نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

9 اردیبهشت 1403 10:44 ق.ظ

سیستم هوش مصنوعی مولد در آینده چگونه پیش میرود.

سیستم هوش مصنوعی مولد در آینده چگونه پیش میرود.

جاناتان گلدن -9 دسامبر 2023-بلوک های رنگارنگ یکدیگر را در تعادل غیرممکن روی هم چیده اند.اعتبار تصویر: آرتور دبات / گتی ایماژ

هوش مصنوعی مولد یک تغییر پارادایم در فناوری است و باعث تغییر گسترده در هزینه های سازمانی طی دهه آینده و فراتر از آن خواهد شد. دگرگونی‌هایی با این بزرگی می‌توانند در سطح سریع به نظر برسند، به‌ویژه زمانی که هیاهوی عظیمی مانند هوش مصنوعی مولد در ماه‌های اخیر ایجاد می‌کنند، اما در بلند مدت این یک صعود تند و پیوسته برای نفوذ به لایه‌های پشته فناوری سازمانی است.

لایه زیرساخت هزینه‌های اولیه را به همراه شرکت‌ها جمع‌آوری می‌کند تا بلوک‌های سازنده قدرت و عملکرد را جمع‌آوری کنند – سرمایه‌ای که امروز به جمع‌آورندگان Nvidia و GPU سرازیر می‌شود نشان می‌دهد که این امر به خوبی در حال انجام است. همانطور که پذیرش (و دلار) در پشته بالا می رود، تمرکز توسعه به سمت تجربیات و محصولات جدیدی که هر لایه بعدی را تغییر می دهند تغییر می کند.

ما فقط در حال دریافت یک نگاه اجمالی از چگونگی این تحول در لایه برنامه هستیم و سیگنال های اولیه نشان می دهد که این اختلال عمیق خواهد بود.

مدت‌ها قبل از هوش مصنوعی مولد، برنامه‌های کاربردی سازمانی با بهبود رابط‌های کاربری و معرفی عناصر تعاملی که کاربران روزمره را درگیر می‌کند و گردش کار را تسریع می‌بخشد، شروع به ارائه تجربیات بیشتر مصرف‌کننده کردند. این امر باعث تغییر از برنامه های “سیستم رکورد” مانند Salesforce و Workday به برنامه های “سیستم تعامل” مانند Slack و Notion شد.

همکاری یکی از ویژگی‌های تعیین‌کننده این نوع جدید از ابزارهای سازمانی بود، با ویژگی‌هایی مانند حالت چند نفره، عملکرد حاشیه‌نویسی، تاریخچه نسخه نرم افزار و ابرداده. این برنامه‌ها همچنین از مؤلفه‌های بومی بصورت اپیدمیک مصرف‌کننده برای تشویق به پذیرش و امکان اشتراک‌گذاری بی‌وقفه محتوا در داخل و بین سازمان‌ها استفاده می‌کنند. رکورد اصلی ارزش ذاتی خود را در این سیستم های تعاملی حفظ کرد و به عنوان بستری برای حجم فزاینده اطلاعات ایجاد شده در لایه تعامل عمل کرد.

همانطور که هوش مصنوعی مولد نسل بعدی محصولات کاربردی را شکل می‌دهد، می‌توانیم انتظار تکامل گسترده‌تری را داشته باشیم. اولین بازیکنان شباهت زیادی به ادغام‌کننده‌های ChatGPT دارند که ابزارهای ساده تر را مستقیماً بر روی مدل‌های تولیدی ایجاد می‌کنند که ارزش فوری اما زودگذر را ارائه می‌کنند. ما قبلاً شاهد ظهور انواع محصولات هوش مصنوعی مولد بوده‌ایم که رشد اولیه انفجاری دارند، اما همچنین به دلیل گردش کار محدود یا فقدان عملکرد اضافی، ریزش بسیار بالایی دارند. این برنامه‌ها معمولاً یک خروجی تولیدی ایجاد می‌کنند که یک نوع محتوا یا رسانه یک‌بار مصرف است (یعنی در گردش کار روزمره کاربر تعبیه نشده است)، و ارزش آن‌ها متکی به مدل‌های تولیدی خارج از قفسه است که به طور گسترده برای دیگران در بازار و دسترس هستند..

موج دوم برنامه های کاربردی هوش مصنوعی مولد، که به تازگی در حال شکل گیری است، از مدل های مولد برای یکپارچه سازی داده های ساختاری که در برنامه های سیستم ثبت و داده های ساختار نیافته در برنامه های کاربردی سیستم مشارکت نهفته است، استفاده می کند.

توسعه‌دهندگان این محصولات پتانسیل بیشتری برای ایجاد شرکت‌های بادوام نسبت به شرکت‌کنندگان موج اول خواهند داشت، اما تنها در صورتی که بتوانند راهی برای “مالکیت” لایه بالای برنامه‌های سیستم تعامل و سیستم ثبت بیابند – این کار بدی نیست. زمانی که مدیران فعلی مانند Salesforce در حال تلاش برای پیاده سازی هوش مصنوعی مولد برای ایجاد یک خندق محافظ در اطراف لایه های زیرین خود هستند.

