Krafta til generativ AI er udiskutabel, men mange organisasjonar er framleis forsiktige med å heilt omfamne denne teknologien. Sjølv om det er legitim bekymring for risikoar som å avdekke intellektuell eigedom eller personleg data, fastheld Andrew McAfee, ein hovudforskar ved MIT Sloan School of Management, at desse risikoane er handterbare. Faktisk trur McAfee at det å ikkje delta i kappløpet om AI er ein stor feil, sidan fordelane med generativ AI er betydelege og belønningane ved suksess er verd å forfølge.
For å identifisere moglegheiter og avgjere den potensielle avkastninga for investeringar i generativ AI, tilrår McAfee fire grunnleggjande steg som forretningsleiarar bør vurdere.
For det første, gjer ein oversikt over eksisterande kunnskapsarbeid og identifiser kva oppgåver som kan bli betra ved hjelp av generativ AI. Til dømes, om du skal lage noko basert på ein velutvikla mal, kan du la AI prøve seg først og la ein menneskeleg arbeidar gjennomgå og redigere det.
For det andre, vurder ferdige AI-løysingar. McAfee tilrår å utnytte ein kompetent, men naiv generativ AI-assistent for visse roller. Denne typen assistent kan leverast gjennom ferdige AI-løysingar og kan hjelpe nye tilsette med å bli produktive raskt ved å handtere oppgåver som testing av programvare eller feilsøking.
For det tredje, for kunnskapsarbeid som krev meir ekspertise, vurder eit samspel mellom ein ferdig generativ AI-system og eit anna system som er trent på interne data. Dette vil tillate organisasjonar å oppnå resultatet av ein meir erfaren assistent ved å utnytte institusjonell kunnskap, kundeinformasjon, sentimentanalyse og bransjespesifikk kunnskap.
Til slutt, prioriter potensielle prosjekt ved å identifisere rollene som er best eigna for naive eller erfarne digitale assistentar og fokusere på dei mest lovande bruksområda for generativ AI. Ifølgje McKinsey-forsking held områder som kundeoperasjonar, marknadsføring og sal, ingeniørarbeid og FOU det største potensialet for generativ AI-applikasjonar.
Oppsummert er det viktig for organisasjonar å overvinne utfordringane knytt til generativ AI og delta i kappløpet om AI. Ved å følgje McAfees steg kan bedrifter identifisere moglegheiter, redusere risiko og utnytte potensialet som generativ AI gir for å auke produktiviteten og oppnå suksess.
Vanlege spørsmål: Generativ AI i næringslivet
Spørsmål: Kva er risikoane knytt til generativ AI i organisasjonar?
Svar: Risikoar som avdekking av intellektuell eigedom eller personleg data er bekymringar ved generativ AI.
Spørsmål: Kvifor er det viktig for organisasjonar å omfamne generativ AI?
Svar: Fordelane med generativ AI er betydelege og kan føre til suksess.
Spørsmål: Kva er dei fire stega som Andrew McAfee tilrår for å avgjere den potensielle avkastninga for investeringar i generativ AI-applikasjonar?
Svar: 1. Gjer ein oversikt over eksisterande kunnskapsarbeid og identifiser oppgåver som kan bli betra ved hjelp av generativ AI.
2. Vurder ferdige AI-løysingar for visse roller.
3. Kombiner eit ferdig generativ AI-system med eit anna system trent på interne data for kunnskapsarbeid som krev ekspertise.
4. Prioriter potensielle prosjekt basert på dei best eigna rollene for naive eller erfarne digitale assistentar.
Spørsmål: Kva område har størst potensiale for generativ AI-applikasjonar ifølgje McKinsey-forsking?
Svar: Ifølgje McKinsey, har område som kundeoperasjonar, marknadsføring og sal, ingeniørarbeid og FOU det største potensialet for generativ AI-applikasjonar.
Definisjonar:
– Generativ AI: Ein teknologi som er i stand til å generere innhald eller gjere spådommar basert på store mengder data.
– Intellektuell eigedom: Immaterielle eigedomar, som oppfinningar eller kreative verk, som er beskytta av opphavsrett, patent eller varemerkelovar.
– Personleg data: Informasjon som kan identifisere ein person, som namn, adresse eller personnummer.
Foreslåtte relaterte lenker:
– MIT Sloan School of Management
– McKinsey & Company
The source of the article is from the blog elperiodicodearanjuez.es