Ваши знания о генеративном ИИ актуальны? Узнайте, на каком уровне вы находитесь!

Ландшафт ИИ стремительно меняется, что усложняет определение приоритетов для CIO и руководителей по данным. В выпуске этой недели CarCast технический предприниматель Бруно Азиза анализирует данные из отчета Scale AI о готовности к ИИ, подчеркивая важные вопросы, которые каждый руководитель должен задать о генеративном ИИ.

Ключевые моменты из отчета о готовности к ИИ:

- Принятие: Число компаний, не имеющих планов по внедрению генеративного ИИ, сократилось с 19% в прошлом году до всего 4% в этом.

- Производство: Процент компаний, внедривших технологии в производство, увеличился с 21% до 38%.

- Проблемы: Главной преградой для развертывания генеративного ИИ остаются вопросы безопасности и управления.

Ключевые вопросы о генеративном ИИ:

1. Как определить правильные случаи использования генеративного ИИ?

2. Как правильно распределить бюджет для инициатив по генеративному ИИ?

3. Когда использование генеративного ИИ может быть неуместным?

Сферы применения генеративного ИИ:

Существует три ключевых области, где можно рассмотреть применение генеративного ИИ:

1. Внутренние клиенты: Этот подход предлагает низкие риски и высокие выгоды. Он может улучшить качество данных и повысить продуктивность команд, такие как создание контента для маркетинга, помощь разработчикам в написании кода или резюмирование информации для финансовых и вспомогательных ролей. Например, компания Twilio использует генеративный ИИ, чтобы помочь представителям быстро находить ответы и обобщать звонки.

2. Внешние клиенты: Сюда входят приложения, такие как чат-боты для обслуживания клиентов и контекстуальные инструменты, например, Decorify от Wayfair, позволяющие пользователям загружать фотографии своих жилья для получения индивидуальных рекомендаций по продуктам.

3. Интеграция генеративного ИИ в существующие приложения: Этот метод эффективен для целевых случаев использования, основанных на устаревших или уже используемых приложениях, таких как ERP, HCM или CRM-системы. Хотя объем данных может быть небольшим, их ценность и чувствительность значительны, что требует внимательного выбора критериев для таких случаев.