Son zamanlarda, üretken AI hakkında manşetlerle karşılaşmadan bir gün geçirmek neredeyse imkansız hale geldi veya ChatGPT. Aniden yapay zeka yeniden kızıştı ve herkes bu kervana katılmak istiyor: Girişimciler bir yapay zeka şirketi kurmak, şirket yöneticileri ise bir yapay zeka şirketi kurmak istiyor. işleri için yapay zekayı benimseyinve yatırımcılar yapay zekaya yatırım yapmak istiyor.
Büyük dil modellerinin (LLM'ler) gücünün bir savunucusu olarak, gen AI'nın muazzam bir potansiyel taşıdığına inanıyorum. Bu modeller, kişisel üretkenliği artırmada pratik değerlerini zaten göstermiştir. Örneğin, LLM'ler tarafından oluşturulan kodu işime dahil ettim ve hatta bu makaleyi düzeltmek için GPT-4'ü kullandım.
Üretken yapay zeka, iş dünyası için sihirli bir değnek mi?
Şimdi acil soru şudur: LLM'lerin oluşturulmasında yer almayan küçük veya büyük işletmeler, alt satırlarını iyileştirmek için gen AI'nın gücünden nasıl yararlanabilir?
Ne yazık ki, LLM'leri kişisel üretkenlik kazanımı ile iş karı için kullanmak arasında bir uçurum var. Herhangi bir iş yazılımı çözümü geliştirmek gibi, göründüğünden çok daha fazlası var. Sadece GPT-4 ile bir sohbet robotu çözümü oluşturma örneğini ele alırsak, kolayca aylar alabilir ve milyonlarca dolara mal oldu sadece tek bir chatbot oluşturmak için!
Bu parça, iş kazançları için gen AI'dan yararlanmanın zorluklarını ve fırsatlarını özetleyecek ve teknolojinin iş için değerini ortaya çıkarmak isteyen girişimciler, şirket yöneticileri ve yatırımcılar için AI arazisinin düzenini ortaya çıkaracaktır.
Yapay zekadan iş beklentileri
Teknoloji, günümüzün iş dünyasının ayrılmaz bir parçasıdır. Bir kuruluş yeni bir teknolojiyi benimsediğinde, operasyonel verimliliği artırmasını ve daha iyi iş sonuçları elde etmesini bekler. İşletmeler, türü ne olursa olsun yapay zekanın da aynı şeyi yapmasını bekler.
Öte yandan bir işletmenin başarısı sadece teknolojiye bağlı değildir. İyi yönetilen bir işletme gelişmeye devam edecek ve kötü yönetilen bir işletme, gen yapay zekanın veya benzeri araçların ortaya çıkmasından bağımsız olarak mücadele etmeye devam edecektir. ChatGPT.
Tıpkı herhangi bir iş yazılımı çözümünü uygulamak gibi, AI'nın başarılı bir şekilde iş için benimsenmesi iki temel bileşen gerektirir: Teknoloji, beklendiği gibi somut iş değeri sunmak için performans göstermeli ve benimseme organizasyonu, başarı için diğer tüm ticari operasyonları yönetmek gibi, AI'yı nasıl yöneteceğini bilmelidir. .
Üretken AI yutturmaca döngüsü ve hayal kırıklığı
Her yeni teknolojide olduğu gibi, nesil AI'nın da bir Gartner Coşku Döngüsünden geçmesi kaçınılmazdır. ChatGPT gibi kitleler için yapay zeka farkındalığını tetikleyen popüler uygulamalarla neredeyse şişirilmiş beklentilerin zirvesi. Çıkarlar azaldıkça, deneyler başarısızlığa uğradıkça ve yatırımlar ortadan kalktıkça yakında "hayal kırıklığı çukuru" başlayacak.
"Hayal kırıklığı çukuru" teknolojinin olgunlaşmamışlığı ve uygun olmayan uygulamalar gibi çeşitli nedenlerden kaynaklanabilse de, aşağıda birçok girişimcinin, şirket yöneticisinin ve yatırımcının kalbini kırabilecek iki yaygın yapay zeka nesli hayal kırıklığı bulunmaktadır. Bu hayal kırıklıklarının farkına varmadan, teknolojiyi iş için benimsemenin pratik zorluklarını hafife alabilir veya zamanında ve ihtiyatlı AI yatırımları yapma fırsatlarını kaçırabilirsiniz.
Yaygın bir hayal kırıklığı: Üretken yapay zeka, oyun alanını eşitler
Milyonlarca kişi, bilgiye erişmekten kod yazmaya kadar çok çeşitli görevleri gerçekleştirmek için gen yapay zeka araçlarıyla etkileşime girerken, gen yapay zeka her işletme için oyun alanını eşitliyor gibi görünüyor: Herkes onu kullanabilir ve İngilizce yeni programlama dili olur.
Bu, belirli içerik oluşturma kullanım durumları (pazarlama metin yazarlığı) için doğru olsa da, gen AI, sonuçta, doğal dil anlayışına (NLU) ve doğal dil üretimine (NLG) odaklanır. Teknolojinin doğası göz önüne alındığında, derin alan bilgisi gerektiren görevlerde zorluk yaşar. Örneğin, ChatGPT "önemli yanlışlıklar" içeren bir tıbbi makale oluşturdu ve CFA sınavında başarısız oldu.
Alan uzmanları derinlemesine bilgiye sahip olsalar da, yapay zeka veya BT konusunda bilgili olmayabilirler veya yapay zeka neslinin iç işleyişini anlamayabilirler. Örneğin, bir çözümü programlamak için AI API kullanımı bir yana, istenen sonuçları elde etmek için ChatGPT'yi etkili bir şekilde nasıl yönlendireceklerini bilemeyebilirler.
AI alanlarındaki hızlı ilerleme ve yoğun rekabet, temel LLM'leri de giderek daha fazla bir meta haline getiriyor. Herhangi bir LLM özellikli iş çözümünün rekabet avantajı, ya belirli yüksek değerli özel verilere sahip olmak ya da alana özgü bazı uzmanlıklarda uzmanlaşmak olmak üzere başka bir yerde yatmalıdır.
İşletmelerde görevli kişilerin, alana özgü bu tür bilgi ve uzmanlığı zaten biriktirmiş olmaları daha olasıdır. Böyle bir avantaja sahipken, aynı zamanda hızlı bir şekilde benimsenmesini engelleyen eski süreçlere de sahip olabilirler. gen yapay zeka. Yeni başlayanlar, sıfırdan başlayarak teknolojinin gücünden tam olarak yararlanmanın avantajlarına sahiptir, ancak kritik bir alan bilgisi repertuarı elde etmek için işi hızla sıfırdan başlatmaları gerekir. Her ikisi de temelde aynı temel zorlukla karşı karşıyadır.
Temel zorluk, iş alanı uzmanlarının, kendi alan verilerinden veya uzmanlıklarından yararlanırken uzman olmalarını gerektirmeden yapay zekayı eğitip denetlemesine olanak tanımaktır. Böyle bir zorluğun üstesinden gelmek için aşağıdaki temel düşüncelerime bakın.
Üretken yapay zekanın başarılı bir şekilde benimsenmesi için temel hususlar
Gen AI, önemli ölçüde gelişmiş dil anlama ve oluşturma teknolojilerine sahip olsa da, her şeyi yapamaz. Teknolojiden yararlanmak, ancak eksikliklerinden kaçınmak önemlidir. Gen AI'ya yatırım yapmayı düşünen girişimciler, şirket yöneticileri ve yatırımcılar için birkaç önemli teknik hususun altını çiziyorum.
yapay zeka uzmanlığı: Gen AI mükemmel olmaktan çok uzak. Şirket içi çözümler oluşturmaya karar verirseniz, yapay zekanın iç işleyişini gerçekten anlayan ve gerektiğinde geliştirebilecek şirket içi uzmanlarınız olduğundan emin olun. Çözüm oluşturmak için dış firmalarla ortak olmaya karar verirseniz, firmaların gen yapay zekadan en iyi şekilde yararlanmanıza yardımcı olabilecek derin uzmanlığa sahip olduğundan emin olun.
Yazılım mühendisliği uzmanlığı: Gen AI çözümleri oluşturmak, başka herhangi bir yazılım çözümü oluşturmak gibidir. Özel mühendislik çabaları gerektirir. Şirket içi çözümler oluşturmaya karar verirseniz, bu çözümleri oluşturmak, sürdürmek ve güncellemek için gelişmiş yazılım mühendisliği yeteneklerine ihtiyacınız olacaktır. Dışarıdan firmalarla çalışmaya karar verirseniz, ağır işi sizin yerinize yapacaklarından emin olun (çözümünüzü kolayca oluşturmanız, sürdürmeniz ve güncellemeniz için size kodsuz bir platform sağlayarak).
Alan uzmanlığı: Gen yapay zeka çözümleri oluşturmak genellikle alan bilgisinin alınmasını ve bu tür alan bilgisi kullanılarak teknolojinin özelleştirilmesini gerektirir. İster şirket içinde geliştirin, ister dışarıdan bir ortakla iş birliği yapın, bu tür bilgileri bir çözümde nasıl kullanacağını bilmenin yanı sıra sağlayabilen etki alanı uzmanlığına sahip olduğunuzdan emin olun. Genellikle BT uzmanı olmayan alan uzmanlarının kodlama veya ek BT desteği olmadan gen yapay zeka çözümlerini kolayca almasına, özelleştirmesine ve sürdürmesine olanak sağlamak sizin (veya çözüm sağlayıcınız) için çok önemlidir.
Bağlantı: https://venturebeat.com/ai/how-chatgpt-can-help-your-business-make-more-money/?utm_source=pocket_saves
Kaynak: https://venturebeat.com
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. Otomotiv / EV'ler, karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- Blok Ofsetleri. Çevre Dengeleme Sahipliğini Modernleştirme. Buradan Erişin.
- Kaynak: https://www.fintechnews.org/how-chatgpt-can-help-your-business-make-more-money/
