Применение ИИ в ERP

По материалам:
https://www.itjungle.com/2024/12/09/how-erp-giants-are-building-genai-into-their-products/
"How ERP Giants Are Building GenAI Into Their Products"

Что делает большие языковые модели (LLM) такими интригующими, так это их продемонстрированная способность автоматизировать большие объемы работы, выполняемой с языком. Работники умственного труда — или люди, которые зарабатывают на жизнь перекладыванием цифр и слов — находятся прямо под прицелом GenAI. Чем проще задача понимания и осмысления языка, тем легче обучить модель GenAI выполнять часть работы. (К счастью для технологических работников, GenAI недостаточно самосознателен, чтобы писать о себе разумно — пока.)

Крупные поставщики ERP не всегда находятся на переднем крае внедрения технологий. Но возможности LLM настолько убедительны, что каждый поставщик ERP по крайней мере говорит о стратегии GenAI.

Ниже представлен краткий обзор продуктов GenAI, выпущенных «большой тройкой»: Infor, Oracle и SAP.

INFOR

Крупнейший поставщик программного обеспечения ERP на базе IBM делает ставку на GenAI, который, по его словам, «высвободит гиперпродуктивность» среди его клиентов. Он продвигает два основных продукта GenAI: Infor Embedded Experience и Infor GenAI Assistant.

Благодаря Embedded Experiences компания Infor встроила возможности GenAI непосредственно в рабочие процессы ERP для закупок, управления проектами, операций, финансов, продаж и функций HR в продуктах Infor CloudSuite ERP. Программное обеспечение GenAI автоматически пишет от имени пользователя и автоматически предоставляет ему обобщенные сведения, а также другие возможности.

GenAI Assistant, более новый продукт, представленный в октябре, — это отдельное предложение, разработанное для того, чтобы вывести на новый уровень взаимодействие клиентов Infor CloudSuite с данными. Infor утверждает, что оно позволяет клиентам запрашивать все данные, хранящиеся в приложениях Infor ERP. По сути, это генератор текста в SQL, который преобразует вопросы на естественном языке в SQL, который может быть выполнен базой данных.

Продукты GenAI от Infor работают на Amazon Bedrock, сервисе AWS для обучения и обслуживания базовых моделей, и используют Infor OS в качестве точки интеграции для систем ERP. Хотя продукты IBM от Infor могут интегрироваться с Infor OS, неясно, выполнила ли Infor работу по интеграции своих продуктов GenAI в эти продукты.

Embedded Experiences стал общедоступным в октябре 2024 и поддерживается во многих продуктах CloudSuite, в то время как GenAI Assistant по-прежнему доступен в ограниченном объеме для продуктов Infor LN, Infor PLM Discrete, Infor HCM, Infor WFM и Infor FSM.

ORACLE

Компания Big Red применила комплексный подход к интеграции как классического ИИ, так и GenAI в свои продукты, включая базы данных, хранилища данных, облачные решения и флагманские облачные приложения Oracle Fusion.

Широкий спектр предложений Oracle GenAI включает встроенные возможности GenAI в приложениях Oracle Fusion Cloud. Oracle позволяет клиентам обучать модели GenAI на основе данных, которые они хранят в системах Oracle, чтобы предоставлять информацию и создавать контент для клиентов, например, питчи и контракты. Компания также опережает конкурентов в том, что касается Agentic AI, поскольку она предлагает преимущества агентам-аналитикам, агентам по автоматизации продаж и агентам ввода-вывода документов в различных продуктах Cloud Fusion.

"Самодельщики" могут воспользоваться услугами Oracle Cloud Infrastructure (OCI), такими как OCI Data Science, где специалисты по данным могут создавать и обучать собственные пользовательские модели на Python в среде на основе JupyterLab. Он также предлагает упакованные продукты GenAI, такие как OCI Speech, OCI Vision и OCI Anomaly Detection, которые клиенты могут использовать по своему усмотрению. Клиенты также могут выбрать OCI Generative Agents, которые используют методы генерации дополненного поиска (RAG) для сужения контекста запросов и снижения вероятности галлюцинаторных ответов.

Oracle также интегрировала возможности векторного поиска в Oracle Database 23ai, предоставляя клиентам лучший опыт, чем то, что может предоставить сопоставление ключевых слов. HeatWave GenAI — это встроенный в базу данных LLM, который включает векторную базу данных и разработан для того, чтобы клиенты могли общаться с базой данных на естественном языке; он доступен в OCI и других облаках (Azure и AWS). Наконец, Oracle предлагает Autonomous Database Select AI, который включает в себя перевод текста в SQL, RAG и поиск семантического сходства.

SAP

Как и другие крупные ERP-компании, SAP полностью внедрила GenAI в свои приложения как способ поддержки автоматизации. Она запустила ряд точечных продуктов GenAI для различных приложений под названием SAP Business AI, а также второго пилота GenAI под названием Joule.

Примерами точечных решений GenAI от SAP являются Document Information Extraction, возможность, представленная в облачном решении ERP, которое автоматизирует обработку документов. Компания также внедрила GenAI для автоматизации повторяющихся задач HR в своей системе Human Capital Management (HCM), таких как написание должностных инструкций.

Продукт SAP Spend Management & Business Network использует GenAI для автоматизации категоризации категорий расходов, а его CRM-система использует GenAI, чтобы помочь отделу продаж создавать более персонализированные взаимодействия за счет автоматизации доступа к предпочтениям клиентов и истории покупок.

Business Technology Platform (BTP), предложение SAP для данных, аналитики и ИИ, является основой для многих возможностей GenAI от SAP. Многие из этих возможностей, специфичных для продукта, доступны через Joule, который предоставляет новый пользовательский интерфейс и опыт для клиентов SAP. Joule также функционирует как интеллектуальная поисковая система, позволяя пользователям SAP исследовать данные в своих приложениях SAP и быстрее получать ответы на вопросы.

