Mākslīgā intelekta lietošanas gadījumu identificēšana un mērogošana

Tikai divu gadu laikā 39 % ASV pieaugušo jau ir izmantojuši mākslīgo intelektu.⁠(atveras jaunā logā) Internets tajā pašā laika posmā sasniedza tikai 20 % ieviešanas līmeni. Mākslīgā intelekta attīstība ne tikai pārveido nozares, bet arī rada iespējas atsevišķiem darbiniekiem. Mākslīgais intelekts cilvēkiem sniedz brīvību veikt augstvērtīgāku darbu, paplašināt savas prasmes un virzīties uz priekšu savā karjerā.



Vienā pētījumā BCG konstatēja⁠(atveras jaunā logā), ka pēdējo trīs gadu laikā mākslīgā intelekta (MI) līderi ir piedzīvojuši 1,5 reizes straujāku ieņēmumu pieaugumu, 1,6 reizes lielāku akcionāru atdevi un 1,4 reizes labāku ieguldītā kapitāla atdevi nekā viņu mazāk attīstītie konkurenti.

Saskaņā ar McKinsey⁠(atveras jaunā logā) datiem 92 % uzņēmumu plāno palielināt savus ieguldījumus mākslīgajā intelektā. Tomēr daudzām organizācijām joprojām ir nepieciešamas norādes par to, kā gūt taustāmu vērtību, un tikai 1 % uzskata, ka to ieguldījumi mākslīgajā intelektā ir sasnieguši pilnu briedumu.

Mēs paši esam novērojuši, kas atšķir veiksmīgus mākslīgā intelekta projektus no pārējiem. Mūsu atziņas balstās uz 300 mūsu veiksmīgākajām ieviešanas reizēm, vairāk nekā 4 000 ieviešanas aptaujām un vairāk nekā 2 miljoniem biznesa lietotāju.

Šis ceļvedis ir izstrādāts, lai palīdzētu tavai organizācijai atrast un mērogot mākslīgā intelekta lietošanas gadījumus, kas sniedz skaidru vērtību. Mēs sadalām procesu trīs soļos:

Viscaur atradīsi klientu stāstus, praktiskus kontrolsarakstus un lietojuma piemērus, kas pielāgoti dažādām nodaļām, lai atbalstītu tavas komandas progresu.

Ir svarīgi apzināties, ka mākslīgā intelekta ieviešana nozīmē daudz vairāk nekā tikai pareizo lietošanas gadījumu noteikšanu. Šajā rokasgrāmatā netiek aplūkotas tādas tēmas kā tas, kā veidot mākslīgā intelekta prioritāru kultūru, attīstīt vērtīgākus lietošanas gadījumus un veicināt ieviešanu visā uzņēmumā. Par šiem jautājumiem dalīsimies ar plašāku informāciju citos ceļvežos, bet pagaidām pievērsīsimies tuvāk procesam, kā atrast tavam uzņēmumam piemērotākos izmantošanas gadījumus.

Paturi prātā šos trīs principus. Tie ir pamats visiem praktiskajiem norādījumiem, ko atradīsi turpmāk.

Pirmais solis ir atrast tās sava uzņēmuma daļas, kuras tu vari nekavējoties uzlabot ar mākslīgā intelekta palīdzību.

Viens no paņēmieniem ir domāt par mākslīgo intelektu kā par iespēju radīt superasistentus tavam darbaspēkam. MI superasistenti nekad nenogurst un nezaudē koncentrēšanos. Tie vienmēr ir pieejami, kad vien tev nepieciešama palīdzība. Un tie var pielāgoties gandrīz jebkuram uzdevumam, papildinot tavu darbinieku prasmes. 

Konkrēti norādi, kāpēc mākslīgā intelekta ieviešana ir būtiska tava uzņēmuma nākotnei, vai tas ir tāpēc, lai neatpaliktu no konkurentiem, reaģētu uz mainīgajām klientu gaidām vai saglabātu izaugsmi. Kad darbinieki dzird pārdomātu “kāpēc”, tas rada uzticēšanos un skaidrību, palīdzot viņiem saprast, kā šīs pārmaiņas saskan ar viņu darbu un mērķiem.

Konkrēti norādi, kāpēc mākslīgā intelekta ieviešana ir būtiska tava uzņēmuma nākotnei, vai tas ir tāpēc, lai neatpaliktu no konkurentiem, reaģētu uz mainīgajām klientu gaidām vai saglabātu izaugsmi. Kad darbinieki dzird pārdomātu “kāpēc”, tas rada uzticēšanos un skaidrību, palīdzot viņiem saprast, kā šīs pārmaiņas saskan ar viņu darbu un mērķiem.

Zināšanu darbs bieži vien ietver neskaidrību un atvērta tipa izaicinājumus. Darbiniekiem var būt grūti uzsākt darbu vai viņi var iestrēgt, kā rezultātā projekti var apstāties. Šeit MI var darboties kā katalizators, palīdzot ģenerēt idejas, analizēt datus un ierosināt nākamos soļus, ja turpmākā rīcība nav skaidra. 

