ОПТИМАЛЬНАЯ СТРАТЕГИЯ ИННОВАЦИЙ
Инновации для организаций, - то же самое, что эволюция для живых организмов: с их помощью организации адаптируются к изменениям в окружающей бизнес-среде и совершенствуются.
Без инноваций, компании сначала отстают от конкурентов и потом и вовсе уходят под давлением рыночных и средовых изменений.
Тем не менее, несмотря на неуклонный прогресс в нашем понимании эволюции, то, что движет инновациями, до сих пор оставалось неуловимым.
— С одной стороны, многие крупные компании вкладывают значительные средства в свои стратегии стимулирования инноваций.
Например, P&G и Unilever разработали специальные бизнес-процессы и руководства, по поиску новых инновационных продуктов и довольно успешно опираются на них в развитии бизнеса.
— С другой стороны, исторический анализ и индивидуальный опыт позволяют предположить, что значительную роль в процессе обнаружения инноваций играет серендипность – способность к интуитивным прозрениям.
Примеры компаний Apple и Tesla наглядно демонстрируют высокую эффективность обнаружения инноваций с помощью серендипности.
Поэтому любая компания стремится понять:
Каково же оптимальное место серендипности в стратегии инноваций?
Одинаковы ли должны быть стратегии для крупных компаний и стартапов?
Можно ли в принципе формализовать и оцифровать стратегии инноваций, сочетающие классический подход с серендипностью?
На все эти вопросы пытается дать ответы уникальное исследование «Серендипность и стратегия быстрых инноваций» , выполненное на стыке математики и практики разработки стратегий бизнеса.
Это не очередная красивая теория, а вполне практическое исследование, выполненное совместно Лондонским институтом математических наук, Национальным научно-исследовательским центром Франции и Хендерсовским институтом консалтинговой компании BCG, исследующим пути эффективного внедрения бизнес-идей на основе наиболее передовых научных методов и технологий.
Авторы исследования проанализировали математику инноваций, как процесс поиска жизнеспособных проектов во вселенной строительных блоков. А затем протестировали свои выводы на исторических данные по инновациям.
Три класса исследуемых авторами стратегий можно уподобить трем стратегиям сборки конструктора Лего, которые используют Боб, Элис и Вася, получившие задание собрать как можно больше интересных игрушек - фигур/механизмов/оборудования по теме «Мир пожарных».
Каждый из трех имеет собственную стратегию отбора лего-элементов из общей кучи доступных.
— Боб следует стратегии выбора таких лего-элементов, которые более всего подходят для скорейшей сборки той конкретной фигуры, которая им задумана и, вроде как, уже начала получаться (это недальновидная стратегии создания минимально-жизнеспособного продукта, свойственная стартапам).
— Стратегия Элис – выбор наиболее универсальных лего-элементов, которые могут подойти много к чему (это дальновидная ресурсопожирающая стратегия китов бизнеса, типа IBM и Google).
— Вася следует своим интуитивным озарениям, тягая из кучи элементов то, что подсказывает его интуиция (это стратегия Apple).
Исследователи показали, что все 3 стратегии НЕ оптимальные. Для оптимальности нужно сочетание всех трех стратегий в уникальной для каждой компании пропорции
#инновации #серендипность #стратегия #бизнес
Редко встречаются исследования, результаты которых одинаково полезны для китов бизнеса и мелких стартапов, для СЕО и инженера, для инвестбанкира и ITшника.
Этот пост как раз про такое исследованиеИнновации для организаций, - то же самое, что эволюция для живых организмов: с их помощью организации адаптируются к изменениям в окружающей бизнес-среде и совершенствуются.
Без инноваций, компании сначала отстают от конкурентов и потом и вовсе уходят под давлением рыночных и средовых изменений.
Тем не менее, несмотря на неуклонный прогресс в нашем понимании эволюции, то, что движет инновациями, до сих пор оставалось неуловимым.
— С одной стороны, многие крупные компании вкладывают значительные средства в свои стратегии стимулирования инноваций.
Например, P&G и Unilever разработали специальные бизнес-процессы и руководства, по поиску новых инновационных продуктов и довольно успешно опираются на них в развитии бизнеса.
— С другой стороны, исторический анализ и индивидуальный опыт позволяют предположить, что значительную роль в процессе обнаружения инноваций играет серендипность – способность к интуитивным прозрениям.
Примеры компаний Apple и Tesla наглядно демонстрируют высокую эффективность обнаружения инноваций с помощью серендипности.
Поэтому любая компания стремится понять:
Каково же оптимальное место серендипности в стратегии инноваций?
Одинаковы ли должны быть стратегии для крупных компаний и стартапов?
Можно ли в принципе формализовать и оцифровать стратегии инноваций, сочетающие классический подход с серендипностью?
На все эти вопросы пытается дать ответы уникальное исследование «Серендипность и стратегия быстрых инноваций» , выполненное на стыке математики и практики разработки стратегий бизнеса.
Это не очередная красивая теория, а вполне практическое исследование, выполненное совместно Лондонским институтом математических наук, Национальным научно-исследовательским центром Франции и Хендерсовским институтом консалтинговой компании BCG, исследующим пути эффективного внедрения бизнес-идей на основе наиболее передовых научных методов и технологий.
Авторы исследования проанализировали математику инноваций, как процесс поиска жизнеспособных проектов во вселенной строительных блоков. А затем протестировали свои выводы на исторических данные по инновациям.
Три класса исследуемых авторами стратегий можно уподобить трем стратегиям сборки конструктора Лего, которые используют Боб, Элис и Вася, получившие задание собрать как можно больше интересных игрушек - фигур/механизмов/оборудования по теме «Мир пожарных».
