Давление на инвестиции в ИИ: Хороший знак

Эволюция и ажиотаж вокруг ИИ

Искусственный интеллект (ИИ) — это не новая концепция. Путешествие началось еще в 1940-х годах, когда пионеры вроде Джона Маккарти зажгли наше воображение о том, чего может достичь ИИ. Однако относительно новым является огромный объем возбуждения вокруг него. Это как будто шумиха растет экспоненциально. Возьмем, к примеру, ChatGPT, который в 2022 году появился с большим шумом, 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) улучшаются с невероятной скоростью. Мы ежедневно наблюдаем прорывы в областях, таких как рассуждение и генерация контента. Это захватывающее время для жизни!

Однако у этого ажиотажа есть и обратная сторона. Он может создавать много шума, из-за чего может показаться, что в ИИ больше шума, чем сути. Мы так привыкли к бомбардировке информацией о этих передовых разработках, что можем начать их игнорировать. И делая это, мы рискуем упустить невероятные возможности, которые предоставляет ИИ.

Неправильное представление о генеративном ИИ

Из-за всего шума вокруг генеративного ИИ некоторые лидеры могут считать его незрелым и не стоящим инвестиций. Они могут ждать широкого принятия, прежде чем присоединиться, или ограничивать его использование низкоэффективными областями своего бизнеса. Но они упускают суть. Эксперименты с генеративным ИИ, даже если это означает быстрые неудачи, намного лучше, чем вообще не пытаться. Лидерство — это захват возможностей для инноваций и трансформаций. ИИ развивается быстро, и если вы не подключитесь, вас оставят позади.

Эта технология станет основой будущих бизнес-ландшафтов. Те, кто сейчас взаимодействует с ней, будут формировать, как будет выглядеть это будущее. Не используйте генеративный ИИ только для мелких выгод; используйте его для совершения гигантских скачков. Именно это и будут делать новаторы.

Управление рисками при внедрении ИИ

Внедрение генеративного ИИ по сути является упражнением по управлению рисками, в чем руководители хорошо разбираются. Подходите к этому как к любому другому новому инвестированию. Найдите способы двигаться вперед, не принимая на себя чрезмерный риск. Просто делайте что-то. Вы быстро увидите, работает ли это — либо ИИ улучшает процесс, либо нет. Это так просто.

Вы не хотите попасть в аналитический паралич. Не тратьте слишком много времени на размышления о своих целях. Как мудро заметил Вольтер, не позволяйте совершенству стать врагом хорошего. С самого начала установите диапазон приемлемых результатов, придерживайтесь их, итеративно развивайтесь и продолжайте двигаться вперед. Ожидание идеального момента или случая в долгосрочной перспективе обойдется вам дороже.

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

Ценность неудачи в экспериментах с ИИ

Предположим, ваша организация потерпит неудачу в своих экспериментах с генеративным ИИ. И что с того? В обучении на неудачах есть огромная ценность — пробовать, менять направление и понимать, где ваши команды испытывают трудности. Жизнь — это преодоление вызовов. Если вы не будете подталкивать свои команды и инструменты к пределам, как вы когда-нибудь узнаете, что возможно?

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

Если вы попробуете и потерпите неудачу с одним экспериментом генеративного ИИ, вы будете лучше подготовлены к следующему.

Поиск возможностей для экспериментов с ИИ

Для начала определите области в вашем бизнесе, которые представляют наибольшие вызовы: постоянные узкие места, избегаемые ошибки, неудовлетворенные ожидания или упущенные возможности. Любой рабочий процесс, который включает в себя интенсивный анализ данных, сложное решение проблем или занимает чрезмерное количество времени, идеально подходит для экспериментов с ИИ.

В моей области, управлении цепочками поставок, существует бесчисленное количество возможностей. Возьмем, к примеру, управление складом. Это идеальная отправная точка для генеративного ИИ. Управление складом включает в себя жонглирование множеством элементов в почти реальном времени. Вам нужны правильные люди в правильном месте в правильное время для обработки, хранения и извлечения продуктов, некоторые из которых могут иметь специфические требования к хранению, например, охлажденные товары.

Это сложная задача. Менеджеры складов обычно не имеют времени просматривать бесконечные отчеты о труде и товарах, чтобы все работало гладко. Они часто сталкиваются с реальными нарушениями в реальном времени.

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

Это всего лишь один пример того, как генеративный ИИ может оптимизировать ключевые области бизнеса. Любой процесс, требующий много времени и включающий анализ данных и принятие решений, является идеальным кандидатом для улучшения с помощью ИИ.

Итак, выберите случай использования и погружайтесь.

Принятие будущего с генеративным ИИ

Генеративный ИИ здесь надолго, и он развивается со скоростью инноваций. Каждый день появляются новые случаи использования, и технология становится все более мощной. Преимущества очевидны: организации, трансформирующиеся изнутри, люди, работающие на пике эффективности с данными под рукой, и более быстрые, умные бизнес-решения. Я мог бы продолжать и продолжать.

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

Если у вас есть надежная команда, прочная бизнес-стратегия и реальные возможности для улучшения, у вас нет ничего, что можно потерять.

Чего вы ждете?