Cilvēki visos uzņēmumos, ar kuriem mēs runājām, izmanto mākslīgo intelektu, lai veicinātu domāšanu un atbrīvotu jaunas idejas. Viņi izmanto to, lai radītu kampaņu idejas, ātri iegūtu ieskatus no neapstrādātiem datiem, analizētu tendences vai vienkārši noteiktu nākamos soļus, kad nav pārliecināti, ko darīt.

Koncentrēšanās uz šāda veida darbiem var palīdzēt tev ātri noteikt augstas ietekmes mākslīgā intelekta iespējas, palīdzot tavām komandām optimizēt darbplūsmas, mazināt sastrēgumus un paātrināt inovācijas visā organizācijā.

Kad tu savām komandām esi iedevis ietvaru jaunu MI iespēju identificēšanai, nākamais solis ir apmācīt tās MI izmantošanas pamatveidos. Šim nolūkam mēs analizējām vairāk nekā 600 lietošanas gadījumu no mūsu klientiem. Lielākā daļa lietošanas gadījumu ietilpst vienā no sešiem “pamatelementiem” — lietošanas gadījumu pamatveidiem, kas ir piemērojami visās nodaļās un disciplīnās:

Šie pamatelementi ir ātrs veids, kā palīdzēt darbiniekiem atrast tavam uzņēmumam vispiemērotākos lietošanas gadījumus. Katrs pamatelements aptver simtiem lietošanas gadījumu, ko esam novērojuši dažādās nozarēs, lomās un darbplūsmās, padarot tos par ātru ceļu uz mērogojamu vērtību.

Aplūkosim tuvāk katru pamatelementu, sākot ar satura veidošanu:

MI var atbalstīt satura veidošanu visās komandās, neatkarīgi no tā, vai tas ir pārdošanas zvanu apkopojums vai pirmo melnrakstu veidošana stratēģijas dokumentiem, emuāra ierakstiem, tīmekļa lapām, attēliem vai vizualizācijām. Mēs redzam, ka komandas izmanto mākslīgo intelektu, lai rediģētu un pilnveidotu savu darbu, un pēc tam to piesaista kā pēdējā posma korektoru.



MI var automātiski rakstīt tava uzņēmuma stilā un ievērot tavas zīmola balss vadlīnijas, sekot tavai vēlamajai dokumentu struktūrai vai pat sniegt atsauksmes par rakstīto. Pēc tam tas var iztulkot tavu darbu dažādās valodās vai pielāgot to dažādām auditorijām, kanāliem vai programmām.

Rakstot MI var ņemt vērā visu sarunas kontekstu vai augšupielādētu dokumentu kopumu, lai veidotu atbilstošu rezultātu. Piemēram, augšupielādē savu rakstīšanas rokasgrāmatu vai izmanto piecus savus labākos emuāra ierakstus, pēc tam izmanto ChatGPT uzvedni, lai izveidotu detalizētu rakstīšanas rokasgrāmatu, balstoties uz šiem piemēriem.

MI tiek plaši izmantots pētniecībā dažādās nozarēs. No ātras jaunu koncepciju apguves (piemēram, MI ieviešanas vai dizaina domāšanas) līdz tīmekļa meklēšanai pēc atbilstošiem rakstiem vai konkurences datiem; līdz padziļinātiem, daudzpakāpju izpētes projektiem, kas skenē tīmekli, lai atrastu rakstus, datu punktus un atziņas. Mēs redzam, ka komandas augšupielādē garus iekšējos dokumentus, lai ātri iegūtu ieskatus. 

Viena no lielākajām MI izmantošanas pētniecībā priekšrocībām ir tā, ka tu vari norādīt analīzes pasniegšanas formātu un struktūru: tabulas formātā, aizzīmju punktos, sakārtotu konkrētās sadaļās vai ar savstarpējām atsaucēm.



Mākslīgā intelekta uzmanība pret detaļām un spēja sekot norādījumiem padara to par lielisku pētniecības asistentu.

Daudzi programmatūras inženieri ir aktīvi mākslīgā intelekta lietotāji. Viņi to izmanto atkļūdošanai, pirmās melnraksta koda versijas ģenerēšanai nepazīstamās valodās, koda pārnesei no vienas valodas uz citu un koda izskaidrošanai sev pašiem. Pēdējo divu gadu laikā mākslīgā intelekta (MI) spējas matemātikā, zinātnē un programmēšanā daudzās valodās ir ievērojami uzlabojušās, un daudzi rīki tagad pat piedāvā reāllaika koda priekšskatījumus.

Mēs arī redzam, ka daudzi cilvēki bez programmēšanas pieredzes pievēršas programmēšanai ar MI rīku palīdzību. Vienkārši izmantojot dabisko valodu, mārketinga speciālisti un finanšu komandas var veidot Python skriptus, lai automatizētu procesus, SQL vaicājumus datu iegūšanai vai pat vizualizācijas ar front-end kodu tīmekļa vietnēm vai iekšējām prezentācijām. 

Mākslīgais intelekts palīdz ikvienam harmonizēt datus no dažādiem avotiem, identificēt atziņas un tendences, kā arī strādāt ar sarežģītiem izklājlapu datiem, neprasot padziļinātas Excel, SQL vai Python prasmes.

Tu vari sniegt MI vairākas izklājlapas vai informācijas paneļu ekrānuzņēmumus, lai veiktu ātru analīzi. Tas var interpretēt izklājlapu datus, izprast vizuālas diagrammas un pat palīdzēt noformēt izvadi pārskatu veidošanai. Tu vari arī norādīt, kā strukturēt rezultātus, piemēram, norādot vēlamos diagrammu veidus, kopsavilkumu formātus vai salīdzināšanas loģiku.

Ideju ģenerēšanas un stratēģijas lietošanas gadījumi ir populāri visās komandās — sākot ar jaunas emuāra ziņas izstrādi un beidzot ar palīdzību strukturēt dokumentu, risināt stratēģijas problēmas vai sniegt atgriezenisko saiti par darbu, pamatojoties uz galvenajiem mērķiem vai ieinteresēto pušu vēlmēm.

MI modeļiem kļūstot arvien multimodālākiem, mēs redzam, ka komandas izmanto balsi un redzi, lai mijiedarbotos ar MI tāpat kā ar kolēģiem.

Modeļiem kļūstot arvien spējīgākiem izprast sarežģītas problēmas, mēs redzam, ka daudzas komandas ar tiem izstrādā stratēģiskus plānus, ņemot vērā to datus, mērķus, kontekstu, ierobežojumus un atkarības.

Daudzi lietošanas gadījumi ietver uzdevuma daļu automatizāciju. Esam redzējuši, ka klienti identificē atkārtojamus, rutīnas uzdevumus un izstrādā veidus, kā tos nodot mākslīgajam intelektam. Automatizācijas var būt vienkāršas, piemēram, iknedēļas konkurences jaunumu apkopojuma ģenerēšana, vai sarežģītākas, piemēram, finanšu atskaites izveide vadības iknedēļas informatīvajām sanāksmēm, sagatavojot to cilvēka pārskatīšanai.

Atmiņa un pielāgotas norādes ir galvenais priekšnoteikums šādu procesu automatizēšanai. Pielāgotais GPT ir veids, kā tos kopīgot. Izveidojot standarta instrukciju kopumu, augšupielādējot to pašu dokumentu un katru reizi norādot vienu un to pašu izvadi, komandas var atslogot sevi no mazāk vērtīgiem uzdevumiem.

Šodien šīs automatizācijas bieži vien ir atsevišķi uzdevumi, taču ar tādiem produktiem kā dziļā izpēte un operators mēs virzāmies uz pasauli, kurā MI var patstāvīgi un saskaņā ar grafiku veikt daudzpakāpju uzdevumus.

Estée Lauder GPT laboratorija sāk darbu ar starpdisciplinārām komandām, tostarp uzņēmuma pārstāvi, nozares ekspertu un tehnisko vadītāju, lai identificētu un izstrādātu augstas ietekmes lietošanas gadījumus. Viņu process ir vienkāršs un atkārtojams:

Lai uzzinātu vairāk, lasi par Estée Lauder GPT Lab⁠.

Kad komandas izprot galvenos lietošanas gadījumus un sāk identificēt risināmās problēmas, lietošanas gadījumi mēdz strauji pieaugt.

Tad izaicinājums pāriet no atklāšanas uz prioritāšu noteikšanu. Kurus lietošanas scenārijus varat paplašināt, lai ietekmētu visus darbiniekus? Kas pašlaik visticamāk nodrošinās izmaksu efektivitāti? Kas varētu novest pie jauna produkta vai ieņēmumu avota?

Mūsu klientu panākumu komandas izmanto šo ietekmes/pūļu ietvaru, lai palīdzētu uzņēmumu klientiem noteikt prioritātes lietošanas gadījumiem. Tas ir vienkāršs kvadrants, kas novērtē katru lietošanas gadījumu pēc tā vērtības uzņēmumam un nepieciešamo pūļu apjoma.

Lielākā daļa komandu sāk izmantot MI atsevišķiem uzdevumiem: bloga ierakstu rediģēšanai, kampaņu kopsavilkumu ģenerēšanai vai politiku izstrādei. MI ir veglāk uztvert konkrētu un atsevišķu uzdevumu kontekstā.

Taču, vērojot, kā pieredzējuši lietotāji iestrādā mākslīgo intelektu visā, ko viņi dara, mēs bieži redzam, ka viņi atrod izmantošanas gadījumus, kas sāk aptvert daudzpakāpju darbplūsmas.

Mākslīgais intelekts nav līdzīgs tradicionālajai programmatūrai vai mākoņlietotnēm. Lai iemācītos izmantot tā stiprās puses, ir nepieciešams jauns domāšanas veids. Taču mūsu darbs ar klientiem ir parādījis, cik ātri cilvēki dažādās jomās var apgūt šo domāšanas veidu un sākt identificēt augstas ietekmes lietošanas gadījumus savā darbā.