کلیدهای مهم
هوش مصنوعی تولیدکننده (Generative AI) به جزء جداییناپذیر اکوسیستمهای کسبوکار تبدیل میشود. تنها ۱۰ درصد از شرکتها در مقیاسبندی این فناوری برای ایجاد ارزش و بهرهمندی از مزایای آن تسلط دارند. رقبای آنها با خطر جا ماندن روبرو هستند و اکنون زمان رسیدن به آنها است.
برترین عملکردها در هوش مصنوعی تولیدکننده، در پنج قابلیت اصلی پیشرو هستند: ارتباط واضح با عملکرد کسبوکار. زیرساخت فناوری مدرن. تواناییهای قوی در زمینه داده. پشتیبانی رهبری. پایهریزی در هوش مصنوعی مسئولانه
شرکتهای در مراحل اولیه پذیرش {هوش مصنوعی تولیدکننده} (Generative AI) باید:
- با چند پروژه اولویتدار شروع کنند.
- از شرکای خارجی و سیستمهای آماده به کار استفاده کنند.
- حاکمیت فناوری خود را برای پیگیری پروژههای اولیه هوش مصنوعی تولیدکننده تنظیم کنند.
شرکتهایی که در حال اجرای نمونههای اولیه هوش مصنوعی تولیدکننده هستند، باید:
- سبد پروژه را بر اساس ارزش بالقوه اولویتبندی مجدد کنند.
- الزامات فناوری و داده را در زمینه هوش مصنوعی تولیدکننده ارزیابی کنند.
- مهارت کارکنان خود را برای پیشرفت با این فناوری ارتقا دهند.
تقريبا يک سال پس از عرضه، هوش مصنوعی توليد کننده (Generative AI) به شرکتها در ايجاد ارزش به روشهای جديد و شگفتانگيز کمک میکند. هوش مصنوعی توليد كننده با قابليت دسترسی بیشتر برای کارکنان خط مقدم و طيف گستردهتری از کاربردها، از پيشرفتهای فناورانه قبلی متمايز است.
رديف منتخبی از شرکتها از اين تفاوتها بهرهبرداری کرده و در مقياسگذاری اين فناوری در سراسر سازمان خود پيشرو هستند. در نتيجه، آنها نه تنها با هوش مصنوعی توليد کننده آزمايش می کنند، بلکه از آن برای آزادسازی افزايش کارايی، بهبود تجربه مشتری و افزايش درآمد استفاده میکنند. ما تخمين میزنيم که هوش مصنوعی توليد کننده برای یک سازمان با درآمد ۲۰ میلیارد دلاری می تواند منجر به افزايش سود ۵۰۰ میلیون تا ۱ ميليارد دلاری شود، که تقريبا يک سوم اين افزايش در ۱۸ ماه اول حاصل می شود.
با اين حال، اکثر شرکتها (تقريبا ۹۰ درصد بر اساس تحليل ما) در استفاده از هوش مصنوعی توليد کننده عقبتر هستند. اين سازمانها اغلب نمی دانند چگونه شروع کنند، نمی دانند کدام برنامههای کاربردی برای بخش آنها بيشترين تأثير را دارند و گامهای خاصی را که برای عقب نماندن بايد بردارند، نمی دانند. به همين منظور، اخيرا بيش از ۱۵۰ مدير ارشد جهانی در ۱۰ بخش مختلف را مورد بررسی قرار داديم تا درک کنيم سازمانها در چه زمينهای با هوش مصنوعی توليد کننده موفقيتآميز عمل می کنند. اين تحقيق را با مصاحبههای عميق و تجربه خود با نزديک به ۲۰۰ پروژه مشتری هوش مصنوعی توليد کننده در سراسر صنايع و مناطق جغرافيايی تکميل کرديم.
اين تحقيق جامع به ما امکان داد تا مجموعهای از گامهای تجویزی و مبتنی بر داده را برای نحوه تسريع پذيرش هوش مصنوعی توليد کننده توسط شرکتهای عقبافتاده و آغاز مقياسگذاری پروژهها در سراسر سازمان ايجاد کنيم. اينها اولين درسها از رهبران هوش مصنوعی توليد کننده است و نقشهای برای اقدام فوری سايرين است.
