Давление на инвестиции в ИИ: Хороший знак

Эволюция и ажиотаж вокруг ИИ

Искусственный интеллект (ИИ) — не новая концепция. Путь начался в 1940-х годах, когда пионеры, такие как Джон Маккарти, разожгли наше воображение о возможностях ИИ. Однако относительно новым является огромный ажиотаж вокруг него. Это как будто шум нарастает в геометрической прогрессии. Взять, к примеру, ChatGPT, который ворвался на сцену в 2022 году с большим успехом, а теперь DeepSeek и Qwen 2.5 вызывают волнение повсюду.

Этот ажиотаж понятен. Благодаря скачкам в вычислительной мощности, доступу к огромным наборам данных и усовершенствованным алгоритмам модели ИИ и машинного обучения (ML) совершенствуются стремительными темпами. Мы ежедневно становимся свидетелями прорывов в таких областях, как мышление и генерация контента. Это захватывающее время!

Однако у этого ажиотажа есть и обратная сторона. Он может создавать много шума, из-за чего кажется, что в ИИ больше пены, чем сути. Мы так привыкли к потоку информации о передовых разработках, что можем начать отключаться. И, поступая так, рискуем упустить невероятные возможности, которые предоставляет ИИ.

Заблуждения о генеративном ИИ

Из-за всего шума вокруг генеративного ИИ некоторые лидеры могут считать его незрелым и не стоящим инвестиций. Они могут ждать массового внедрения, прежде чем присоединиться, или ограничивать его использование малозначительными областями бизнеса. Но они упускают суть. Эксперименты с генеративным ИИ, даже если это означает быстрый провал, гораздо лучше, чем вообще не пытаться. Лидерство — это использование возможностей для инноваций и трансформации. ИИ развивается быстро, и если вы не присоединитесь, останетесь позади.

Эта технология станет основой будущих бизнес-ландшафтов. Те, кто работает с ней сейчас, будут формировать будущее. Не используйте генеративный ИИ только для небольших выгод; используйте его для гигантских скачков. Именно так поступят первопроходцы.

Управление рисками внедрения ИИ

Внедрение генеративного ИИ — это, по сути, упражнение по управлению рисками, в чем руководители хорошо разбираются. Подходите к этому как к любому другому новому инвестированию. Найдите способы двигаться вперед, не беря на себя чрезмерные риски. Просто сделайте что-нибудь. Вы быстро увидите, работает ли это — либо ИИ улучшает процесс, либо нет. Это так просто.

Чего вы не хотите — это впасть в паралич анализа. Не тратьте слишком много времени на обдумывание целей. Как мудро заметил Вольтер, не позволяйте совершенству стать врагом хорошего. Задайте диапазон приемлемых результатов с самого начала, придерживайтесь их, итерируйте и продолжайте двигаться вперед. Ожидание идеального момента или сценария использования только обойдется вам дороже в долгосрочной перспективе.

Итак, насколько это может быть плохо? Выберите несколько пробных проектов, запустите их и посмотрите, что получится. Если вы потерпите неудачу, ваша организация станет сильнее.

Ценность неудач в экспериментах с ИИ

Допустим, ваша организация потерпела неудачу в экспериментах с генеративным ИИ. И что? В обучении на неудачах есть огромная ценность — попытки, корректировки и понимание, где ваши команды сталкиваются с трудностями. Жизнь — это преодоление вызовов. Если вы не будете подталкивать свои команды и инструменты к пределам, как вы узнаете, что возможно?

С правильными людьми на правильных местах и доверием к ним у вас нет ничего, что можно потерять. Постановка амбициозных целей с реальными вызовами поможет вашей команде расти профессионально и находить больше ценности в своей работе.

Если вы попробуете и потерпите неудачу в одном эксперименте с генеративным ИИ, вы будете лучше подготовлены к следующему.

Поиск возможностей для экспериментов с ИИ

Для начала определите области вашего бизнеса, которые представляют наибольшие трудности: постоянные узкие места, предотвратимые ошибки, неудовлетворенные ожидания или упущенные возможности. Любой рабочий процесс, связанный с интенсивным анализом данных, сложным решением проблем или требующий чрезмерного количества времени, подходит для экспериментов с ИИ.

В моей области, управлении цепочками поставок, возможностей бесчисленное множество. Возьмем, к примеру, управление складом. Это идеальная отправная точка для генеративного ИИ. Управление складом требует жонглирования множеством элементов практически в реальном времени. Нужны правильные люди в правильном месте в нужное время для обработки, хранения и извлечения продуктов, некоторые из которых могут иметь специфические требования к хранению, например, охлаждаемые товары.

Это сложная задача. У менеджеров складов обычно нет времени перебирать бесконечные отчеты о рабочей силе и товарах, чтобы все работало гладко. Они часто сталкиваются с нарушениями в реальном времени.

Однако агенты генеративного ИИ могут анализировать все эти отчеты и предлагать план действий на основе инсайтов и причин. Они могут выявлять потенциальные проблемы и разрабатывать эффективные решения, экономя менеджерам огромное количество времени.

Это лишь один пример того, как генеративный ИИ может оптимизировать ключевые бизнес-процессы. Любой процесс, требующий много времени и связанный с анализом данных и принятием решений, — отличный кандидат для улучшения с помощью ИИ.

Итак, выберите сценарий использования и приступайте.

Принятие будущего с генеративным ИИ

Генеративный ИИ здесь надолго, и он развивается со скоростью инноваций. Новые сценарии использования появляются каждый день, и технология становится все мощнее. Преимущества очевидны: организации трансформируются изнутри, люди работают с максимальной эффективностью, имея данные под рукой, а бизнес-решения принимаются быстрее и умнее. Я мог бы продолжать и продолжать.

Чем дольше вы ждете "идеальных условий", тем дальше вы и ваш бизнес отстанете.

Если у вас есть сильная команда, надежная бизнес-стратегия и реальные возможности для улучшения, вам нечего терять.

Чего вы ждете?