نکته مهمی که مدیران اجرایی حوزههای مختلف در رابطه با این فناوری باید از آن آگاه شوند، این است که ظرفیتهای موارد کاربریِ متحولکننده هوش مصنوعی مولد که مزایای عملی بسیاری نیز برای مشاغل و حیطههای کاری گوناگون دارند، در حال حاضر شکل گرفتهاند. شرکتها در تمام حیطهها، از داروسازی گرفته تا بانکداری و حتی خرده فروشی، طیف وسیعی از موارد کاربری را برای شکوفایی بیشترین ظرفیتهای خلق ارزش و اعتبارهای جدید کسب و کار، به کار بردهاند. ازاینرو، سازمانها و شرکتهای مختلف با توجه به هدفگذاریها و آرمانهای خاص خود میتوانند در ابعادی کوچک یا بزرگ استفاده از چنین ابزاری را هر چه سریعتر شروع کنند.
هزینههای کاربری هوش مصنوعی مولد، به شکل قابلتوجهی متفاوت هستند و در شرکتها و سازمانهای مختلف، بسته به موارد کاربری و دادههای موردنیاز نرمافزاری، زیرساختهای ابری، مهارتهای فنی و کاهشدهنده ریسکها، تغییر میکنند.
درحالیکه اولویت با شروع این مسیر و استفاده هر چه سریعتر از فناوریهای هوش مصنوعی مولد است، اولین اقدام ضروری، بنا کردن زیرساختهای تجاری مورد نظر هر سازمان در جهت هدایت بهتر این مسیر است.
یک مدیر اجرایی میتواند نقش مهمی در تسریع تمرکز شرکت بر هوش مصنوعی مولد ایفا کند. در این بخش از مقاله، استراتژیهایی را مورد بحث قرار میدهیم که بهتر است مدیران اجرایی هنگام شروع سفرشان به ذهن بسپارند. بسیاری از آنها انعکاسی است از واکنشهای مدیران ارشد به امواج پیشین فناوریهای نوین. هرچند که هوش مصنوعی مولد نیز چالشهای خاص خود را دارد؛ از جمله مدیریت فناوریای که در مقایسه با فناوریهای پیش از خود با سرعتی بیسابقه در حال تغییر و تحول است.
تاکنون بسیاری از سازمانها، بررسی امکانات بهرهمندی از هوش مصنوعی سنتی را در آزمون و خطاهای ایزولهوارشان، شروع کردهاند. اما با توجه به ملاحظات ریسکمحور خاص و قابلیتهایی که مدلهای بنیادی هوش مصنوعی مولد، در پیریزی موارد کاربری چندگانه در یک سازمان دارند، استفاده از آنها نیازمند رویکردی سنجیدهتر و هماهنگتر است. برای مثال، مدلی که برای کاربری مواد اختصاصی تنظیم شده است تا بازتابی از هویت برند شرکت نیز باشد، میتواند در چند حوزه مانند ایجاد کمپینهای بازاریابی شخصی و شروح محصول و چند عملکرد تجاری مانند توسعه محصول و بازاریابیهای کلان بهکار گرفته شود. برای این منظور، توصیه میکنیم گروهی بینا -کارکردی از مدیران حوزههای مختلف شرکت تشکیل دهید. برای مثال، افرادی را از حوزههایی، چون علم داده، مهندسی، حقوقی، امنیت سایبری، بازاریابی، طراحی و سایر عملکردهای تجاری گرد هم آورید و تیمی چندکارکردی ایجاد کنید. چنین گروهی نه تنها میتواند به شناسایی و اولویت بندی موارد کاربری، آن هم با در نظر گرفتن بالاترین معیارهای مرغوبیت کمک کند، بلکه قادر است اجرایی هماهنگ و ایمن را در سراسر سازمان به ارمغان آورد.
