هوش مصنوعی در مرحله تایر زدن است

شرکت های هوشمند با برنامه های کوچک هوش مصنوعی مولد آزمایش خواهند کرد تا مهارت ها و اعتماد به نفس را برای آزمایش پروژه های جسورانه به دست آورند.

فقط مانند داده های بزرگ در سال ۲۰۱۳، ما در فاز هوش مصنوعی مولد (genAI) “همه این کار را انجام می دهند، هیچ کس نمی داند چرا” هستیم. یک نظرسنجی مک کینزی اخیر نشان داد که ۶۵٪ از شرکت ها “به طور منظم از genAI استفاده می کنند.” امیدوار کننده! در Elastic’s تماس اخیر با درآمد، این شرکت خاطرنشان کرد که بیش از ۱۰۰۰ مشتری برای ساخت برنامه های genAI هزینه می کنند. وای! هر یک از شرکت‌های ابری بزرگ، و همچنین اوراکل، در مورد اینکه genAI چگونه هزینه‌های ابری را هدایت می‌کند، صحبت کرده‌اند. شگفت انگیز!

شاید. شاید نه.

به سرفصل‌ها نگاه کنید و ما هنوز هم ژن‌AI را آرزویی می‌بینیم، نه لزوماً تحول‌آفرین برای اکثر شرکت‌ها. به عنوان مثال، آش کولکارنی، مدیرعامل Elastic، در حالی که از تمام مشتریان خود در حال ساخت برنامه‌های genAI استفاده می‌کند، گفت: «ما امسال سهم درآمد قابل توجهی از genAI را مدل‌سازی نمی‌کنیم.» به عبارت دیگر، ۱۰۰۰ شرکت پول زیادی نمی پردازند، عمدتاً به این دلیل که زیاد انجام نمی دهند. این کمی در مورد الاستیک نیست. بلکه این واقعیتی است که ما امروز با genAI در آن قرار داریم. ابرها عمدتاً درآمدهای هوش مصنوعی خود را از طریق مدل‌های آموزشی افزایش می‌دهند، نه اینکه شرکت‌ها از این مدل‌ها برای استنتاج از آن داده‌ها در برنامه‌ها استفاده کنند.

به عبارت دیگر، اگر هنوز کسب‌وکار خود را با هوش مصنوعی متحول نکرده‌اید، تنها نیستید. شما وقت دارید.

هنوز برای genAI زود است

من اخیراً در این مورد نوشتم و به همان نکات اشاره نمی‌کنم (به‌عنوان مثال، به جای پروژه‌های بزرگ genAI، شرکت‌هایی که موفقیت واقعی پیدا می‌کنند، تمایل دارند جستجوی بهتری را از طریق بازیابی-افزایش یافته انجام دهند. نسل (RAG) طبق نظرسنجی مک‌کینزی، شرکت‌ها هنوز متوجه نشده‌اند که دقیقاً کجا باید از genAI استفاده کنند (“پشتیبانی محتوا برای استراتژی بازاریابی” و “بازاریابی شخصی”). ۱۵٪ از پاسخ دهندگان برخی از ربات های چت میز فناوری اطلاعات (۷٪ از پاسخ دهندگان) و توسعه طراحی (۱۰٪) وجود دارند، اما در بیشتر موارد، همه چیز تا حد زیادی یک خطای گرد است.

به بیان زیبا، شرکت‌ها به لاستیک‌ها ضربه می‌زنند.

اطلاعات دیگر از نظرسنجی بیشتر از پاسخ به سؤالات ایجاد می کند. برای مثال، این گزارش می‌گوید: «پاسخ‌دهندگان معمولاً افزایش معنی‌دار درآمد (بیش از ۵ درصد) در زنجیره تأمین و مدیریت موجودی را گزارش می‌کنند، با این حال فقط ۶ درصد از شرکت‌ها در آن بازار به طور منظم از genAI استفاده می‌کنند. اگر به خوبی برای افزایش درآمد کار می کند، آیا شرکت های بیشتری این کار را انجام نمی دهند؟

باز هم، این بدان معنا نیست که genAI، و به طور کلی تر، AI تأثیر قابل توجهی نخواهد داشت. بلکه نشان دهنده این است که ما در اوایل چرخه پذیرش هستیم.

شروع کنید. چیزها را بشکنید

بر اساس نظرسنجی مک‌کینزی، من گمان می‌کنم یکی از دلایل کلیدی این که فروش و بازاریابی بزرگترین حوزه برای genAI در شرکت‌ها است، این تصور است که اینها حوزه‌هایی هستند که شرکت می‌تواند «اشتباه» کند. منظورم این نیست که این مناطق بی اهمیت هستند. منظورم این است که احتمالاً ترجیح می‌دهید در نسخه اولیه بازاریابی، توهم LLM داشته باشید تا صورت درآمد. طبق گفته McKinsey، بهترین عملکردهای genAI معمولا کسانی هستند که «هر پیامد منفی را از genAI که ما در مورد آن پرسیدیم، از امنیت سایبری و حریم خصوصی شخصی گرفته تا توضیح پذیری و نقض IP را تجربه کرده اند.» آنها توسط genAI سوزانده شده اند و از این تجربه درس گرفته اند. بهتر است طناب ها را با فعالیت هایی که پشت دیوار آتش هستند و خطر نسبتاً کم دارند یاد بگیرید.

این افراد با عملکرد بالا نسبت به همتایان خود بارهای کاری genAI بیشتری را اجرا می کنند (آنها از genAI به طور متوسط ​​در سه عملکرد استفاده می کنند؛ شرکت های کم تجربه به طور متوسط ​​دو عملکرد را انجام می دهند) زیرا آنها متوجه شده اند که چگونه خطرات لبه های ناهموار را مدیریت کنند. مک‌کینزی می‌گوید، آن‌ها همچنین استراتژی‌های کاهش ریسک پیشرفته‌تری دارند، و سپس «بیش از سه برابر دیگران احتمال دارد از genAI در فعالیت‌های [پیشرفته‌تر] استفاده کنند، از پردازش اسناد حسابداری و ارزیابی ریسک گرفته تا تست تحقیق و توسعه و قیمت‌گذاری و تبلیغات.” آن‌ها همچنین با داده‌ها با مشکلاتی مواجه شده‌اند: ۷۰٪ از افراد با عملکرد بالا مشکلاتی را در مورد داده‌ها ذکر می‌کنند، از جمله کشف فرآیندهای حاکمیت داده یا نداشتن داده‌های آموزشی کافی.

اگر مایل به آزمایش و خطر شکستن چیزها نباشید، با این مشکلات مواجه نمی‌شوید (و از آنها درس می‌گیرید).

با بازگشت به ۱۰۰۰ مشتری Elastic که برای ساخت برنامه‌های genAI پول پرداخت می‌کنند، بدون در نظر گرفتن تأثیرات مالی کوتاه‌مدت، این خبر خوبی برای Elastic و همچنین صنعت است. همانطور که مدیران این شرکت گفتند، genAI “در دراز مدت یک محرک رشد قابل توجه برای ما خواهد بود”، حتی اگر “مشتریان هنوز در مراحل اولیه چرخه پذیرش هستند.” راهی که قرار است همه شرکت‌ها از آغاز به کار اولیه به سمت تحول سازمانی بروند، شروع کوچک، شکستن چند چیز و کسب تجربه و اعتماد به نفس برای بزرگ‌تر شدن با genAI است.