Генеративный ИИ представляет собой сдвиг технологической парадигмы и приведет к масштабному изменению бизнес-расходов в течение следующего десятилетия и далее. Преобразования такого масштаба на первый взгляд могут показаться быстрыми, особенно когда они производят такой сенсационный эффект, как генеративный искусственный интеллект в последние месяцы, но это крутой и устойчивый подъем, чтобы проникнуть в слои стековой технологии компании.

Уровень инфраструктуры включает в себя первоначальные затраты, поскольку компании собирают строительные блоки для обеспечения мощности и производительности — капитал, поступающий сегодня в агрегаторы Nvidia и графических процессоров, указывает на то, что этот процесс идет полным ходом. По мере роста внедрения (и долларов) фокус развития будет смещаться к новому опыту и продуктам, которые изменят каждый последующий уровень.

Мы лишь мельком видим, как эта трансформация будет происходить на уровне приложений, и первые сигналы указывают на то, что сбои будут глубокими.

Задолго до появления генеративного искусственного интеллекта корпоративные приложения начали предоставлять больше возможностей, ориентированных на потребителя, улучшая пользовательские интерфейсы и вводя интерактивные элементы, которые привлекали бы обычных пользователей и ускоряли рабочий процесс. Это стимулировало переход от приложений «системы учета», таких как Salesforce и Workday, к приложениям «системы взаимодействия», таким как Slack и Notion.

Поскольку генеративный ИИ формирует следующее поколение прикладных продуктов, мы можем ожидать еще более радикальной эволюции.

Совместная работа была определяющей особенностью этого нового поколения корпоративных инструментов с такими функциями, как многопользовательская игра, функциональность аннотаций, история версий и метаданные. Эти приложения также использовали собственные вирусные компоненты для стимулирования внедрения и обеспечения беспрепятственного обмена контентом внутри и между организациями. Основная запись сохранила свою внутреннюю ценность в рамках этих систем взаимодействия и послужила основой для растущего объема информации, создаваемой на уровне взаимодействия.

ЧИТАТЬ   Конгрессмены США требуют отменить запрет PayPal на палестинский бизнес

Поскольку генеративный ИИ формирует следующее поколение прикладных продуктов, мы можем ожидать еще более радикальной эволюции. Новички во многом похожи на интеграторов ChatGPT: они создают легкие инструменты непосредственно на основе генеративных моделей, которые приносят немедленную, но эфемерную пользу. Мы уже видели появление множества продуктов генеративного ИИ, которые испытывают взрывной первоначальный рост, но также испытывают чрезвычайно высокий отток из-за ограниченного рабочего процесса или отсутствия дополнительных функций. Эти приложения обычно создают генеративный результат, который представляет собой одноразовый тип контента или мультимедиа (т.е. не интегрирован в ежедневный рабочий процесс пользователя), и их ценность зависит от готовых генеративных моделей для использования, которые широко доступны другим игрокам в этом секторе. ходить.

Вторая волна генеративных приложений ИИ, которая только начинает формироваться, будет использовать генеративные модели для интеграции структурированных данных, содержащихся в системе приложений для записи, и неструктурированных данных, содержащихся в системе приложений для записи.

Разработчики этих продуктов будут иметь больший потенциал для создания устойчивого бизнеса, чем новички первой волны, но только если они смогут найти способ «владеть» уровнем над системными приложениями, системой обязательств и регистрации – а это немалое достижение. в то время как действующие игроки, такие как Salesforce, уже работают над внедрением генеративного искусственного интеллекта, чтобы создать защитный ров вокруг своих основных уровней.

Это приводит к третьей волне, когда участники создают свой собственный защищенный слой «разведывательной системы». Стартапы сначала представят новые продукты, которые принесут пользу за счет использования существующих возможностей системы учета и системы взаимодействия. Как только будет определен надежный вариант использования, они разработают рабочие процессы, которые в конечном итоге смогут создать настоящее корпоративное приложение.

Это не обязательно означает замену существующих интерактивных слоев или слоев базы данных; вместо этого они будут создавать новые структурированные и неструктурированные данные, где генеративные модели будут использовать эти новые наборы данных для улучшения качества продукта — по сути, создавая новый класс «супернаборов данных».

ЧИТАТЬ   ChatGPT и генеративный ИИ в страховании: реальность, шумиха, что дальше и как подготовиться

Основное внимание в этих продуктах должно уделяться интеграции, обеспечивающей возможность приема, очистки и маркировки данных. Например, чтобы создать новый опыт поддержки клиентов, недостаточно просто использовать базу знаний существующих заявок в службу поддержки. По-настоящему привлекательный продукт должен также включать в себя отслеживание ошибок, документацию по продукту, внутренние коммуникации внутри команды и многое другое. Он будет знать, как извлекать соответствующую информацию, маркировать ее и оценивать, чтобы создавать новую информацию. У него будет петля обратной связи, которая позволит ему совершенствоваться с точки зрения обучения и использования не только в одной организации, но и в нескольких организациях.

Когда продукт выполняет все это, переход к конкуренту становится очень трудным: взвешенные и очищенные данные очень ценны, и для достижения того же качества с новым продуктом потребуется слишком много времени.

На этом этапе информация содержится не только в продукте или модели, но также в связанной с ним иерархии, метках и весах. Для получения информации потребуются минуты, а не дни, при этом упор будет сделан на действия и решения, а не на простое обобщение информации. Это будут настоящие продукты интеллектуальных систем, использующие генеративный искусственный интеллект, отмеченные следующими определяющими характеристиками:

  • Воспользуйтесь преимуществами глубокой интеграции с корпоративными рабочими процессами и возможностью захвата вновь созданных структурированных и неструктурированных данных.
  • Будьте искушены в описании и анализе данных с помощью иерархии, меток и весов.
  • Создайте циклы обратной связи данных внутри и между клиентами, чтобы улучшить качество продукта.

Ключевой вопрос, который я люблю задавать клиентам: «Как новый стек продуктов сочетается с другими инструментами, которые вы используете?» Обычно продукт системы записи является самым крупным, за ним следует продукт системы взаимодействия, а дополнительные инструменты располагаются в конце списка.

ЧИТАТЬ   Спрос на поездки в Абхазию достиг рекордного уровня | Вестник Кавказа

Наименее важный продукт будет уходить первым, когда бюджет ограничен, поэтому новые продукты интеллектуальных систем должны обеспечивать долговременную ценность, чтобы выжить. Они также столкнутся с жесткой конкуренцией со стороны игроков, которые будут интегрировать возможности генеративного интеллекта на основе искусственного интеллекта в свои продукты. Новая волна интеллектуальных систем должна будет объединить свои предложения с высокоценными рабочими процессами, совместной работой и внедрением супернаборов данных, чтобы выжить.

Трансформация сферы ИИ ускорилась за последние 12 месяцев, и отрасль быстро учится. Распространяются модели с открытым исходным кодом, а закрытые проприетарные модели также развиваются необычайно быстрыми темпами. Теперь основателям предстоит создать устойчивые продукты интеллектуальных систем в этой быстро развивающейся среде – и, если все будет сделано правильно, влияние на бизнес будет чрезвычайным.

Source

От admin