آنچه مدیران ارشد فناوری از هوش مصنوعی مولد می آموزند

هوش مصنوعی مولد به فرصت‌ها رسیده است و مدیران ارشد فناوری قطعا به آن توجه می‌کنند. در اینجا نحوه مشاهده سه رهبر فنی از حال و آینده GenAI است.

• کپیلوت برای نوآوری و کارایی
• نمونه سازی سریع و تحویل محصول
• تولید کد نوک کوه یخ است
• چه چیزی برای هوش مصنوعی مولد در پیش است
• نقش CTO در پذیرش GenAI
• پرسیدن سؤالات درست

هوش مصنوعی مولد یا GenAI، فناوری داغ حال حاضر است که هم برای شرکت‌ها و هم برای کاربران فردی مورد توجه قرار می‌گیرد.

تحقیقات بلومبرگ در گزارش ژوئن ۲۰۲۳ نشان می‌دهد که بازار هوش مصنوعی مولد در ۱۰ سال آینده به طور چشمگیری گسترش می‌یابد و از اندازه بازار ۴۰ میلیارد دلاری در سال گذشته به ۱.۳ تریلیون دلار می‌رسد. این گزارش می‌گوید رشد بازار توسط زیرساخت‌های آموزشی در کوتاه‌مدت هدایت می‌شود، و این به تدریج به سمت دستگاه‌های استنتاج برای مدل‌های زبان بزرگ (LLM)، تبلیغات دیجیتال، و نرم‌افزار و خدمات تخصصی در طولانی‌مدت تغییر خواهد کرد. مدت.

یک گزارش ژوئن ۲۰۲۳ توسط شرکت مشاوره KPMG اشاره می کند که فناوری هوش مصنوعی مولد با سرعتی سریع در حال پیشرفت است. این شرکت در ژوئن ۲۰۲۳ از ۲۰۰ مدیر اجرایی ایالات متحده نظرسنجی کرد و ۷۵ درصد گفتند که هوش مصنوعی مولد طی ۱۲ تا ۱۸ ماه آینده سه فناوری برتر در حال ظهور خواهد بود.

موارد استفاده از هوش مصنوعی مولد شامل ربات‌های گفتگو و دستیارهای مجازی است. توسعه محتوا؛ تجزیه و تحلیل داده ها؛ طراحی و توسعه؛ و نگهداری پیش بینی ما با سه مدیر ارشد فناوری در مورد اینکه چگونه آنها از فناوری در سازمان خود استفاده می کنند و آنچه در آینده انتظار دارند صحبت کردیم.

کپیلوت برای نوآوری و کارایی

شرکت Florin Rotar می‌گوید:

Avanade، سرمایه‌گذاری مشترکی که توسط مایکروسافت و Accenture در سال ۲۰۰۰ ایجاد شد، از زمانی که مایکروسافت برای اولین بار در اوایل سال ۲۰۲۱ مجموعه‌ای از خدمات GPT را به صورت پیش‌نمایش با OpenAI راه‌اندازی کرد، روی هوش مصنوعی مولد همکاری کرده است.

به عنوان مثال، آواناد از فناوری Copilot که مایکروسافت به برنامه‌های Microsoft Graph و Microsoft 365 خود معرفی کرده بود، برای ادغام LLM با داده‌های خود برای افزایش بهره‌وری استفاده کرد.

Avanade همچنین یکی از اولین کاربران Microsoft Viva Sales است که از آن برای ساده‌سازی فرآیندهای فروش خود استفاده می‌کند، Rotar می‌گوید، و در حال تعبیه نسخه‌های جدید Viva Sales است که شامل هوش مصنوعی مولد می‌شود، زیرا مایکروسافت این قابلیت‌های جدید را به بازار می‌آورد.

روتار می‌گوید: «تصویر بزرگ‌تر، ما می‌بینیم که GenAI نقطه عطف دموکراتیزه شدن هوش مصنوعی است و فرصت‌های جدیدی را برای آزادسازی نوآوری و مزایای بهره‌وری فراهم می‌کند. او می گوید که این شرکت مزایایی مانند افزایش بهره وری را مشاهده می کند و از هوش مصنوعی مولد در عملیات فروش و بازاریابی خود برای کشف بینش و بهبود برنامه ریزی حساب فروش استفاده می کند.