SAP также запустила Generative AI Hub на SAP AI Core в рамках BTP. Этот компонент предоставляет клиентам SAP доступ к LLM, а также помогает управлять настройками безопасности и конфиденциальности систем GenAI. SAP взимает плату за доступ к своим возможностям GenAI с помощью метрики, названной «AI Unit».

Ранее в этом году IBM Institute for Business Value опубликовал исследование под названием «AI in ERP» , в котором была предпринята попытка охарактеризовать внедрения GenAI в средах SAP. В отчете сделан вывод о том, что организации, внедряющие решения GenAI в своих данных SAP, получают большую прибыль, чем те, кто этого не делает.

Ход внедрения новых технологий

Как идет дело с внедрением новых технологий?

Согласно обзора McKinsey приметно так:

Источник.

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/investing-in-the-future-of-tech-lessons-from-winning-companies

Investing in the future of tech: Lessons from winning companies. December 9, 2024

Четыре направления повышения производительности

У компаний больше шансов раскрыть свой полный потенциал, когда преобразования напрямую связаны со стратегией. Компаниям следует определять цели на основе возможностей и производительности.

Основная трансформация должна фокусироваться на четырех аспектах производительности:

Оптимизация затрат. Ведущие компании рассматривают меры по повышению эффективности просто как отправную точку для трансформации — способ высвободить капитал для реинвестирования в бизнес. Устраняя отходы и корректируя структуру затрат компания может улучшить операционную маржу, а также генерировать средства для инвестирования в проекты с более высокой рентабельностью инвестиций.

Рост. Более 50% стоимости трансформации исходит от инициатив роста, по сравнению с менее чем 40% (согласно исследований McKensey 2023 года). Компаниям, проводящим трансформацию, необходимо установить четкие приоритеты относительно того, как и где они будут добиваться роста доходов, генерирующих прибыль. Рассматриваются органические пути, такие как запуск новых продуктов или выход на новые сегменты; слияния и поглощения; создание новых бизнесов. Чтобы поддерживать такие шаги, лидеры должны постоянно отслеживать окупаемость инвестиций в рост и неустанно переопределять приоритеты и ресурсы на основе текущих результатов. Приверженность смелой программе роста может не только изменить производительность бизнеса, но и вдохновить организацию на упорное движение к более широкой цели трансформации.

Эффективность организации. По своей сути, трансформация касается людей. За более чем 15 лет, в течение которых McKinsey проводила опросы по трансформации, респонденты постоянно ставили правильное решение кадровой проблемы среди главных предсказателей успеха. Вероятность успеха трансформации увеличивается в 3,2 раза, когда вся организация сосредоточена на правильных приоритетах. Этот фокус должен выходить за рамки переосмысления организационной структуры. Он должен включать в себя вдумчивый пересмотр статус-кво и создание гибкой культуры, которая охватывает межкорпоративное сотрудничество и делает все это быстро.

Цифровая поддержка. Технологии играют роль в каждой успешной трансформации. В то время, когда 85% компаний считают, что им необходимо построить цифровой бизнес или технологически обеспечить выживание существующего бизнеса, сильные цифровые возможности имеют решающее значение для сохранения конкурентоспособности. Тем не менее, большинство организаций недостаточно инвестируют в технологии, особенно в облачные технологии, гибкие операционные модели, технологические таланты и генеративный ИИ. Этот рабочий поток требует создания современной системы планирования ресурсов предприятия, которая может облегчить выполнение других рабочих потоков производительности. Ведущие компании сосредоточены на повышении точности и скорости информации и разработке новых идей о клиентах и ​​продуктах на основе своих данных. Те, кто использует цифровые преобразования для полной перестройки своих организаций, улучшают доходность своих акционеров, коэффициенты P/E и доходность капитала у них больше по сравнению с конкурентами.

Источник.

Определение вашего «истинного севера»: дорожная карта к успешной трансформации. 22 мая 2024 г. Статья. Кевин Кармоди, Луиза Греко, Роб Монтгомери.

Defining your ‘true north’: A road map to successful transformation. May 22, 2024. Article. By Kevin Carmody, Louisa Greco, and Rob Montgomery.

https://www.mckinsey.com/capabilities/transformation/our-insights/defining-your-true-north-a-road-map-to-successful-transformation

Роль энергии в европейской революции искусственного интеллекта

Рост ИИ стимулирует спрос на центры обработки данных и меняет динамику рынка электроэнергии. Поскольку прогнозируется, что спрос в Европе к 2030 году увеличится более чем втрое, для реализации этого роста необходимы значительные инвестиции.

Во всем мире спрос на электроэнергию для центров обработки данных стремительно растет, чтобы удовлетворить потребность в большей вычислительной мощности и требования к подключению для оцифровки, миграции в облако и новых технологий, таких как ИИ. В частности, ИИ стимулирует спрос на электроэнергию, поскольку он предъявляет значительно более высокие требования к плотности мощности, которые приходят с новым поколением чипсетов графических процессоров (GPU).

Оцифровка, быстрое развитие технологий искусственного интеллекта и замедление роста эффективности использования энергии значительно увеличили спрос на центры обработки данных, что имеет серьезные последствия для динамики мирового рынка электроэнергии. Ожидается, что в Европе спрос на центры обработки данных вырастет примерно до 35 гигаватт (ГВт) к 2030 году по сравнению с 10 ГВт сегодня. Для удовлетворения этого нового спроса потребуются инвестиции в инфраструктуру центров обработки данных на сумму более 250–300 млрд долларов США, не считая мощностей по производству электроэнергии.

Экспоненциальный рост спроса на центры обработки данных сопровождается соответствующим всплеском спроса на электроэнергию. При текущих темпах внедрения ожидается, что потребление электроэнергии европейскими центрами обработки данных почти утроится с примерно 62 тераватт-часов (ТВт·ч) сегодня до более чем 150 ТВт·ч к концу десятилетия.3Это увеличение станет одним из основных краткосрочных факторов роста спроса на электроэнергию в Европе, поскольку в ближайшие шесть лет на центры обработки данных будет приходиться около 5% от общего объема потребления электроэнергии в Европе (по сравнению с примерно 2% сегодня). Учитывая обязательства по достижению нулевых выбросов, объявленные многими крупными игроками рынка центров обработки данных, ожидается, что этот спрос будет в основном обусловлен зеленой энергией.

