• مدرس :ادمین

توضیحات

۶راهی که کسب‌وکارها می‌توانند از هوش مصنوعی مولد بهره ببرند:

هوش مصنوعی مولد، پتانسیل متحول کردن صنایع را دارد، اما بسیاری از سازمان‌ها در ادغام این فناوری دچار مشکل هستند. در میزگرد اقتصاد دیجیتال که در دانشگاه MIT تحت عنوان {پیامدهای تجاری هوش مصنوعی مولد}برگزار شد، کارشناسانی از شرکت‌هایی مانند Salesforce و S&P Global شش عنصر از یک استراتژی موفق برای به تسخیر درآوردن هوش مصنوعی مولد را به اشتراک گذاشتند.

1. تمرکز روی تقویت (افزایش توانایی‌ها)

اعضای پنل تأکید کردند که استفاده از هوش مصنوعی مولد برای تقویت و تکمیل جریان‌های کاری انسانی (تقویت) مهم است، نه جایگزینی آن‌ها (خودکارسازی).

والا افشار، مروج دیجیتال اصلی در Salesforce، موضوع «هوش مصنوعی عاملی»را مطرح کرد، جایی که”کارمندان دیجیتال” فراتر از ایجاد محتوا عمل کرده و در کنار همتایان انسانی خود اقدام می‌کنند. هدف تنها کاهش هزینه‌ها نیست، بلکه رفع ناکارآمدی‌ها و کاهش اتلاف منابع است. او گفت: “ما اکنون در نقطه‌ای هستیم که نرم‌افزاری نمی‌سازیم که فقط به شما در انجام کار کمک کند – ما در حال ساخت نرم‌افزاری هستیم که در کنار شما کار را انجام می‌دهد.”

۲. انسان‌ها را در حلقه بسته ی فرآیندها حفظ کنید.

حفظ ایمنی نیروی کارمهم است،بهویژه در صنایع و تولید.

در شرکت علوم مواد Corning، این به معنای ادغام هوش مصنوعی مولد با سوابق تعمیر و نگهداری گذشته و داده‌های به هنگام تولید است.، به‌گونه ای که اپراتورها می‌توانند تصمیمات آگاهانه‌تر بگیرند و ایمنی در کف کارخانه را تقویت کنند.

کسب‌وکارها همچنین باید به پرسش‌هایی درباره تأثیر هوش مصنوعی بر جامعه بپردازند. ساوانا تایس از مؤسسه علوم داده دانشگاه کلمبیا گفت: “ما به یک تغییر فرهنگی نیاز داریم که چگونگی تفکر ما درباره هوش مصنوعی و ارزش انسان‌ها را تغییر دهد.” او بر ضرورت اجتناب شرکت‌ها از تمایل به خودکارسازی هنر، خلاقیت، علم و تحقیق تأکید کرد.

۳. زیرساخت داده‌ها را مدرن کنید.

یک موضوع اصلی، نقش حیاتی زیرساخت داده‌های قوی به‌عنوان فندانسیون استفاده از هوش مصنوعی مولد در مقیاس است. «هر پروژه‌ی هوش مصنوعی به‌عنوان یک پروژه‌ی داده آغاز می‌شود و پایان می‌یابد، یا بهتر بگوییم، زندگی می‌کند. بنابراین ارزیابی زیرساخت‌ها کلید موفقیت شماست.» افشار گفت. «تنها ۴٪ از سازمان‌ها داده‌های آماده برای استفاده توسط مدل‌های هوش مصنوعی دارند.»

یک چالش اصلی: بخش عمده‌ای از داده‌هایی که شرکت‌ها به آن‌ها وابسته‌اند، در قالب‌های ساختاریافته مانند جداول و پایگاه‌های داده ذخیره می‌شود. با این حال، مدل‌های هوش مصنوعی امروزی در بازیابی اطلاعات از این سیستم‌ها با مشکلات سختی روبه رو هستند.

۴.ارتقاء مهارت و آموزش استعدادها

شرکت‌کنندگان در میزگرد بر اهمیت حیاتی جنبه انسانی در تجهیز کارکنان به مهارت‌ها، ابزارها و ذهنیت مناسب برای همکاری موثر با هوش مصنوعی تأکید کردند آن‌ها تلاش‌هایی را برای آگاهی‌بخشی به کارکنان در مورد نقش هوش مصنوعی و ارائه ابزارهایی برای بهبود کارشان توضیح دادند. همچنین توافق کردند که همدلی و کنجکاوی، مهارت‌های ضروری برای نیروی کار آینده خواهند بود.

افشارگفت: زبان برنامه‌نویسی جدید و داغ حالا انگلیسی است، (با اشاره به توانایی هوش مصنوعی در خودکارسازی کدنویسی و اهمیت فزاینده رابط‌های مبتنی بر زبان طبیعی) این سیستم‌ها به کاربران امکان تعامل با فناوری را با استفاده از زبان روزمره می‌دهند، و آن را شهودی‌تر و قابل‌دسترس‌تر می‌کنند.

۵.محدودیت‌ها را درک کنید.

کسب‌وکارها باید از معایب مدل‌های هوش مصنوعی مولد آگاه باشند تا از مشکلات رایج مانند “توهمات” جلوگیری کنند؛ مواردی که مدل‌ها اطلاعاتی به ظاهر معتبر اما کاملاً نادرست تولید می‌کنند. برای کاهش این خطرات، شرکت‌ها باید در آموزش کارکنان سرمایه‌گذاری کنند تا مدل‌های هوش مصنوعی را به طور انتقادی ارزیابی کنند، تعصبات و محدودیت‌های ذاتی آن‌ها را درک کنند و تشخیص دهند که در کجا بیشتر احتمال خطا وجود دارد.

۶.روی فرصت‌های بزرگ شرط‌بندی کنید.

شرکت‌کنندگان پنل هشدار دادند که هرچند هوش مصنوعی مولد درهای بی‌شماری به روی امکانات باز می‌کند، کسب‌وکارها باید تمرکز خود را روی تعداد بسیار کمی پروژه بگذارند. ،که نه فقط ارزشی که  آنها تحویل می دهند قابل اندازه‌گیری باشد، بلکه باید به طور استراتژیک با اهداف بلندمدت شما در سازمانتان همسو و در یک راستا باشد.

در یک مقطع، شما باید دست به عمل بزنید. دایالجی، (مدیر ارشد هوش مصنوعی در S&P Global و مدیرعامل Kensho Technologies) گفت: “فکر می‌کنم ما در مرحله‌ای هستیم که به اندازه کافی یاد گرفته‌ایم و حالا وقت آن است که پولمان را در جایی درست خرج کنیم، تا منجر به خلق ارزش شود.”