روتار می‌گوید: «همانطور که ما فعالانه با مشتریان در سراسر جهان کار می‌کنیم، می‌بینیم که سازمان‌ها مزایای بیشتری را دریافت می‌کنند. به عنوان مثال، یک تولیدکننده فرصت هایی را برای استفاده از هوش مصنوعی مولد برای الهام بخشیدن به طراحان، مهندسان و تیم های بازاریابی برای ایجاد و ارائه طرح های محصول جدید شناسایی کرده است. یک سازمان غیرانتفاعی در حال بررسی استفاده از هوش مصنوعی مولد برای کمک به تهیه گزارش کمک مالی و تغییر جهت زمان صرف شده برای وظایف اداری مرتبط است.

نمونه سازی سریع و تحویل محصول

اریک ریوز، مدیر ارشد فناوری، می‌گوید

Anaqua، ارائه‌دهنده نرم‌افزار مدیریت مالکیت معنوی (IP)، از هوش مصنوعی مولد برای عملیات داخلی برای پشتیبانی از توسعه و در محصولات خود برای پشتیبانی از فهرست رو به رشدی از موارد استفاده استفاده می‌کند.

این شرکت سال‌هاست که از هوش مصنوعی، یادگیری ماشینی و جستجوی پیشرفته استفاده می‌کند و آن را دنبال می‌کند، «و برخی از قابلیت‌های جدیدی که اکنون در حال ظهور هستند، به سادگی از نظر سطح کیفیت متفاوت هستند، بدون نیاز به سرمایه‌گذاری ریوز می گوید: مقدار زیادی تلاش. «این خدمات جدید مزایای بسیار ارزشمندی را برای نمونه‌سازی سریع، آزمایش و اعتبارسنجی بازار در بازه زمانی بسیار کوتاه‌تری ارائه می‌کنند، و به ما این امکان را می‌دهند که تعدادی از چیزها را امتحان کنیم [و] اعتبارسنجی، کشتن یا تسریع پروژه‌ها را انجام دهیم.»

ریوز می‌گوید در همان زمان، شرکت تشخیص می‌دهد که باید عملی باشد و این ابزارها را هوشمندانه برای حل چالش‌های واقعی مشتریان به کار گیرد. او می‌گوید: «برخی از ابتکارات اولیه ما بسیار ساده هستند، اما با این وجود تأثیرگذار هستند، مانند جستجوی راه‌هایی برای کاهش کارهای دستی و اضافی. او می‌گوید: «ما همچنین موارد استفاده پیشرفته‌تری را دنبال می‌کنیم که به روش‌های پیچیده‌تر و ظریف‌تر برای چالش‌های تجاری و داده‌ها در IP اعمال می‌شود، اما رویکرد بسیار منعطف و عملی برای تحویل را حفظ می‌کنیم.

ریوز می‌گوید: «هوش مصنوعی مولد، زمانی که به گزینه‌هایی برای بهره‌برداری از این [نوع] فناوری جدید نگاه می‌کنیم، یک حوزه شکل‌دهنده برای ما است. “در حالی که ما راهی برای تولید یک برنامه کاربردی برای ما توسط هوش مصنوعی هستیم، به خصوص در منطقه پیچیده ای مانند ما، ما قبلاً از آن برای کارهای ساده ای استفاده کرده ایم که می تواند به ثبات، کارایی و کیفیت در توسعه کمک کند. من فکر می‌کنم آنچه برای ما در اینجا حیاتی است، ایجاد یک جامعه یادگیری و گسترش آن دانش است، درست مانند روش‌های کدگذاری اولیه، امنیت، و مکانیک‌های عملیاتی توسعه.»

جایی که Anaqua مزایای فوری دیده است، برای حوزه‌هایی مانند بررسی کد، مقایسه کد، یا پرسیدن سؤالات خاص برای تأیید اعتبار یا بازخورد، بیشتر موردی است. ریوز می‌گوید: «چیزی که ما پس می‌گیریم همیشه چیزی نیست که شما به بانک ببرید، اما ارزش به‌طور تکان‌دهنده‌ای وجود دارد که می‌توان از قبل به دست آورد – و فقط بهتر خواهد شد.

