AI-ის გამოყენების შემთხვევების იდენტიფიცირება და მასშტაბირება

მხოლოდ ორ წელიწადში აშშ-ის ზრდასრულთა 39%-ს უკვე გამოუყენებია AI.⁠(იხსნება ახალ ფანჯარაში) იგივე პერიოდში ინტერნეტმა მხოლოდ 20%-იან გავრცელებას მიაღწია. AI-ის აღმასვლა არა მხოლოდ ცვლის ინდუსტრიებს, არამედ ცალკეული თანამშრომლებისთვის ახალ შესაძლებლობებსაც ქმნის. AI ადამიანებს ათავისუფლებს უფრო მაღალი ღირებულების სამუშაოსთვის, ეხმარება უნარების გაფართოებაში და კარიერულ წინსვლაში.



ერთ-ერთი კვლევის მიხედვით, BCG-მ დაადგინა⁠(იხსნება ახალ ფანჯარაში), რომ ბოლო სამი წლის განმავლობაში AI ლიდერებმა 1.5-ჯერ უფრო სწრაფი შემოსავლების ზრდა, 1.6-ჯერ უფრო მაღალი აქციონერთა შემოსავალი და 1.4-ჯერ უკეთესი ინვესტირებული კაპიტალის უკუგება აჩვენეს, ვიდრე მათმა ნაკლებად განვითარებულმა კონკურენტებმა.

McKinsey⁠(იხსნება ახალ ფანჯარაში)-ის მიხედვით, კომპანიების 92% AI-ში ინვესტიციის გაზრდას გეგმავს. თუმცა, ბევრ ორგანიზაციას ჯერ კიდევ სჭირდება მითითება, თუ როგორ მიიღოს ხელშესახები ღირებულება, და მხოლოდ 1%-ს სჯერა, რომ მათი AI ინვესტიციები სრულ სიმწიფეს მიაღწია.

ჩვენ უშუალოდ დავაკვირდით, რა განასხვავებს წარმატებულ AI პროექტებს. ჩვენი დასკვნები ეყრდნობა 300 ყველაზე წარმატებულ დანერგვას, 4,000-ზე მეტ დანერგვის გამოკითხვას და 2 მილიონზე მეტ ბიზნესმომხმარებელს.

ეს გზამკვლევი შექმნილია იმისთვის, რომ თქვენს ორგანიზაციას დაეხმაროს იპოვოს და გააფართოოს AI-ის გამოყენების შემთხვევები, რომლებიც აშკარა ღირებულებას ქმნის. პროცესს სამ ნაბიჯად ვყოფთ:

მთელ გზაზე ნახავთ მომხმარებელთა ისტორიებს, პრაქტიკულ ჩეკლისტებს და სხვადასხვა დეპარტამენტზე მორგებულ გამოყენების შემთხვევების მაგალითებს, რათა თქვენი გუნდის წინსვლა მხარდაჭერილი იყოს.

მნიშვნელოვანია აღიარება, რომ AI-ის დანერგვა ბევრად მეტს ნიშნავს, ვიდრე მხოლოდ სწორი გამოყენების შემთხვევების პოვნა. ამ გზამკვლევის ფარგლებს სცდება ისეთი თემები, როგორიცაა AI-first კულტურის შექმნა, უფრო მაღალი ღირებულების გამოყენების შემთხვევების განვითარება და თქვენს კომპანიაში მასშტაბური დანერგვის შთაგონება. ამ საკითხებზე მეტს სხვა გზამკვლევებში გაგიზიარებთ, ხოლო ახლა მოდით, ფოკუსი გავაკეთოთ თქვენი კომპანიისთვის სწორი გამოყენების შემთხვევების პოვნის პროცესზე.

გაითვალისწინეთ ეს სამი პრინციპი. სწორედ ისინი ქმნის ფონს ყველა პრაქტიკული მითითებისთვის, რომელსაც ქვემოთ ნახავთ.

პირველი ნაბიჯია თქვენი ბიზნესის იმ ნაწილების პოვნა, რომლებიც შეიძლება დაუყოვნებლივ გაუმჯობესდეს AI-ის დახმარებით.

ამის ერთ-ერთი გზა არის AI-ზე ფიქრი, როგორც თქვენი სამუშაო ძალისთვის სუპერ-ასისტენტების შექმნის საშუალებაზე. AI სუპერ-ასისტენტები არასოდეს იღლებიან და ყურადღებას არ კარგავენ. ისინი ყოველთვის ხელმისაწვდომები არიან, როცა დახმარება გჭირდებათ. და თითქმის ნებისმიერ ამოცანას ერგებიან, რითაც თქვენს თანამშრომლებს უნარებს უმატებენ. 

კონკრეტულად აუხსენით, რატომ არის AI-ის დანერგვა თქვენი კომპანიის მომავლისთვის მნიშვნელოვანი — იქნება ეს კონკურენტებთან ტემპის შენარჩუნება, მომხმარებელთა მოლოდინების ცვლილებაზე რეაგირება თუ ზრდის შენარჩუნება. როცა თანამშრომლები გააზრებულ „რატომ“-ს ისმენენ, ეს ნდობასა და სიცხადეს ქმნის და ეხმარება დაინახონ, როგორ უკავშირდება ეს ცვლილებები მათ საკუთარ საქმესა და მიზნებს.

კონკრეტულად აუხსენით, რატომ არის AI-ის დანერგვა თქვენი კომპანიის მომავლისთვის მნიშვნელოვანი — იქნება ეს კონკურენტებთან ტემპის შენარჩუნება, მომხმარებელთა მოლოდინების ცვლილებაზე რეაგირება თუ ზრდის შენარჩუნება. როცა თანამშრომლები გააზრებულ „რატომ“-ს ისმენენ, ეს ნდობასა და სიცხადეს ქმნის და ეხმარება დაინახონ, როგორ უკავშირდება ეს ცვლილებები მათ საკუთარ საქმესა და მიზნებს.

ცოდნაზე დაფუძნებული სამუშაო ხშირად მოიცავს გაურკვევლობას და ღია გამოწვევებს. თანამშრომლებს შეიძლება გაუჭირდეთ დაწყება ან ჩიხში შევიდნენ, რის გამოც პროექტები ფერხდება. აქ AI-ს შეუძლია კატალიზატორის როლი ითამაშოს — დაეხმაროს იდეების გენერირებაში, მონაცემების ანალიზში და შემდეგი ნაბიჯების შეთავაზებაში, როცა გზა მკაფიო არ არის. 

ყველა იმ კომპანიაში, ვისაც ვესაუბრეთ, ადამიანები AI-ს იყენებენ აზროვნების დასაწყებად და ახალი იდეების გასახსნელად. ისინი მას იყენებენ კამპანიის იდეების მოსაფიქრებლად, დაუმუშავებელ მონაცემებში სწრაფი ინსაითების მოსაძებნად, ტენდენციების გასაანალიზებლად ან უბრალოდ შემდეგი ნაბიჯების გასარკვევად, როცა არ იციან, რა გააკეთონ.

ასეთ ტიპის სამუშაოზე ფოკუსირება დაგეხმარებათ სწრაფად გამოავლინოთ მაღალი გავლენის მქონე AI შესაძლებლობები, რაც თქვენს გუნდებს დაეხმარება სამუშაო პროცესების ოპტიმიზაციაში, ბოთლნეკების შემცირებასა და ინოვაციის დაჩქარებაში მთელ ორგანიზაციაში.

მას შემდეგ, რაც თქვენს გუნდებს ახალი AI შესაძლებლობების გამოსავლენად ჩარჩოს მისცემთ, შემდეგი ნაბიჯია მათთვის იმ ფუნდამენტური გზების სწავლება, როგორაც შეუძლიათ AI-ის გამოყენება. ამისათვის ჩვენ გავაანალიზეთ ჩვენი მომხმარებლებისგან მიღებული 600-ზე მეტი გამოყენების შემთხვევა. გამოყენების შემთხვევების უმეტესობა ექვსი „პრიმიტივიდან“ ერთ-ერთში ჯდება — გამოყენების ფუნდამენტურ ტიპებში, რომლებიც ყველა დეპარტამენტსა და დისციპლინაზე ვრცელდება:

ეს პრიმიტივები სწრაფი გზაა იმისთვის, რომ თქვენს თანამშრომლებს დაეხმაროთ თქვენი ბიზნესისთვის ყველაზე პერსპექტიული გამოყენების შემთხვევების პოვნაში. თითოეული პრიმიტივი ასახავს ასობით გამოყენების შემთხვევას, რომლებიც სხვადასხვა ინდუსტრიაში, როლსა და სამუშაო პროცესში გვინახავს, ამიტომ ისინი მასშტაბირებადი ღირებულებისკენ სწრაფი გზა არის.

მოდით, უფრო ახლოდან განვიხილოთ თითოეული პრიმიტივი, დაწყებული კონტენტის შექმნით:

AI-ს შეუძლია კონტენტის შექმნაში ყველა გუნდს დაეხმაროს — იქნება ეს გაყიდვების ზარების შეჯამება თუ სტრატეგიული დოკუმენტების, ბლოგპოსტების, ვებგვერდების და სურათებისა თუ ვიზუალიზაციების პირველი ვერსიების გენერირება. ვხედავთ, რომ გუნდები AI-ს იყენებენ თავიანთი ნამუშევრის რედაქტირებისა და დახვეწისთვის, შემდეგ კი ბოლო ეტაპზე კორექტორადაც რთავენ.



AI-ს შეუძლია ავტომატურად დაწეროს თქვენი კომპანიის სტილში და გამოიყენოს ტონის სახელმძღვანელო; მიჰყვეს დოკუმენტის თქვენთვის სასურველ სტრუქტურებს; ან თუნდაც წერაზე უკუკავშირი მოგცეთ. შემდეგ კი შეუძლია თქვენი ნამუშევრის სხვადასხვა ენაზე თარგმნა ან მისი ადაპტაცია სხვადასხვა აუდიტორიისთვის, არხისთვის ან პროგრამისთვის.

წერისას AI-ს შეუძლია გაითვალისწინოს საუბრის სრული კონტექსტი ან ატვირთული დოკუმენტების ნაკრები, რათა შედეგი ამაზე დაყრდნობით ჩამოაყალიბოს. მაგალითად, სცადეთ თქვენი წერის გზამკვლევის ატვირთვა ან გამოიყენეთ თქვენი ხუთი საუკეთესო ბლოგპოსტი, შემდეგ კი მოთხოვნით სთხოვეთ ChatGPT‑ს ამ მაგალითებზე დაფუძნებული დეტალური წერის გზამკვლევის შექმნა.

AI ფართოდ გამოიყენება კვლევისთვის სხვადასხვა ინდუსტრიაში. ახალი კონცეფციების სწრაფი შესწავლიდან (მაგალითად, AI-ის დანერგვა ან დიზაინური აზროვნება), ვებში შესაბამისი სტატიებისა თუ კონკურენტული მონაცემების ძიებამდე და უფრო სრულ, მრავალსაფეხურიან კვლევით პროექტებამდე, რომლებიც ვებში სტატიებს, მონაცემებსა და ინსაითებს ეძებენ. ასევე ვხედავთ გუნდებს, რომლებიც სწრაფი ინსაითებისთვის გრძელ შიდა დოკუმენტებსაც ტვირთავენ. 

კვლევისთვის AI-ის გამოყენების ერთ-ერთი უდიდესი უპირატესობა ისაა, რომ შეგიძლიათ თავად მიუთითოთ, რა ფორმატითა და სტრუქტურით გსურთ ანალიზის წარმოდგენა: ცხრილის ფორმატში, პუნქტებად, კონკრეტულ სექციებად ორგანიზებული ან ჯვარედინად მითითებული.



AI-ის ყურადღება დეტალებისადმი და ინსტრუქციების მიყოლის უნარი მას შესანიშნავ კვლევით ასისტენტად აქცევს.