دستهبندی چشمانداز پذیرش هوش مصنوعی تولیدکننده
تجزیه و تحلیل ما نشان میدهد که شرکتها را میتوان بر اساس سطح پذیرش هوش مصنوعی تولیدکننده تا کنون به سه دسته تقسیم کرد.
۱۰ درصد از شرکتهای برتر در حال مقیاسگذاری حداقل یک برنامه کاربردی هوش مصنوعی تولیدکننده در سراسر سازمان خود هستند.
این شرکتها در حال حاضر با خروج از مرحله آزمایشی و شروع به کسب ارزش واقعی از این فناوری، در استفاده از هوش مصنوعی تولیدکننده پیشرو هستند. علاوه بر این، آنها در مسیر بازآفرینی کل عملکردها یا کل سازمان از طریق هوش مصنوعی تولیدکننده قرار دارند. به طور کلی، این گروه همچنین به احتمال زیاد دارای پایه محکمی در هوش مصنوعی پیشگو هستند که بر وظایف تحلیلی تمرکز دارد. با این حال، آنها از وضعیت فعلی خود راضی نیستند. این گروه به عنوان یک کل، به دلیل ظهور هوش مصنوعی تولیدکننده، چهار برابر بیشتر از سایر شرکتها احتمال دارد سرمایهگذاری خود را در دیجیتال و هوش مصنوعی افزایش دهند.
اگرچه برخی از این سازمانها شرکتهای دیجیتال پیشرو مانند آمازون و گوگل هستند، دو سوم آنها شرکتهای مستقر در صنایع انرژی، بیمه و بیوفارما هستند. به عنوان مثال، یک شرکت انرژی آمریکایی یک پلتفرم مکالمهمحور مبتنی بر هوش مصنوعی تولیدکننده برای کمک به تکنسینهای خط مقدم راهاندازی کرد که باعث افزایش بهرهوری به میزان ۷ درصد شد. یک شرکت بیوفارما در حال بازآفرینی عملکرد تحقیق و توسعه خود با هوش مصنوعی تولیدکننده است و زمان کشف دارو را ۲۵ درصد کاهش میدهد.
تقریباً 50 درصد از شرکتها در مرحله آزمایشی هستند.
شرکتهای این گروه سفر هوش مصنوعی تولیدکننده خود را آغاز کردهاند و در حال توسعه چند نمونه آزمایشی متمرکز برای آزمایش ارزش این فناوری هستند. اکثر این شرکتها در ابتکارات قبلی دیجیتال و هوش مصنوعی تا حدی موفق بودهاند. با این حال، آنها هنوز در حال مقیاسگذاری آنها در سراسر سازمان نیستند.
تقریباً ۴۰ درصد از شرکتها هیچ اقدامی در زمینه هوش مصنوعی تولیدکننده انجام ندادهاند.
سومین گروه از شرکتها هنوز اقدام قابل توجهی در مورد هوش مصنوعی تولیدکننده انجام ندادهاند. اکثر آنها همچنان با ابتکارات قبلی دیجیتال و هوش مصنوعی دست و پنجه نرم میکنند و از بسیاری از قابلیتهای اساسی برای موفقیت مانند زیرساخت فناوری مدرن یا دادههای قابل اعتماد و در دسترس محروم هستند. رهبران این شرکتها ممکن است درک درستی از هوش مصنوعی تولیدکننده نداشته باشند و بنابراین نیازی به اقدامات بلندپروازانهتر برای اجرای آن نمیبینند.
چرا GenAI در حال تغییر شکل کسب و کار است؟
فناوری برای دههها در حال پیشرفت بوده است و بسیاری از شرکتها تلاش کردهاند تا فرآیندها و عملکردهای خود را دیجیتالی کنند. با این حال، هوش مصنوعی تولیدکننده متفاوت است. در تحقیقات ما، تقریباً دو سوم (65%) از مدیران ارشد میگویند که این فناوری بیشترین پتانسیل بالقوه برای دگرگونی را در میان هر فناوری در پنج سال آینده دارد. و یک سوم با وجود محدودیتهای هزینهای، سرمایهگذاریهای خود را افزایش دادهاند.
