Напоследък е почти невъзможно да мине ден, без да срещнем заглавия за генеративен изкуствен интелект или ChatGPT. Изведнъж изкуственият интелект отново стана горещ и всеки иска да се качи на вълната: Предприемачи искат да създадат компания за ИИ, корпоративни ръководители искат да внедрят ИИ в бизнеса си, а инвеститори искат да инвестират в ИИ.
Като привърженик на силата на големите езикови модели (LLM), аз вярвам, че генният ИИ носи огромен потенциал. Тези модели вече са доказали практическата си стойност за повишаване на личната продуктивност. Например, включих код, генериран от LLMs, в работата си и дори използвах GPT-4, за да коригирам тази статия.
Належащият въпрос сега е: Как предприятията, малки или големи, които не участват в създаването на LLM, могат да се възползват от силата на генния ИИ, за да подобрят резултатите си?
За съжаление, съществува пропаст между използването на LLM за повишаване на личната продуктивност и за печалба на бизнеса. Подобно на разработването на всяко бизнес софтуерно решение, има много повече, отколкото се вижда на пръв поглед. Само ако използваме примера за създаване на решение за чатбот с GPT-4, лесно може да отнеме месеци и да струва милиони долари за създаването само на един чатбот!
Бизнес очаквания за ИИ
Днес технологиите са неразделна част от бизнеса. Когато едно предприятие възприеме нова технология, то очаква тя да подобри оперативната ефективност и да доведе до по-добри бизнес резултати. Предприятията очакват от ИИ да направи същото, независимо от вида му.
От друга страна, успехът на едно предприятие не зависи единствено от технологията. Добре управляваният бизнес ще продължи да процъфтява, а лошо управляваният ще продължи да се бори, независимо от появата на родов ИИ или инструменти като ChatGPT.
Подобно на внедряването на всяко бизнес софтуерно решение, успешното внедряване на ИИ в бизнеса изисква две основни съставки: Технологията трябва да работи така, че да предоставя конкретна бизнес стойност, както се очаква, а организацията, която я приема, трябва да знае как да управлява ИИ, точно както управлява всяка друга бизнес операция за успех.
Цикълът на хипериндукция и разочарование от генеративния ИИ
Както всяка нова технология, генеративният ИИ със сигурност ще премине през цикъла на Gartner Hype Cycle. С популярни приложения като ChatGPT, които задействат осведомеността за генериращия ИИ за масите, почти сме достигнали върха на завишените очаквания. Скоро ще настъпи „дъното на разочарованието“, тъй като интересът ще намалее, експериментите ще се провалят, а инвестициите ще бъдат изтрити.
Въпреки че „коритото на разочарованието“ може да бъде причинено от няколко причини, като технологична незрялост и неподходящи приложения, по-долу са посочени две често срещани разочарования от генния ИИ, които могат да разбият сърцата на много предприемачи, корпоративни ръководители и инвеститори. Без да се разпознаят тези разочарования, човек би могъл или да подцени практическите предизвикателства при внедряването на технологията за бизнеса, или да пропусне възможностите за навременни и разумни инвестиции в ИИ.
Едно често срещано разочарование: Генеративният ИИ изравнява условията на игра
Тъй като милиони хора взаимодействат с инструменти за генериращ ИИ, за да изпълняват широк спектър от задачи – от достъп до информация до писане на код – изглежда, че генериращият ИИ изравнява условията за игра за всеки бизнес: Всеки може да го използва, а английският език става новият език за програмиране.
Макар че това може да е вярно за някои случаи на използване за създаване на съдържание (маркетингов копирайтинг), gen AI все пак се фокусира върху разбирането на естествения език (NLU) и генерирането на естествен език (NLG). Като се има предвид естеството на технологията, тя изпитва трудности със задачи, които изискват дълбоки познания за областта. Например ChatGPT генерира медицинска статия със „значителни неточности“ и се провали на изпит на CFA.
Въпреки че експертите по области имат задълбочени познания, те може да не са запознати с ИИ или ИТ или да не разбират вътрешната работа на генния ИИ. Например, те може да не знаят как да подканят ефективно ChatGPT, за да получат желаните резултати, да не говорим за използването на API на AI за програмиране на решение.