ბევრი პროგრამული ინჟინერი AI-ის აქტიური მომხმარებელია. ისინი მას იყენებენ კოდის გამართვისთვის, უცნობ ენებში პირველი ვერსიის კოდის გენერირებისთვის, კოდის ერთი ენიდან მეორეზე გადასატანად და rubber-ducking-ისთვის. ბოლო ორ წელიწადში AI-ის შესაძლებლობები მათემატიკაში, მეცნიერებაში და მრავალ ენაში კოდირებაში მნიშვნელოვნად გაუმჯობესდა, და ბევრი ინსტრუმენტი უკვე რეალურ დროში კოდის წინასწარ ნახვასაც გვთავაზობს.

ასევე ვხედავთ, რომ ბევრი არაპროგრამისტიც იწყებს კოდირებას AI ინსტრუმენტების დახმარებით. მხოლოდ ბუნებრივი ენის გამოყენებით მარკეტინგისა და ფინანსების გუნდებს შეუძლიათ შექმნან Python სკრიპტები პროცესების ავტომატიზაციისთვის, SQL მოთხოვნები მონაცემების მოსაპოვებლად ან თუნდაც ვებსაიტებისა და შიდა პრეზენტაციებისთვის ფრონტ-ენდის კოდით ვიზუალიზაციები. 

AI ყველას ეხმარება სხვადასხვა წყაროდან მიღებული მონაცემების ჰარმონიზაციაში, ინსაითებისა და ტენდენციების იდენტიფიცირებაში და რთულ ცხრილის მონაცემებთან მუშაობაში, რისთვისაც Excel-ის, SQL-ის ან Python-ის მოწინავე ცოდნა საჭირო არ არის.

სწრაფი ანალიზის მხარდასაჭერად შეგიძლიათ AI-ს რამდენიმე ცხრილი ან დაფების სქრინშოტები მიაწოდოთ. მას შეუძლია ცხრილის მონაცემების ინტერპრეტაცია, ვიზუალური გრაფიკების გაგება და ანგარიშგებისთვის შედეგის ფორმატირებაშიც დახმარება. ასევე შეგიძლიათ მიუთითოთ, როგორ უნდა იყოს შედეგები სტრუქტურირებული, მაგალითად, სასურველი გრაფიკის ტიპები, შეჯამების ფორმატები ან შედარების ლოგიკა.

იდეაციისა და სტრატეგიის გამოყენების შემთხვევები პოპულარულია ყველა გუნდში — ახალი ბლოგპოსტის იდეების მოფიქრებიდან დოკუმენტის სტრუქტურირებაში დახმარებამდე, სტრატეგიის პრობლემების გადაჭრამდე ან სამუშაოზე უკუკავშირის მიღებამდე ძირითადი მიზნების თუ დაინტერესებული მხარეების პრეფერენციებზე დაყრდნობით.

რაც უფრო მეტად მრავალმოდალური ხდება AI მოდელები, მით უფრო ხშირად ვხედავთ, რომ გუნდები ხმასა და ხედვას იყენებენ AI-სთან ისეთივე ურთიერთობისთვის, როგორც კოლეგასთან.

და რაც უფრო მეტად შეუძლიათ მოდელებს რთული პრობლემების გააზრებით გავლა, მით უფრო ხშირად ვხედავთ, რომ ბევრი გუნდი მათთან ერთად სტრატეგიულ გეგმებს აყალიბებს, მათი მონაცემების, მიზნების, კონტექსტის, შეზღუდვებისა და დამოკიდებულებების გათვალისწინებით.

ბევრი გამოყენების შემთხვევა ამოცანის ნაწილების ავტომატიზაციას მოიცავს. გვინახავს, როგორ იდენტიფიცირებენ მომხმარებლები განმეორებად, რუტინულ ამოცანებს და ქმნიან გზებს, რომ ისინი AI-ს გადააბარონ. ავტომატიზაციები შეიძლება მარტივი იყოს, მაგალითად ყოველკვირეული კონკურენტული განახლებების შექმნა, ან უფრო რთული — მაგალითად, ფინანსური ანგარიშის მომზადება მენეჯმენტისთვის ყოველკვირეული ბრიფინგებისთვის, ადამიანური გადახედვისთვის მზა ფორმით.

