Преодолейте путаницу с GenAI: восемь надежных прочтений

Поскольку генеративный ИИ становится более способным, оно становится потенциально более ценным для обеих организаций и каждого из нас в отдельности.

Несмотря на свою повсеместность, генеративный ИИ все еще молод.

MIT Sloan Management Review авторы по этой теме, в том числе ученые, исследователи и практики, рассказывают с передовой о том, какие вопросы о GenИИ лучше всего задать и как подумать, чтобы на них ответить.

Возьмем, к примеру, нашего обозревателя Раму Рамакришнана, профессора практики в Школе менеджмента Слоана Массачусетского технологического института.

«Хотя осторожные подсказки и такие методы, как RAG (генерация с расширенным поиском), могут побудить модель ИИ расставить приоритеты в наборе предоставленных документов, стандартные LLM нельзя заставить использовать только этот контент», — объясняет Рамакришнан.

Прямой вопрос;

---

1. Как работают программы LLM: 10 главных вопросов для руководителей

Рама Рамакришнан

«Работая в Школе менеджмента Слоана Массачусетского технологического института, за последние два года я преподавал основам работы больших языковых моделей (LLM) многих руководителей.

«Некоторые люди утверждают, что бизнес-лидеры не хотят и не должны знать, как работают программы LLM и генеративные инструменты искусственного интеллекта, которые они используют, — и их интересуют только результаты инструменты могут доставить.

«В этой колонке я делюсь вопросами по 10 часто неправильно понимаемым темам, о которых меня часто спрашивают, а также ответами на них. …

"[Например,] когда LLM решает дать пользователю окончательный ответ на вопрос? Решение о прекращении генерации определяется комбинацией того, что прогнозирует LLM, и правил, установленных программной системой, на которой он работает. Это не выбор, сделанный только LLM". Читать статью полностью »

2. Как масштабировать GenAI на рабочем месте

Майкл Уэйд, Константинос Трантопулос, Марк Навас и Андерс Ромаре

"По мере того, как компании переходят от экспериментов к внедрению в масштабах всего предприятия, многие борются не с самими инструментами, а с организационными преобразованиями, необходимыми для их значимой интеграции в повседневную работу людей. Инструменты будут продолжать развиваться: именно человеческая сторона уравнения определяет, действительно ли инициативы GenAI будут успешными.

"Мы изучили одно из крупнейших на сегодняшний день реальных внедрений генеративного ИИ — в транснациональной фармацевтической компании Novo Nordisk. Ее опыт показывает, что успех зависит не только от инфраструктуры, но и от того, как люди думают, адаптируются и сотрудничают с ИИ. Один важный урок: хотя внедрение GenAI и более широкие цифровые преобразования имеют общие корни, генеративный ИИ обладает уникальными разрушительными свойствами, беспрецедентным образом меняя саму природу работы...

"Каждый сотрудник в среднем экономил 2,17 часа в неделю после того, как начал использовать этот инструмент. Но произошло и нечто неожиданное: эти часы не были тем, что сотрудники ценили больше всего. Удовлетворенность сотрудников Copilot в три раза сильнее коррелировала с воспринимаемым улучшением качества работы, чем с экономией времени. Сотрудники сообщили об улучшении качества при обобщении контента, создании контента и выработке идей. Интересно, что многие сотрудники реинвестировали сэкономленное время во взаимодействие с людьми, стратегическое планирование и творческую работу". Читать статью полностью »

3. Получайте пользу от GenAI с помощью «малых» преобразований

Мелисса Вебстер и Джордж Вестерман

"Бизнес-лидеры находят способы извлечь реальную пользу из больших языковых моделей (LLM) без полной замены существующих бизнес-процессов. Они проводят «малые» преобразования, одновременно создавая основу для будущих более крупных преобразований. …

«Наша проектная группа опросила старших менеджеров различных функций, включая искусственный интеллект, обработку данных, инновации, операции и продажи, в 21 крупной компании. Мы сосредоточились на понимании того, что делают организации с относительно ранним и широким внедрением GenAI и почему. …

"Наше исследование показывает, что большинство компаний придерживаются более целенаправленного подхода к трансформации с помощью генеративного ИИ. Хотя GenAI потенциально может повысить скорость и качество выполнения многих задач, он также сопряжен с множеством рисков, связанных с точностью, безопасностью и управлением интеллектуальной собственностью. Опрошенные нами лидеры склонны применять логику наклона риска при принятии своих решений, придавая более высокий риск процессам, связанным с клиентами, чем внутренним". Читать статью полностью »

4. Фокус GenAI смещается в сторону инноваций в Colgate-Palmolive

Томас Х. Давенпорт и Рэнди Бин

«Большие языковые модели (LLM), которые используют команды Colgate-Palmolive, были дополнены контентом с расширенной поисковой генерацией (RAG) различных типов — собственными исследованиями, которые проводит компания, тенденциями поиска Google, синдицированными источниками данных и т. д. Системы на основе RAG больше опираются на контент, специфичный для компании, чем на общедоступные интернет-материалы, поэтому вероятность галлюцинаций снижается.

"Генераторный ИИ может быстро просматривать такие материалы и описывать рыночные тенденции и неудовлетворенные потребности потребителей. Это означает, что вместо того, чтобы загружать, читать и записывать обширную коллекцию отчетов об исследованиях рынка, когда им нужна информация о потребителях, сотрудники могут просто написать вопрос, на который они хотят получить ответ, в подсказке и немедленно получить ответ...

"Команды Colgate-Palmolive обнаружили, что они могут объединить одну систему искусственного интеллекта, которая выявляет неудовлетворенные потребности потребителей, с другой запатентованной системой искусственного интеллекта, которая разрабатывает новые концепции продуктов для удовлетворения этих потребностей. За считанные минуты, под руководством человека, она может создать копию и изображения для новой концепции, такой как новый вкус зубной пасты. Несмотря на то, что в рабочем процессе всегда участвуют люди, использование системы, улучшенной GenAI, гораздо более эффективно, чем пролистывание людьми материалов исследований рынка. Широта генерируемых идей также создает Читать статью полностью »

5. Используйте собственный ИИ: как сбалансировать риски и инновации

Ник ван дер Мюлен и Барбара Х. Уиксом

«С ростом GenAI возникает новая проблема для руководителей организаций: феномен «Принеси свой собственный искусственный интеллект» (BYOAI), который возникает, когда сотрудники используют для работы непроверенные, общедоступные инструменты GenAI.

«Хотя эти инструменты обещают большую производительность и творческий потенциал, они также несут риски для организационной безопасности и управления, включая потерю данных, утечку интеллектуальной собственности, нарушения авторских прав и нарушения безопасности. …

"Учитывая риски, связанные с BYOAI, лидерам может показаться логичным рассмотреть возможность полного запрета непроверенных инструментов GenAI. Перспектива неконтролируемого использования GenAI в сочетании с неопределенностью вокруг правовых и нормативных воздействий может, по понятным причинам, заставить лидеров проявлять осторожность. Однако руководители, с которыми мы беседовали, заявили, что запрет BYOAI не является ни практичным, ни эффективным. Сотрудники - особенно те, кто уже чувствует себя натянутым - часто обращаются к инструментам GenAI для повышения своей личной производительности. Ограничение доступа только подталкивает их к поиску неофициальных Читать статью полностью »

6. Прекратите внедрение ИИ.

Майкл Шрейдж и Дэвид Кирон

«В рамках нашего продолжающегося исследования «Философия пожирает ИИ» — тезиса о том, что фундаментальная философская ясность необходима для будущей ценности интеллектуальных систем — мы обнаруживаем, что фундаментальные идеи [физика, ставшего предпринимателем Стивена] Вольфрама о вычислениях имеют явно практическое, хотя и недооценённое, применение для лидеров, подавленных возможностями ИИ, но не в восторге от отдачи от ИИ…

"Теперь работа всей его жизни предлагает важнейшие основы как для понимания, так и для применения ИИ в реальном мире. Его идеи - это не умные академические выдумки; они необходимы для создания интеллектуальных сред, которые эффективно функционируют в масштабе...

«С помощью Wolfram мы исследовали идею о том, что лидерство в области ИИ должно перейти от лучшее внедрение и интеграция инструментов искусственного интеллекта на проектирование разведывательной средыорганизационные архитектуры, в которых люди и искусственные агенты активно взаимодействуют для создания стратегической ценности. Читать статью полностью »

7. Скрытые издержки кодирования с помощью генеративного ИИ

Эдвард Андерсон, Джеффри Паркер и Бурку Тан

"Организации, внедряющие эти инструменты, ожидают больших успехов. И ранние исследования подтверждают их оптимизм: GitHub сообщает, что программисты, использующие Copilot, работают на 55 % более продуктивно, а McKinsey обнаружила, что разработчики могут выполнять задачи почти в два раза быстрее с помощью генеративного ИИ.

"Но эти положительные показатели сопровождаются одной серьезной оговоркой. Исследования проводились в контролируемых средах, где программисты выполняли изолированные задачи, а не в реальных условиях, где программное обеспечение должно создаваться поверх сложных существующих систем. Когда использование кода, сгенерированного ИИ, быстро масштабируется или применяется к уже существующим (устаревшим) средам, риски становятся намного выше, и ими гораздо труднее управлять...

«Когда организация быстро внедряет новое программное обеспечение в существующие системы, она может непреднамеренно создать клубок зависимостей, который усложняет ее работу. технический долг — то есть стоимость дополнительных технологических работ, которые потребуются в будущем для устранения сокращений и быстрых исправлений, сделанных в ходе разработки.

«Организации должны относиться к склонности инструментов ИИ к увеличению технического долга как к стратегическому риску, а не просто к операционной помехе». Читать статью полностью »

8. Когда использовать GenAI, а не прогнозирующий ИИ

Рама Рамакришнан

"Хотя генеративный ИИ обещает произвести революцию во всем, от обслуживания клиентов до разработки продуктов, его оптимальная роль наряду с инструментами прогнозного ИИ (то есть инструментами машинного обучения и глубокого обучения) все еще находится в стадии разработки. Это часто заставляет лидеров задаваться вопросом, какой подход является правильным для решения конкретной проблемы. …

«Чтобы эффективно использовать традиционное машинное обучение с неструктурированными данными, данные должны быть вручную структурированный — дорогостоящая задача, которая делает машинное обучение непривлекательным для случаев использования в бизнесе, где входные данные не являются табличными.

"Входные и выходные данные систем генеративного ИИ, таких как LLM, обычно неструктурированы. Чаще всего они включают в себя текстовые и/или графические данные, а в последнее время и видео. Обратите внимание, что текст, анализируемый и создаваемый с помощью инструментов генеративного ИИ, включает в себя поразительный диапазон типов, таких как программный код, белковые последовательности, нотная запись, математические выражения и химические формулы...

"Давайте начнем с простого случая. Если вам нужно решить проблему генерации, есть только одна игра: генеративный искусственный интеллект. В зависимости от типа вывода, который вы хотите сгенерировать, вам может потребоваться использовать мультимодальные LLM, такие как GPT-4 от OpenAI, Claude 3.7 Sonnet от Anthropic или Gemini 1.5 от Google; модели преобразования текста в изображение, такие как Dall-E; или уже созданные модели специального назначения.

«Однако, если у вас есть проблемы с прогнозированием, ситуация усложняется». Читать статью полностью »

Дополнительные ресурсы: применяйте уроки искусственного интеллекта вместе со своей командой

GenAI: набор инструментов «Стратегия + управление»

MIT Sloan Management Review разработали набор инструментов «Генеративная стратегия искусственного интеллекта + управление» совместно с пятью ведущими мировыми экспертами в области генеративного лидерства в области искусственного интеллекта: Итаном Молликом (Уортонская школа Пенсильванского университета), Джоном Свиокла (Гарвардская школа бизнеса и GAI Insights), Джоном К. Томпсоном (Hackett Group и Мичиганский университет), Джорджем Вестерманом (Школа менеджмента Слоана Массачусетского технологического института) и Дэвидом А. Вудом (Бригам Янг).

В комплект входят видеоурок с Вестерманом, планировщик стратегии GenAI, контрольный список стратегии GenAI, планировщик управления GenAI, статьи и многое другое.