среда, 20 ноября 2024 г.

Бизнес-процесс - как это может выглядеть

В статье McKensey (ссылка внизу) приведен примечательный рисунок в части построения и реализации бизнес-процессов. Для нетривиальных бизнес-процессов это почти стопроцентное попадание.

Итак

Процесс должен выглядеть так.




Процесс был реализован так.




Команда полагает, что процесс выполняется следующим образом



Актуальный бизнес-процесс.




Вот так то.




Оригинальный рисунок выглядит следующим образом:





Источник.

Today’s industrial revolution calls for an organization to match. July 23, 2024. Article. By Dado Misljencevic, Sven Houthuys, Tom Welchman and Ulf Schrader

https://www.mckinsey.com/capabilities/operations/our-insights/todays-industrial-revolution-calls-for-an-organization-to-match

суббота, 16 ноября 2024 г.

Инструменты ИИ в логистике

Быстрое развитие передовых цифровых инструментов открывает новые возможности в планировании цепочки поставок, операциях и управлении рисками. Эти инструменты уже формируют планы оцифровки организаций, о чем свидетельствует существенный рост интереса к инструментам планирования спроса. В ближайшие годы McKinsey ожидаеn, что эти технологии предоставят дополнительную функциональность в других областях.

Источник.

Supply chains: Still vulnerable. October 14, 2024. Article by Knut Alicke and Tacy Foster with Vera Trautwein.

https://www.mckinsey.com/capabilities/operations/our-insights/supply-chain-risk-survey

вторник, 12 ноября 2024 г.

Квантовые вычисления

Квантовые вычисления находятся на переднем крае технологических инноваций, предлагая заманчивые обещания революционизировать обработку информации. Используя принципы квантовой механики, квантовые компьютеры могут решать сложные задачи, далеко выходящие за рамки возможностей классических компьютеров. Однако, несмотря на огромный потенциал, реализация всех возможностей квантовых вычислений сопряжена со значительными трудностями.

Квантовые вычисления — это тип вычислений, использующий принципы квантовой механики. В отличие от классических компьютеров, которые используют биты, представляющие либо 0, либо 1, квантовые компьютеры используют квантовые биты - кубиты. 

Кубиты могут представлять как 0, так и 1 одновременно благодаря свойству, называемому суперпозицией. Они также могут быть запутанными, то есть состояние одного кубита может зависеть от состояния другого, независимо от расстояния между ними. 

Это позволяет квантовым компьютерам выполнять множество вычислений одновременно, возможно решая определенные сложные задачи намного быстрее, экспоненциально быстрее, по сравнению с классическими компьютерами. Но квантовые вычисления еще находятся на экспериментальной стадии, хотя и обещают достижения в криптографии, материаловедении и моделировании сложных систем.

Технологический скачок может преобразовать криптографию, взломав коды, которые в настоящее время не поддаются взлому. Позволяют продвинуть материаловедение с помощью точного моделирования молекулярных структур, решить проблемы оптимизации в логистике и цепочках поставок. Кроме того, квантовые вычисления могут улучшить искусственный интеллект, быстро обрабатывая огромные наборы данных, а это приведет к более сложным интеллектуальным системам. Квантовые вычисления имеют потенциал для решения сложных проблем в науке и промышленности, открывая новые горизонты инноваций и открытий.

Несмотря на эти многообещающие перспективы, на пути практического применения квантовых вычислений стоит ряд серьезных препятствий:
  • Стабильность кубита. Кубиты очень чувствительны к окружающей среде. Даже малейшее вмешательство внешних факторов, известное как декогеренция, может привести к потере кубитами своего квантового состояния. Поддержание стабильности кубита достаточно долго для выполнения значимых вычислений - серьезная проблема.
  • Исправление ошибок. Из-за своей деликатной природы кубиты склонны к ошибкам. Разработка эффективных методов исправления квантовых ошибок имеет решающее значение для обеспечения надежных вычислений. Текущие показатели ошибок слишком высоки для практического использования, и создание системы, которая может исправлять эти ошибки, не требуя непрактично большого количества кубитов, является проблемой.
  • Масштабируемость. Создание квантового компьютера с достаточным количеством кубитов для решения реальных задач — это огромная инженерная задача. Технология одновременного контроля и управления большим количеством кубитов еще находится в зачаточном состоянии.
  • Ресурсы и стоимость. Квантовые компьютеры требуют чрезвычайно низких температур и сложной инфраструктуры для работы, что делает их создание и обслуживание дорогими. Ресурсы, необходимые для разработки и работы квантовых компьютеров, существенны. Это ограничивает их доступность.
  • Разработка алгоритмов. Хотя некоторые квантовые алгоритмы показали себя многообещающими, разработка новых алгоритмов, которые могут в полной мере использовать мощь квантовых вычислений - сложная задача. Исследователи все еще изучают наилучшие способы применения квантовых принципов для решения практических задач.

Учитывая эти проблемы, нет никаких гарантий, что мы когда-либо полностью реализуем потенциал квантовых вычислений. Для преодоления препятствий необходимы значительные научные и инженерные прорывы. Тем не менее, стремление к квантовым вычислениям продолжает стимулировать инновации и вдохновлять исследователей по всему миру. Путь к практическим квантовым вычислениям неопределен и сложен, но потенциальные выгоды делают его привлекательной областью исследований. Независимо от того, реализуем ли мы его полный потенциал или нет, стремление к квантовым вычислениям, несомненно, приведет к новым открытиям и достижениям в понимании квантового мира.

Katie Mack, Hawking Chair in Cosmology and Science Communication, Perimeter Institute
Будет ли эта компьютерная революция полезна для человечества или принесет нам массу непредвиденных проблем? Если вы спросите меня, то и то, и другое.

Источник.

Фрэнк Диана. Перспективы и проблемы квантовых вычислений. 12 июля 2024 г.
https://frankdiana.net/2024/07/12/the-promise-and-challenges-of-quantum-computing/

пятница, 8 ноября 2024 г.

К вопросу критических областей в развитии ИИ

Развитие ИИ требует очень больших ресурсов, что пока выглядит как чрезмерно затратным делом. Но тем не менее, за красивыми картинками в Интернете лежат огромные усилия и деньги.

В статье McKinsey приводится целостный взгляд на развитие ИИ и узкие места. В статье производится сравнение Европы и США. Сравнение само собой имеет значение. А вот дополнительный бонус - это перечень критических ресурсов для развития ИИ.

Небольшое извлечение из статьи по вопросу критических областей в развитии ИИ.

Сырье (Raw materials). Для производства микросхем и полупроводников требуется более 40 видов сырья, 16 из которых (например, галлий, магний и кремний) Европейский союз классифицирует как критически важные и стратегические. Около 5% этих материалов поставляются европейскими компаниями. В результате регион в значительной степени зависит от импорта из таких стран, как Китай, который обеспечивает около 75% потребностей Европейского союза в кремнии и 90% потребностей в галлии и магнии. Закон о критически важном сырье (CRMA) поддерживает местное производство, оптимизируя процессы получения разрешений и стимулируя переработку ключевых материалов.

Полупроводниковое оборудование для ИИ (AI semiconductor equipment). Базирующаяся в Нидерландах компания ASML является лидером на рынке литографических машин, необходимых для производства высококачественных полупроводников (логика до семи нанометров), подходящих для ИИ. Европейские компании также лидируют в других сегментах оборудования, таких как атомно-слоевое осаждение (ASM International, также базирующаяся в Нидерландах, с долей рынка около 50^) и химическое осаждение из паровой фазы металлоорганических соединений (немецкая компания AIXTRON с долей рынка от 70 до 80%). Однако в других ключевых нишах, таких как машины для сухого травления и машины для нарезки кубиками, европейские компании представлены в меньшей степени.

Проектирование полупроводников с использованием искусственного интеллекта (AI semiconductor design). Такие европейские компании, как Infineon Technologies, NXP Semiconductors и STMicroelectronics, играют глобальную роль в сфере комплексного проектирования и производства полупроводников, имея около 15% доли рынка в 2023 году. Однако Европа менее представлена ​​в области разработки полупроводников, пригодных для ИИ, — в этой области лидирует Nvidia. Тем не менее, некоторые европейские игроки предпринимают шаги для преодоления разрыва. Британская компания ARM планирует запустить полупроводники ИИ в 2025 году. Европа также играет важную, хотя и косвенную, роль в разработке полупроводниковых устройств ИИ благодаря своим сильным позициям в разработке и производстве силовых полупроводников (например, через Infineon и STMicroelectronics).

Производство полупроводников ИИ (AI semiconductor manufacturing). Европа производит всего около 8% мировых полупроводников и менее 1% логических полупроводников емкостью до семи нанометров, подходящих для ИИ. У Европы нет мощностей для высокоскоростной памяти (HBM) и передовой упаковки. Заглядывая вперед, ожидается, что глобальные мощности для передового производства полупроводников по-прежнему будут полностью принадлежать неевропейским игрокам, таким как TSMC. Во многом это связано с тем, что время окупаемости в Европе выше, чем в Юго-Восточной Азии, в частности, из-за более высоких затрат на рабочую силу и электроэнергию. Помимо более высоких затрат, европейские компании также сталкиваются со сложными административными процессами. В Европе может потребоваться до четырех лет, чтобы запустить полупроводниковый завод, по сравнению с одним годом на Тайване.

Облачная инфраструктура и суперкомпьютеры (Cloud infrastructure and supercomputers). Европа отстает от США по вычислительной мощности. На Европу приходится 18% установленной мощности мировых центров обработки данных по сравнению с 37% в США (при этом ВВП Европы и США сопоставимы и составляют около 23 триллионов и 27 триллионов долларов соответственно). И в большинстве случаев европейские центры обработки данных принадлежат американским компаниям. В 2023 году европейские облачные компании (например, OVH и UpCloud) имели около 5% доли мирового рынка (около 15% в Европе), в то время как американские игроки (например, Amazon Web Services, Google и Microsoft) имели более 70% доли мирового рынка. Более того, в Европе требуемая мощность суперкомпьютеров, измеряемая в флоп/с составляет всего половину необходимого. А это становится все более необходимым в фундаментальных и прикладных исследованиях. Это отчасти связано с тем, что в США появились частные игроки, специализирующиеся в этом сегменте (например, CoreWeave), тогда как в Европе суперкомпьютеры в основном находятся в исследовательских центрах. Более того, эксплуатационные расходы европейских центров обработки данных обычно более чем на 50% выше, чем в США, что в значительной степени обусловлено более высокими расходами на электроэнергию в Европе.

Базовые модели (Foundation models). В 2023 году 61 модель ИИ были созданы организациями, базирующимися в США, что значительно превышает число европейских организаций(всего 25). Несколько европейских моделей конкурируют на мировом уровне. Одна из них — французская Mistral AI, ведущий поставщик моделей с открытым исходным кодом, собравший $1 млрд с 2023 года. Однако в технологической гонке за постоянное улучшение характеристик моделей компания по-прежнему недофинансирована по сравнению со своими конкурентами из США. Например, OpenAI привлекла $11,3 млрд, а Anthropic — $8,7 млрд.

Приложения ИИ (AI applications). В Европе есть несколько новых уникальных экземляров ИИ (например, DeepL, Synthesia и Wayve). В регионе также находятся ведущие мировые компании-разработчики программного обеспечения (такие как Dassault Systèmes, Hexagon и SAP), которые все чаще встраивают технологии ИИ поколения в свои решения. Например, в 2023 году SAP пообещала инвестировать более 1 миллиарда долларов в компании ИИ поколения. Однако Европа отстает от США, привлекая по состоянию на 2023 год лишь 12% мирового пула частного капитала и венчурного финансирования для SaaS-компаний ИИ. Более того, несколько ведущих европейских стартапов и масштабируемых компаний в сфере искусственного интеллекта (например, Hugging Face с оценкой в ​​4,5 млрд долларов и Dataiku с оценкой в ​​3,7 млрд долларов), перенесли свою штаб-квартиру из Европы в США.

Услуги ИИ (AI service). На долю Европы приходится около 15% мирового рынка услуг ИИ, что ставит ее сразу за Соединенными Штатами, которые лидируют с долей около 40%. Такое значительное присутствие на рынке обеспечивает Европе основу для расширения услуг, связанных с ИИ.

Спрос на электроэнергию.

По оценкам McKinsey, растущий спрос на электроэнергию для центров обработки данных может привести к увеличению потребления электроэнергии в Европе как минимум на 180 тераватт-часов к 2030 году, что эквивалентно более 5% от общего годового потребления электроэнергии в Европе в 2023 году. Это обусловлено спросом на вычислительную мощность центров обработки данных в Европе, который, по прогнозам McKinsey, к 2030 году увеличится более чем втрое и достигнет 35 гигаватт установленной мощности. Действительно, центры обработки данных являются крупными потребителями энергии: гипермасштабный центр обработки данных может потреблять столько же энергии, сколько 80 000 домохозяйств.

Эти новые требования окажут дополнительное давление на европейскую энергосистему, которая и так испытывает значительные нагрузки. Во-первых, ожидается, что спрос на электроэнергию в регионе возрастет на фоне растущих усилий по декарбонизации и электрификации в различных секторах, при этом абсолютный спрос на электроэнергию, как ожидается, увеличится на 20–25% к 2030 году (с 3200 тераватт-часов в 2023 году до примерно 4000 тераватт-часов в 2030 году, включая спрос со стороны центров обработки данных). Кроме того, конкурентоспособность цен на энергоносители в Европе низкая: в мае 2024 года цены на промышленную электроэнергию в Европе будут примерно на 70% выше, чем в Соединенных Штатах. Наконец, в Европе самая старая электросеть в мире (в среднем 45–50 лет по сравнению с 35–40 годами в Северной Америке и 15–20 годами в Китае). Это может привести к неэффективности распределения электроэнергии.

С другой стороны, этот значительный рост потребления электроэнергии может послужить положительным стимулом для энергетических операторов инвестировать в новые мощности. Кроме того, Европа имеет преимущество в чистой энергии, имея 61% низкоуглеродных источников в своем электроэнергетическом балансе по сравнению с 40% в Соединенных Штатах и ​​34% в Китае.

Источник.

Время делать ставки: возможности искусственного интеллекта в Европе. 1 октября 2024 г. Александр Сухаревский, Эрик Хазан, Свен Смит, Марк-Антуан де ла Шеваснери, Марк де Йонг, Сольвей Иеронимус, Ян Мишке и Гийом Дагорре.

https://www.mckinsey.com/capabilities/quantumblack/our-insights/time-to-place-our-bets-europes-ai-opportunity

Time to place our bets: Europe’s AI opportunity. October 1, 2024. By Alexander Sukharevsky, Eric Hazan, Sven Smit, Marc-Antoine de la Chevasnerie, Marc de Jong, Solveigh Hieronimus, Jan Mischke, and Guillaume Dagorret.

понедельник, 4 ноября 2024 г.

Автоматизация закупок

Из статьи "Почему уход SAP не обрушил автоматизацию закупок: семь заблуждений рынка". B2B-CenterMarch 12, 2024.

Когда в России формировался рынок электронных торгов и закупок, вокруг них существовало много мифов. «Электронные тендеры долго и сложно внедрять», «без бумажных документов не обойтись». Но эти прогнозы не подтвердились!

Теперь о прогнозах, что без западных программ в бизнес-процессах закупок невозможно обойтись.

Компании активно переходят к сквозной автоматизации закупочного процесса и цифровыми становятся все этапы: от заявки внутреннего заказчика до поставки товара. В профессиональном сообществе появились мифы.

Миф 1. Комплексную сквозную автоматизацию умели делать только ушедшие западные вендоры

Еще недавно российские разработчики были не столь заметны на рынке, потому что не могли так громко заявлять о себе, как мировые гиганты. Между тем отечественные IT-компании за последние годы добились значительных результатов.

На рынке представлен целый ряд конкурентных отечественных решений для управления закупками. Это SRM-системы непосредственно для закупочного процесса, ERP-системы для бюджетирования и оплат, BI-системы для аналитики и отчетности, MDM-системы для управления мастер-данными.

Существуют и решения, которые охватывают сразу все этапы закупочного процесса, такие как B2B Altis, Agora, Isource.

Миф 2. В каждой компании процессы уникальны, поэтому их лучше автоматизировать своими силами

Уникальность присутствует, но лишь до определенной степени. Закупочный процесс состоит из довольно стандартных шагов. Предприятию нужно спланировать закупку, согласовать, найти поставщиков и аккредитовать их, провести торги, выбрать победителя, заключить договор, отследить факт поставки. Эти шаги могут различаться в деталях, но сам процесс у всех будет выглядеть примерно одинаково.

Оптимальная стратегия - не пытаться создать собственный инструмент с нуля, а найти уже существующий, который охватывает все этапы закупок. И настроить существующее IT- решение под свои индивидуальные задачи.

Миф 3. Автоматизировать надо сразу весь закупочный контур

Многие компании полагают, что нужно внедрить единую монолитную IT-систему, которая сразу охватит все этапы закупочного процесса. Это сложная и трудоемкая работа, особенно для крупного предприятия с большим количеством филиалов.

Альтернативный подход основан на модульной архитектуре IT- решения. В отличие от монолита, он позволяет начать с автоматизации одного-двух этапов, постепенно охватывая весь закупочный процесс.

Важно провести анализ закупок, чтобы понять, где в компании наиболее остро ощущаются сложности. Это может быть автоматизация малых закупок, поиска поставщиков или контрактов. Благодаря модульной структуре можно в короткие сроки запустить пилотный проект, устранить узкие места и при минимальных затратах получить наибольший эффект.

Миф 4. Необходимо на старте проекта предусмотреть все нюансы бизнес-процессов

Почти всегда задача на входе значительно отличается от результата на выходе. Когда автоматизируется сложный процесс, невозможно все изначально продумать. Иначе можно изобрести запутанную систему, которая на практике просто не будет работать.

Избежать такой ситуации помогает гибкий подход. В продукт непрерывно шаг за шагом вносятся улучшения: сделали, проверили, доработали, начали следующий этап. Благодаря чему сохраняется устойчивость, появляется возможность уточнять бизнес-требования в процессе разработки.

Миф 5. Комплексная автоматизация требует гигантских бюджетов и длительных сроков внедрения

Бюджет всегда зависит от контура проекта. Зачастую в компаниях уже внедрено несколько разрозненных систем, и возникла так называемая лоскутная автоматизация. Для начала стоит объединить несколько этапов в единый контур, например, выстроить процесс от закупки до оплаты (procure-to-pay). Такой подход поможет при меньших затратах сразу получить эффект от автоматизации. И в перспективе охватить уже весь сквозной процесс.

Сроки также гибко варьируются в зависимости от того, какой модуль внедряется. Если компания хочет автоматизировать сорсинг поставщиков на базе электронной торговой площадки, то потребуется один-три месяца. После чего достаточно быстро можно настроить контрактный модуль, так как информация о контрагентах и результатах торгов уже автоматически собирается в системе.

