В нашем недавнем исследовании наша первоначальная цель состояла в том, чтобы определить и провести анализ возможностей для одной или нескольких новых технологий, у которых есть потенциал роста, который может привести к полной трансформации бизнеса. Мы решили выбрать Генеративный ИИ, так как в последнее время это одна из очень популярных технологий. Но независимо от того, где появляются технологии. заключается в цикле ажиотажа, на некоторые трудные вопросы необходимо ответить с точки зрения бизнеса. Один важный вопрос, на который мы попытались ответить, заключался в том, какую бизнес-проблему нам решит эта возможность ИИ? И стоит ли инвестировать в создание этой возможности. Исследование идет дальше в оценке продукта, рынка и бизнес-модели, проектном риске, риске исполнения, финансовом риске и других стратегических оценках, однако в этой статье мы постараемся сосредоточиться на ответах на два важных вопроса для бизнеса, прежде чем мы решим инвестировать в создание этой возможности (генеративный ИИ в нашем случае):

  1. Каков бизнес-результат, которого я должен ожидать, и какова ценностная предпосылка для нас как бизнеса?
  2. Какова формула прибыли и как эта возможность может принести нам прибыль?

ИИ неизменно изменит то, как мы ведем и управляем бизнесом в будущем, но какова ценность для нас как бизнеса? и на какие источники прибыли мы как организация можем рассчитывать после инвестирования в создание возможностей ИИ? Между тем, ИИ — это широкий термин, и концепция ИИ не нова. В 1950-х годах идея ИИ в информатике была обозначена Аланом Тьюрингом в [https://www.csee.umbc.edu/courses/471/papers/turing.pdf] ref: https://www.ibm. com/topics/искусственный интеллект. С экспоненциальным снижением стоимости ИТ-оборудования и феноменальным ростом вычислительных возможностей современных компьютерных машин индустриализация и демократизация ИИ открыли огромные возможности для полной трансформации бизнес-ландшафта в будущем.

Теперь, глядя на цикл ажиотажа вокруг ИИ с сайта gartner.com ниже, можно увидеть, что в настоящее время на пике ажиотажа находится довольно много технологий ИИ. Мы решили оценить бизнес-варианты использования генеративного ИИ (точнее, путем создания больших языковых моделей, векторных баз данных и возможностей Интернета вещей). Хотя в нашем примере фирма из обрабатывающей промышленности, я думаю, что аналогичное картирование возможностей и формула прибыли для искусственного интеллекта могут быть применены и ко всем другим отраслям.

Для обучения моделей машинного обучения требуется значительный объем данных. В последние десятилетия организации осознали ценность больших данных и огромных корпоративных инвестиций в создание огромных озер данных. Хотя текущий набор озер данных содержит огромный набор текстовых данных, организации также вкладывают средства в создание векторных баз данных, чтобы расширить возможности больших языковых моделей. Существуют различные доступные модели ML с открытым исходным кодом, которые были предварительно обучены в течение тысяч часов на нескольких терабайтах данных для общих сценариев использования. Организации выбирают между созданием своих моделей машинного обучения с нуля и тонкой настройкой предварительно обученных моделей в зависимости от характера и цели варианта использования. Помимо этого, с широким распространением ИИ цена на ИТ-оборудование снизилась в геометрической прогрессии с ростом спроса и предложения ИТ-оборудования. Создание центра искусственного интеллекта для организаций с меньшими инвестициями стало экономически выгодным.

Каков бизнес-результат и какова ценностная предпосылка для нас от этой возможности?

Самый первый вопрос, на который мы должны ответить, заключается в том, на какой бизнес-результат могут рассчитывать основные функции нашей организации, инвестируя в создание возможностей Gen-AI, и какую ценность приносит этот бизнес-результат?

Бизнес традиционно ориентирован на результат. По словам главного аналитика и Самира Гупты, главного аналитика нашей группы и управляющего директора DBS Bank Singapore. — Данные следует рассматривать как актив, создающий ценность для предприятия… Есть два вопроса, которые я обычно задаю перед тем, как приступить к любым проектам по работе с данными: (1) Какие конкретные проблемы мы хотим решить (2) Какие решения нам необходимо принять. ?… Подробнее на: https://etcio.com/s/dh6xk

Чтобы ответить на этот вопрос, мы попытались сопоставить бизнес-результаты или продукты с 4 основными перспективами бизнеса в сбалансированной оценочной карте (https://hbr.org/2005/07/the-balanced-scorecard-measures-that- драйв-производительность).