تولید کد نوک کوه یخ است

به گفته Marktechpost Media، یک پلت فرم خبری هوش مصنوعی،

پیشرفت های سریع در فناوری های هوش مصنوعی مولد منجر به افزایش علاقه و پیشرفت در ابزارهای تولید کد شده است. این ابزارها از الگوریتم‌های یادگیری ماشین و پردازش زبان طبیعی (NLP) برای کمک به توسعه‌دهندگان برای خودکارسازی برخی از جنبه‌های کدنویسی استفاده می‌کنند.

روتار می‌گوید: «کدنویسی ایجاد شده توسط هوش مصنوعی به توسعه‌دهندگان این امکان را می‌دهد تا روی کارهای خلاقانه‌تر و کامل‌تر کار کنند. با صرف زمان و تلاش کمتر بر روی جنبه‌های معمولی‌تر کدنویسی، توسعه‌دهندگان آزاد می‌شوند تا بر کشف و نوآوری تمرکز کنند و راه‌های جدیدی برای استفاده از برنامه‌ها، برنامه‌ها یا کدنویسی ارائه دهند. مفاهیم تولید شده توسط هوش مصنوعی همچنین می‌توانند فرصت‌هایی را برای راه‌حل‌های کد جدید شبکه یا حتی زبان‌های کدنویسی که امروزه وجود ندارند، ارائه دهند، که ممکن است چالش‌های فعلی یا آینده را حل کند.”

برایان هریس، معاون اجرایی SAS و مدیر ارشد فناوری SAS می‌گوید:

شرکت نرم‌افزار SAS در حال بررسی قابلیت‌های تولید کد و تولید جریان با ادغام‌های کمک خلبان است و در حال حاضر تولید محتوای بازاریابی با استفاده از ChatGPT را به کار می‌گیرد.

هریس می‌گوید: «با نگاهی به آینده، ما در حال آزمایش ادغام یک ربات چت در پلتفرم هوش مصنوعی خود هستیم تا به مشتریان اجازه دهیم با ابزارها و داده‌های ما با استفاده از زبان طبیعی تعامل داشته باشند. “ما [محصولات] خود را با این قابلیت القا می کنیم، بنابراین مشتریان ما می توانند ارزش واقعی را از هوش مصنوعی مولد سریعتر درک کنند.

برای مثال، هریس می‌گوید، برای مثال، برنامه‌ریزان مالی ممکن است به دنبال راه‌هایی برای حفظ بهتر حاشیه سود کارفرمایان خود باشند. او می‌گوید: «رویکرد ما به هوش مصنوعی [تولیدکننده] به توضیح داده‌ها، اشاره به ناهنجاری‌های شناسایی‌شده توسط یک مدل هوش مصنوعی دیگر، و عادی‌سازی خودکار آنها کمک می‌کند». به طور مشابه، یک برنامه‌ریز تدارکات ممکن است از نماینده ما بخواهد که گزینه‌ها را برای بهینه‌سازی هزینه‌های زنجیره تامین با مقایسه پیشنهادات تامین‌کننده با اهداف حاشیه بررسی کند. این یک تعامل دقیق است که ما هنوز آن را در حوزه عمومی نمی بینیم.”

چه چیزی در انتظار هوش مصنوعی مولد است

در حالی که هیچ تعریف رسمی یا مورد توافق گسترده‌ای در مورد اینکه چه فناوری‌هایی تحت چتر هوش مصنوعی مولد قرار می‌گیرند وجود ندارد، SAS دوقلوهای دیجیتال، تولید داده‌های مصنوعی و LLM‌ها را که همگی ماهیت تولیدی دارند، در نظر می‌گیرد.

هریس می‌گوید: «نرم‌افزار ما در حال حاضر از بسیاری از قابلیت‌های اساسی هوش مصنوعی، مانند یادگیری تقویتی، برای تولید داده‌های مصنوعی استفاده می‌کند. در این سیستم، ما یک منبع حقیقت زمینی، مدلی که به صورت تصادفی داده های جدولی تولید می کند و یک تفکیک کننده داریم. تمایزکننده تلاش می‌کند تا مشخص کند که داده‌های تولید شده قابل قبول یا نادرست هستند و بازخورد را به مدل برمی‌گرداند.”

هریس می‌گوید این «محل پرورش» برای ساخت دوقلوهای دیجیتال مصنوعی است. او می‌گوید: «برای مثال، ما می‌توانیم چندین نوع داده مشابه داده‌های تله‌متری خودرو تولید کنیم و سپس سناریوهای «چه می‌شود» را برای پیش‌بینی رفتار این سیستم پیچیده اجرا کنیم.

«من فکر می‌کنم آنچه در تولید کد به همان اندازه هیجان‌انگیز است – و صادقانه بگویم، موضوعات دیگر – توانایی ارائه «دستیار هوشمند» به یک توسعه‌دهنده است. ریوز می گوید: چیزی که می تواند در زمان واقعی کنترل کیفیت، ارائه پیشنهادات و کمک به اجرای یکپارچگی را فراهم کند. “برخی چیزهای پیش پا افتاده را می توان به اتوماسیون یا بازبینی ساده واگذار کرد، در حالی که تفکر طراحی و تجربه کاربری بالاتر می تواند در تمرین خلاقیت محوری تر شود.”

نقش CTO در پذیرش GenAI

با توجه به هیاهوی موجود در بازار، مدیران ارشد فناوری باید نسبت به تعیین انتظارات در مورد هوش مصنوعی مولد در C-suite و مدیران و تیم هایی که زیر نظر آنها کار می کنند، هوشیار باشند.

بخشی از این موضوع روشن می‌کند که هوش مصنوعی مولد هنوز از نظر موارد استفاده تجاری نسبتاً جدید است و باید با احتیاط به کار گرفته شود.

روتار می‌گوید: «همگام شدن با سرعت بازار کار دشواری است. «یک سال بعد، خیلی متفاوت به نظر می رسد. مدیریت تبلیغات و همگام ماندن کار دشواری است. نکته کلیدی این است که اطمینان حاصل شود که رهبران در حال آزمایش، یادگیری و همچنین کار بر روی استراتژی هوش مصنوعی آنها هستند.”

روتار می‌گوید در حالی که بسیاری از رهبران ایده‌هایی برای استفاده از هوش مصنوعی مولد دارند، باید مدیریت ریسک، انطباق، مقررات، امنیت و اخلاق را در نظر بگیرند. او می گوید: «این بدان معناست که رهبران باید بیشتر از مفاهیم فناوری هوش مصنوعی را در نظر بگیرند. “برای استفاده از مزایای هوش مصنوعی، رهبران باید چندین حوزه تجاری و فناوری اطلاعات را ارزیابی و نظارت کنند تا آمادگی هوش مصنوعی سازمان ها و افراد خود را حفظ کنند.”

هریس می‌گوید در حالی که کسب‌وکارها مشتاق آزمایش ابزارهای مولد هستند، «ما باید توجه داشته باشیم که برنامه‌های فعلی در بهترین حالت آزمایشی هستند. «محتوای تولید شده توسط راه‌حل‌های مبتنی بر هوش مصنوعی [تولیدکننده]، نتیجه منبع‌یابی داده‌ها و مصنوعات ایجاد شده توسط انسان است – و انسان‌ها مستعد درج تعصب، اشتباه، و تناقض با خود هستند.

هریس می‌گوید: «در حالی که هوش مصنوعی مولد وعده‌های بسیار خوبی را نشان می‌دهد، «بدون کنترل و تعادل ایمن، پتانسیل زیادی برای سوء استفاده وجود دارد. “این نقص ها می تواند منجر به دیپ فیک های مضر، نقض حق نسخه برداری، سوء استفاده از مالکیت معنوی، و سایر نتایج نامناسب شود.”

پرسیدن سوالات درست

هریس می‌گوید:

پیشرفت‌ها در هوش مصنوعی مولد سریع‌تر از زمانی است که نهادهای حاکم یا جامعه زمان لازم را برای رسیدگی منطقی به آن داشته باشند، و مسائل مربوط به ارزش تجاری، ریسک و اخلاقیات هنوز با هم هماهنگ نشده‌اند.

هریس می‌گوید: «مدل کسب‌وکار ما صرفاً به‌خاطر جدید بودن آخرین فناوری را ترویج نمی‌کند. “تجربه چندین ساله ما اهمیت نگاه دقیق تر به بهترین زمان، مکان و نحوه به کارگیری روش های جدید را با بررسی نقاط قوت و ضعف آنها القا کرده است. تعهد ما به اخلاق داده‌ها ما را مجبور می‌کند به این سؤال پاسخ دهیم، «اگر می‌توانیم، به این معناست که باید؟» اگر بله، تا چه حد؟»