چرا مدیران عامل نسبت به هوش مصنوعی تولیدکننده چنین خوشبین هستند؟
نسبت به سایر نرمافزارها، هوش مصنوعی تولیدکننده زمان رسیدن به ارزش [ایجاد منفعت] سریعتری دارد. سازمانهای پیشرو میتوانند با تکیه بر سه رویکرد کلیدی ایجاد ارزش (استقرار، بازآفرینی و اختراع مجدد)، راهحلهای هوش مصنوعی تولیدکننده را به سرعت پیادهسازی کنند و تنها در عرض سه ماه، به ویژه با استفاده از برنامههای کاربردی آماده بهکار، به مزیت برسند. در وظایف اساسی، بهرهوری کارکنان میتواند 10 تا 20 درصد افزایش یابد.
کاربردهای بلندپروازانهتر میتوانند به طور متناظر منافع بیشتری به همراه داشته باشند. استفاده از هوش مصنوعی تولیدکننده برای بازآفرینی عملکردها یا اختراع مدلهای کسبوکار جدید ممکن است زمان بیشتری (یک تا سه سال) طول بکشد، اما تأثیر بسیار بزرگتری ایجاد میکند. به عنوان مثال، یک شرکت کالاهای مصرفی در حال ساخت یک دستیار مکالمهای مبتنی بر هوش مصنوعی تولیدکننده است تا به مشتریان خدمات تشخیص شخصی، کشف روند، توصیه محصول و سرویس پرو مجازی ارائه دهد.
ارزشمندترین کاربردهای هوش مصنوعی تولیدکننده هم اکنون آشکار شده است. بیش از 50 درصد از مدیران ارشد به بازاریابی و فروش، عملیات مشتری، تحقیق و توسعه و مهندسی نرمافزار/فناوری اطلاعات به عنوان بزرگترین حوضههای ارزش برای هوش مصنوعی تولیدکننده اشاره میکنند. در عین حال، این فناوری طیف وسیعی از کاربردهای خاص بخش را نیز ارائه میدهد.
کاربردهای اولیه هوش مصنوعی تولیدکنندهای که شرکتها مستقر میکنند معمولاً برای افزایش بهرهوری یا بهبود خدمات مشتری طراحی میشوند، اما هوش مصنوعی تولیدکننده همچنین جریانهای درآمدی جدیدی ایجاد میکند. از یک نمونه کار typical هوش مصنوعی تولیدکننده، حدود 60 درصد از ابتکارات هزینهها را کاهش میدهند و 40 درصد درآمد را افزایش میدهند (از جمله از طریق برنامههای کاربردی که تعامل را افزایش میدهند و رضایت مشتری را بالا میبرند). این همچنین ماهیت استراتژیک هوش مصنوعی تولیدکننده را افزایش میدهد: ایجاد برتری بر رقبا فرصتهایی را برای مزیتهای پایدار در هزینه، خدمات مشتری و پیشنهادهای ارزش ایجاد میکند.
قابلیتهای کلیدی که شرکتها برای مقیاسبندی GenAI نیاز دارند
تحلیل ما به پنج قابلیت خاص اشاره می کند که 10 درصد برتر شرکت ها را از سایرین جدا می کند. اینها حوزه هایی هستند که رهبران قوی ترین عملکرد را نشان داده اند و بیشترین شکاف را نسبت به رقبا دارند.
یک پیوند واضح به عملکرد کسب و کار
بیش از ۷۰ درصد از شرکتهای در حال مقیاسگذاری، پروژههای هوش مصنوعی تولیدکننده خود را بهطور خاص برای ایجاد ارزش تنظیم میکنند. این ارزش میتواند هم مالی (افزایش درآمد و کاهش هزینه) و هم غیرمالی (مانند بهبود تجربه مشتری) باشد. شرکتهای در حال مقیاسگذاری بیش از ۲۰ درصد بیشتر احتمال میدهند که پتانسیل هوش مصنوعی تولیدکننده را برای هدایت رشد سود در مقابل صرفاً صرفهجویی در هزینه درک کنند. برعکس، کمتر از یک چهارم از شرکتهای با عملکرد پایین، پروژههای هوش مصنوعی تولیدکننده را به ارزش مرتبط میسازند. علاوه بر این، شرکتهای در حال مقیاسگذاری تمایل دارند به جای رویکرد پراکنده و نامتمرکز، بر تعداد کمی از برنامههای کاربردی هدفمند که میتوانند در صورت مقیاسگذاری ارزش قابل توجهی ایجاد کنند، تمرکز کنند. اینها اغلب قابلیتهای اساسی هوش مصنوعی پیشگو را که در فعالیتهای سنتی نیمکره چپ مغز مانند تحلیل قوی است، با نقاط قوت هوش مصنوعی تولیدکننده در فعالیتهای نیمکره راست مانند خلق محتوا ترکیب میکنند.
زیرساخت فناوری مدرن
شرکتهای پیشرو سه برابر بیشتر احتمال دارد که زیرساخت فناوری اطلاعات مدرن و ماژولار داشته باشند. این امر به شرکتها امکان میدهد تا خدمات جدید مبتنی بر هوش مصنوعی تولیدکننده را بر روی مدلهای اساسی هوش مصنوعی توسعه دهند و به طور یکپارچه با توسعهدهندگان خارجی کار کنند. همچنین در مقایسه با شرکتهای عقبافتاده، این شرکتهای با عملکرد برتر ۱.۵ برابر بیشتر احتمال دارد که بر ساخت داخلی مجموعه هوش مصنوعی تولیدکننده در سه سال آینده تمرکز کنند، که بر تمایل آنها برای تبدیل این فناوری به یک قابلیت اصلی برای سازمان تأکید میکند.
تواناییهای قوی در زمینه داده
شرکتهای برتر دو برابر بیشتر احتمال دارد که دارای خطوط انتقال داده و شیوههای مدیریت داده باشند که به آنها در تهیه و ذخیرهسازی دادههای با کیفیت بالا (حتی از منابع دادهای بدون ساختار) کمک میکند. این عنصری حیاتی برای هوش مصنوعی تولیدکننده است، زیرا قدرت مدلها تنها به دادهای بستگی دارد که بر اساس آن آموزش دیدهاند. همانطور که رئیس بخش داده و تجزیهوتحلیل در یک شرکت رسانهای جهانی گفت: «اگر دادههای آموزشی مغرضانه باشد یا فاقد تنوع مخاطبان جهانی ما باشد، خروجیهای ابزارهای هوش مصنوعی تولیدکننده این مسائل را تکرار میکنند، که بر توانایی ما برای خدمت به بازار هایمان در سراسر جهان تأثیر میگذارد.»
بصورت کلیدی، زیرساخت فناوری و قابلیتهای داده، پیشنیازهای رسمی و غیر قابل تردیدی برای ایجاد ارزش از هوش مصنوعی تولید کننده نیستند. این ویژگیها کمک میکنند، اما برخی از سازمانها حتی با مهارتهای کمتر بالغ در این زمینهها به موفقیت میرسند – هرچند ممکن است زمان بیشتری برایشان طول بکشد، زیرا آنها باید همزمان با زیرساخت و قابلیتهای داده خاص مقابله کنند.
پشتیبانی رهبری
مانند هر ابتکار عمل تغییر، حمایت رهبری حیاتی است. شرکت های در حال مقیاس گذاری سه برابر بیشتر از شرکت های بدون اقدام، رهبرانی دارند که بر نوآوری اولویت می دهند و از هوش مصنوعی تولیدکننده در سراسر شرکت حمایت فعال می کنند. این رهبران معمولاً درک عمیقی از تأثیر بالقوه این فناوری بر صنعت خود دارند و تعهد علنی برای اطمینان از بهره برداری سازمان از آن به روش هایی که ارزش ایجاد می کند، دارند. همانطور که رئیس بخش داده و تجزیهوتحلیل در یک شرکت رسانهای جهانی گفت: «حمایت و تعهد آشکار از تیم رهبری ما بسیار مهم بوده است، زیرا آزادی آزمایش و مقابله با شکستها را در طول مسیر فراهم کرده است.»
پایهریزی در هوش مصنوعی مسئولانه
هوش مصنوعی تولیدکننده یک فناوری جدید و به سرعت در حال تکامل است که برای سازمانهایی که آن را درک نمیکنند، ریسکهایی را در پی دارد. اما راههای شناختهشدهای برای کاهش ریسکها وجود دارد، مانند «قرار دادن انسان در حلقه فرآیند»، استفاده تنها از دادههای واقعی و به طور مهم، اجرای هوش مصنوعی مسئولانه. تحقیقات ما نشان میدهد که شرکتهای پیشرو به احتمال زیاد برای اطمینان از رعایت اصول هوش مصنوعی مسئولانه، ضوابط، دستورالعملها و خطمشیهایی را تدوین کردهاند. یافتههای ما حاکی از آن است که سهم شرکتهای در حال مقیاسگذاری که نسبت به سوء استفاده بالقوه از هوش مصنوعی تولیدکننده محتاط هستند و اقدامات پیشگیرانهای برای مقابله با این ریسکها انجام میدهند، 20 درصد بیشتر از سهم شرکتهایی است که در این زمینه هیچ اقدامی انجام ندادهاند.
همانطور که رئیس بخش داده و تجزیهوتحلیل در یک شرکت رسانهای جهانی گفت: «گاهی اوقات ما با اطلاعات قابل شناسایی شخصی بسیار حساس یا محتوای پیش از انتشار سروکار داریم، بنابراین خطمشیها باید کاملاً واضح باشند که افراد چه کاری میتوانند و چه کاری نمیتوانند با هوش مصنوعی تولیدکننده انجام دهند.»
اولویتهای شرکتهای عقب مانده برای کاهش شکاف
برای شرکتهایی که در پذیرش هوش مصنوعی تولیدکننده کند بودهاند، اقدام قاطع و افزایش انتظارات از این فناوری ضروری است. تحقیقات ما بر توصیههای خاصی برای هر دو گروه تاکید دارد.
اولویتها برای شرکتهای «بدون اقدام»
۴۰ درصد از شرکتهایی که هنوز در مورد هوش مصنوعی تولیدکننده اقدامی انجام ندادهاند، باید بر حمایت رهبری تمرکز کنند، تعداد کمی از برنامههای کاربردی اولویتدار را شناسایی کنند، با شرکای خارجی همکاری کنند و رویکرد خود را برای حاکمیت فناوری اطلاعات تنظیم کنند.
رهبران را به طرفداران آگاه تبدیل کنید. بیش از نیمی از شرکتهایی که هنوز در مورد هوش مصنوعی تولیدکننده اقدامی انجام ندادهاند، کمبود دانش کافی در میان رهبران را به عنوان یک مانع کلیدی ذکر میکنند. بر این اساس، رهبران باید خود را در مورد ارزش بالقوه هوش مصنوعی تولیدکننده آموزش دهند و سازمان را به پذیرش این فناوری سوق دهند. همانطور که مدیر محصول هوش مصنوعی تولیدکننده در یک شرکت در حال مقیاسگذاری گفت: «تغییر عادتهای کاری افراد دشوار است. ما با تعیین اهداف برای استفاده و اندازهگیری پیشرفت، از رویکرد بالا به پایین برای هدایت پذیرش استفاده میکنیم.»
با تعداد کمی از برنامههای کاربردی اولویتدار شروع کنید. شرکتها نیازی به شروع از صفر ندارند – باارزشترین برنامههای کاربردی در هر بخش از قبل شناخته شدهاند. سازمانها میتوانند چند مورد را که بیشتر با نیازهایشان مطابقت دارد انتخاب کنند و از رویکرد محصول با حداقل ویژگی قابل اتکا (MVP) برای توسعه آنها استفاده کنند. یک تیم چابک میتواند دادههای مورد نیاز، ابزار دسترسی به آن دادهها و افراد مورد نیاز برای توسعه، اجرا و اجرای راهحل را ظرف چند ماه تعیین کند. مدیر استراتژی و تحول فناوری در یک شرکت خدمات مالی جهانی گفت: «پس از اینکه مجموعهای از پروژههای عملی از نظر فنی را تعریف کردیم، آنها را از نظر ارزش و تأثیرشان بر کسب و کار باهم ارزیابی کردیم. و ما از آن ارزیابی برای تصمیمگیریهای سخت مورد نیاز برای اولویتبندی استفاده کردیم.»
