حل معمای بهره وری: چهار راه برای تبدیل شدن به اولین هوش مصنوعی
پیروزی با هوش مصنوعی تنها به فناوری مربوط نمی شود. این امر مستلزم بازنگری در نحوه عملکرد سازمان شماست. رهبران باید بر بررسی گردش کار از بالا به پایین طراحی مجدد تصمیم گیری و ایجاد ارزش پیرامون هوش مصنوعی تمرکز کنند. در بازارهای رقابتی، اکنون داده ها و بلوغ هوش مصنوعی مشخص می کنند که چه کسی اول حرکت می کند و چه کسی عقب می ماند.
در گزارش «وضعیت هوش مصنوعی در سازمان» باکس، نتایج نشان می دهد که شرکت های پیشرو در پذیرش هوش مصنوعی، به طور متوسط شاهد افزایش ۳۷ درصدی بهره وری بوده اند، که یک مزیت رقابتی در مقایسه با همتایانشان محسوب می شود. این گزارش همچنین نشان می دهد که ۶۰ درصد از شرکت ها انتظار دارند ظرف دو سال به تحول هوش مصنوعی دست یابند. این ها نشانگرهای قابل توجهی هستند و اکنون شاهد سرعت تغییر و مزایای ناشی از آن هستیم. با توجه به این موضوع، در اینجا چهار روش عملی وجود دارد که سازمان ها می توانند با استفاده از آن ها، یک مزیت واقعی مبتنی بر هوش مصنوعی ایجاد کنند.
1- بر پایه های امن و مقیاس پذیر، هوش مصنوعی بنا کنید
هوش مصنوعی یک گسترش دهنده قابلیت است. می تواند کارهایی بیش از سرعت بخشیدن به کارهای قدیمی انجام دهد و درهایی را به روی کارهایی که قبلا نمی توانستید انجام دهید، باز کند. تصور کنید که نرم افزاری را با یک دستور بنویسید یا ساعت ها در فرآیندهای استخدام جدید صرفه جویی کنید. اما برای حل خلاقانه مشکلات و تصمیم گیری هوشمندانه و پیشگیرانه و گسترش این مزیت، باید به نقطه ای برسید که با موفقیت شکاف انسان و ماشین را از بین برده باشید و رهبرانی داشته باشید که از زیرساخت های مقیاس پذیر هوش مصنوعی حمایت کنند. همانطور که مک کینزی اشاره کرده است، نفوذ هوش مصنوعی در حال افزایش است، به طوری که از هر ده نفر، هشت نفر (78٪) می گویند که سازمان هایشان حداقل در یک عملکرد تجاری از هوش مصنوعی استفاده می کنند، که این رقم نسبت به 72٪ در اوایل سال 2024 و 55٪ در سال قبل افزایش یافته است. ما در مرحله غوطه وری در هوش مصنوعی هستیم، جایی که رهبران شروع به تعریف مرزهای استقرار هوش مصنوعی می کنند. چه ابزارهای خاصی به تیم ها سود می رساند. آیا هوش مصنوعی برای کمک به بررسی داده ها، ایجاد محتوا یا خودکارسازی گردش کار از طریق عوامل است؟ چالش ها را به دقت تنظیم کنید و ابزارها را بر اساس آن ترسیم کنید، ابزارهای هوش مصنوعی امن و سازگار با پشتیبانی از مدل ها و پلتفرم های متعدد را در اختیار تیم ها قرار دهید، به آنها فضا دهید تا این ابزارها را در نقش های روزمره خود آزمایش کنند و از ادغام در سراسر پشته فناوری اطمینان حاصل شود. قابلیت همکاری برای سازگاری با نوآوری سریع هوش مصنوعی و حفظ انعطاف پذیری آینده بسیار مهم است.
2- از همان ابتدا بر چارچوب های اخلاقی و حاکمیتی تمرکز کنید
اگر رهبران و ابزارهایی در اختیار دارید، باید آنها را با سیاست ها هماهنگ کنید و مطمئن شوید که در چارچوب دستورالعمل های قانونی عمل می کنید. به پوشش های مقررات منطقه ای و چگونگی تاثیر آنها بر سازمان خود توجه کنید. آیا با شرکت های اتحادیه اروپا همکاری می کنید؟ قانون هوش مصنوعی اتحادیه اروپا سازمان ها را ملزم می کند که سواد اولیه هوش مصنوعی را تضمین کنند و کنترل هایی را برای ابزارهای هوش مصنوعی پرخطر اعمال کنند. اما این تازه آغاز کار است. مقررات هوش مصنوعی هنوز در حال تکامل است نه تنها در اروپا، بلکه در سطح جهان و موفقیت به همکاری با شرکایی بستگی دارد که آماده سازگاری با تغییر مقررات هستند. این به معنای داشتن سیاست هایی در مورد آموزش و شفافیت است، و به ویژه برای سیستم های پرخطر، باید مستنداتی را نگهداری کرد که نحوه و دلیل استفاده از هوش مصنوعی، هدف مورد نظر آن و اقدامات حفاظتی لازم برای مدیریت ریسک ها را توضیح دهد. طبق گزارش وانتا، بیش از نیمی (53٪) از سازمان ها احساس می کنند که مقررات هوش مصنوعی آنها را تحت الشعاع قرار داده است و چالش های اصلی شامل کمبود تخصص داخلی، تغییر قوانین و سرعت بالای توسعه ابزار هوش مصنوعی است که از سیاست ها پیشی می گیرد. از هر ده رهبر، شش نفر (62٪) نگران رعایت الزامات هوش مصنوعی، به ویژه در مورد قوانین در حال تحول و پاسخگویی فروشندگان هستند. به همین دلیل است که باید از ابتدا اخلاق، حریم خصوصی، قابلیت توضیح و کاهش سوگیری را در نظر بگیرید. تشخیص دهید که سیاست ها با پیشرفت هوش مصنوعی تکامل می یابند و نیاز به بررسی منظم برای همسو کردن حاکمیت با فناوری جدید و در عین حال تضمین استقرار مسئولانه دارند. در مورد توسعه های عامل محور، برای پیشرفت ایمن، با دقت تکرار کنید رهبران باید قبل از عجله برای پیاده سازی آن، درک کنند که هوش مصنوعی در کجا می تواند در گردش های کاری قرار گیرد. برای همکاری عامل ها در زمان واقعی، گردش های کاری بومی هوش مصنوعی را از ابتدا، نه بر روی سیستم های قدیمی، ایجاد کنید.
3- آموزش و ارتقای مهارت های کلیدی نیروی کار در حوزه هوش مصنوعی
یادگیری GenAI سرعت قابل توجهی گرفته است. در حالی که شرکت ها به دنبال راه هایی برای پیشی گرفتن از منحنی نوآوری هوش مصنوعی هستند، IBM پیش بینی می کند که تا سال ۲۰۳۰ بیش از ۴۵۰ میلیون کارگر در سراسر جهان به ارتقای مهارت نیاز خواهند داشت. ایجاد این فرصت ها برای یادگیری و توسعه حیاتی است. در حوزه هوش مصنوعی، باید انسان ها را در جریان امور قرار دهید. در GenAI مشکلاتی از جمله توهم و سوگیری وجود دارد که منجر به پاسخ های نادرست می شود داشتن مهارت هایی در زمینه سواد هوش مصنوعی، مهندسی سریع و علم داده می تواند به حل این مسائل و حرکت در مسیر درست کمک کند. به همین دلیل است که برای رهبران بسیار مهم است که ابتکارات آموزشی ایجاد کنند. اگر همه کارمندان را در مورد ابزارها، دستورالعمل ها و گردش های کاری هوش مصنوعی آموزش دهید تا پذیرش گسترده را تشویق کنید، در واقع سازمان خود را برای آینده ای موفق با فناوری نوظهور آماده می کنید. از «روزهای هوش مصنوعی» استفاده کنید و کتابخانه ها را ترغیب کنید تا بهترین شیوه ها را به اشتراک بگذارند و در عین حال با حاکمیت و گاردریل ها هماهنگ شوند و آزمایش ها را تقویت کنند. همچنین می تواند مفید باشد که جلسات شورای شهر هوش مصنوعی راه اندازی شود و نظرسنجی های لحظه ای انجام شود تا مشخص شود کجا شکاف های مهارتی در حال ظهور هستند و سپس راه هایی برای پاسخگویی به آن نیازهای مهارتی هوش مصنوعی ایجاد شود. این فرهنگ را از لحظه ورود به کار ایجاد کنید با بهره گیری از هوش مصنوعی، افراد تازه کار می توانند درک خود را در بخش های مختلف تسریع کنند، داده های پیچیده را به سرعت درک کنند و از روز اول بر خلاقیت و حل مسئله تمرکز کنند. اما کسب وکارها به آموزش و راهنمایی ساختاریافته نیاز دارند تا متخصصان جوان را برای نقش نوظهور «مدیر هوش مصنوعی»، هدایت نمایندگان و همچنین افراد، آماده کنند.
