Gen AI

Генеративный ИИ (Gen AI) внедряется в повседневные инструменты, такие как электронная почта, приложения для обработки текста и программное обеспечение для встреч. Это означает, что технология ИИ уже способна изменить работу людей.

Автоматизация с использованием Gen-AI уже началась и она повлияет на задачи и обязанности работников независимо от ставок заработной платы и уровня образования. ИИ окажет особенно глубокое влияние на профессии, традиционно требующие более высокого уровня образования. Например, на преподавателей и юристов.

Тем не менее, само по себе ни обеспечивает успех, для успешного внедрения Gen AI важен бизнес-контекст, в котором разворачивается ИИ.  И тут необходимо задать себе ряд важных вопросов.

• Каковы последствия внедрения искусственного интеллекта для всей организации? И тут полезно оценить каким образом могут быть фундаментельно нарушены бизнес-модели и даже поколеблена отрасль.
• Имеет ли организация необходимые технические кадры и понимание рисков?
• Как корпоративная культура может способствовать или препятствовать внедрению и использованию искусственного интеллекта? Приложения Gen AI могут стать во многих отношениях катализатором культурных изменений. Среди них есть положительные. Например. приложения могут обеспечить бОльшую организационную прозрачность,  коммуникативные возможности, деловые взаимодействия. Изменениям подвергнуться и такие культурные черты, как адаптивность, скорость, гибкость, доверие, честность, обучение, экспериментирование, инновации и готовность к переменам. Все это будет иметь еще большее значение в ходе внедрения ИИ.
• Как организациям следует изменить подходы к управлению талантами? В частности, как приложения ИИ повлияют на обучение, на содержание и проведение программ повышения квалификации. Gen AI может увеличить квалификацию и навыки сотрудников и сделает их более опытными. Возможно, приложения Gen AI могут помочь сотрудникам совсем неожиданным образом.  И конечно, ИИ можеть помочь сотрудникам быстрее освоивать новые навыки.
• ИИ  может побудить старших руководителей вести себя по-другому. Тут без комментариев.

Модели ИИ

Модели ИИ могут описаны следующим набором этапов от создания до запуска.

• Определение проблемы.
• Захват данных.
• Сохранение данных.
• Структурирование данных.
• Очистка данных.
• Анализ данных и исследование закономерностей.
• Разработка модели процесса.
• Доводка модели.
• Определение показателей и критериев оптимальности
• Эксплуатация модели.
• Индустриализация модели.

Для того, чтобы Gen AI представлял ценность необходимо разработать четкое представление о последствиях и походах к развертыванию и использованию генеративного ИИ. McKensey ссылается на трех архетипах:

• Taker: бизнес, который использует уже существующие услуги через базовые интерфейсы, такие как API. В этом случае необходимо сосредоточиться на предоставлении качественных данных для генеративных моделей ИИ и последующей проверке результатов используемой модели.
• Shaper: компания, которая получает доступ к моделям и настраивает их на основе собственных данных. Необходимо оценить, как должно развиваться управление данными бизнеса и какие изменения в архитектуре данных необходимы для достижения желаемых результатов.
• Maker: бизнес, который строит свои собственные фундаментальные модели. Необходимо разработать стратегию маркировки и тегирования данных, а также сделать значительные инвестиции в создание модели.

Больше сведение по этой теме можно получить в статье "The data dividend: Fueling generative AI". https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-data-dividend-fueling-generative-ai

September 15, 2023.