Σύστημα νοημοσύνης — Δημιουργική τεχνητή νοημοσύνη στο επίπεδο εφαρμογής

Το Generative AI είναι μια αλλαγή παραδείγματος στην τεχνολογία και θα δώσει ώθηση σε μια τεράσ

τι

α αλλαγή στις δαπάνες των επιχειρήσεων κατά την επόμενη δεκαετία και μετά. Οι μετασχηματισμοί αυτού του μεγέθους μπορούν να αισθάνονται γρήγορες στην επιφάνεια, ειδικά όταν προκαλούν τεράστια βουτιά όπως η γενετική τεχνητή νοημοσύνη τους τελευταίους μήνες, αλλά είναι μια απότομη και σταθερή ανάβαση για να διαπεράσει τα στρώματα της στοίβας της επιχειρηματικής τεχνολογίας.

Το επίπεδο υποδομής συλλαμβάνει την αρχική δαπάνη καθώς οι εταιρείες συγκεντρώνουν τα δομικά στοιχεία για ισχύ και απόδοση – το κεφάλαιο που εισρέει σήμερα στους συγκεντρωτές Nvidia και GPU δείχνει ότι αυτό έχει ξεκινήσει καλά. Καθώς η υιοθέτηση (και τα δολάρια) ανεβαίνουν στη στοίβα, η εστίαση της ανάπτυξης θα μετατοπιστεί προς τις νέες εμπειρίες και τα προϊόντα που θα αναμορφώσουν κάθε επόμενο επίπεδο.

Απλώς παίρνουμε μια γεύση του πώς θα ξεδιπλωθεί αυτός ο μετασχηματισμός στο επίπεδο εφαρμογής και τα πρώτα σήματα υποδηλώνουν ότι η διακοπή θα είναι βαθιά.

Πολύ πριν από τη δημιουργία τεχνητής νοημοσύνης, οι εταιρικές εφαρμογές άρχισαν να προσφέρουν περισσότερες εμπειρίες που μοιάζουν με τους καταναλωτές, βελτιώνοντας τις διεπαφές χρήστη και εισάγοντας διαδραστικά στοιχεία που θα προσελκύουν τους καθημερινούς χρήστες και θα επιταχύνουν τη ροή

εργασία

ς. Αυτό ώθησε μια μετατόπιση από εφαρμογές «σύστημα καταγραφής» όπως το Salesforce και το Workday σε εφαρμογές «σύστημα αφοσίωσης» όπως το Slack και το Notion.

Η συνεργασία ήταν ένα καθοριστικό χαρακτηριστικό αυτής της νέας σειράς εργαλείων επιχειρήσεων, με χαρακτηριστικά όπως η λειτουργία πολλών παικτών, η λειτουργικότητα σχολιασμού, το ιστορικό εκδόσεων και τα μεταδεδομένα. Αυτές οι εφαρμογές αξιοποίησαν επίσης ιογενή στοιχεία εγγενών καταναλωτών για να προωθήσουν την υιοθέτηση και να επιτρέψουν την απρόσκοπτη κοινή χρήση περιεχομένου εντός και μεταξύ των οργανισμών. Το βασικό αρχείο διατήρησε την εγγενή του αξία σε αυτά τα συστήματα δέσμευσης και χρησίμευσε ως θεμέλιο για τον αυξανόμενο όγκο πληροφοριών που δημιουργήθηκε στο επίπεδο εμπλοκής.

Καθώς η γενετική τεχνητή νοημοσύνη διαμορφώνει την επόμενη γενιά προϊόντων εφαρμογών, μπορούμε να περιμένουμε ακόμη πιο σαρωτική εξέλιξη. Οι πρώτοι παίκτες μοιάζουν πολύ με ενσωματωτές ChatGPT, δημιουργώντας ελαφριά εργαλεία απευθείας πάνω από μοντέλα παραγωγής που προσφέρουν άμεση αλλά φευγαλέα αξία. Έχουμε ήδη δει μια ποικιλία παραγωγικών προϊόντων τεχνητής νοημοσύνης που έχουν εκρηκτική αρχική ανάπτυξη, αλλά και εξαιρετικά υψηλή ανατροπή λόγω περιορισμένης ροής εργασιών ή έλλειψης πρόσθετης λειτουργικότητας. Αυτές οι εφαρμογές παράγουν συνήθως μια παραγωγική έξοδο που είναι ένας τύπος περιεχομένου ή πολυμέσων μιας χρήσης (δηλαδή, δεν ενσωματώνεται στην καθημερινή ροή εργασίας ενός χρήστη) και η αξία τους βασίζεται σε μοντέλα παραγωγής εκτός ραφιού που είναι ευρέως διαθέσιμα σε άλλους στο αγορά.

Το δεύτερο κύμα γενετικών εφαρμογών τεχνητής νοημοσύνης, που μόλις αρχίζει να διαμορφώνεται, θα αξιοποιήσει τα παραγωγικά μοντέλα για την ενσωμάτωση των δομημένων δεδομένων που βρίσκονται στις εφαρμογές του συστήματος εγγραφής και των μη δομημένων δεδομένων που βρίσκονται στις εφαρμογές του συστήματος δέσμευσης.

Οι

προγραμματιστές

αυτών των προϊόντων θα έχουν περισσότερες δυνατότητες να δημιουργήσουν ανθεκτικές εταιρείες από ό,τι οι νεοεισερχόμενοι στο πρώτο κύμα, αλλά μόνο εάν μπορούν να βρουν έναν τρόπο να «κατέχουν» το επίπεδο πάνω από τις εφαρμογές του συστήματος αφοσίωσης και του συστήματος καταγραφής —

δεν είναι

καθόλου σημαντικό κατόρθωμα όταν κατεστημένοι φορείς όπως η Salesforce προσπαθούν ήδη να εφαρμόσουν γενετική τεχνητή νοημοσύνη για να δημιουργήσουν μια προστατευτική τάφρο γύρω από τα υποκείμενα στρώματά τους.

Αυτό οδηγεί στο τρίτο κύμα, όπου οι συμμετέχοντες δημιουργούν το δικό τους, υπερασπίσιμο επίπεδο «σύστημα νοημοσύνης». Οι νεοσύστατες εταιρείες θα εισαγάγουν πρώτα νέες προσφορές προϊόντων που προσφέρουν αξία αξιοποιώντας τις υπάρχουσες δυνατότητες του συστήματος καταγραφής και του συστήματος αφοσίωσης. Μόλις δημιουργηθεί μια ισχυρή περίπτωση χρήσης, θα δημιουργήσουν στη συνέχεια ροές εργασίας που μπορούν τελικά να σταθούν μόνες τους ως μια πραγματική εταιρική εφαρμογή.

Αυτό δεν σημαίνει απαραίτητα την αντικατάσταση των υπαρχόντων διαδραστικών επιπέδων ή επιπέδων βάσης δεδομένων. Αντίθετα, θα δημιουργήσουν νέα δομημένα και αδόμητα δεδομένα όπου τα παραγωγικά μοντέλα χρησιμοποιούν αυτά τα νέα σύνολα δεδομένων για να βελτιώσουν την εμπειρία του προϊόντος — ουσιαστικά δημιουργώντας μια νέα κατηγορία «σούπερ συνόλων δεδομένων».

Βασική εστίαση για αυτά τα προϊόντα θα πρέπει να είναι οι ενοποιήσεις με την ικανότητα λήψης, καθαρισμού και επισήμανσης των δεδομένων. Για παράδειγμα, για να δημιουργήσετε μια νέα εμπειρία υποστήριξης πελατών, δεν αρκεί απλώς να λαμβάνετε τη βάση γνώσεων των υπαρχόντων δελτίων υποστήριξης πελατών. Ένα πραγματικά συναρπαστικό προϊόν θα πρέπει επίσης να περιλαμβάνει παρακολούθηση σφαλμάτων, τεκμηρίωση προϊόντος, εσωτερικές επικοινωνίες ομάδας και πολλά άλλα. Θα ξέρει πώς να βγάλει τις σχετικές πληροφορίες, να τις προσθέσει ετικέτες και να τις ζυγίσει προκειμένου να δημιουργήσει νέες ιδέες. Θα έχει έναν βρόχο ανατροφοδότησης που του επιτρέπει να βελτιώνεται με την

εκπαίδευση

και τη χρήση, όχι μόνο εντός ενός οργανισμού αλλά και σε πολλούς οργανισμούς.