4- مهندسی گردش های کاری پیرامون موارد استفاده هوش مصنوعی که مشکلات را حل می کنند
عامل های هوش مصنوعی در حال تجدید تمرکز بر چگونگی خودکارسازی گردش های کاری توسط هوش مصنوعی هستند. طبق گزارش PwC، ۸۸٪ می گویند که تیم یا واحد تجاری آنها قصد دارد بودجه های مرتبط با هوش مصنوعی را در ۱۲ ماه آینده به دلیل هوش مصنوعی عامل که می تواند در سطح بالاتری از عملکرد ساده ی «تحریک و پاسخ» عمل کند افزایش دهد. هوش مصنوعی عامل می تواند محیط خود را درک کند، از طریق گزینه ها استدلال کند، به صورت خودمختار عمل کند و از نتایج بیاموزد و یک مدل «حس-فکر-عمل» را تجسم کند. برخلاف هوش مصنوعی سنتی یا مدل های مولد که واکنشی هستند، هوش مصنوعی عامل به طور فعال اهداف را دنبال می کند و اقدامات خود را تطبیق می دهد و در بین وظایف و سیستم ها هماهنگی ایجاد می کند.
اما ما بر سر یک دوراهی هستیم. انتخاب عامل مناسب برای یک مورد استفاده خاص کلیدی است ما در لحظه ای هستیم که دو کارمند که از هوش مصنوعی برای یک کار مشابه استفاده می کنند، می توانند نتایج بسیار متفاوتی کسب کنند. انتخاب های کوچک، مانند اینکه از کدام مدل استفاده می کنند، چگونه آن را فعال می کنند یا چه ابزارهایی را وصل می کنند، می تواند به معنای تفاوت بین افزایش بهره وری ۲۵ درصدی و جهش ۲۵۰ درصدی باشد. موفقیت هوش مصنوعی برای همه یکسان نیست: مدل های مختلفی در کدنویسی، تحقیق، ترجمه یا خلاصه سازی می درخشند و نقاط قوت آنها دائما در حال تکامل است. انتخاب مدل مناسب به یکی از بزرگترین اهرم ها برای بازگشت سرمایه واقعی تبدیل شده است. اینجاست که مشارکت های هوشمند وارد عمل می شوند. با همکاری با ارائه دهندگانی که مدل های متعددی را از طریق پلتفرم های امن و آماده برای سازمان ارائه می دهند، کسب وکارها بدون نیاز به قراردادها یا ابزارها، انعطاف پذیری بیشتری به دست می آورند. کسب وکارهایی که این مشارکت ها را با آزمایش های داخلی ترکیب می کنند، نه تنها شکاف بهره وری را از بین می برند، بلکه افراد خود را آزاد می کنند تا روی کارهای با ارزش بالاتر، خلاقانه و مشارکتی تمرکز کنند.
چرا «هوش مصنوعی-اولویت» مزیت جدید بازار است؟
اولویت با هوش مصنوعی چیزی بیش از صرفا پذیرش ابزارهای جدید است. این یک تغییر استراتژیک است که رهبران بازار را متمایز می کند. شرکت هایی که هوش مصنوعی را در هسته عملیات خود قرار می دهند، نه تنها به افزایش بهره وری دست می یابند؛ بلکه محصولات، گردش های کاری و تجربیات مشتری را با محوریت هوش، بازطراحی می کنند. این امر آنها را در موقعیتی قرار می دهد که سریع تر حرکت کنند، در مقیاس وسیع شخصی سازی کنند و منابع کاملا جدیدی از ارزش را آزاد کنند. در یک چشم انداز رقابتی که سرعت، سازگاری و نوآوری، برندگان را تعریف می کنند، اولویت با هوش مصنوعی، وجه تمایزی است که فناوری را به مزیت پایدار تبدیل می کند.