بهینه‌سازی برای ارزش سازمانی: کسب‌وکار و سفر کنونی هوش مصنوعی مولد

این طبیعی است که اشتیاق نسبت به هر فناوری پیشرفته ای کاهش یابد. و در حالی که ما یک سال کامل از نظرسنجی وضعیت هوش مصنوعی مولد در شرکت را به پایان می رسانیم، می بینیم که این چرخه عمر به وضوح برای هوش مصنوعی مولد (GenAI) صادق است.

علیرغم فضای حاکم بر GenAI—یا شاید به دلیل آن—کسب و کارها اکنون وارد مرحله عملگرایانه تری می شوند که در آن هم مزایای GenAI و هم چالش های مقیاس بندی روشن تر می شوند. در قسمت اخیر پادکست Deloitte TECHTalks، ما هر دو طرف معادله را بررسی کردیم—و اینکه آنها برای سازمان ها چه معنایی دارند زیرا آنها تلاش می کنند تا از GenAI بیشترین بهره را ببرند. برخی از نظرات ما در زیر به اشتراک گذاشته شده است.

آخرین نظرسنجی نشان می دهد که در حالی که GenAI با سرعت نور حرکت می کند، سازمان ها هنوز با سرعت، خب، سازمان ها حرکت می کنند. برای اکثر سازمان ها، مقیاس بندی اثبات مفهوم GenAI آنها هنوز بیشتر یک کار در حال پیشرفت است. در حال حاضر، بیش از دو سوم پاسخ دهندگان به نظرسنجی می گویند که 30٪ یا کمتر از آزمایش های فعلی آنها در سه تا شش ماه آینده به طور کامل مقیاس بندی می شوند.

درست است که ما شاهد افزایش آمادگی فنی سازمان ها هستیم و بودجه هایی به ساخت زیرساخت های فناوری حیاتی برای پیاده سازی GenAI اختصاص داده شده است. در طول سال گذشته، پاسخ دهندگان بر این باورند که سازمان های آنها بیشتر آمادگی GenAI خود را در زمینه های حیاتی زیرساخت های فناوری بهبود بخشیده اند. بنابراین، چه چیزی توانایی مقیاس بندی را کند می کند؟

بخشی از آن می تواند عدم تسلط به GenAI باشد. C-Suite ها و هیئت مدیره ها—که عموماً به اندازه جنبه های فنی GenAI غرق نیستند—باید به طور مداوم در پذیرش GenAI مشارکت داشته باشند، به خصوص وقتی در نظر بگیرید که این یک تلاش چند رشته ای است که عملاً هر عملکرد اجرایی در یک سازمان را شامل می شود. پیاده سازی یک استراتژی جاه طلبانه GenAI به احتمال زیاد نیاز به مشارکت چندین مدیر اجرایی و رهبر دارد. اما علیرغم تمایل واقعی به تسلط در بین مدیران اجرایی، به نظر نمی رسد که هنوز به سطحی رسیده باشد که آنها بتوانند در واقع از اهرم های تحول آفرین خود برای هدایت پذیرش این فناوری ها در سراسر سازمان استفاده کنند.

عامل دیگر این است که فناوری هوش مصنوعی اغلب سریعتر از تغییر کسب و کارهای بزرگ حرکت می کند. مدل ها حتی سریعتر از حد انتظار پیشرفت می کنند و از آستانه های عملکرد فراتر می روند. به این ترتیب، شرکت های بزرگ و پیچیده ممکن است برای انطباق با تغییرات با مشکل مواجه شوند. برخی از مدیران اجرایی در مورد قدرت این فناوری برای ایجاد ارزش تجاری ابراز انرژی و خوش بینی می کنند، اما برخی ممکن است از انبوه آزمایش ها و اثبات مفهوم هایی که هنوز مقیاس بندی نشده اند، ناامید شوند.

برای تسریع حرکت به سمت مقیاس بندی، مدیران اجرایی باید استراتژی ها و اهداف GenAI خود را درک کرده و در مورد آنها شفاف باشند. آیا این در مورد بهره وری، مقرون به صرفه بودن، رشد، نوآوری، سرعت است؟ چگونه می توانید ارزش را در برابر این اهداف اندازه گیری کنید؟ بسیاری از رهبران تجاری به شدت بر ایجاد بازارهای جدید، روش های غنی تر ارائه ارزش به مشتریان و نیاز به استفاده از نوآوری مبتنی بر فناوری فراتر از بازی های کارآمد متمرکز هستند—که به موارد استفاده ای گسترش می یابد که رشد خط بالا را هدایت می کند. تمرکز بر ارزش استراتژیک از بالا به پایین می تواند به روشن شدن مراحل بعدی و تعیین اینکه کدام موارد استفاده برای مقیاس بندی از همه مهمتر هستند، کمک کند.

امروزه در مورد GenAI در همه جا هم در دنیای تجارت و هم در جامعه به طور کلی صحبت می شود—و این آگاهی می تواند باعث شود که "ترسندگان" و "احترام کنندگان" در یک سازمان ظاهر شوند. ترسندگان کارمندانی هستند که اغلب فناوری را درک نمی کنند و شنیده اند یا خوانده اند که GenAI جایگزین درصد مشخصی از نیروی کار (یا حتی جایگزین خود بشریت) می شود. و سپس شما کارمندانی دارید که به GenAI احترام می گذارند و مشتاق استفاده از آخرین ابزارها هستند—اما شاید از آنها به روشی استفاده نکنند که بهینه باشد، یا شاید حتی برای یک تجارت ایمن باشد، یا به یک نیاز تجاری پاسخ ندهد.

بخشی از پرداختن به این چالش، ترویج آشنایی با ابزارهای GenAI در بین کارگران است. این بدان معناست که به طور ایمن این فناوری را به تعداد زیادی از افراد در سازمان بدهید تا نه تنها نحوه استفاده از آن را درک کنند، بلکه محدودیت ها و خطرات آن را نیز تشخیص دهند. اما علیرغم تمام هیاهوها، نتایج نظرسنجی نشان می دهد که دسترسی به ابزارهای GenAI هنوز عمدتاً به کمتر از 40٪ از نیروی کار محدود است—و برای اکثر سازمان ها، کمتر از 60٪ از کارگرانی که دسترسی دارند، روزانه از آن استفاده می کنند.

استفاده از این ابزارها می تواند کارهای بسیار بیشتری از مبارزه با ترس و سوء استفاده از GenAI انجام دهد—و عدم دسترسی می تواند به این معنی باشد که سازمان ها یک جایزه اضافی را از دست می دهند: نوآوری. نوآوری در این فضا لزوماً از اتاق هیئت مدیره یا صرفاً از مدیریت ناشی نمی شود. همچنین می تواند از کارگرانی ناشی شود که آزمایش و بررسی می کنند. اغلب، اینگونه است که سازمان ها بهترین ایده ها را تولید می کنند و بسیاری از شرکت ها دریافته اند که این یک راه عالی برای هدایت نوآوری است.

رهبران تجاری همچنین شروع به درک این موضوع کرده اند که کارگران برای استفاده کامل از فرصت GenAI به مهارت آموزی و آموزش مجدد قابل توجهی نیاز دارند. مهارت آموزی در فناوری اصلی به عنوان یک ضرورت اساسی در نظر گرفته می شود و به تنهایی کافی نیست. به طور فزاینده ای، استعدادها به احتمال زیاد نیاز به توانایی ترکیب مهارت های عمیق فناوری با دیدگاه های گسترده تر خواهند داشت و اطمینان حاصل می کنند که فناوری های نوآورانه به گونه ای مستقر می شوند که کیفیت زندگی را بهبود بخشد.

در این نظرسنجی، پاسخ دهندگان مقررات، مدیریت ریسک ها و انطباق را به عنوان برخی از موانع اصلی ذکر کردند که آنها را در توسعه و استقرار ابزارها و برنامه های GenAI در مقیاس باز می دارد. با توجه به اینکه پذیرش GenAI می تواند شامل ریسک هایی باشد که شناسایی و کمی سازی آنها با توجه به اینکه نسبتاً جدید است، چالش برانگیز است، قابل درک است.

با این حال، برای سازمانی که به دنبال رقابتی ماندن است، دوری از GenAI یک گزینه نیست. بنابراین، سوال نباید بین "بله" یا "نه" باشد—بلکه "چگونه" GenAI را به گونه ای مستقر کنیم که سازمان را قادر سازد تا ریسک را در چارچوب ریسک پذیری خود مدیریت کند. مدیران ارشد ریسک، افسران انطباق یا حتی رهبران منابع انسانی باید در این تلاش ها مورد حمایت قرار گیرند و تشویق شوند تا بر جنبه های مثبت تمرکز کنند - آنچه که آنها می توانند در مورد GenAI مدیریت کنند - یعنی آمادگی سازمانی، به ویژه در زمینه هایی مانند حفظ حریم خصوصی و محرمانه بودن داده ها، مدیریت ریسک، حکمرانی، انطباق با مقررات و نیروی کار.

مدیران اجرایی و اعضای هیئت مدیره ای که ریسک را ارزیابی می کنند باید با توجه به قابلیت های تکان دهنده GenAI و سرعتی که با آن توسعه می یابد، عمیق تر تحقیق کنند. برای داشتن یک بحث آگاهانه در مورد ریسک ها—مانند نحوه ذخیره یا استفاده از اطلاعات برای آموزش مدل های زبانی بزرگ—به احتمال زیاد به سطح درک پیچیده تری نسبت به امواج فناوری قبلی نیاز است.

در حالی که یک مسیر کندتر به سمت مقیاس بندی چیزی است که اکنون می بینیم—64٪ از سازمان ها در این نظرسنجی کمتر از 20 آزمایش GenAI دارند—اقدامات هدفمندتر هستند. این نشان می دهد که شرکت ها برای آزمایش قابلیت های GenAI، آنچه می تواند انجام دهد، نحوه ای که می تواند به سازمان سود برساند، و اکنون بررسی تحولات جدیدی مانند "هوش مصنوعی عامل" وقت می گذارند (52٪ از پاسخ دهندگان به نظرسنجی علاقه خود را به این سیستم ها ابراز می کنند که می توانند وظایف پیچیده را با مداخله کم یا بدون مداخله انسانی انجام دهند).

این آزمایش ها همچنین بیشتر و بیشتر بر حوزه های اصلی کسب و کار متمرکز هستند—و از این تصور فراتر می روند که GenAI فقط برای بهره وری شخصی است. در واقع، سه چهارم پاسخ دهندگان به نظرسنجی موافق هستند که با پیشرفته ترین ابتکارات ارزش به دست می آید. بنابراین، یک سفر اندازه گیری شده تر GenAI به سمت مقیاس لزوماً به معنای اشتیاق کمتر نیست. در واقع، این نشان می دهد که با برداشتن گام های تحول آفرین مناسب برای هدایت پذیرش GenAI در حال حاضر، ROI به دنبال خواهد آمد.

برای کسب اطلاعات بیشتر در مورد GenAI در حال حاضر، نظرسنجی وضعیت هوش مصنوعی مولد در شرکت را بررسی کنید یا به مجموعه Deloitte TECHTalks در مورد GenAI ما گوش دهید. برای بررسی قابلیت های GenAI Deloitte، از صفحه هوش مصنوعی مولد در Deloitte.com دیدن کنید.