Миф 6. Проекты по автоматизации всегда содержат излишнюю функциональность

Коробочные монолитные решения могут содержать излишнюю функциональность. Но на рынке представлены различные платформы, которые можно настраивать под специфику каждой компании. Таким образом, компания может подключить только ту функциональность, которую она будет фактически использовать.

Миф 7. В первую очередь нужно автоматизировать сложные процессы

Многие предприятия начинают со стратегически важных процессов, забывая о низкостоимостных закупках. При этом обслуживание таких закупок требует значительных ресурсов. Их цифровизация на базе корпоративного интернет-магазина дает возможность до 30% сократить транзакционные издержки.

В корпоративном магазине пул партнеров формируется заранее закупщиком. Покупки в системе осуществляют непосредственно заказчики продукции из профильных департаментов с учетом выделенных им финансовых лимитов. За счет такого самообслуживания повышаются персональная ответственность и осознанность заказчиков, снижается число претензий к качеству закупаемых товаров. Упрощаются процесс взаимодействия с поставщиками и документооборот, сокращаются складские запасы. Отдел закупок освобождается от большого количества рутинных задач и может сосредоточиться на более сложных стратегических категориях товаров и услуг.

Отечественные IT-решения для закупок доказали, что способны заменить продукты зарубежных вендоров. Они гибко настраиваются, учитывают особенности разных компаний и их закупочных систем, а внедрение не требует больших бюджетов и может проводиться в сжатые сроки.

Источник.

Автор: Бойко Андрей, коммерческий директор B2B-Center
https://telegra.ph/Pochemu-uhod-SAP-ne-obrushil-avtomatizaciyu-zakupok-sem-zabluzhdenij-rynka-03-12

четверг, 31 октября 2024 г.

Что моим детям следует изучать в школе?

Фрэнк Диана выпустил 22.10.2024 заметку "Что моим детям следует изучать в школе?". Весьма примечальная. В связи с чем привожу здесь адаптацию заметки.

Насущный вопрос: «Что должны изучать дети в школе, чтобы преуспеть в мире, который становится все более автоматизированным?»

Ответ подчеркивает сбалансированное образование, которое развивает такие базовые навыки, как критическое мышление и эмоциональный интеллект, охватывает STEM и цифровую грамотность, а также способствует адаптации и непрерывному обучению. Кроме того, сосредоточение внимания на областях, ориентированных на человека, предпринимательских способностях, этических рассуждениях и глобальной осведомленности. Интегрируя эти элементы, мы можем снабдить следующее поколение инструментами, необходимыми им не только для навигации, но и для формирования будущего работы и общества.

Был задан вопрос ChatGPT. Вот ответ:

Поскольку мы живем в эпоху, отмеченную быстрым технологическим прогрессом и растущей автоматизацией, вполне естественно, что родители обеспокоены будущими карьерными перспективами своих детей. Хотя ландшафт работы, несомненно, меняется, существуют стратегические направления в образовании, которые могут подготовить следующее поколение к процветанию. Вот комплексный подход к руководству тем, что дети должны изучать в этой меняющейся среде:

РАЗВИВАЙТЕ ОСНОВНЫЕ НАВЫКИ

Критическое мышление и решение проблем: эти навыки позволяют людям анализировать сложные ситуации, принимать обоснованные решения и разрабатывать инновационные решения — способности, которые трудно автоматизировать.

Творчество и инновации: поощрение творческого мышления развивает способность генерировать новые идеи и адаптироваться к меняющимся обстоятельствам, что бесценно на динамичных рынках труда.

Эмоциональный интеллект (EQ): такие навыки, как эмпатия, коммуникация и сотрудничество, необходимы для командной работы и лидерства — областей, где взаимодействие между людьми по-прежнему имеет первостепенное значение.

ОБРАЗОВАНИЕ STEM

Наука, технологии, инженерия и математика (STEM): Знания в областях STEM обеспечивают прочную основу для понимания и разработки новых технологий. Эти знания имеют решающее значение, поскольку эти секторы продолжают стимулировать экономический рост и инновации.

Междисциплинарное обучение: объединение STEM с гуманитарными науками (часто называемое STEAM) способствует более целостному пониманию того, как технологии влияют на общество, этику и поведение человека.

Фокус на цифровой грамотности и вычислительном мышлении

Кодирование и программирование: понимание основ создания и работы программного обеспечения может дать детям возможность активно взаимодействовать с технологиями, независимо от того, решат ли они заниматься ими профессионально или использовать их в качестве инструмента в других областях.

Анализ данных: поскольку данные становятся все более неотъемлемой частью принятия решений в различных отраслях, умение интерпретировать и использовать данные становится ценным навыком.

АДАПТИРУЕМОСТЬ И ОБУЧЕНИЕ НА ПРОТЯЖЕНИИ ВСЕЙ ЖИЗНИ

Гибкость: способность адаптироваться к новым ролям, отраслям и технологиям имеет решающее значение на рынке труда, где изменения происходят постоянно.

