Generative AI збільшить важливість і цінність корпоративних неструктурованих даних, включаючи документи, відео та контент, що зберігається в системах управління навчанням. Навіть якщо підприємства не готові використовувати генеративний штучний інтелект для трансформації своїх галузей і бізнесу, проактивні лідери трансформації вживають заходів для централізації, очищення та підготовки неструктурованих даних для використання великомасштабними мовними моделями.

Келл Карлссон, керівник відділу стратегії науки про дані та евангелізації в Domino’s, сказав: «Користувачі в усій організації вимагають, щоб можливості генеративного штучного інтелекту стали частиною їхнього щоденного безпечного та масштабованого доступу до моделей генеративного штучного інтелекту, а також дозволяють командам науки про дані розробляти та впроваджувати великі -масштабні мовні моделі, адаптовані до організаційних даних і випадків використання».

Зараз існує 14 великомасштабних мовних моделей за межами ChatGPT. Якщо у вас є великий набір даних, ви можете використовувати такі платформи, як Databricks Dolly, Meta Llama та OpenAI, щоб налаштувати власні великомасштабні мовні моделі або створити власні великомасштабні моделі мовні моделі з нуля.

Налаштування та розробка великих мовних моделей вимагає серйозного бізнес-обґрунтування, технічного досвіду та фінансування. Пітер Пезаріс, директор із дизайну та стратегії New Relic, сказав: «Вартість навчання великих мовних моделей може бути надзвичайно високою, а вихідні результати ще не ідеальні, тому лідери повинні надавати пріоритет інвестуванню в рішення, які допомагають контролювати вартість використання. і покращити якість результатів запитів. план."

Підвищте ефективність, покращивши підтримку клієнтів

Ще у 2020 році McKinsey передбачив, що штучний інтелект може створювати вартість у 1 трильйон доларів США на рік, а підтримка клієнтів є важливою можливістю. Сьогодні, завдяки генеративному штучному інтелекту, ця можливість стала ще більшою, особливо тому, що ІТ-директори направляють неструктуровані дані у великі мовні моделі та дозволяють агентам обслуговування ставити запитання клієнтів і відповідати на них.

«Шукайте можливості використовувати GPT-4 і великі мовні моделі для оптимізації таких видів діяльності, як підтримка клієнтів, особливо для автоматизації завдань і аналізу великих обсягів неструктурованих даних», — сказав Джастін Роденбостел, старший віце-президент SPR.

Покращення підтримки клієнтів — це швидкий шлях до досягнення короткострокової рентабельності інвестицій за допомогою великих мовних моделей і можливостей пошуку штучного інтелекту. Великі мовні моделі вимагають централізації неструктурованих даних підприємства, включаючи дані, вбудовані в CRM, файлові системи та інші інструменти SaaS. Після того, як ІТ-відділи централізують ці дані та запровадять широкомасштабні мовні моделі, також з’явиться потенціал для вдосконалення таких областей, як перетворення потенційних клієнтів і процеси адаптації HR.

«Підприємства десятиліттями заповнювали дані в SharePoint та інші системи, і, очищаючи ці дані та використовуючи великі мовні моделі, вони дійсно можуть бути цінними», — сказав Гордон Аллотт, президент і генеральний директор GetK3.

Зменште ризик, спілкуючись навколо великих мовних моделей

Існує понад 100 інструментів у сфері генеративного штучного інтелекту, які охоплюють такі категорії, як тестування, зображення, відео, код, мова тощо. Отже, що заважає співробітникам спробувати інструмент і вставити службову чи іншу конфіденційну інформацію у свої підказки?

Роденбостель радить: «Керівники повинні за допомогою досліджень і прийнятної політики використання переконатися, що їхні команди використовують ці інструменти лише схваленими та відповідними способами».

Є три департаменти, і саме ІТ-директор повинен співпрацювати з головним відділом управління персоналом і інформаційним директором, щоб донести політику та створити модель управління, яка підтримує інтелектуальні експерименти. По-перше, ІТ-директори повинні оцінити, як ChatGPT та інший генеративний ШІ вплине на кодування та розробку програмного забезпечення. ІТ-підрозділи повинні показувати приклад, пояснюючи, де і як експериментувати, а коли не використовувати інструменти чи конфіденційні набори даних.

Сектор маркетингу є другою проблемою, де маркетологи можуть використовувати ChatGPT та інший генеративний штучний інтелект для створення контенту, залучення потенційних клієнтів, маркетингу електронною поштою та більш ніж десятка поширених маркетингових практик. Оскільки вже доступно понад 11 000 маркетингових технологічних рішень, є багато можливостей експериментувати та робити ненавмисні помилки під час тестування SaaS за допомогою нових можливостей великої мовної моделі.

ІТ-директори провідних організацій створюють реєстр для включення нових генеративних варіантів використання штучного інтелекту, визначають процеси перегляду підходів і централізовано керують впливом експериментів ШІ.

Переоцініть процес прийняття рішень і делегування

Ще одна важлива сфера, яку слід розглянути, — це те, як генеративний ШІ вплине на процеси прийняття рішень і майбутнє роботи.

За останнє десятиліття багато підприємств прагнули стати організаціями, що керуються даними, демократизувавши доступ до них, навчаючи більше бізнесменів науці про дані та впроваджуючи методи проактивного керування даними. Generative AI відкриває нові можливості, дозволяючи керівникам швидко підказувати та отримувати відповіді, але своєчасність, точність і упередженість є ключовими проблемами для багатьох магістрів права.

"Розташування людини в центрі штучного інтелекту та створення міцної структури щодо використання даних і інтерпретації моделей значною мірою сприятиме зменшенню упередженості в цих моделях і забезпеченню того, щоб усі результати ШІ були етичними та відповідальними. Реальність така, що моделі ШІ не можуть замінити людей коли справа доходить до критичного прийняття рішень, і його слід доповнювати, а не повністю взяти на себе».

ІТ-директори повинні шукати збалансований підхід до визначення пріоритетів генеративних ініціатив ШІ, включаючи визначення управління, визначення короткострокової ефективності та пошук можливостей для довгострокової трансформації.