Бързият напредък и силната конкуренция в областите на ИИ също така превръщат основополагащите LLM в стока. Конкурентното предимство на всяко бизнес решение, базирано на LLM, би трябвало да се крие някъде другаде – или в притежаването на определени патентовани данни с висока стойност, или в овладяването на някакъв специфичен за областта опит.
По-вероятно е действащите лица в бизнеса вече да са натрупали такива специфични за областта знания и опит. Макар да имат такова предимство, те може също така да разполагат с наследени процеси, които възпрепятстват бързото внедряване на генния ИИ. Стартиращите компании имат предимствата да започнат от чисто място, за да използват напълно мощта на технологията, но трябва бързо да стартират бизнеса, за да придобият критичен репертоар от знания в областта. И едните, и другите са изправени пред едно и също основно предизвикателство.
Основното предизвикателство е да се даде възможност на експертите от бизнес областта да обучават и контролират ИИ, без да се изисква от тях да станат експерти, като същевременно се възползват от техните данни или опит в областта. Вижте моите ключови съображения по-долу за справяне с такова предизвикателство.
Ключови съображения за успешното внедряване на генеративен ИИ
Макар че генеративният ИИ значително е усъвършенствал технологиите за разбиране на езика и генериране, той не може да прави всичко. Важно е да се възползвате от предимствата на технологията, но да избягвате нейните недостатъци. Подчертавам няколко ключови технически съображения за предприемачи, корпоративни ръководители и инвеститори, които обмислят да инвестират в генния ИИ.
Експертни познания за ИИ: Gen AI е далеч от съвършенство. Ако решите да изграждате собствени решения, уверете се, че разполагате със собствени експерти, които наистина разбират вътрешната работа на ИИ и могат да го подобрят, когато е необходимо. Ако решите да си партнирате с външни фирми за създаване на решения, уверете се, че фирмите имат задълбочени експертни познания, които могат да ви помогнат да извлечете най-доброто от генния ИИ.
Опит в областта на софтуерното инженерство: Изграждането на генни решения за изкуствен интелект е като изграждането на всяко друго софтуерно решение. То изисква специални инженерни усилия. Ако решите да изграждате собствени решения, ще ви трябват сложни таланти в областта на софтуерното инженерство, за да изграждате, поддържате и актуализирате тези решения. Ако решите да работите с външни фирми, уверете се, че те ще свършат тежката работа вместо вас (ще ви предоставят платформа без код, за да можете лесно да изграждате, поддържате и актуализирате решението си).
Опит в областта: Изграждането на решения за изкуствен интелект често изисква усвояване на знания за областта и адаптиране на технологията с помощта на тези знания. Уверете се, че разполагате с експерти в областта, които могат да предоставят, както и да знаят как да използват тези знания в решението, без значение дали изграждате вътрешно или си сътрудничите с външен партньор. От решаващо значение е вие (или вашият доставчик на решения) да дадете възможност на експертите в областта, които често не са ИТ специалисти, лесно да приемат, персонализират и поддържат решенията за генен ИИ без кодиране или допълнителна ИТ поддръжка.
Изводи
Тъй като изкуственият интелект продължава да променя бизнес пейзажа, е полезно да имате безпристрастен поглед върху тази технология. Важно е да запомните следното:
- Gen AI решава предимно проблеми, свързани с езика, но не всичко.
- Прилагането на успешно решение за бизнеса е повече, отколкото се вижда на пръв поглед.
- Gen AI не носи еднаква полза за всички. Наемете или си партнирайте с тези, които имат опит в областта на ИИ и ИТ умения, за да се възползвате от силата на технологията по-бързо и по-безопасно.
Тъй като предприемачите, корпоративните ръководители и инвеститорите се ориентират в бързо развиващия се свят на генния ИИ, от съществено значение е да се разберат свързаните с него предизвикателства и възможности, кой има предимство, за да се възползва от технологията, и как да се вземат бързи решения и да се инвестира разумно в ИИ, за да се постигне максимална възвръщаемост на инвестициите.