Непрерывное обучение: поощрение мышления, ориентированного на непрерывное образование, гарантирует, что люди смогут постоянно обновлять свои навыки и знания, чтобы оставаться актуальными.

СПЕЦИАЛИЗИРУЕМСЯ В ОБЛАСТЯХ, ОРИЕНТИРОВАННЫХ НА ЧЕЛОВЕКА

Здравоохранение и социальные услуги: профессии, требующие личного взаимодействия, ухода и эмоциональной поддержки, с меньшей вероятностью будут полностью автоматизированы.

Образование и обучение: поскольку потребность в непрерывном образовании растет, роли в преподавании и наставничестве будут оставаться жизненно важными.

РАЗВИВАЙТЕ ПРЕДПРИНИМАТЕЛЬСКИЕ НАВЫКИ

Инициатива и лидерство: поощрение предпринимательского мышления помогает детям научиться выявлять возможности, идти на риск и руководить проектами — навыки, ценные как для запуска собственных предприятий, так и для участия в деятельности существующих организаций.

Финансовая грамотность: понимание финансовых принципов помогает в личном управлении и предпринимательской деятельности.

ЭТИКА И ОТВЕТСТВЕННОЕ ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИЙ

Этическое мышление: поскольку технологии влияют на все аспекты жизни, способность решать этические дилеммы и принимать ответственные решения становится крайне важной.

Понимание ИИ и автоматизации: фундаментальное понимание принципов работы ИИ и автоматизации, включая их преимущества и потенциальные недостатки, готовит детей к вдумчивому взаимодействию с этими технологиями.

ГЛОБАЛЬНАЯ И КУЛЬТУРНАЯ ОСВЕДОМЛЕННОСТЬ

Языковые навыки: знание нескольких языков может открыть двери на мировые рынки и в различные рабочие места.

Культурная компетентность: понимание и уважение культурного многообразия способствует сотрудничеству и инновациям в отраслях, которые становятся все более глобализированными.

ПРАКТИЧЕСКИЕ ШАГИ ДЛЯ РОДИТЕЛЕЙ И ПЕДАГОГОВ

Поощряйте исследования: позвольте детям изучать различные предметы и интересы, чтобы открывать свои увлечения и сильные стороны.

Поощряйте проектное обучение: практические проекты могут улучшить навыки решения проблем и практическое понимание сложных концепций.

Ответственно интегрируйте технологии: используйте технологии как инструмент обучения, одновременно обучая важности цифрового благополучия и ответственного использования.

Развивайте мышление роста: подчеркивайте, что способности можно развивать посредством самоотверженности и упорного труда, что необходимо для преодоления трудностей и принятия перемен.

ЗАКЛЮЧЕНИЕ

Хотя автоматизация, несомненно, преобразует рынок труда, она также создает новые возможности и требования к навыкам, которые машины не могут воспроизвести. Сосредоточившись на сбалансированном образовании, которое ставит во главу угла как техническую компетентность, так и уникальные человеческие способности, родители могут подготовить своих детей не только к выживанию, но и к процветанию в будущем работы. Поощрение адаптивности, непрерывного обучения и глубокого понимания как технологий, так и ориентированных на человека навыков позволит следующему поколению эффективно ориентироваться и формировать мир впереди.

ChatGPT изначально не включал мысли о будущем высшего образования. 
Вот мысли Фрэнка Дианы:

ПЕРЕОСМЫСЛЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ: ПРИНЯТИЕ ЦЕННОСТИ КВАЛИФИЦИРОВАННЫХ ПРОФЕССИЙ

В дополнение к ключевым областям, которые я уже обозначил, я часто подчеркиваю, что традиционные дипломы колледжа могут стать менее важными на будущем рынке труда. С ростом стоимости высшего образования и снижением окупаемости инвестиций многие родители и студенты переоценивают ценность четырехгодичного диплома. Кроме того, поскольку ИИ и автоматизация все больше посягают на роли, основанные на знаниях, ожидается рост спроса на квалифицированные профессии, такие как сантехника, электрика и плотницкое дело. Эти профессии не только предлагают стабильные и перспективные карьерные пути, но и требуют практических знаний, которые машины не могут легко воспроизвести. Сместив часть внимания обратно на профессиональное обучение и ремесла, мы можем гарантировать, что наши дети будут оснащены практическими навыками, которые востребованы и устойчивы к технологическим сбоям.

Образование всегда было мостом между эпохами.

Источник


https://frankdiana.net/2024/10/22/what-should-my-children-study-in-school/
Что моим детям следует изучать в школе? 22 октября 2024 г. Фрэнк Диана

What Should My Children Study in School? October 22, 2024 Frank Diana

воскресенье, 27 октября 2024 г.

ИИ в образовании

В книге Brave New Words Салман Хан исследует преобразующий потенциал искусственного интеллекта в образовании. Хан описывает будущее, в котором системы обучения на базе ИИ улучшают человеческое обучение, повышают доступность и способствуют созданию более справедливой системы образования.

Персонализированное обучение на основе ИИ. Хан представляет себе созданные ИИ пути обучения, адаптированные к сильным и слабым сторонам и предпочтениям в обучении отдельных учеников. ИИ может анализировать огромные объемы данных, чтобы выявлять пробелы в знаниях и рекомендовать индивидуальные ресурсы, упражнения и занятия. Этот персонализированный подход позволяет ученикам учиться в своем собственном темпе, ускоряя свой прогресс и способствуя более глубокому пониманию предметов.

Интеллектуальные системы обучения. Системы обучения на основе ИИ могут предложить индивидуальную поддержку, предоставляя обратную связь в реальном времени и руководство по сложным темам, таким как математика и естественные науки. Эти системы также могут имитировать реальные сценарии, позволяя студентам применять теоретические знания в практических контекстах. Хан рассматривает ИИ-репетиторов как дополнение к учителям-людям, освобождая инструкторов для сосредоточения на аспектах обучения с высокой степенью прикосновения и эмпатии.

Автоматизация административных задач. ИИ может автоматизировать такие задачи, как выставление оценок, ввод данных и оценка учащихся, освобождая педагогов для сосредоточения на преподавании, наставничестве и творческом планировании уроков. Снимая административную нагрузку, ИИ позволяет учителям уделять больше времени тому, что важнее всего: поддержке социального, эмоционального и когнитивного роста учащихся.

Повышение доступности. Хан подчеркивает потенциал ИИ в плане повышения инклюзивности образования для:
  • Учащиеся с ограниченными возможностями: инструменты на базе искусственного интеллекта могут предложить транскрипцию в реальном времени, языковой перевод и персонализированные решения.
  • Изучающие язык: обучение языку с помощью искусственного интеллекта может обеспечивать персонализированную обратную связь и исправление ошибок.
  • Недостаточно обеспеченные сообщества: ИИ может помочь сократить разрыв в доступе к качественному образованию, особенно в районах с ограниченными ресурсами.

Будущее преподавания. Учителя будут работать вместе с системами ИИ, используя свои уникальные сильные стороны для предоставления целостного образования. Поскольку ИИ берет на себя административные и некоторые учебные задачи, учителя будут фокусироваться на:
  • Эмоциональная поддержка и руководство
  • Развитие критического мышления и креативности
  • Высокочувствительное человеческое взаимодействие
  • Разработка учебных программ и инновации

Решение этических проблем. Подчеркнем необходимость ответственной разработки ИИ, гарантирующей прозрачность, объяснимость и справедливость систем. Хан признает проблемы, связанные с:
  • Предвзятость в принятии решений ИИ
  • Конфиденциальность данных студентов
  • Смещение рабочих мест для учителей

Использование ИИ для справедливости и равенства. Используя потенциал ИИ, мы можем создать более справедливую систему образования, которая позволит всем учащимся добиться успеха. Хан утверждает, что ИИ может помочь устранить системное неравенство в образовании путем:
  • Обеспечение равного доступа к качественному обучению
  • Выявление и устранение пробелов в обучении
  • Предоставление персонализированной поддержки малообеспеченным студентам
  • Повышение разнообразия учителей и культурной чувствительности


Источник.

Фрэнк Диана. Смелые новые слова: раскрытие потенциала образования на основе искусственного интеллекта. 24 июня 2024 г.
https://frankdiana.net/2024/06/24/brave-new-words-unleashing-the-potential-of-ai-driven-education/



среда, 23 октября 2024 г.

Постулаты менеджмента

Постулаты научного менеджмента:
  • расчленение работы на автономные операции, оптимизация операций и их объединение;
  • нормирование труда;
  • тщательный отбор работников и их обучение;
  • распределение труда и ответственности между работниками и администрацией;
  • администрация оплачивает труд пропорционально выработке и обеспечивает работников всем необходимым.

Постулаты школы человеческих отношений:
  • люди мотивируются социальными потребностями и ощущают свою индивидуальность благодаря общению с другими людьми;
  • так как работа потеряла привлекательность, то удовольствие получаем во взаимоотношениях с людьми;
  • люди более отзывчивы к социальному влиянию равных по сравнению с побуждением контролем,
  • работник отзывается на руководителя, если руководитель рассматривается как средство удовлетворения потребностей.
Теория ввела
  • рассмотрение организации как социальной системы,
  • управление отношениями и поведением людей,
  • разработку рабочих заданий в соответствии с принципом мотивации,
  • понимание роли небольших рабочих групп и необходимость разработки групповой мотивации,
  • концепцию гармонии труда и капитала.

Постулаты административной школы управления организациями.
  • разделение труда;
  • власть и ответственность: если дается власть, возникает ответственность;
  • дисциплина: распространяется на всех, и на администрацию;
  • единоначалие: рабочий получает указание только от одного начальника;
  • единство руководства: каждая группа объединена единой целью, планом, одним руководителем;
  • подчиненность личных интересов общим интересам;
  • вознаграждение персонала: справедливая зарплата;
  • централизация;
  • иерархия или скалярный принцип (линия власти);
  • порядок (место для всего);
  • справедливость (равенство): преданность персонала и справедливое отношение администрации;
  • стабильность рабочего места;
  • инициатива;
  • корпоративный дух.
Административная школа выделила функции управления (по А.Файолю): 
  • техническая, 
  • коммерческая, 
  • финансовая, 
  • страховая, 
  • учетная, 
  • административная.

Постулаты системного подхода к управлению организацией. Системный подход в менеджменте возник в следствии исследования управления как процесса. Постулаты:
  • использование общей теории систем для принятия управленческих решений,
  • рассмотрение предприятия как совокупности взаимосвязанных и взаимодействующих подсистем,
  • учет того, любое решение, касающееся части предприятия, имеет последствие для всей системы.
  • акцент на выявление связей предприятия с внешней средой,
  • формирование модели организации как открытой системы.

Ситуационный подход к управлению организациями.
  • оптимальные приемы и способы управления определяются конкретной ситуацией управления,
  • сформулированы внутриорганизационные переменные: цели, структура, ресурсы, культура организация,
  • методология из 4-х этапов:
    • руководитель должен знать средства профессионального управления, 
    • уметь предвидеть положительные и отрицательные последствия применения средств управления, 
    • уметь правильно интерпретировать ситуацию, 
    • уметь увязать конкретные приемы для максимизации полезного эффекта.

Количественный подход к управлению организациями. Замена словесных рассуждений количественными моделями:
  • уточнение постановки задачи,
  • формулирование законов поведения объекта,
  • запись задачи в математических символах,
  • расчеты и сравнение с фактом,
  • доработка модели,
  • применение модели для управления.

суббота, 19 октября 2024 г.

Что такое цифровой близнец?

Цифровой двойник — это виртуальное представление физического продукта, системы или процесса, используемое для понимания и прогнозирования производительности физического аналога. 

Цифровые двойники используются для моделирования и оптимизации продукта и производственной системы перед инвестированием в физические прототипы или внедрением действующего завода (экспонат). Этот экспонат демонстрирует высокоуровневый вид цифрового двойника, чтобы охватить как можно больше конфигураций, но мощь цифрового двойника проявляется при добавлении деталей. Каждый шаг процесса может включать бесконечное количество деталей, чтобы максимально использовать цифровой двойник и оптимизировать весь процесс.

Цифровые двойники могут использоваться для решения типичной проблемы производственных затрат путем тестирования и итерации входных параметров проектирования для оптимизации затрат (нормированной стоимости «X» (LCOx) и чистой приведенной стоимости (NPV)) на протяжении всего срока службы актива.

Используя вероятностную расширенную аналитику (AA) и методы генеративного ИИ (gen AI), цифровые близнецы могут помочь прояснить жизнеспособность проекта, количественно оценивая влияние внешних факторов на экономические показатели потенциального проекта в течение его срока эксплуатации. При полном использовании цифровых близнецов производственные затраты (LCOx) могут быть снижены на 5–15%.

вторник, 15 октября 2024 г.

Принципы внедрения генеративного ИИ-процесса в обслуживании клиентов

McKinsey Global Institute провел исследование наиболее часто используемых вариантов использования генеративного ИИ. Наиболее часто сообщаемые варианты использования генеративного ИИ — это маркетинг и продажи. Так, генеративный ИИ создает персонализированный маркетинг и составляет технические документы, а в сфере услуг чат-бот способен отвечать на запросы клиентов. Большинство людей думают, что генеративный ИИ используется в высокотехнологичных случаях, но если посмотреть на частоту этих вариантов, мы увидим, он гораздо больше привязан к обыденным задачам.

* * *

Принципы внедрения генеративного ИИ-процесса в обслуживании клиентов

Следующее пошаговое руководство может помочь руководителям, желающим внедрить генеративный ИИ (ИИ-генерацию) для обслуживания клиентов и взыскания задолженностей:

  1. Придумайте и разработайте длинный список вариантов использования искусственного интеллекта.
  2. Для каждого варианта использования определите влияние, осуществимость и требуемое приложение ИИ, например, создание документа с вопросами и ответами и виртуального эксперта.
  3. Расставьте приоритеты в вариантах использования искусственного интеллекта на основе воздействия, осуществимости и организационных потребностей.
  4. Согласуйте наиболее приоритетный вариант использования искусственного интеллекта и начните разработку минимально жизнеспособного продукта (MVP).
  5. Доработайте MVP на основе пользовательского опыта, а затем разверните и масштабируйте MVP для всей организации.
  6. Повторите шаги четыре и пять для следующего варианта использования в списке приоритетов.
Источник.

https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/the-promise-of-generative-ai-for-credit-customer-assistance



пятница, 11 октября 2024 г.