این منجر به موج سوم می‌شود، جایی که شرکت‌کنندگان لایه «سیستم هوش» قابل دفاع خود را ایجاد می‌کنند. استارت‌آپ‌ها ابتدا محصولات جدیدی را معرفی می‌کنند که با بهره‌گیری از قابلیت‌های سیستم ثبت و سیستم مشارکت، ارزش ارائه می‌کنند. هنگامی که یک مورد استفاده قوی ایجاد شد، آن‌ها جریان‌های کاری را ایجاد می‌کنند که در نهایت می‌تواند به‌عنوان یک برنامه کاربردی واقعی سازمانی باشد.

این لزوما به معنای جایگزینی لایه های تعاملی یا پایگاه داده موجود نیست. در عوض، آنها داده‌های ساختاریافته و بدون ساختار جدیدی را ایجاد می‌کنند که در آن مدل‌های تولیدی از این مجموعه داده‌های جدید برای بهبود تجربه محصول استفاده می‌کنند – اساساً یک کلاس جدید از “مجموعه داده‌های فوق العاده” ایجاد می‌کنند.

تمرکز اصلی برای این محصولات باید ادغام با توانایی جذب، تمیز کردن و برچسب زدن داده ها باشد. به عنوان مثال، برای ایجاد یک تجربه جدید پشتیبانی مشتری، کافی نیست که به سادگی پایگاه دانش بلیط های پشتیبانی مشتری موجود را دریافت کنید. یک محصول واقعا قانع کننده باید ردیابی اشکال، مستندات محصول، ارتباطات داخلی تیم و بسیاری موارد دیگر را نیز در خود داشته باشد. می‌داند چگونه اطلاعات مربوطه را بیرون بکشد، آن‌ها را برچسب‌گذاری کند و آن‌ها را بسنجد تا بینش جدیدی ایجاد کند. این یک حلقه بازخورد خواهد داشت که به آن اجازه می دهد با آموزش و استفاده بهتر شود، نه تنها در یک سازمان بلکه در بین چندین سازمان.

هنگامی که یک محصول همه اینها را انجام می دهد، تغییر به یک رقیب بسیار دشوارتبدیل می شود – داده های وزن داده شده و تمیز شده بسیار ارزشمند هستند و رسیدن به همان کیفیت با یک محصول جدید خیلی طول می کشد.

در این مرحله، هوش نه تنها در محصول یا مدل، بلکه در سلسله مراتب، برچسب‌ها و وزن‌های مرتبط نیز نهفته است. ارائه اطلاعات بینشی به جای چند روز، با تمرکز بر اقدامات و تصمیمات به جای ترکیبی از اطلاعات، در حد دقیقه ها طول می کشد. اینها محصولات سیستم هوشمند واقعی خواهند بود که از هوش مصنوعی مولد استفاده می کنند که با این ویژگی های تعیین کننده مشخص می شود:

  • دارای یکپارچگی عمیق با گردش کار شرکت و توانایی گرفتن داده های ساختاریافته و بدون ساختار جدید ایجاد شده.
  • در مورد توصیف و هضم داده ها از طریق سلسله مراتب، برچسب ها و وزن ها پیچیده باشد.
  • حلقه های بازخورد داده را در داخل و بین مشتریان ایجاد کنید تا تجربه محصول را افزایش دهد.

یک سوال کلیدی که من دوست دارم از مشتریان بپرسم این است: “یک پشته محصول جدید با سایر ابزارهایی که استفاده می کنید در چه رتبه ای قرار می گیرد؟” به طور معمول محصول در سیستم ثبت شده مهمترین است و پس از آن محصول سیستم از تعامل با ابزار اضافی در انتهای لیست قرار دارد.

کم اهمیت ترین محصول اولین محصولی است که در صورت کمبود بودجه کاهش می یابد، بنابراین محصولات سیستم هوشمند نوظهور باید ارزش پایداری برای بقا داشته باشند. آنها همچنین با رقابت شدیدی از سوی شرکت‌های فعلی مواجه خواهند شد که قابلیت‌های هوش مصنوعی مولد را در محصولات خود ایجاد می‌کنند. به موج جدید سیستم اطلاعاتی بستگی دارد که پیشنهادات خود را با گردش کار با ارزش بالا، همکاری و معرفی مجموعه داده‌های فوق‌العاده برای ماندگاری همراه کند.

دگرگونی فضای هوش مصنوعی در 12 ماه گذشته شتاب گرفته است و صنعت به سرعت در حال یادگیری است. مدل‌های منبع باز در حال گسترش هستند و مدل‌های اختصاصی بسته نیز با سرعت غیرمعمولی سریع در حال تکامل هستند. اکنون این بر عهده بنیانگذاران است که محصولات بادوام سیستم اطلاعاتی را بر فراز این چشم انداز به سرعت در حال تغییر بسازند – و وقتی این کار به درستی انجام شود، تأثیر آن بر شرکت ها فوق العاده خواهد بود.

https://techcrunch.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *