احساس می کنید قطار مولد هوش مصنوعی را از دست داده اید؟ 5 قدم برای افزایش سرعت در 90 روز

من صحبت کرده ام از اوایل سال 2023 به بنیان‌گذاران در سراسر جنوب جهانی درباره هوش مصنوعی (GAI) مولد، تا جایی که می‌توانم. مانند هر موقعیت مخرب دیگری، این بنیانگذاران را می توان به سه گروه تقسیم کرد:

• پیش از منحنی: شرکت هایی که قبلاً چیزی را ارسال کرده اند.
• دنبال کنندگان سریع: در حال تماشا و نمونه سازی هستند اما هنوز ارسال نشده اند.
• دیر برای قطار: هنوز نمی دانم چگونه سوار قطار شوید/هیچ منبعی برای درخواست در حال حاضر ندارید.

این مقاله برای هر بنیان‌گذاری است که احساس می‌کند برای قطار دیر شده است – یا همه در قطار هستند، اما به اندازه کافی سریع پیش نمی‌روند.

بررسی نمونه‌های هر سه گروه به بنیان‌گذاران کمک می‌کند تا بدانند واقعاً در کجا ایستاده‌اند. کسانی که جلوتر از منحنی هستند حداقل سه چیز برایشان پیش می آمد: آنها فرصت را زود دیدند، موقعیت های آماده ای داشتند که می توانستند هوش مصنوعی مولد را در آن به کار ببرند، و استعداد مهندسی در دسترس داشتند تا چیزی را نمونه اولیه و تولید کنند. یک راه به موقع

یک مثال، یک شرکت تجارت الکترونیک کشاورزی است که قبلاً با قرار دادن یک چت بات با زبان کشاورز در مقابل نمایندگان خدمات مشتری خود، 30 درصد از هزینه های خدمات مشتری خود را کاهش داده است و انتظار دارد در سه ماهه آینده یا 50 درصد پس انداز کند. بنابراین.

یک فاست فالوور ابزاری اولیه برای کاهش هزینه ها و افزایش سرعت استخدام کارگران یقه آبی با افزودن مراحل مولد مبتنی بر هوش مصنوعی به گردش کار مصاحبه و تعامل نامزدهای خود دارد. از آنجایی که آنها یک گردش کار پیچیده با توان عملیاتی بالا دارند، باید مراقب سرعت گسترش آنها باشند. آزمایش اولیه پیشرفت های گسترده ای را در ابعاد مختلف نشان می دهد.

در نهایت، یک استارت‌آپ Late for the Train راه‌حل‌هایی را برای مراکز تماس ارائه می‌کند و برخی ارزیابی‌ها و برنامه‌ریزی‌های اولیه را انجام داده است، اما هنوز مشخص نکرده است که چگونه و چه زمانی می‌تواند به بهترین وجه هوش مصنوعی مولد را به نقشه راه محصول خود اضافه کند، که در حال حاضر تحت فشار تقاضای مشتریان فعلی است.

در اینجا پنج مرحله واضح برای حرکت از دیر رسیدن قطار به سرعت جلو در زمان بسیار کمتری از آنچه فکر می‌کنید آورده شده است:

1. یک زبان ساده را بپذیرید تا همه بتوانند به وضوح در مورد این فناوری مخرب ارتباط برقرار کنند.
2. کل تیم خود را در سطح بالایی قرار دهید (بسیاری از آنها ممکن است بدون اطلاع شما در آنجا حضور داشته باشند).
3. اطمینان حاصل کنید که به ابر LLM ها اجازه نمی دهید داده های شما را به گونه ای که آن ها را در معرض دید رقبا یا بازیگران بد قرار می دهد، بالا بیاورند.
4. یک تیم قرمز ایجاد کنید تا در داخل مخل باشد.
5. پیشرفت در پذیرش هوش مصنوعی مولد را اندازه گیری کنید و آن را به طور مداوم به شرکت در میان بگذارید.

1. نوع 1 و نوع 2 برنامه های کاربردی هوش مصنوعی مولد

کلمات و مفاهیم فنی جدید زیادی در مورد هوش مصنوعی وجود دارد، و بسیاری در مورد آنها نوشته اند، بنابراین به جز این یک مفهوم، به چیزهای بیشتری از من نیاز ندارید: از دیدگاه پذیرش، به طور کلی دو مسیر وجود دارد که می توانید دنبال کنید. که به هیچ وجه انحصاری نیستند.

اولین مورد استفاده از هوش مصنوعی مولد برای بهبود کاری است که از طریق افزایش بهره وری یا کیفیت عملیات یا تعاملات موجود با مشتری انجام می دهید. بیایید این را یک برنامه کاربردی نوع 1 بنامیم.

مثال Ahead of Curve که در بالا ذکر شد نوع 1 است: شرکت هایی که از هوش مصنوعی مولد برای بهبود ارتباطات فروش یا کمک به تحقیقات بازار استفاده می کنند، کار نوع 1 را انجام می دهند. پروژه های نوع 1 را می توان در سطح فردی یا دپارتمان اجرا کرد. و مهمتر از همه، این روزها برای هر استارتاپی میز هستند – فعالیت هایی که باید انجام شوند. اگر می‌خواهید بودجه دریافت کنید و نمی‌توانید برنامه‌های نوع 1 را به وضوح نشان دهید، در مشکل هستید. اما ابتکارات نوع 1 به تنهایی شما را به یک شرکت هوش مصنوعی از دیدگاه VC تبدیل نمی کند.

تلاش‌های نوع 2 بزرگ‌تر، پرمخاطره‌تر و برای بقای شما و توانایی شما برای جذب سرمایه مهم‌تر هستند. با نوع 2، شما به دنبال ایجاد راه های کاملاً جدید برای نزدیک شدن به یک جنبه حیاتی از کسب و کار خود، یا به طور بالقوه کل کسب و کار خود، بر اساس هوش مصنوعی مولد هستید.

نکته مثبت نوع 1 کاهش هزینه و افزایش سرعت/بازده است – همه این کارها را انجام می دهند یا به زودی انجام خواهند داد. جنبه مثبت نوع 2 به طور بالقوه نامحدود است، زیرا شما در حال ایجاد راه های جدیدی برای ایجاد و ارائه ارزش هستید که ممکن است شما را به مشتریان جدید دسترسی دهد یا مزیت های رقابتی قابل توجهی نسبت به دیگرانی که عمیقاً هوش مصنوعی مولد را قبول ندارند به دست آورید.

نمونه ای از نوآوری نوع 2 ممکن است یک بازار B2B منطقه ای باشد که در حال حاضر اطلاعات را فقط به زبان انگلیسی منتشر می کند زیرا این زبان مخرج مشترک در منطقه است. آن بازار اکنون می تواند از هوش مصنوعی مولد برای انتشار مقرون به صرفه اطلاعات به طور همزمان به چهار زبان محلی استفاده کند و مشتریان خود را قادر می سازد با استفاده از زبان انتخابی خود، محصولات/خدمات را با رابط مکالمه (به جای جستجوهای دست و پاگیر و فیلترینگ پیچیده) بیابند. این نوآوری نوع 2 بازار را به روی تعداد نامحدودی از مشتریان غیر انگلیسی زبان باز می کند و همچنین باعث می شود همه مشتریان بتوانند آنچه را که به دنبال آن هستند سریعتر پیدا کنند و معامله را ببندند.