ასეთი პროცესების ავტომატიზაციის გასაღებია მეხსიერება და მორგებული ინსტრუქციები. მათი გაზიარების მეთოდია მორგებული GPT‑ები. ინსტრუქციების სტანდარტული ნაკრების შექმნით, იმავე დოკუმენტის ატვირთვით და ყოველ ჯერზე იმავე შედეგის მითითებით, გუნდებს შეუძლიათ დაბალი ღირებულების ამოცანების გადაბარება.

დღეს ეს ავტომატიზაციები ხშირად ცალკეული ამოცანებია, მაგრამ ისეთი პროდუქტებით, როგორიცაა სიღრმისეული კვლევა და Operator, გადავდივართ სამყაროში, სადაც AI-ს შეუძლია მრავალსაფეხურიანი ამოცანები დამოუკიდებლად და გრაფიკის მიხედვით შეასრულოს.

Estée Lauder-ის GPT Lab იწყება სხვადასხვა დისციპლინის გუნდებით — მათ შორის ბიზნესმომხმარებლით, დარგის ექსპერტით და ტექნიკური მიმართულების ლიდერით — რათა მაღალი გავლენის მქონე გამოყენების შემთხვევები გამოავლინონ და განავითარონ. მათი პროცესი მარტივი და განმეორებადია:

დეტალებისთვის წაიკითხეთ Estée Lauder GPT Lab⁠-ის შესახებ.

მას შემდეგ, რაც გუნდები ძირითად გამოყენების შემთხვევებს გაიგებენ და გადასაჭრელი პრობლემების იდენტიფიცირებას დაიწყებენ, გამოყენების შემთხვევები სწრაფად მრავლდება.

შემდეგ გამოწვევა აღმოჩენიდან პრიორიტეტიზაციაზე გადადის. რომელი გამოყენების შემთხვევების მასშტაბირება შეგიძლიათ ისე, რომ ყველა თანამშრომელზე იქონიოს გავლენა? რომელი მოგიტანთ ახლა ყველაზე მეტად ხარჯების ეფექტიანობას? რომელი შეიძლება ახალ პროდუქტად ან შემოსავლის წყაროდ იქცეს?

ჩვენი მომხმარებელთა წარმატების გუნდები ამ გავლენა/ძალისხმევის ჩარჩოს იყენებენ, რათა საწარმოს მომხმარებლებს გამოყენების შემთხვევების პრიორიტეტიზაციაში დაეხმარონ. ეს მარტივი კვადრატია, რომელიც თითოეულ გამოყენების შემთხვევას აფასებს კომპანიისთვის მისი ღირებულებისა და საჭირო ძალისხმევის ხარისხის მიხედვით.

გუნდების უმეტესობა იწყებს AI-ის გამოყენებას ცალკეული ამოცანებისთვის: ბლოგპოსტების რედაქტირება, კამპანიის ბრიფების შექმნა ან პოლიტიკის დოკუმენტების დაწერა. უფრო ადვილია AI-ზე ფიქრი კონკრეტული, დისკრეტული ამოცანების კონტექსტში.

მაგრამ როცა ვაკვირდებით, როგორ რთავენ გამოცდილი მომხმარებლები AI-ს ყველაფერში, რასაც აკეთებენ, ხშირად ვხედავთ, რომ ისინი ისეთ გამოყენების შემთხვევებს პოულობენ, რომლებიც უკვე მრავალსაფეხურიან სამუშაო პროცესებს მოიცავს.

AI არ ჰგავს ტრადიციულ პროგრამულ უზრუნველყოფას ან ღრუბლოვან აპებს. მისი ძლიერი მხარეების გამოყენების სწავლა ახალ აზროვნებას მოითხოვს. მაგრამ ჩვენმა მუშაობამ ჩვენს მომხმარებლებთან დაგვანახა, რამდენად სწრაფად შეუძლიათ სხვადასხვა დისციპლინის ადამიანებს ამ აზროვნების ათვისება და თავიანთ საქმიანობაში მაღალი გავლენის მქონე გამოყენების შემთხვევების დანახვა.