В настоящее время вся европейская энергетическая экосистема сталкивается со значительными проблемами в удовлетворении этого растущего спроса. К ним относятся ограниченные источники надежной энергии, проблемы устойчивости, недостаточная инфраструктура для доступа к энергии, проблемы с доступностью земли, нехватка силового оборудования, используемого в центрах обработки данных, и нехватка квалифицированных электриков для строительства объектов и инфраструктуры. На крупных устоявшихся рынках, таких как Дублин и Франкфурт, время, необходимое для подачи энергии в новые центры обработки данных, может превышать три-пять лет, причем время выполнения поставок только электрооборудования часто превышает три года.

Удовлетворение спроса на центры обработки данных будет иметь важное значение, если Европа хочет раскрыть весь экономический потенциал ИИ. Это также может принести более широкую выгоду, помогая разблокировать критически важные инвестиции, необходимые в европейской энергетической инфраструктуре для поддержки текущего энергетического перехода.

Центры обработки данных могут генерировать значительную экономическую ценность

По данным исследования McKinsey, благодаря ИИ и аналитике в мировой экономике может быть создано около 10 триллионов долларов экономической ценности. Однако для реализации хотя бы четверти этого потенциала к концу десятилетия потребуется дополнительная инфраструктура центров обработки данных мощностью от 50 до 75 ГВт по всему миру.

В то время как наибольший рост объемов строительства центров обработки данных будет наблюдаться в Соединенных Штатах, у Европы есть все возможности для расширения своего рынка и дальнейшего стимулирования своей технологической экосистемы. Ожидается, что общая потребность в ИТ-нагрузке для центров обработки данных в регионе вырастет с 10 ГВт в 2023 году до примерно 35 ГВт в 2030 году.

К 2030 году рост числа центров обработки данных в Европе может достичь 35 гигаватт, увеличиваясь на 20 процентов в год.

Удовлетворение этого спроса потребует значительного увеличения поставок электроэнергии. Это заметный сдвиг для Европы, где совокупный спрос на электроэнергию остается относительно стабильным с 2007 года.

Хотя было много обсуждений о потенциальном увеличении спроса на электроэнергию со стороны отечественного производства, электромобилей (ЭМ), тепловых насосов и электролизеров, спрос со стороны центров обработки данных является немедленным и существенным. Нагрузка центров обработки данных может составить от 15% до 25% всего нового чистого европейского спроса, добавленного к 2030 году. Прогнозируется, что в период с 2023 по 2030 год спрос на электроэнергию для центров обработки данных в Европе увеличится примерно на 85 ТВт-ч, при среднегодовом темпе роста около 13%.

В настоящее время рост числа центров обработки данных в Европе обусловлен гиперскейлерами и арендой оборудования для локальных цетров обработки данных. Причем к 2028 году только гиперскейлеры обеспечат до 70%.

Проблемы в европейской цепочке создания стоимости электроэнергии

Ожидаемый всплеск потребления электроэнергии, связанный с центрами обработки данных, вероятно, будет сопровождаться переходом на возобновляемые и низкоуглеродные источники энергии, поскольку глобальный энергетический переход набирает обороты и появляются новые политики. Европейская комиссия уже приняла регламент, позволяющий ей оценивать устойчивость центров обработки данных в Европейском союзе. Пересмотренная Директива по энергоэффективности обязывает операторов центров обработки данных предоставлять отчеты по ключевым показателям эффективности в европейскую базу данных, начиная с 2024 года.

Операторам центров обработки данных необходимо учитывать три ключевых фактора при наращивании новых мощностей:

1. Прерывистость энергоснабжения: удовлетворение более высоких требований к доступу к быстрому электроснабжению с нулевым риском перебоев (то есть сокращение времени подключения к сети и обеспечение резервных решений)ю
2. Энергия без выбросов CO2: обеспечение зеленой энергии на рынке, в том числе посредством соглашений о закупке электроэнергии.
3. Местная генерация: внедрение независимых генерирующих мощностей на площадках центров обработки данных.

Прерывистость энергии

По словам экспертов по центрам обработки данных, гиперскейлеры имеют среднюю загрузку мощности от 80% до 95%. Хотя центры обработки данных работают достаточно стабильно, высокие требования к времени безотказной работы требуют стабильного подключения к электропитанию. Однако у них может не быть механизмов управления для обеспечения постоянного питания, в основном из-за роста спроса к 2030 году. Учитывая, что 10-процентное колебание спроса на электроэнергию в группе из пяти центров обработки данных мощностью 1 ГВт эквивалентно выходной мощности полной газовой электростанции, эти высокие требования к времени безотказной работы, вероятно, нагрузят сеть и увеличат потребность в гибкости.

В местах, где энергосистема не может вместить их всех, центрам обработки данных может потребоваться управлять собственной балансировкой мощности. Сочетание (недоиспользуемых) газовых турбин комбинированного цикла и аккумуляторных батарей в паре с резервными генераторами на месте может обеспечить эту балансировочную мощность. В Европе решения по экологическому укреплению, такие как гидроэнергетика, тепловая мощность с улавливанием, использованием и хранением углерода (CCUS) и ядерная энергетика (хотя это менее распространено и зависит от страны или зоны торгов), также могут помочь сбалансировать систему.

Пропускная способность влияет на различные аспекты производительности центра обработки данных, включая скорость, масштабируемость, надежность и энергоэффективность. Исследования McKinsey показывают, что для операторов центров обработки данных время выхода на рынок является наиболее важным фактором при развертывании новых мощностей. Однако время подключения новых объектов значительно увеличилось из-за сочетания факторов, включая подключение к системе возобновляемых источников энергии, растущую электрификацию в экономике (от электромобилей, тепловых насосов и электролизеров) и отставание инвестиций в сети от инвестиций в генерацию. Кроме того, длительные сроки планирования передачи данных — по сравнению с более короткими сроками, необходимыми для планирования и строительства центров обработки данных — создают потенциальный дефицит пропускной способности.

Время, необходимое для получения новых подключений к электропитанию для центров обработки данных в крупных хабах, таких как Франкфурт, увеличивается. Есть даже такие места, как Амстердам и Дублин, которые ввели мораторий на строительство новых центров обработки данных в последние годы, в первую очередь из-за отсутствия инфраструктуры электропитания для их поддержки.

Энергия без CO2

Перед отраслью центров обработки данных стоит серьезная задача по декарбонизации своего воздействия и достижению нулевых выбросов в период с 2030 по 2040 год. Как гиперскейлеры, так и колокаторы (поставщики услуг размещения оборудования) сотрудничают с игроками в сфере энергетики, чтобы обеспечить низкоуглеродное электроснабжение в часы, когда мощность их собственных возобновляемых источников энергии низкая. До сих пор PPA (power purchase agreements) стали ведущей стратегией для гиперскейлеров по выполнению своих обязательств по возобновляемой энергии. Технологические компании остаются крупными источниками роста PPA; в прошлом году Amazon приобрела больше PPA в мире, чем любая другая компания.

Гиперскейлеры полагаются на сертификаты возобновляемой энергии (REC - renewable energy certificates) для компенсации реальных выбросов. В то время как некоторые сосредотачиваются на сопоставлении потребления энергии с REC от сетей, где они работают/ Другие все чаще покупают сертификаты, привязанные к электроэнергии, произведенной в разное время и в разных местах. Исследователи отмечают, что это сопоставление углерода оказывает минимальное влияние на долгосрочные выбросы в энергосистемах и редко стимулирует разработку новых проектов или генерацию чистой энергии в областях, которые в противном случае не увидели бы таких инициатив.

Выбросы, связанные с энергетикой, также могут быть частично сокращены за счет стратегического выбора места. Это включает выбор мест, где в сети высока доля безуглеродной энергии и где температуры изначально ниже, что снижает потребность в потреблении энергии, связанной с охлаждением.

В настоящее время многие новые центры обработки данных спроектированы для обучения ИИ, которое имеет менее строгие требования к задержке, чем традиционная деятельность центров обработки данных. Со временем некоторые из них могут перейти к выводу ИИ, который требует гораздо более высоких скоростей, чем обучение ИИ или традиционное использование; те, которые находятся в удаленных местах с низкой задержкой, могут не подходить для этого.

В отсутствие полностью свободной от CO2 энергии растет интерес к решениям по удалению углерода, особенно среди гиперскейлеров. Такие компании, как AWS, активно покупают значительные кредиты на удаление углерода, чтобы компенсировать свои выбросы. Например, AWS взяла на себя обязательство купить удаление CO2 в объеме 250 000 метрических тонн в течение десятилетия.

Местная генерация

На большинстве мировых рынков основным препятствием, замедляющим доступ к электроэнергии, является ограниченная возможность подключения к передающей сети, а не возможность генерации электроэнергии. Скрытая мощность парка генерирующих мощностей в основном приходится на электростанции, работающие на ископаемом топливе, которые в настоящее время работают ниже максимальных уровней.

В местах, где имеется доступ к электроэнергии по магистральной сети электропередачи, существуют дополнительные ограничения на поставку энергетического оборудования, такого как трансформаторы, резервные генераторы на месте и распределительные устройства, при этом исторически сложилось так, что сроки поставки в некоторых случаях достигают почти двух лет.

Поскольку электросети приближаются к пределам своей мощности, а сроки выполнения новых сетевых подключений увеличиваются, операторы центров обработки данных будут вынуждены внедрять инновации. Энергия для питания центров обработки данных должна соответствовать различным потребностям роста и профилям нагрузки центров обработки данных. Могут потребоваться дополнительные источники для обеспечения круглосуточного питания, наряду с возобновляемыми источниками энергии и поставками из сети. Многие операторы уже изучают альтернативные стратегии для локальной генерации, включая небольшие модульные реакторы, водородные топливные элементы и природный газ.

За последние два десятилетия ни одна технология не стимулировала необходимость ускоренного развития энергетической инфраструктуры в Европе больше, чем ИИ, и в частности генеративный ИИ (gen AI). Более того, этот спрос в основном касается чистой энергии.

Инвестиции в решения в области зеленой энергетики для сектора набирают обороты, но остается значительный неиспользованный потенциал, учитывая экспоненциальный рост центров обработки данных. В отличие от традиционных приобретений центров обработки данных, таких как недвижимость или технологии, инвестиции в зеленую энергетику представляют различные профили риска/доходности, что, вероятно, привлекает инвесторов с определенными целями. Поскольку центры обработки данных играют все более важную роль в европейской экономике, изучение всей цепочки создания стоимости в сфере энергетики имеет важное значение для выявления и извлечения выгоды из этих новых возможностей.

Низкоуглеродная энергетика становится все более важной областью инвестиций. Компании в секторе центров обработки данных используют множество различных инструментов и подходов для управления своим учетом углерода, включая разделенные и согласованные по времени REC (renewable energy certificates), PPA (power purchase agreements), углеродное соответствие, компенсации, удаление CO2 и аккредитационные мероприятия, но многим заинтересованным сторонам пришлось самостоятельно определять собственные мотивы, амбиции и направления на будущее.

Поскольку Европа сталкивается со все более напряженной энергосистемой, будущее центров обработки данных, имеющих решающее значение для цифровой инфраструктуры и конкурентоспособности континента, зависит от стратегического выбора местоположения и управления энергопотреблением. В ландшафте, где надежный и быстрый доступ к энергии больше не гарантируется, компании, которые полагаются на центры обработки данных или строят их, должны столкнуться с новой реальностью лицом к лицу. Компромиссы между доступностью энергии и инфраструктурой передачи данных больше не являются теоретическими; они требуют срочных действий.

Чтобы сбалансировать возросшее проникновение прерывистых возобновляемых источников энергии, Европе потребуются более управляемые источники энергии. Возможно, ей также придется перенаращивать пиковую мощность возобновляемых установок, чтобы удовлетворить неожиданно высокий спрос на зеленую энергию со стороны центров обработки данных.

Для операторов систем передачи императив очевиден: ускорить и увеличить инвестиции в энергетическую инфраструктуру для обеспечения стабильности и надежности. Приток инвестиций может послужить катализатором для разработки специализированной инфраструктуры, которая будет хорошо связана с европейской промышленностью, транспортом и домохозяйствами, как указано в Плане действий ЕС по сетям. Другими словами, удовлетворение энергетических потребностей центров обработки данных может помочь сократить инвестиционный разрыв, который исторически отставал от прогресса в области производства электроэнергии.

Более того, укрепление связи между генерирующими и распределительными сетями имеет решающее значение для поддержки расширенных генерирующих мощностей и обеспечения эффективной поставки электроэнергии. Проактивно решая эти проблемы и инвестируя в необходимую инфраструктуру и технологии, Европа могла бы создать более устойчивое и стабильное энергетическое будущее.

Источник

https://www.mckinsey.com/industries/electric-power-and-natural-gas/our-insights/the-role-of-power-in-unlocking-the-european-ai-revolution

The role of power in unlocking the European AI revolution. October 24, 2024. 

This article is a collaborative effort by Anna Granskog, Diego Hernandez Diaz, Jesse Noffsinger, Lorenzo Moavero Milanesi, and Pankaj Sachdeva, with Arjita Bhan and Sofia von Schantz, representing views from McKinsey’s Electric Power & Natural Gas and Technology, Media & Telecommunications Practices.

Роль энергии в европейской революции искусственного интеллекта. 24 октября 2024 г.
Анна Гранског — партнер в офисе McKinsey в Хельсинки, где София фон Шанц — ассоциированный партнер; Диего Эрнандес Диас — партнер в офисе в Женеве; Джесси Ноффсингер — партнер в офисе в Сиэтле; Лоренцо Моаверо Миланези — старший партнер в офисе в Милане; Панкадж Сачдева — старший партнер в офисе в Филадельфии; а Арджита Бхан — консультант в офисе в Массачусетсе.
Авторы хотели бы поблагодарить Мишеля Ниварда за его вклад в эту статью.

Уникальные риски, создаваемыми агентскими системами

Понимание уникальных рисков, создаваемых агентскими системами

Большие языковые модели (LLM) склонны к ошибкам и галлюцинациям. Поскольку агентские системы обрабатывают последовательности выходных данных, полученных из LLM, галлюцинация в выходных данных может породить каскадные эффекты, если не установлены средства защиты. Поскольку агентские системы предназначены для автономной работы, руководители бизнеса должны вводит дополнительные механизмы надзора и барьеры. Хотя сложно полностью предвидеть все агентские риски, некоторые из них верифицированы.

Потенциально вредные результаты

Большие языковые модели не всегда точны, иногда предоставляя неверную информацию или выполняя действия с нежелательными последствиями. Эти риски усиливаются, поскольку агенты генеративного ИИ (gen AI) самостоятельно выполняют задачи, используя данные и цифровые инструменты в очень изменчивых сценариях. Например, агент может одобрить высокорискованный кредит, что приведет к финансовым потерям, или может совершить дорогую, невозвращаемую покупку для клиента.

Стратегия смягчения. Организации должны внедрять надежные меры подотчетности, четко определяя обязанности как агентов, так и людей, обеспечивая объсняемость и понятность результатов работы агентов. Это может быть достигнуто путем разработки фреймворков для управления автономией агентов (например, ограничение действий агентов на основе сложности варианта использования) и обеспечение человеческого надзора (например, проверка результатов работы агентов перед выполнением и проведение регулярных аудитов решений агентов). Кроме того, механизмы прозрачности и прослеживаемости могут помочь пользователям понять процесс принятия решений агентом, чтобы на раннем этапе выявить потенциально опасные проблемы.

Неправильное использование инструментов

Благодаря своей способности получать доступ к инструментам и данным, агенты могут быть опасны, если их намеренно использовать не по назначению. Например, агенты могут использоваться для разработки уязвимого кода, создания убедительных фишинговых мошенничеств или взлома конфиденциальной информации.

Стратегия смягчения. Для потенциально высокорисковых сценариев организации должны встраивать барьеры (например, контроль доступа, ограничения на действия агентов) и создавать закрытые среды для агентов (например, ограничивать доступ агентов к определенным инструментам и источникам данных). Кроме того, организации должны применять мониторинг действий агентов в режиме реального времени с автоматическими оповещениями о подозрительном поведении. Регулярные аудиты и проверки соответствия могут гарантировать, что барьеры остаются эффективными и актуальными.

Недостаточное или чрезмерное доверие между человеком и агентом

Так же, как и в отношениях с коллегами-людьми, взаимодействие между людьми и агентами ИИ основано на доверии. Если пользователи не верят в агентские системы, они могут сократить взаимодействие человека с агентом и обмен информацией, которые требуются агентским системам, если они хотят учиться и совершенствоваться. И наоборот, по мере того, как агенты становятся более искусными в подражании человеческому поведению, некоторые пользователи могут оказывать им слишком большое доверие, приписывая им понимание и суждение на человеческом уровне. Это может привести к тому, что пользователи будут некритически принимать рекомендации или предоставлять агентам слишком много автономии без достаточного контроля.

Стратегия смягчения. Организации могут управлять этими проблемами, уделяя первостепенное внимание прозрачности принятия решений агентами, обеспечивая обучение пользователей ответственному использованию агентов и создавая процесс «человек в контуре» для управления поведением агентов. Человеческий надзор за процессами агентов является ключом к обеспечению того, чтобы пользователи сохраняли сбалансированную точку зрения, критически оценивали работу агентов и сохраняли окончательные полномочия и ответственность в действиях агентов. Кроме того, работа агентов должна оцениваться путем привязки действий агентов к конкретным результатам (например, удовлетворенность клиентов, показатели успешного завершения тикетов).