از شرکای خارجی در مراحل اولیه بهرهمند شوید. بیش از ۴۰ درصد از شرکتهای «بدون اقدام» نبود زیرساخت فناوری مدرن را به عنوان یک مانع کلیدی ذکر میکنند. اما بازسازی زیرساخت فناوری اطلاعات زمانبر است. به جای انتظار، شرکتها میتوانند با شرکای خارجی همکاری کنند و به پلتفرمهای کلید به دست هوش مصنوعی تولیدکننده تکیه کنند تا راهحلها را به سرعت اجرا کنند. همانطور که رئیس بخش داده و تجزیهوتحلیل در یک شرکت رسانهای جهانی در حال مقیاسگذاری گفت: «برای انجام یک پروژه آزمایشی به زیرساخت فناوری پیشرفته نیاز ندارید. ما یک اکوسیستم از شرکای تأییدشده داریم و با آنها کار میکنیم تا به سرعت پروژههای آزمایشی را اجرا کنیم.»
حکومت را متناسب با نیازهای پروژههای هوش مصنوعی تولیدکننده تنظیم کنید. در بسیاری از سازمانها، مدیریت پروژههای فناوری بزرگ ضعیف است و بدون توجه کافی، نمونههای اولیه هوش مصنوعی تولیدکننده میتوانند به سرعت از مسیر خارج شوند. به جای حل این مشکل، شرکتها باید یک سیستم مدیریتی اختصاصی به طور خاص برای پروژههای هوش مصنوعی تولیدکننده ایجاد کنند. برخی از شرکتها در حال ایجاد مراکز تعالی هوش مصنوعی تولیدکننده هستند تا اقدامات سریع را تشویق کنند و منجر به تأثیر بیشتر شوند – با حکمرانی مناسب که در آن تعبیه شده است. رویکرد درست باید تصمیمگیری و مداخلات سریع را برای حفظ پیشرفت امکانپذیر سازد، در عین حال اطمینان حاصل کند که عملکردهای ضروری (از جمله ریسک و انطباق، تدارکات، فناوری اطلاعات و صاحبان مشاغل) در صورت نیاز درگیر شوند. با گذشت زمان، همانطور که شرکتها با هوش مصنوعی تولیدکننده سرعت میگیرند، میتوانند مدل مدیریت خود را برای رسیدگی به مجموعه گستردهتری از برنامههای کاربردی اصلاح کنند.
شرکتهایی که در پذیرش هوش مصنوعی تولیدکننده کند بودهاند، باید اقدام قاطع انجام داده و سطح انتظارات خود را از این فناوری بالا ببرند.
اولویتها برای شرکتهای در حال «آزمایش»
در مقایسه با شرکتهای «بدون اقدام»، 50 درصد از شرکتها در مرحله آزمایشی، سبد پروژههای خود را که قبلاً در دست اجرا هستند، اولویتبندی میکنند، زیرساختهای فناوری و الزامات دادهها را دوباره ارزیابی میکنند و استراتژی کارکنان خود را تنظیم میکنند.
اولویتبندی مجدد کاربردها. با افزایش آگاهی از هوش مصنوعی تولیدکننده، شرکتهای در این مرحله اغلب با درخواستهای متعدد برای پیادهسازی راهحلهای هوش مصنوعی تولیدکننده در سراسر سازمان بمباران میشوند که منجر به تلاشهای پراکنده و مجزا میشود. برای بهبود، شرکتها باید سبد پروژههای خود را ارزیابی و بر اساس ارزش بالقوه آنها را اولویتبندی مجدد کنند. مدیر بخش دیجیتال و نوآوری در یک شرکت انرژی گفت: «به راحتی ممکن است افراد عاشق ابتکاری شوند و به ارزش واقعی که ارائه میشود توجه نکنند. ما در بررسی پروندههای تجاری برای تعیین اینکه کدام ابتکارها را در مقیاس بزرگ اجرا کنیم، بیرحمانه عمل کردیم. اگر آزمایشی به نتیجه نرسید، آن را در اولویت پایینتری قرار میدادیم یا به طور کامل کنار میگذاشتیم.»
بازنگارش نیازمندیهای فناوری و داده. مدرنسازی فناوری و زیرساخت داده، سفری طولانی و چالشبرانگیز است. اما شرکتها میتوانند با تکیه بر درسهای آموختهشده از پروژههای آزمایشی اولیه، این فرآیند را هوشمندانهتر مدیریت کنند. پس از انجام چندین ابتکار، ارزیابی مجدد هسته فناوری و جنبههای داده مورد نیاز برای پشتیبانی از پذیرش گستردهتر هوش مصنوعی تولیدکننده ضروری است. به عنوان مثال، حدود ۵۰ درصد از شرکتهای در حال گذراندن مرحلهی آزمایشی میگویند که دادههای سیلو شده [دادههایی که در بخشهای مختلف سازمان و بدون ارتباط با یکدیگر نگهداری میشوند] در این مرحله، مانع کلیدی محسوب میشود. این فرآیند میتواند اطمینان حاصل کند که الزامات هوش مصنوعی تولیدکننده با نیازهای فناوری گستردهتر سازمان همسو باشد و به رهبران در تصمیمگیری در مورد اینکه کدام قابلیتها را به صورت داخلی توسعه دهند و کدام را به شرکای خارجی برونسپاری کنند، کمک میکند.
به عنوان مثال. یک شرکت خدمات مالی چندملیتی راهحلهای ابری را برای برخی از کاربردهای هوش مصنوعی تولیدکننده در نظر گرفت، اما در نهایت آن قابلیت را به صورت داخلی توسعه داد. مدیر استراتژی و تحول فناوری گفت: «هزینههای قابل توجه مرتبط با هوش مصنوعی تولیدکننده در تصمیم ما نقش داشت. ما از پردازندههای داخلی خود برای آموزش مدلهای هوش مصنوعی تولیدکننده استفاده میکنیم تا بار هزینههای آموزش روی ابر را احساس نکنیم.»
بهبود راهبرد نیروی انسانی برای تسریع پذیرش. با تعبیهی هوش مصنوعی تولیدکننده و همگانی شدن دادهها در سراسر سازمان، شرکتها باید راهبرد نیروی انسانی خود را تنظیم کنند تا اطمینان حاصل شود که کارکنان مهارتهای لازم برای پیشرفت با این فناوری را در اختیار دارند. با این حال، شرکتهای در حال گذراندن مرحلهی آزمایشی نسبت به شرکتهای در حال مقیاسگذاری، ۲۰ درصد کمتر در زمینهی ارتقاء مهارتهای کارکنان خود در هوش مصنوعی تولیدکننده سرمایهگذاری کردهاند. مدیران ارشد بر این باورند که به دلیل تأثیر هوش مصنوعی تولیدکننده بر نقشهای فعلی کارکنان، ۴۴ درصد از نیروی کار آنها در سه سال آینده نیاز به بازآموزی خواهند داشت.
همانطور که مدیر بخش دیجیتال و نوآوری در یک شرکت نفت و گاز اروپایی به ما گفت: «ما نیاز داشتیم تا کارکنان خط مقدم را به طور مناسب درگیر توسعهی یکی از ابزارهای هوش مصنوعی تولیدکننده کنیم، زیرا اگر آنها هدف از این فناوری را درک نکنند و تصور کنند جایگزین آنها خواهد شد، ممکن است به شدت در برابر پذیرش آن مقاومت کنند.»
هوش مصنوعی تولیدکننده به بخش جداییناپذیر اکوسیستمهای کسبوکار تبدیل میشود و هماکنون بهعنوان منبعی قدرتمند برای خلق ارزش و مزیت رقابتی شناخته میشود. بااینحال، تنها ۱۰ درصد از شرکتها توانستهاند به راز توسعهی هوش مصنوعی تولیدکننده برای خلق ارزش پی ببرند. هوش مصنوعی تولیدکننده هنوز یک فناوری نوظهور و در حال تکامل است، اما هر انتشار جدید، ارزش بیشتری را برای سازمانها به ارمغان میآورد. رهبران حوزهی هوش مصنوعی تولیدکننده، مسیر موفقیت زودهنگام را هموار کردهاند. ریسک برای رقبا این است که با کوتاهتر شدن زمان استقرار در مقیاس توسط بازیگران برتر و تمرکز بیشتر بر بازآفرینی و نوآوری، از آنها عقب بیفتند. اکنون زمان آن فرا رسیده است که سایر شرکتها این آموزهها را به کار گیرند و شروع به بهرهمندی از مزایای این فناوری تحولآفرین جدید کنند.