استراتژی های نامشخص هوش مصنوعی را در شرکت های سنتی خنثی می کند

سازمان های سنتی امید زیادی به هوش مصنوعی دارند، اما کاستی های استراتژیک به شدت جاه طلبی های آنها را محدود می کند.

این بر اساس یک گزارش جدید از سیلوهای هوش مصنوعیآ استارت آپ مستقر در فنلاند این شرکت اخیراً سرفصل هایی را برای ساخت a مدل بزرگ (LLM) با قابلیت های چند زبانه اما در درجه اول بر روی آوردن هوش مصنوعی به مشاغل تثبیت شده تمرکز دارد. این به آن پنجره ای برای پذیرش جریان اصلی این فناوری می دهد. تحقیق جدید تصویر دقیق تری را ترسیم می کند.

این گزارش کسب و کارهای سنتی و سازمان های مختلف را مورد تجزیه و تحلیل قرار داد. سیلو شرکت ها را از صنایع مختلف، از تولید و ساخت و ساز گرفته تا خدمات مالی و بخش عمومی مورد بررسی قرار داد. با وجود یک میانه سن ۸۷ سالگیهمه آنها در سطحی با هوش مصنوعی درگیر بودند.

تقریباً ۷۰ درصد آزمایش‌ها یا پروژه‌هایی در حال توسعه دارند، در حالی که ۸۶ درصد انتظار دارند پروژه‌هایشان در ۱۲ ماه آینده به تولید برسد. تقریباً دو سوم (۶۵٪) همچنین پروژه های قبلی هوش مصنوعی دارند که قبلاً به تولید رسیده اند.

با این حال، تلاش های آنها همیشه موفقیت آمیز نیست. تقریبا نیمی از آنها در بهترین حالت نسبت به نتایج احساس بی طرفی می کنند.

حفاری در داده هاسیلو متوجه شد که استراتژی های نامشخص و مدیران غایب شرکت ها را عقب نگه می دارند. اکثر پاسخ دهندگان نماینده سطح C ندارند که مسئول مدیریت داده ها و هوش مصنوعی باشد و اکثر پروژه ها به صورت محلی در هر واحد تجاری مدیریت می شوند.

این شکست چشم انداز مشکلات متعددی ایجاد می کند.

پیتر سارلین، مدیرعامل و یکی از بنیانگذاران Silo AI به TNW گفت: «یکی از خطرات این است که مدیریت داده‌ها ساختاری ندارد و حکمرانی نامشخص است.

ریسک دیگر این است که سرمایه گذاری در هوش مصنوعی و ادغام هوش مصنوعی به سیلوهای مختلف منتقل شده و در یک سازمان تکه تکه می شود، در حالی که تحقیق و توسعه یک تلاش تا حد زیادی متمرکز است.

برای کاهش این خطرات، Silo توصیه می‌کند که فردی در C-suite مسئول گنجاندن هوش مصنوعی در استراتژی سازمان باشد. تمام ابتکارات نیز باید به وضوح با اهداف تجاری خاص هماهنگ باشد.

فراتر از استراتژی های گسترده تر، سیلو چندین اقدام خاص را پیشنهاد می کند. یکی خلق می کند چارچوب هایی برای ارزیابی ROI پروژه های هوش مصنوعی.

تحقیقات جدید شواهدی از فواید ارائه می دهد. بیش از یک چهارم از پاسخ دهندگان در حال حاضر چنین چارچوب هایی را در اختیار دارند. با این حال، ۳۷٫۵ درصد از سازمان هایی که از ابتکارات هوش مصنوعی خود راضی هستند، این ساختارها را توسعه داده اند. از بین کسانی که در بهترین حالت احساس خنثی می کنند، تنها ۱۵٫۷ درصد آنها را دارند.

سیلو همچنین به سازمان ها توصیه می کند که یک مرکز تعالی هوش مصنوعی ایجاد کنند. این واحدها با بخش‌های مختلف همکاری می‌کنند تا پروژه‌ها را در سراسر شرکت در دسترس و مقرون‌به‌صرفه قرار دهند.

سارلین گفت: “این رویکرد کل نگر به سازمان ها امکان می دهد تا حداکثر ارزش را از سرمایه گذاری های خود در هوش مصنوعی استخراج کنند.”

او افزود که این رویکرد یک شبه نتایجی را به همراه نخواهد داشت.

واضح است که مانند هر فناوری دیگری، هیچ پیروزی سریعی با هوش مصنوعی وجود ندارد.

“بزرگترین پتانسیل برای ایجاد ارزش با هوش مصنوعی زمانی است که این فناوری در هسته محصولات، خدمات یا فرآیندها به کار گرفته شود.

در حالی که این امر مستلزم یک چشم‌انداز بلندمدت و تلاش‌های قابل‌توجه است، هرچه این محصولات، خدمات و فرآیندها بیشتر مورد استفاده قرار گیرند، ارزش بیشتری ایجاد می‌کنند، هم زمانی که افراد در استفاده از آنها راحت‌تر می‌شوند و هم زمانی که مدل‌ها یاد می‌گیرند و بهتر می‌شوند.»