  1. Точка зрения акционера — рост доходов от новых развивающихся рынков

Рынок продуктов с поддержкой ИИ растет экспоненциально. Объем рынка для этой отрасли в 2022 году составлял примерно 129 миллиардов долларов США, а к 2032 году ожидается, что он достигнет 321 миллиарда долларов США. Прогнозируется, что совокупный годовой темп роста (CAGR) составит 9,52% в период с 2023 по 2032 год.

2. Клиенты. Больше ценности для клиентов при меньших затратах и ​​более высокой скорости

Системы и решения на основе Gen-AI откроют большую ценность для клиентов, одновременно снижая затраты и увеличивая скорость доставки продукта клиенту за счет внедрения комплексной интеллектуальной автоматизации.

3. Внутренняя бизнес-перспектива — операционная эффективность

Наше решение высвободит критически важные производственные ресурсы и персонал, позволив им переключить свое внимание на инновации. Это позволяет им исследовать новые методы проектирования и производства компонентов, а не обременять себя монотонными и повторяющимися задачами.

4. Перспектива инноваций и обучения — современные технологии и стратегическое преимущество

Создавая собственную базу данных векторов, специально разработанную и подготовленную для интеграции ИИ, мы получаем стратегическое преимущество в наших операциях.

Какова формула прибыли или как возможности (Gen-AI) будут приносить прибыль нашему бизнесу?

Следующий вопрос связывает возможность, которую мы создаем, с фактическим обоснованием того, как, по нашему мнению, эта возможность будет приносить доход или прибыль для нас как бизнеса?

Чтобы ответить на этот вопрос, мы разделили наши бизнес-результаты на 5 основных факторов успеха, которые принесут прибыль нашей организации:

Приобретение нового рынка

Благодаря анализу обширных наборов данных ИИ может распознавать закономерности, выявлять тенденции на развивающихся рынках и помогать производителям принимать обоснованные решения в отношении планирования производства, распределения ресурсов и общей бизнес-стратегии. Кроме того, ИИ можно использовать для разработки механизмов естественного языка, которые улучшают функции настройки, ценообразования и котировок B2B.

Переосмысление бизнеса

Производители могут использовать механизмы рекомендаций, аналитику на основе ИИ и инструменты прогнозирования, чтобы получать полезную информацию, которая помогает принимать стратегические решения. Четыре модели управления для обеспечения автоматизированных микрорешений: человек в цикле (HITL), человек в цикле для исключений (HITLFE), человек в цикле (HOTL) и человек вне цикла (HOOL).

Инновации и рост

Внедрение когнитивной автоматизации и самообучающихся машин, которые приобретают и совершенствуют свои собственные правила и поведение, значительно ускорит выявление и внедрение непрерывных улучшений. Интеграция объяснимого ИИ и функции Low Code No Code, дополненной ИИ, которая упрощает понимание и использование систем ИИ без обширных знаний в области кодирования.

Операционное совершенство

Алгоритмы ИИ предназначены для улучшения различных аспектов операций, таких как управление запасами, прогнозирование спроса и логистика, что приводит к оптимизации. Они также сократят время проектирования и улучшат конвейерные процессы. Кроме того, они будут автоматизировать тестирование и валидацию продуктов посредством создания тестовых сценариев и анализа результатов. ИИ обеспечил непрерывное соблюдение требований и предотвращение потери данных клиентов.

Структурное преимущество

Анализируя исторические данные, рыночные тенденции и внешние факторы, ИИ повысит эффективность цепочки поставок, минимизирует затраты и улучшит общее реагирование на запросы клиентов. Сочетая когнитивную автоматизацию, машинное обучение, автоматизацию бизнес-процессов и роботизированную автоматизацию процессов, интеллектуальная автоматизация позволяет компаниям получить структурное преимущество и изменить динамику власти на высококонкурентных рынках.

Использованная литература: