Чтобы полностью извлечь потенциальную ценность генеративного ИИ для организации, лидеры могут учитывать следующие моменты.
Стратегическая дорожная карта, ориентированная на бизнес. Организация может построить стратегическую дорожную карту. Эта карта должна показывать, в чем заключается ценность, что достижимо и что можно логически упорядочить для быстрого и постепенного достижения реальной ценности генеративного ИИ. Команда топ-менеджеров должна иметь единое мнение касательно ресурсов и результатов. Всем должен быть понятен пусть к успеху.Таланты. В дополнение к стратегической дорожной карте должна быть дорожная карта внутренних навыков и она должна работать синхронно со стратегической дорожной картой. Генеративный ИИ является расширением и дополнением традиционной аналитики. Специалисты могут быть перераспределены для реализации вариантов использования ИИ. Тем не менее, особенно замысловатые или сложные приложения, например, требующие индивидуального LLM, могут потребовать найма сотрудников с новыми навыками. Специалисты по данным, инженеры по машинному обучению и облачные архитекторы будут по-прежнему пользоваться большим спросом по мере появления новых специализаций.
Гибкая поставка. К сценариям использования искусственного интеллекта поколения следует относиться так же, как и к любому другому цифровому проекту. Это означает, что компании должны постепенно и быстро создавать минимально жизнеспособный продукт, заранее извлекать уроки из его эксплуатации и адаптироваться к изменениям. Организацией обычно устанавливается скорость выпуска продуктов или услуг и склонность к риску. В рамках этих нормативов такие «функции контроля», как юридические, финансовые или рисковые, также должны работать гибко.
Технология и инструмент. Генеративному ИИ могут потребоваться новые активы, а также доступ к новым инструментам. Возможно потребуются облачные технологии. Организация должна использовать MLOps, что позволяет безопасно и стабильно масштабировать ИИ.
Управление данными. Генеративный ИИ в первую очередь строится на данных, и поэтому данные являются реальным источником конкурентной уникальности для промышленных компаний. Генеративный ИИ способен сделать данные гораздо более полезными, но эти данные должны быть надежны и доступны. Многие компании, занимающиеся энергетикой и материалами, уже начали объединять и/или разделять данные для поддержки традиционных аналитических приложений. Эти же усилия применимы и для сценариев использования генеративного искусственного интеллекта. Поэтому организация должна сбалансировать управление своими данными и данными из внешнего мира. Это имеет решающее значение, поскольку доверие к цифровым продуктам компании обеспечивается доверием клиентов.
Адаптация и изменение операционной модели. Конечные пользователи участвуют в разработке продуктов, которые ускорят, дополнят или автоматизируют их работу или часть работы. Руководители бизнеса должны нести ответственность за внедрение технологий.
Источник.
"Beyond the hype: New opportunities for gen AI in energy and materials". February 5, 2024 | Article
This article is a collaborative effort by Filipe Barbosa, Soenke Lehmitz, Jukka Maksimainen, Lapo Mori, Bryan Richardson, Erik Roth, Humayun Tai, Sapna Thakker, Ian Wells, and Rodney Zemmel, representing views from McKinsey’s Global Energy & Materials Practice.
Комментариев нет:
Отправить комментарий