Όταν ένα προϊόν τα καταφέρνει όλα αυτά, η μετάβαση σε έναν ανταγωνιστή γίνεται πολύ δύσκολη — τα σταθμισμένα, καθαρισμένα δεδομένα είναι εξαιρετικά πολύτιμα και θα χρειαζόταν πολύς χρόνος για να επιτευχθεί η ίδια ποιότητα με ένα νέο προϊόν.

Σε αυτό το σημείο, η νοημοσύνη δεν βρίσκεται μόνο στο προϊόν ή το μοντέλο, αλλά και στη σχετική ιεραρχία, τις ετικέτες και τα βάρη. Τα insights θα διαρκέσουν λεπτά αντί για ημέρες για να παραδοθούν, με εστίαση σε ενέργειες και αποφάσεις και όχι απλώς στη σύνθεση πληροφοριών. Αυτά θα είναι τα πραγματικά προϊόντα συστήματος ευφυΐας που αξιοποιούν τη γενετική τεχνητή νοημοσύνη, που χαρακτηρίζεται από αυτά τα καθοριστικά χαρακτηριστικά:

• Να έχουν βαθιά ενοποίηση με τις ροές εργασιών της εταιρείας και ικανότητα να συλλαμβάνουν νεοδημιουργημένα δομημένα και μη δομημένα δεδομένα.
• Να είστε περίπλοκοι σχετικά με τον χαρακτηρισμό και την πέψη των δεδομένων μέσω ιεραρχίας, ετικετών και βαρών.
• Δημιουργήστε βρόχους ανατροφοδότησης δεδομένων εντός και μεταξύ των πελατών για να βελτιώσετε την εμπειρία του προϊόντος.

Μια βασική ερώτηση που μου αρέσει να κάνω στους πελάτες είναι: “Πού κατατάσσεται μια νέα στοίβα προϊόντων με τα άλλα εργαλεία που χρησιμοποιείτε;” Κανονικά το προϊόν συστήματος καταγραφής είναι το πιο σημαντικό, ακολουθούμενο από το προϊόν συστήματος αφοσίωσης, με πρόσθετα εργαλεία στο κάτω μέρος της λίστας.

Το λιγότερο σημαντικό προϊόν θα είναι το πρώτο που θα περικοπεί όταν ο προϋπολογισμός είναι περιορισμένος, επομένως τα αναδυόμενα προϊόντα συστήματος ευφυΐας πρέπει να παρέχουν διαρκή αξία για να επιβιώσουν. Θα αντιμετωπίσουν επίσης έντονο ανταγωνισμό από κατεστημένους φορείς που θα ενσωματώσουν στα προϊόντα τους παραγωγικές δυνατότητες νοημοσύνης με δυνατότητα τεχνητής νοημοσύνης. Θα εναπόκειται στο νέο κύμα συστήματος ευφυΐας να συνδυάσει τις προσφορές τους με ροές εργασίας υψηλής αξίας, συνεργασία και την εισαγωγή σούπερ συνόλων δεδομένων για αντοχή.

Ο μετασχηματισμός του χώρου της τεχνητής νοημοσύνης έχει επιταχυνθεί τους τελευταίους 12 μήνες και η βιομηχανία μαθαίνει γρήγορα. Τα μοντέλα ανοιχτού κώδικα πολλαπλασιάζονται και τα κλειστά ιδιόκτητα μοντέλα εξελίσσονται επίσης με ασυνήθιστα γρήγορο ρυθμό. Τώρα εναπόκειται στους ιδρυτές να δημιουργήσουν ανθεκτικά προϊόντα συστήματος ευφυΐας πάνω σε αυτό το ταχέως μεταβαλλόμενο τοπίο — και όταν γίνει σωστά, ο αντίκτυπος στις επιχειρήσεις θα είναι εξαιρετικός.