هوش مصنوعی مولد ابزار قدرتمندی است که میتواند نحوه عملکرد سازمانها را با اثرگذاریهایی ویژه برحوزههای تجاری خاص و از خلال زنجیرهای ارزشافزا، متحول کند؛ برای مثال، بازاریابی کردن برای یک خرده فروش یا اعمال فرآیندی اجرایی برای یک تولیدکننده. هر چند سهولت پیادهسازی هوش مصنوعی مولد میتواند سازمانها را وسوسه کند که آن را در مواردی پراکنده در حوزههای مختلف تجارت خود، به کار گیرند؛ اما برای بهرهمندی از بیشترین ظرفیت تحول در عملکردهای تجاری، بهتر است درباره موارد کاربری هوش مصنوعی مولد، دیدگاهی خانوادهمحور با متمرکز بر حوزههای باظرفیتتر داشته باشیم. ازاینرو است که، امروزه سازمانها در حال بازتعریف وضعیت هدفشان و روشهای جدید کار که به واسطه هوش مصنوعی مولد فعال شده، در مقایسه با سایر برنامههای کاربردی هوش مصنوعی سنتی هستند.
تقریبا کلید هر رویکرد موفقیتآمیزی به هوش مصنوعی مولد، دسترسی به تودهای جدید و کاملا بهروزشده از این دادهها و فناوری است. مدیران اجرایی برای تعیین اینکه آیا شرکت از نظر منابع محاسباتی، سیستمهای داده، ابزارها و امکان دسترسی به مدلها، از قابلیتهای فنی لازم برخوردارند یا خیر، باید به سراغ مدیران ارشدشان در بخش فناوری بروند.
برای مثال، شاهرگ حیاتی هوش مصنوعی مولد، دسترسی سیال به دادههایی است که برای یک مشکل یا زمینه تجاری خاص پرورده شدهاند. شرکتهایی که هنوز مسیرهایی مناسب برای هماهنگ سازی موثر و دسترسی میسر به دادههای خود را پیدا نکردهاند، قادر به تنظیم دقیق هوش مصنوعی مولد برای شکوفایی غنیترین ظرفیتهای کاربردی و تحولگرایانه آن نیستند. نکته قابل تامل دیگر، طراحی سازهای برای دادههای قابل اندازهگیری است که در عین حال بتواند دربرگیرنده شیوه اداره داده و رویههای امنیتی نیز باشد. از سوی دیگر، بسته به مورد کاربری، زیرساختهای محاسباتی و ابزارسازی موجود نیز ممکن است نیازمند بهروزرسانی باشند. در این مسیر، برخورداری از یک استراتژی زیرساختی و مبتنی بر دادههایی مشخص که بر ارزشهای تجاری و مزایای رقابتی برآمده از هوش مصنوعی مولد منطبق باشد، نقشی حیاتی ایفا میکند.
مدیران اجرایی همواره در پی آنند که از گیر افتادن در تله مراحل برنامهریزی پیشگیری کنند. مدلها و برنامههای جدید در حال توسعه هستند، نسخههای جدیدشان بهروزرسانی شده و به سرعت منتشر میشوند. بنابراین، زمان در دنیای تجارت نقش مهمی ایفا میکند و ماهیت به سرعت رو به رشد فناوری هوش مصنوعی مولد نیز ایجاب میکند که شرکتها هر چه سریعتر برای بهرهمندی از آن اقدام کنند. راههایی وجود دارد که مدیران بتوانند با حرکتی پایدار به سفر خود در این مسیر ادامه دهند.
گرچه فناوری هوش مصنوعی مولد هنوز روزهای آغازین خود را سپری میکند، اما نکته ضروری این است که بدانیم چنین فناوریای، چگونه میتواند به شیوهای درونسازمانی بر مدل عملیاتی یک شرکت تاثیرگذار باشد؛ شاید از طریق «رویکرد فانوس دریایی». برای مثال، یک راه در چنین رویکردی، ایجاد یک «کارشناس مجازی» است که کارکنان خط مقدم را قادر میسازد برای ارائه مرتبطترین محتوا به مشتریانشان، از منابع اختصاصی معرفتی بهرهمند شوند. این رویکرد میتواند ظرفیتهای افزایش بهرهوری، ایجاد اشتیاق و فعالسازی درونسازمانی را پیش از آنکه هوش مصنوعی مولد در برنامههای کاربردی مشتریمحورش، قابل اندازیگیری و مقیاسبندی شود؛ به بوته آزمایش گذارد.
با تمرکز بر پیروزیهای اولیه که دربردارنده نتایج معنی داری نیز هستند؛ شرکتها میتوانند شتاب خود را افزایش دهند، مقیاسهایشان را بالا و پایین کنند و در نتیجه از ماهیت چندمنظوره هوش مصنوعی مولد به شیوهای سودمندانهتر و رقابتجویانهتر بهرهمند شوند.
مدیران اجرایی باید بتوانند فرصتهای خلق ارزش را در تقابل با ریسکهای موجود در استفاده از هوش مصنوعی مولد به تعادل برسانند. طبق نظرسنجیای جهانی که اخیرا در رابطه با هوش مصنوعی صورت گرفته است؛ اکثر سازمانها نتوانستهاند ریسکهای مرتبط با هوش مصنوعی سنتی را کاهش دهند و هنوز مشکلاتی در زمینه تخمین میزان ریسکپذیری وجود دارد؛ و این هوش مصنوعی مولد است که توجه ما را مجددا به بسیاری از این ریسکها، مانند امکان وجود سوگیریهای نهفته در دادههای آموزشی معطوف میسازد.
در همین راستا، یک تیم مدیریتی بینا-کارکردی، نهتنها باید اصول اخلاقی و راهبردیای را برای استفاده از هوش مصنوعی مولد فراهم آورد، بلکه باید بتواند درک کامل و جامعی نیز از ریسکهای بالقوه موارد کاربری این فناوری ارائه دهد؛ بنابراین نکته ضروری آن است که به دنبال موارد کاربری اولیهای باشید که هم با ساختارهای درونسازمانی کاهشدهنده ریسک هماهنگ باشد و هم با میزان تابآوری ریسکی کل سازمان. برای مثال، یک شرکت کوچک، ممکن است مورد کاربریای با ارزشی نسبتا پایینتر را در اولویت خود قرار دهد که در عوض در برگیرنده ریسک کمتری نیز باشد؛ مانند ایجاد پیش نویسهای اولیه محتوای بازاریابی و سایر وظایفی که فرد را در جریان نگه میدارد و در همان حال، کاربریای با ارزشی بالاتر، اما ریسکیتر را از دستور کار خود حذف کند (مانند ابزاری که به شیوهای خودکار، ایمیلهای بازاریابی فوق شخصی را تهیه و ارسال میکند). علاوهبر این، مدیران اجرایی و تیم هایشان در جهت حفظ اعتبار سازمانی خود، همواره باید تلاش کنند که از آخرین تغییرات حیطه قوانین و مقررات هوش مصنوعی مولد، از جمله قوانین مربوط به حفاظت از دادههای مصرفکننده و حق مالکیت بر ایده، مطلع بوده و برای کاهش ریسکها، آن تغییرات را بهکار بندند.
کار مهم دیگری که مدیران اجرایی باید انجام دهند این است که بر ایجاد و حفظ مجموعهای متعادل از اتحادها متمرکز شوند. به همین منظور نیز، استراتژی خرید و اتحاد یک شرکت باید مبتنیبر ایجاد اکوسیستمی از شرکایی هماهنگ با زمینههایی متفاوت و همینطور بهکارگیری هوش مصنوعی مولد در تمامی سطوح فناوری، در عین پیشگیری از به اصطلاح قفل شدن فروشنده باشد.
همکاری با شرکایی متناسب، میتواند به تسریع اجرائیات کمک کند. سازمانها دیگر مجبور نخواهند بود، همه برنامهها و مدلهای پایهشان را خودشان بسازند، بلکه آنها میتوانند با ایجاد شراکت با فروشندگان و کارشناسان هوش مصنوعی مولد، به حرکتشان شتاب بخشند. برای مثال، آنها میتوانند با ارائهدهندگان مدل برای سفارش مدلی متناسب با بخشی خاص، همکاری کنند یا با ارائهدهندگان زیرساختی که قابلیتهای پشتیبانی مانند محاسبات ابری مقیاسپذیر را حمایت میکنند، شریک شوند.
برای بهرهمندی موثر از هوش مصنوعی مولد در خلق ارزشهای تجاری، شرکتها نه تنها باید قابلیتهای فنی خاص خود را ایجاد کنند، بلکه باید بتوانند مهارتهای نیروی کار فعلیشان را نیز ارتقا بخشند. این امر نیز مستلزم تلاش هماهنگ تیم مدیریت، برای شناسایی قابلیتهای موردنیاز بر اساس موارد کاربری اولویتبندیشده شرکت است؛ که ترکیب آن نیز احتمالا فراتر از نقشهای فنی رفته و شامل ترکیبی از متخصصانی درحوزههای مهندسی، داده، طراحی، ریسک، محصول و سایر عملکردهای تجاری خواهد بود.
همانطور که تا به اینجای مقاله، در رابطه با موارد کاربری، مشخص شده است، نیازهای فنی و مهارتی، به طور وسیعی بسته به ماهیت یک پیادهسازی مشخص، متفاوت هستند. برای مثال، به منظور ساخت یک مدل مولد، ممکن است یک شرکت به متخصصانی با مدرک دکترای یادگیری ماشین نیاز داشته باشد.
از سوی دیگر، علاوه بر استخدام استعدادهای متناسب، شرکتها باید در پی آن باشند که با برگزاری کارورزیها و آموزشهای لازم، قابلیتهای نیروی کاری فعلیشان را نیز ارتقا بخشند.
رابطهای کاربری مکالمهای که درخواستمحور هستند، میتوانند استفاده از برنامههای کاربردی هوش مصنوعی مولد را آسان سازند. اما کاربران همچنان باید درخواستهای خود را بهینه کرده، محدودیتهای فناوری را شناسایی نموده، بدانند کجا و چه زمانی میتوانند برنامه را به شیوهای مقبول در فرآیند کاری خود ادغام کنند.
تیمهای مدیریتی اجرایی باید دستورالعملهای واضحی را برای موارد استفاده از ابزارهای هوش مصنوعی مولد ارائه دهند و بهمنظور آگاه نگه داشتن کارکنان شرکت از ریسکهای آن، کارگاهها و دورههای آموزشی به روزی برگزار کنند.
پرورش فرهنگ تحقیق و آزمایش خود- ادارهمحور نیز میتواند کارکنان را تشویق کند تا با تلفیق چنین ابزارهایی در فرآیندهای کاری خود، به نوآوریهای فرآیندی و محصولی دست یابند.
کسبوکارها سالهاست که جاه طلبیهای هوش مصنوعی را دنبال میکنند و بسیاری نیز متوجه جریانهای جدید سودآوری، ارتقای محصول و کارآییهای عملیاتی آن شده اند.
هرچند در چنین زمینههایی، موفقیتهای بسیاری بهواسطه فناوریهای هوش مصنوعی حاصل شده است؛ اما کسبوکارها نیز باید با ادامه هر چه سنجیدهتر این مسیر به توسعه آن کمک کنند. هوش مصنوعی مولد نشاندهنده جهشی امیدوارکننده به سمت دنیایی جدید و سرشار از امکانات است. درحالیکه عملیاتیسازی هر چه بهتر این فناوری و چارچوببندی ریسکهای آن همچنان در حال شکلگیری و توسعه است؛ مدیران اجرایی به خوبی به این امر واقف هستند که بهتر است هرچه سریعتر پای در این مسیر بگذارند. اما اینکه از کجا و چگونه باید شروع کنند؟ پاسخ از شرکتی به شرکت دیگر و همینطور از بخشی به بخش دیگر در یک سازمان متفاوت خواهد بود. برخی شروعی بزرگ خواهند داشت و برخی دیگر ممکن است مسیرشان را با آزمون و خطاهایی کوچکتر شروع کنند. اما جان کلام اینکه، جاهطلبی هرچه که باشد، کلید موفقیت، ورود به مسیر و یادگیری در طی آن است.
ترجمه: دنیای اقتصاد
منبع: Mckinsey