Проблемы

Помимо устранения этих потенциальных рисков, организациям следует учитывать более широкие проблемы, возникающие в связи с появлением агентов поколения ИИ:

• Соответствие ценностям. Поскольку агенты похожи на коллег, их действия должны воплощать организационные ценности. 
• Какие ценности должны воплощать агенты в своих решениях? 
• Как регулярно оценивать и обучать агентов, чтобы они соответствовали этим ценностям?
• Смена рабочей силы. Выполняя задачи независимо, агентские системы могут существенно изменить способ выполнения работы, потенциально позволяя людям больше сосредоточиться на задачах более высокого уровня, требующих критического мышления и управленческих навыков. 
• Как будут меняться роли и обязанности в каждой бизнес-функции? 
• Как сотрудникам могут быть предоставлены возможности переподготовки? 
• Существуют ли новые модели сотрудничества, которые могут улучшить взаимодействие между людьми и агентами ИИ?
• Антропоморфизм. Поскольку агенты все больше обладают человеческими способностями, пользователи могут развить чрезмерную зависимость от них или ошибочно полагать, что помощники ИИ полностью соответствуют их собственным интересам и ценностям. 
• В какой степени человекоподобные характеристики должны быть включены в дизайн агентов? 
• Какие процессы могут быть созданы для обеспечения обнаружения потенциального вреда в реальном времени при взаимодействии человека и агента?

Источник

Why agents are the next frontier of generative AI. By Lareina Yee, Michael Chui, and Roger Roberts with Stephen Xu.

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/why-agents-are-the-next-frontier-of-generative-ai

Архетипы и уникальность нагрузки центров обработки данных

Что делает нагрузку на центр обработки данных уникальной?

В зависимости от рабочей нагрузки центры обработки данных могут потреблять электроэнергию круглосуточно, с некоторыми колебаниями в течение дня, как и другие промышленные центры. Однако центры обработки данных обладают уникальным профилем, который отличает их от коммунальных компаний и инвесторов.

Во-первых, большинство центров обработки данных располагаются с резервными системами хранения энергии, чтобы обеспечить выполнение высоких требований к времени безотказной работы. Эта резервная система может быть направлена ​​для компенсации нагрузки центра обработки данных, когда условия в сети становятся напряженными, тем самым создавая нагрузку, которая, по сути, является высокочувствительной.

Во-вторых, владельцы центров обработки данных обычно более склонны платить за электроэнергию, чем большинство других потребителей электроэнергии. Эксплуатационные расходы на электроэнергию могут составлять около 20% от общей стоимости бизнес-моделей центров обработки данных, которые оказались весьма прибыльными для крупных компаний. Поэтому более высокие тарифы на электроэнергию не нарушают бизнес-модель. Для сравнения, для других источников электроэнергии, таких как производство зеленого водорода, себестоимость конечного продукта сильно зависит от цен на электроэнергию, а ожидаемая маржа намного меньше.

В-третьих, прогноз спроса на центры обработки данных и готовность владельцев платить являются выбросами для графиков использования электроэнергии. Для большинства видов использования энергия преобразуется в физический конечный продукт (такой как светодиодная лампочка), а энергоэффективность измеряется в процентах (например, светодиодная лампочка потребляет на 90% меньше энергии, чем лампа накаливания). Вычислительная мощность измеряется порядком величины, а не процентом, а выход потребляемой мощности для центров обработки данных представляет собой информацию, а не физический товар. Прорывы, которые открывают доступ к недорогим, высокоэффективным вычислениям, не обязательно снижают спрос на электроэнергию. Скорее, такие прорывы могут повысить сложность моделей, которые могут быть запущены, и они могут даже обеспечить больше вариантов использования, которые приведут к большему спросу на электроэнергию. Короче говоря, обычные эксплуатационные параметры сектора электроэнергетики могут потребовать некоторого пересмотра, прежде чем они будут применены к центрам обработки данных.

В-четвертых, инновационные решения для систем охлаждения ИТ-центров предлагают значительный потенциал экономии. Системы охлаждения после ИТ-оборудования и серверов центров обработки данных обычно потребляют больше всего энергии, что подчеркивает большую возможность для повышения эффективности. Гипермасштаберы экспериментируют с удаленными местоположениями, чтобы воспользоваться местными условиями, например, используя холодный наружный воздух для охлаждения серверных комнат, тем самым потребляя минимальное количество энергии в холодные месяцы. Кроме того, такие местоположения предлагают возможности для переработки тепла, вырабатываемого в центрах обработки данных, в системы централизованного теплоснабжения.

Архетипы центров обработки данных

Существует три типа центров обработки данных: гиперскейлеры, колокаторы и корпоративные (собственные).

Гиперскейлер (hyperscaler) относится к игроку, который предлагает крупномасштабные облачные вычислительные сервисы с возможностью быстрого масштабирования вверх или вниз. Гиперскейлеры, такие как Amazon Web Services (AWS) и Microsoft Azure, управляют обширными глобальными сетями центров обработки данных, предоставляя инфраструктуру как услугу (IaaS) и платформу как услугу (PaaS). Они управляют огромными объемами вычислительной мощности и хранилища, позволяя компаниям использовать эти ресурсы по требованию, платя только за то, что они используют. Гиперскейлеры известны своей способностью справляться с огромными рабочими нагрузками и обеспечивать бесперебойный опыт для клиентов с различными потребностями .

Поставщик услуг размещения оборудования (a colocation provider). С другой стороны, поставщик услуг размещения оборудования предлагает физическое пространство, электропитание и охлаждение в своих центрах обработки данных для размещения клиентами собственных серверов и сетевого оборудования. В отличие от гипермасштабаторов, объекты размещения оборудования не предоставляют оборудование; вместо этого они предоставляют безопасную, управляемую среду, в которой компании могут арендовать пространство и сохранять контроль над собственным оборудованием. Эта модель идеально подходит для компаний, которым требуется полный контроль над своим оборудованием, но при этом они хотят воспользоваться преимуществами профессионального центра обработки данных, такими как повышенная безопасность, надежность и подключение.

