مدیران هوش مصنوعی در شرکت‌های مشاوره بزرگ، نکات و نحوه استفاده از این فناوری را به اشتراک می‌گذارند

• شرکت‌های مشاوره به مقصدی برای برخی از شرکت‌ها تبدیل شده‌اند که به دنبال استفاده حداکثری از هوش مصنوعی هستند.
• رهبران هوش مصنوعی در این شرکت‌ها از ابزارهایی مانند GPT Enterprise و چت‌بات‌های داخلی مانند Lilli از McKinsey استفاده می‌کنند.
• BI از رهبران هوش مصنوعی در چندین شرکت بزرگ خواست تا نکاتی را برای استفاده از این فناوری به اشتراک بگذارند.

کار با هوش مصنوعی گاهی بیشتر شبیه یک هنر است تا یک علم.

به همین دلیل است که بسیاری از شرکت‌ها برای راهنمایی در مورد چگونگی به حداکثر رساندن این فناوری به شرکت‌های مشاوره روی می‌آورند.

شرکت‌های برتر نه تنها به شرکت‌ها در توسعه ابزارهای هوش مصنوعی، ارتقای مهارت نیروی کار و شناسایی نقاط ضعف امنیتی بالقوه کمک می‌کنند، بلکه چت‌بات‌ها و نمایندگانی را برای سازماندهی دانش شرکت خود و ساده‌سازی وظایف معمول ایجاد می‌کنند. در نتیجه، رهبران هوش مصنوعی در شرکت‌های مشاوره تمایل دارند استراتژی‌های هوش مصنوعی را که می‌توانند برای طیف گسترده‌ای از وظایف کارآمد باشند، در اختیار داشته باشند.

Business Insider از مدیران اجرایی هوش مصنوعی در پنج شرکت مشاوره برتر - Deloitte، EY، KPMG، McKinsey و PwC - خواست تا بهترین نکات خود را برای استفاده از هوش مصنوعی در کار روزمره به اشتراک بگذارند.

رهبران هوش مصنوعی گفتند که به طور مرتب از ابزارهای مختلف هوش مصنوعی، از جمله مدل‌های OpenAI، Google، Microsoft و Anthropic، و همچنین ابزارهای داخلی ساخته شده مانند Lilli McKinsey، EY's EYQ و ChatPwC، نسخه داخلی ChatGPT PwC استفاده می‌کنند.

در اینجا نحوه استفاده آنها از هوش مصنوعی و برخی از توصیه‌های آنها برای استفاده حداکثری از آن آورده شده است. پاسخ‌ها برای اختصار ویرایش شده‌اند.

Dan Priest, US chief AI officer at PwC: من با آن تحقیقات زیادی انجام می دهم. به عنوان مثال، من در حال انجام تجزیه و تحلیل در مورد بهره وری نیروی کار و چگونگی بهبود بهره وری نیروی کار توسط هوش مصنوعی بودم. جستجوی معمولی آمار نیروی کار را تولید می کند. خوب، هوش مصنوعی، مدل‌های پایه قدرتمند بزرگ، این حقایق و آمارهای نیروی کار را می‌گیرد، تجزیه و تحلیل می‌کند، روندها، ناپیوستگی‌ها یا تجزیه و تحلیل علت‌ها را به شما نشان می‌دهد. بسیار قوی تر است. از نظر تحقیق و تحلیل، به عنوان یک شریک فکری در مقابل یک موتور جستجو ظاهر می شود.

شما نقاط کور را در تفکر خود کشف می کنید. من در حال نوشتن یک خط مشی بودم و فکر می کردم کاملاً جامع است، و آن را از طریق GPT Enterprise اجرا کردم، و دو نکته دیگر را در خط مشی پیدا کرد که باید اضافه می کردیم.

Todd Lohr, head of ecosystems at KPMG: بخشی از کار من به عنوان یک رهبر این است که بتوانم اطلاعات را سنتز کنم. هوش مصنوعی در این زمینه بسیار مفید است و به من این امکان را داده است که روندها و بازار را درک کنم و به من این امکان را داده است که به عنوان یک رهبر دید وسیع تری داشته باشم و اطلاعات بسیار بیشتری را سنتز و دریافت کنم.

همچنین از نظر ارتباطات در آماده شدن برای جلسات، پیگیری جلسات و همچنین مکاتبات مفید بوده است.

Rodney Zemmel, global leader for McKinsey Digital and firmwide AI transformation: من دریافته ام که در "سطح یک" خلاقیت و ارائه چیزهایی که به طور کلی به آن فکر نمی کنید بسیار عالی است. این یک کمک عالی برای طوفان فکری برای تیم های ما است. من هنوز ندیده ام که خلاقیت واقعی و نامحدودی داشته باشد، یعنی روشی جدید برای نگاه کردن به جهان. با این حال، خیلی عقب نخواهد بود.

Dan Priest, PwC: من کمی زمینه در مورد آنچه که سعی می کنم انجام دهم، یک سؤال کوتاه و قاطع می دهم، و سپس سوالات پیگیری می کنم که آنها را به طور فزاینده ای خاص می کند، و سپس می توانید بر اساس آنچه می بینید تنظیم کنید.

در طول هفته، من زیاد سفر می کنم، و اگر در یک روز 100 یا 200 ایمیل دریافت کنم، واقعاً سخت است که با تک تک آنها همراهی کنم. من وارد Microsoft Teams می‌شوم، Copilot را فعال می‌کنم و از آن می‌خواهم که همه پیام‌ها را در Teams و ایمیل بررسی کند و اقدامات را برای من پیدا کند. من فقط 15، 20 دقیقه در پایان روز وقت می گذارم، این اعلان را انجام می دهم "ایمیل هایی را که مستقیماً به من ارسال شده اند یا اقدامی برای من دارند شناسایی کنید" و لیست را تولید می کند. این کامل نیست، اما در آن خوب است.

من دوست دارم آشپزی کنم و دوست ندارم مواد غذایی را در یخچال هدر دهم. بنابراین من این اعلان را می دهم: "با این مواد یک دستور غذا ایجاد کنید" و فقط چیزهایی را که می خواهم در یخچال از شر آنها خلاص شوم فهرست می کنم.

Rodney Zemmel, McKinsey: افراد زیادی هنوز از آن برای جستجوی چیزی استفاده می کنند. نکته این است که با آن گفتگو داشته باشید و با ساختن نمایندگانی که می توانند وظایف ساده را انجام دهند، راحت باشید. اجازه دهید هوش مصنوعی 80٪ از وظایفی را که در آن متوسط هستیم انجام دهد، بنابراین ما می توانیم در 20٪ هیجان انگیز برتر باشیم، همانطور که یکی از همکارانم دوست دارد بگوید.

Matt Barrington, Americas chief technology officer at EY: مدیریت زمینه بسیار مهم است. من "فضاهای کاری" جداگانه هوش مصنوعی را برای حوزه های تمرکز مختلف نگه می دارم - مانند پرسش و پاسخ فنی یا تهیه پیش نویس ارتباطات مشتری.

من همچنین به هوش مصنوعی دستورالعمل های واضحی در مورد سبک و عمق پاسخی که می خواهم می دهم، مانند "یک خلاصه مختصر و گلوله ای ارائه دهید" یا "به عنوان یک متخصص مالی عمل کنید" یا "منابع یا مراجع معتبر را ذکر کنید و پیوندها را ارائه دهید."

Dan Priest, PwC: این در حال تغییر حافظه عضلانی است.

من سال های زیادی را صرف توسعه یک سبک نوشتاری خاص، یک تکنیک تحقیق خاص کرده ام و مجبور شدم آن را تغییر دهم. و من برای تغییر آن بهتر هستم، اما یک شبه اتفاق نمی افتد.

این درست مانند هر چیزی بود که یاد می گیرید، باید در مورد یادگیری آن منضبط باشید و سپس می چسبد.

Todd Lohr, KPMG: بزرگترین چالش اتصال تمام منابع داده فردی من است که متفاوت هستند. اگر بخواهم هوش مصنوعی شخصی خود را بسازم، چالش این است که به اطلاعات و دانش مناسب دسترسی داشته باشم.

من در مورد پرداختن به این چالش زمانی که در نقش فعلی خود مشغول به کار شدم، تعمد داشته ام. من همه چیز را در یک پوشه قرار دادم و شخصاً محتوایی را که با آن موافق بودم و دوست داشتم، انتخاب کردم.

Matt Barrington, EY: چالش اصلی همگام شدن با نوآوری است. یک جریان ثابت از مدل ها، ابزارها و قابلیت های جدید وجود دارد، و می تواند دشوار باشد که تشخیص دهیم کدام گزینه برای یک کار معین بهترین است. من خبرنامه ها را دنبال می کنم، در رویدادهای متمرکز بر هوش مصنوعی شرکت می کنم و از متخصصان هوش مصنوعی یاد می گیرم - اما از نظر من، آزمایش عملی موثرترین راه برای مطلع ماندن و یافتن چیزی است که واقعاً کار می کند.

همچنین، مهم است که به یاد داشته باشید که در حالی که این مدل ها مطمئن و چشمگیر هستند، می توانند اشتباه کنند. همیشه اطلاعات و خروجی را قبل از استفاده از آن تأیید کنید.

Dan Priest, PwC: سوالات تا حدی تغییر کرده اند. یک سال پیش، آنها می پرسیدند، "مورد استفاده قاتل چیست؟" "صنعتی ترین مورد استفاده چیست؟" "کدام مورد استفاده بیشترین پس انداز یا بیشترین کمبودها را ایجاد می کند؟" اکنون، سوالاتی که ما دریافت می کنیم کمتر در مورد آن موارد استفاده فنی است و بیشتر در مورد "چگونه استراتژی کسب و کار را برای استفاده از قابلیت های هوش مصنوعی توسعه می دهید؟"

Rodney Zemmel, McKinsey: آنها می خواهند درک کنند که چگونه عوامل هوش مصنوعی می توانند با نیروی کار آنها ادغام شوند و مانند کارآموزان با استعدادی عمل کنند که برای موثر بودن به آموزش مناسب نیاز دارند. ما همچنین شاهد بوده ایم که این گفتگو از صرفاً بهره وری به رشد و بهره وری، و یافتن راه هایی برای انجام کارها بهتر و سریعتر از انسان ها به انجام کارهایی که هیچ انسانی نمی تواند انجام دهد، تغییر کرده است.

آیا چیزی برای به اشتراک گذاشتن در مورد آنچه در مشاوره می بینید دارید؟ Business Insider مایل است از شما بشنود. به تیم مشاوره ما از یک دستگاه غیر کاری به آدرس ایمیل بزنید[email protected] با داستان خود، یا شماره سیگنال یکی از خبرنگاران ما را بخواهید.