Прошел год с тех пор, как ChatGPT появился в публичной сфере. Если вы рассматриваете это явление с точки зрения B2B технологий, не стоит недооценивать влияние потребительских технологий. Инновации, такие как приложения для поездок с отслеживанием в реальном времени, сформировали ожидания мгновенной доставки и расчетов времени прибытия в таких секторах, как коммерческое распределение продуктов питания и напитков.
Мы только на начальном этапе понимания того, как генеративный ИИ повлияет на предприятия. Хотя крупные языковые модели (LLM) уже делают успехи в области маркетинга и управления персоналом, нахождение эффективных методов интеграции для таких отраслей, как строительство, производство и грузоперевозки — особенно тех, которые проходят цифровую трансформацию — остается актуальной задачей.
Вот несколько ключевых моментов о том, как предприятия могут использовать генеративный ИИ сегодня и как эта технология будет развиваться в 2024 году и позже.
Сотрудничество человека и ИИ усиливает стратегические приоритеты
Многие сотрудники тратят слишком много времени на административные задачи, такие как ввод данных и управление сообщениями. Согласно недавнему опросу Zapier, 76% работников тратят менее трех часов в неделю на стратегические инициативы. Оптимизация административных обязанностей необходима для перераспределения времени на более значимую работу, и здесь разговорный ИИ может сыграть важную роль.
ИИ может упростить задачи, связанные с вводом, извлечением и доставкой данных—от генерации ответов для поддержки клиентов до создания контента для социальных сетей. Успешное применение ИИ в этих областях требует тесного сотрудничества между пользователями и системами ИИ. Хотя ИИ превосходит в генерации контента, человеческий контроль обеспечивает точность, этическое использование и контекстуально подходящие ответы.
LLM не являются универсальными решениями для всех отраслей
Хотя LLM могут эффективно обрабатывать информацию—например, суммировать данные и генерировать контент—они не являются универсальным решением, особенно в отраслях, связанных с физическими операциями, таких как грузоперевозки или строительство. Эти сектора сталкиваются со сложными задачами, которые часто требуют сочетания различных технологий. Например, LLM должен работать в связке с различными возможностями обработки данных, включая автоматическую проверку и запросы.
Кроме того, объем и сложность данных в физических операциях—которые могут включать видео, сенсорные данные и данные о местоположении—даже самые продвинутые LLM не могут полностью интерпретировать сами по себе.
Взгляд в будущее: Пояснимый ИИ способствует доверию и принятию
В области физических операций следующим этапом развития ИИ станет интеграция ИИ с Интернетом вещей (IoT) и предоставление аналитики в реальном времени на основе различных наборов данных. Ценность этих данных зависит от понимания пользователями их происхождения и значений.
Для повышения доверия к ИИ-решениям организациям нужно будет сосредоточиться на пояснимом ИИ (XAI). XAI проясняет процессы принятия решений за ИИ-системами, предоставляя ясность о том, как ИИ взаимодействует с данными. Эта прозрачность критически важна для развития доверия пользователей и приведет к созданию более надежных систем.
Например, продвинутый ИИ-агент, который выполняет рабочие процессы, может использовать XAI для объяснения своего процесса принятия решений, позволяя пользователям направлять агента к желаемым результатам.
Специализация ИИ усилит конкуренцию за таланты
Хотя модели ИИ используют огромные наборы данных, для достижения эффективных результатов часто требуются инструменты, адаптированные к конкретным отраслям. В 2024 году мы ожидаем дальнейшую эволюцию генеративного ИИ с акцентом на знание в конкретных областях и адаптивность в реальном времени. Требования ИИ для компании в нефтегазовой отрасли, например, будут существенно отличаться от потребностей логистической компании. Это слияние генеративного ИИ с отраслевыми знаниями приведет к появлению ценных инсайтов, улучшающих принятие решений в различных секторах.
С увеличением интеграции ИИ в продукты и операционные процессы спрос на специалистов в области ИИ возрастет. Кроме экспертизы в машинном обучении, статистике и программировании будет необходим набор навыков, специфичных для применения ИИ в различных отраслях.
Кроме того, организациям необходимо инвестировать в переподготовку сотрудников в различных функциональных областях, чтобы эффективно интегрировать инструменты ИИ, например, обучая HR-специалистов работе с ИИ-помощниками. Компании, которые сейчас сосредоточены на переподготовке, будут иметь лучшие перспективы успеха; опрос McKinsey & Co. показывает, что компании с высоким уровнем ИИ более чем в три раза чаще переподготавливают свою рабочую силу по сравнению с отстающими.
Генеративный ИИ обладает огромным потенциалом для инноваций в 2024 году и позже. Однако для полного раскрытия его мощи мы должны помнить, что люди остаются в центре технологических достижений. Правильные подсказки и данные имеют ключевое значение для решения проблем с помощью ИИ, но приоритет персонала — это залог долгосрочного успеха.
Рейтинг