Корпоративный (собственный) центр обработки данных — это объект, которым компания владеет и управляет для размещения собственной ИТ-инфраструктуры, включая серверы, хранилища и сетевое оборудование. В отличие от гиперскейлеров или объектов размещения, где инфраструктура или пространство арендуются у третьей стороны, корпоративные центры обработки данных полностью контролируются организацией, которой они принадлежат. Эти центры обработки данных обычно располагаются на территории компании или в специальном месте за ее пределами и предназначены для удовлетворения конкретных потребностей и требований этого бизнеса.

Буллинг и культ благополучия

"Мало того, что вся индустрия здорового образа жизни — полная чушь, так она еще и существует из-за людей, которые особенно доверчивы". Брайан Даннинг.

Что означает это слово bullibility. Это слово-гибрид двух слов, первое из которых начинается с bull и часто сокращается до BS, и gullibility. Придуманное Петрочелли и др. в публикации 2024 года, bullibility относится к предрасположенности человека легковерно верить в любую случайную чушь, которая встречается. Например, поколение TikTok отличается высокой bullibility. Сегодня мы рассмотрим роль bullibility в превращении стольких людей в членов того, что по сути стало культом: культуры здорового образа жизни.

Самое главное, что нужно прояснить в этом эпизоде, — это недвусмысленное различие между здравоохранением и благополучием. Это две не связанные между собой отрасли, хотя обе часто заимствуют язык друг у друга в маркетинговых целях, и важно это осознавать. Здравоохранение — это бизнес по лечению болезней, но индустрия благополучия ничего не лечит. Ее клиенты уже здоровы — здоровье определяется как отсутствие болезней — и вместо этого она продает обещание стать здоровее, чем просто здоровой. Всегда есть еще одна мода на благополучие, на которую вы можете купиться: вся индустрия использует практики и предписания New Age, восточного мистицизма и западного эзотеризма для продвижения и продажи коммерческих продуктов органической пищевой промышленности, альтернативной медицины, суперпродуктов и таких услуг, как звуковое исцеление, обучение йоге, направленная осознанность и бесчисленное множество других. Она настолько широка, что продукт или услуга есть для каждого — шлюз для привлечения любого нового рекрута в культ. Независимо от того, покупаете ли вы невинный фруктовый сок на рынке или записываетесь на семинар, поздравляем, вы только что сделали свой первый шаг в культ здорового образа жизни.

Такой широкий ассортимент продукции не только стимулирует рост отрасли, но и приносит огромную прибыль. Согласно отчету McKinsey & Company за 2024 год, многонациональной консалтинговой компании по управлению, "здоровье" — это мировая индустрия стоимостью 1,8 триллиона долларов, из которых 480 миллиардов долларов были потрачены клиентами сферы "здоровье" в Соединенных Штатах только в прошлом году. Не заблуждайтесь: "здоровье" — это индустрия.

Конспирология также сыграла значительную роль в появлении культуры здорового образа жизни. Многие люди разочаровались в традиционной медицине. Они склонны принимать заговоры Большой Фармы и принимают альтернативные системы. Культура здорового образа жизни предлагает решения для всего этого: обещание, что вам не нужна традиционная медицина, и на духовность можно махнуть рукой

Почему духовность? Участие в организованной религии резко сократилось за последние 30 лет. Но жажда духовности осталась прежней. Люди просто нашли другие выходы для нее, отсюда и рост фразы «духовный, но не религиозный».

И вот мы сталкиваемся с большой группой людей, жаждущих альтернативной медицины и новых способов духовной практики, с сильным недоверием к общепринятым научным методам лечения. Недоверием, подпитываемым теориями заговора. Также был обнаружен еще один фактор, который делает людей более восприимчивыми к культуре здорового образа жизни: уязвимость к псевдоглубокой чуши.

Термин псевдоглубокая чушь (pseudo-profound BS) был придуман в статье 2015 года и относится к «модным словечкам, хаотично организованным в утверждения с синтаксической структурой, но без различимого смысла (например, «Целость успокаивает бесконечные явления»)» — и, конечно же, исследование включало множество псевдоглубоких глупостей, взятых непосредственно из твитов Дипака Чопры (Deepak Chopra). Они обнаружили, что люди, склонные верить в странные вещи, такие как паранормальные, с большей вероятностью считали псевдоглубокую чушь глубокой и глубоко осмысленной, хотя на самом деле она вообще не имела смысла. На языке более поздней статьи таких людей называют bullible: доверчивыми к чуши.

Принимая все это во внимание, исследования, проведенные на сегодняшний день, подтверждают ряд общих наблюдений относительно людей, приверженных культуре здорового образа жизни:

• Они скорее идентифицируют себя как духовные, чем как религиозные люди.
• Они, скорее всего, сочтут бессмысленные рассуждения в стиле Дипака Чопры глубокомысленными.
• Они с большей вероятностью примут ложные теории заговора в отношении институтов, которым они нашли альтернативы, таких как психология и научная медицина.
• Они с большей вероятностью воспримут ложные утверждения в Интернете как истину.
• Они с большей вероятностью отвергнут профессионалов с законными аккредитованными степенями в пользу людей с самопровозглашенными квалификациями, которые юридически и с медицинской точки зрения бессмысленны (например, гуру, тренер, шаман, диетолог, влиятельный человек, целитель, мастер, проводник, советник, практик, учитель и т. д.).
• Они с большей вероятностью купят продукцию, продаваемую под маркировкой «органическая» .
• И, конечно, они с большей вероятностью будут заниматься большей деятельностью, которая есть в культуре здорового образа жизни: книги, семинары, продукты, ретриты и все бесчисленные практики и услуги, продаваемые и направляемые людьми со всеми этими самопровозглашенными титулами. 

И они делают это на сумму $1,800,000,000,000 в год.

Сейчас многое из этого звучит нехорошо, как будто мы здесь только для того, чтобы быть циничными и высмеивать чудаков. Это было бы ошибкой, потому что это полностью упускало бы суть. Ни одна из причин, по которой люди стали поддающимися на уговоры, не является неразумной в какой-либо серьезной степени. Каковы бы ни были их убеждения, они тратят так много денег, потому что они являются жертвами высокоцелевого и высокоэффективного маркетинга со стороны людей, которые продают эти вещи. Если уж нам нужно указать пальцем на виновных, то на тех, кто обогатился за счет поддающихся на уговоры — немногие так поступают, как сам Дипак Чопра и продавцы вроде Гвинет Пэлтроу (Gwyneth Paltrow). В этом контексте мы не должны придираться к любой молодой женщине, которая обратилась к сообществу здорового образа жизни в отчаянной попытке быть «приемлемой» в соответствии с требованиями ее индустрии. Но давайте не будем отвлекаться, говоря конкретно о Гвинет Пэлтроу, суть в том, что на каком-то уровне она была жертвой культа; поэтому мы можем легко увидеть, что любой менее известный и успешный, как она, но все еще тратящий деньги, является безусловной жертвой.

Вот список преобладающих характеристик культуры здорового образа жизни, и каждая из них также описывает культы:

• Харизматичные лидеры. Оздоровление в значительной степени продвигается влиятельными лицами в социальных сетях, харизматичными личностями, которые продвигают свою личную философию и продукты как пути к здоровью и просветлению. Эти лидеры часто создают преданных последователей.
• Эксклюзивные знания. Индустрия здорового образа жизни предоставляет знания (часто именуемые «секретными» или «эксклюзивными») о здоровье, диете и образе жизни, которые не признаются и не одобряются официальной наукой или медициной.
• Мысли «Мы против них». Может быть ментальность противостояния, когда приверженцы считают, что они более просвещены или здоровы, чем те, кто не следует их практикам. Это может создать сильную внутригрупповую идентичность, которая изолирует членов от более широкого общества.
• Высокие затраты. Участие в оздоровительных программах часто подразумевает дорогостоящие продукты, курсы, семинары и ретриты, которые могут быть финансово недоступны для многих людей. Высокие затраты могут способствовать восприятию исключительности и приверженности.
• Обещания трансформации. Индустрия оздоровления часто обещает глубокую личную трансформацию или исцеление, что может быть очень привлекательным, особенно для тех, кто разочаровался в традиционной медицине.
• Сомнительные заявления и практика. Многие оздоровительные практики основаны на псевдонауке и содержат непроверенные или ложные заявления о пользе для здоровья, которые могут быть вредными или вводящими в заблуждение.
• Социальное давление и отзывы. Индустрия часто использует отзывы и давление со стороны коллег в качестве инструментов для набора и удержания сотрудников, подчеркивая личные истории успеха и трансформации без существенной научной поддержки.

Гуру здорового образа жизни быстро возразят, что не все, что они прописывают, является лженаукой. Они также рекомендуют релаксацию, снижение стресса, прогулки, употребление большего количества фруктов и овощей, хороший ночной сон — тогда, возможно, они обвинят нас в том, что мы утверждаем, что это тоже лженаука. Нет. Они также не являются здоровьем. Все рекомендуют эти вещи, особенно каждый врач; это просто здравый смысл, и гуру здорового образа жизни не могут претендовать на право собственности на них. Они уже ваши, вам не нужно никому за них платить.

Так что не будьте заносчивым конспирологом. А если вы знаете кого-то, кто им является, сделайте все возможное, чтобы увести его, хотя это часто может быть сложной и неблагодарной задачей.

Источник.
https://skeptoid.com/episodes/4944
"Bullibility and the Cult of Wellness". By Brian Dunning/

Определение простого числа с помощью регулярного выражения

Финт здесь в том, что число представляется в виде одинаковых символов длиной, равной самому числу. Далее проверяется, если ли какое число, которое точненько укладывается в строку

Аналог задачки начального класса - разделить например яблоки на несколько ребят. Всем ли достанется одинаково. И если яблоки можно разделить только по одной штуке, то число простое.

Код.

JAVA

public static boolean isPrime(int n) {
     return !new String(new char[n]).matches(".?|(..+?)\\1+");
}

Python

def is_prime(n):
   return not re.match(r'^.?$|^(..+?)\1+$', '1'*n)

JavaScript ECMA6

function isPrime(n) {
    var re = /^.?$|^(..+?)\1+$/;
    return !re.test('1'.repeat(n));
}

JavaScript

function isPrime(n) {
   var re = /^.?$|^(..+?)\1+$/;
   return !re.test(Array(n+1).join('1'));
}

Perl

sub is_prime {
   return !((1x$_[0]) =~ /^.?$|^(..+?)\1+$/);
}

C#

public static bool IsPrime(int n) {
   return !Regex.IsMatch(new string('1', n), "^.?$|^(..+?)\\1+$");
}

Источник

https://illya.sh/the-codeumentary-blog/regular-expression-check-if-number-is-prime/

Десять принципов стоицизма

Марк Тьютерт сводит стоическое мышление к десяти четким принципам:

• Используйте неудачи как указатели
• Меньше суди, больше понимай
• Выиграй, не сосредотачиваясь на победе
• Что хорошо для команды, хорошо и для вас.
• Прими свою судьбу (и полюби ее)
• Смерть делает жизнь эпической
• Счастье — это побочный эффект
• Карта хорошо, а компас лучше
• Персонаж — ваш самый важный проект
• Действия говорят громче слов

Адаптировано из книги «Мышление стоика: жизнь по десяти принципам стоицизма» (St. Martin's Essentials/Macmillan Publishers, апрель 2024 г.) Марка Туитерта .

"Жить с целью и смыслом — это наше дело. Если мы не принимаем осознанного решения, то нас ведут внешние факторы, такие как социальные сети, другие люди и другие ситуации".

"Мы фокусируемся на результатах, которые не зависят от нас. Единственные элементы, которые мы можем контролировать, — это процессы и осознанное принятие правильных решений каждый день".

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

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

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/

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.

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

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

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/

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.

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%.

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