Kunal Purohit 參加播客，深入探討如何為企業應用擴展 AI。他概述了數位轉型的四個階段，並強調了可能讓實施進程變慢的技術和文化挑戰。此外，他還談到企業在採用 AI 技術時常見的陷阱。
關於 Tech Mahindra
在 Tech Mahindra，我擔任雙重角色，利用新興技術開發創新解決方案，幫助客戶推動顯著的商業利益。我們指導企業從傳統運營模式轉型至數位與認知框架。透過洞察力和 AI 的力量，我們加快成果交付，以提升客戶滿意度。我還在執行委員會任職，探索公司內的新想法，培育商機。在過去三到四年中，我們成功啟動了幾個旨在為 Mahindra 創造長期價值的倡議。
將 AI 與數位轉型融合以促進收益增長
數位轉型已成為企業的重點，而 AI 正在革命化這一概念。企業長期擁有數據，但現在開始認識到其在生成可行性洞察中的潛力。這一轉變促進更佳的決策制定和個性化的客戶參與，從而提升操作效率並實現收入增長。近年來，AI 在數位領域的應用——從基礎設施到客戶互動方面——加速發展。生成式和判別式 AI 等新技術變得更加可及，增加了其在各個行業中的應用。
客戶 AI 旅程的成熟度
我們與企業密切合作，評估他們在 AI 採用上的成熟度。最初，許多組織建立了自動化卓越中心（CoEs），逐步發展為智能自動化團隊。這一轉變使他們能夠探索 AI 驅動的應用案例，實現 AI 與機器學習在運營中的深入整合。目前，大多數企業正位於第二和第三成熟度階段，尋求利用生成式 AI 提升生產力。一些前瞻性組織已開始實施這些先進的 AI 技術，但擴展性仍然是一大挑戰。
擴展 AI 的挑戰與潛在解決方案
許多因素阻礙企業有效擴展 AI。雖然技術挑戰存在，但文化因素——如數據驅動的思維方式——同樣重要。例如，如果決策依賴直覺而非數據，AI 的採用可能會遭遇困難。在組織中發現推動 AI 項目成功的領袖，可以幫助培養更具數據導向的文化。因對未知的恐懼也阻礙了進展。許多企業對嘗試新 AI 技術心存顧慮，擔心失敗。然而，早期的實驗可以帶來重要的教訓並增強信心。在技術層面上，當嘗試在不同環境中複製模型時，挑戰往往出現，尤其是在涉及不同技術基礎設施時。此外，保持數據更新和管理模型也是一項艱巨的任務，需採取系統化的方法。人才短缺也是一大問題，缺乏精通現代架構思維和實用 AI 應用的人才會限制企業進步。組織必須努力彌補這一技能差距，以確保 AI 措施的有效部署。同時，需要平衡 AI 開發所需的成本與預期成果之間的差距。
與擔憂的高層管理者溝通
為了應對這些挑戰，我們啟動了生成式 AI 工作室，旨在幫助企業無需大量初始投入即可探索生成式 AI。通過提供超過 30 項功能（包括代碼生成和內容創建）的訪問，我們使公司能夠進行實驗，建立對生成式 AI 的理解，同時降低風險。根據我們的經驗，企業逐漸認識到測試應用案例和提升成熟度在成功部署 AI 解決方案中的重要性。
AI 實施的成功案例
我們看到 AI 在各個行業的廣泛成功應用。橫向應用案例通常集中於增強知識管理和改善與利益相關者的溝通。例如，在最近與一家度假村公司的合作中，實施生成式 AI 顯著提高了響應的準確性，從 63% 提高至 91%，促進了與客戶查詢的更好互動。在專業行業，如石油和天然氣，生成式 AI 被用於簡化合同生成過程，減少對昂貴法律資源的依賴。例如，我們幫助一家大型石油和天然氣公司自動化合同模板的創建，實現了顯著的成本節省，同時確保了透過人工監督來保持準確性。
AI 措施中的常見失誤
企業常因擔心失敗的責任而猶豫不決。此外，許多人低估了實現預期結果所需的資源。為了緩解這些問題，我們鼓勵客戶試行初步項目，以建立信心和技能，為更廣泛的成功實施奠定基礎。
通過創業孵化支持創新
通過我們的 Garage4.0 initiative，我們支持與技術目標對齊的創業項目。我們致力於孵化創新想法，使其能夠獨立擴展或重新整合回 Tech Mahindra。這種方法使我們能夠創造價值，針對高增長領域，同時為外部投資回合提供潛力。我們的使命明確：創造影響深遠的解決方案，利用印度日益增長的技術景觀，最終惠及 Mahindra 集團及我們的客戶。
排行榜