Каждый из трех имеет собственную стратегию отбора лего-элементов из общей кучи доступных.
— Боб следует стратегии выбора таких лего-элементов, которые более всего подходят для скорейшей сборки той конкретной фигуры, которая им задумана и, вроде как, уже начала получаться (это недальновидная стратегии создания минимально-жизнеспособного продукта, свойственная стартапам).
— Стратегия Элис – выбор наиболее универсальных лего-элементов, которые могут подойти много к чему (это дальновидная ресурсопожирающая стратегия китов бизнеса, типа IBM и Google).
— Вася следует своим интуитивным озарениям, тягая из кучи элементов то, что подсказывает его интуиция (это стратегия Apple).
Исследователи показали, что все 3 стратегии НЕ оптимальные. Для оптимальности нужно сочетание всех трех стратегий в уникальной для каждой компании пропорции
А каковы эти пропорции – читайте статью. Но все упирается в т.н. «относительную полезность» нового элемента при заданном максимальном числе возможных элементов. #инновации #серендипность #стратегия #бизнес
Истинные угрозы несет не сам ИИ, а тупость народа, популизм политиков и жадность «олигархов».
Так бы я резюмировал весьма глубокие, оригинальные и созвучные мне мысли Калума Чейса, опубликованные во вчерашнем Forbes под заголовком «Как искусственный интеллект может убить капитализм».
До сего времени книги Калума Чейса - самого продаваемого автора художественных и научно-популярных книг и статей про ИИ в мире – не давали мне особого повода написать о них.
И на статьи из Forbes, по понятным причинам, я ссылаюсь не часто.
Однако, тут особый случай. Ничего подобного о наиболее вероятном будущем ИИ на Земле в массовых медиа доселе не писалось.
Резюмирую, что сказал Калум Чейс.
1) Все разговоры об опасных последствиях массового внедрения ИИ небезосновательны, но страшно преувеличены. И тотальный отъем рабочих мест, и перехват на себя принятия жизненно важных решений, - всё это реально, но далеко не так фатально. Адаптация к технологическому прогрессу у общества уже имеет многовековой опыт. Справились бы и теперь с вызовами со стороны ИИ.
2) Но вот ведь беда. Слабым местом сильно усложнившейся системы постиндустриального общества становятся не уязвимости от угроз ИИ, и собственная реакция общества на риск разрастания этих угроз.
А именно.
А) Паника, которая возникнет в народе с началом массовой замены людей ИИ-автоматами в первой же из потенциальных областей (например, водители).
Эскалация паники из-за боязни, что скоро ИИ «отнимет и мое рабочее место» (неважно, кем я работаю, и какие альтернативы мог бы представить мне тот же ИИ).
Взрывное развитие паники и протестов, приводящее к п. Б.
Б) Реакция политиков-популистов (типа, оградим наш народ от отъема рабочих мест Искусственным Интеллектом!) в форме законодательных и регламентирующих актов, да и, как это обычно бывает при взрывах популизма, тотального нарастания маразма вплоть до объявления ИИ техно-фашизмом.
В) Нежелание тех, кто возглавляет технологическую отрасль, признать, что есть более важный мотив, чем прибыль, и тем самым скорректировать текущее направление развития технологий ИИ, ведущее прямиком к пп. А и Б.
N.B. Универсальный базовый доход не решит этих проблем.
Будущее, в котором:
— 99% живут на уровне прожиточного минимума, финансируемого плодами роботизированной рабочей силы,
— а 1% элиты (высший класс - те, кто контролирует роботов) строят свои империи и наживают невиданные ранее богатства, —
шатко, взрывоопасно и потому долго не продержится.
Перевод статьи «Как искусственный интеллект может убить капитализм» https://goo.gl/35wvAp
Оригинал статьи https://goo.gl/Rk6WBw
#ИИ #Общество #Политика #Бизнес
Так бы я резюмировал весьма глубокие, оригинальные и созвучные мне мысли Калума Чейса, опубликованные во вчерашнем Forbes под заголовком «Как искусственный интеллект может убить капитализм».
До сего времени книги Калума Чейса - самого продаваемого автора художественных и научно-популярных книг и статей про ИИ в мире – не давали мне особого повода написать о них.
И на статьи из Forbes, по понятным причинам, я ссылаюсь не часто.
Однако, тут особый случай. Ничего подобного о наиболее вероятном будущем ИИ на Земле в массовых медиа доселе не писалось.
Резюмирую, что сказал Калум Чейс.
1) Все разговоры об опасных последствиях массового внедрения ИИ небезосновательны, но страшно преувеличены. И тотальный отъем рабочих мест, и перехват на себя принятия жизненно важных решений, - всё это реально, но далеко не так фатально. Адаптация к технологическому прогрессу у общества уже имеет многовековой опыт. Справились бы и теперь с вызовами со стороны ИИ.
2) Но вот ведь беда. Слабым местом сильно усложнившейся системы постиндустриального общества становятся не уязвимости от угроз ИИ, и собственная реакция общества на риск разрастания этих угроз.
А именно.
А) Паника, которая возникнет в народе с началом массовой замены людей ИИ-автоматами в первой же из потенциальных областей (например, водители).
Эскалация паники из-за боязни, что скоро ИИ «отнимет и мое рабочее место» (неважно, кем я работаю, и какие альтернативы мог бы представить мне тот же ИИ).
Взрывное развитие паники и протестов, приводящее к п. Б.
Б) Реакция политиков-популистов (типа, оградим наш народ от отъема рабочих мест Искусственным Интеллектом!) в форме законодательных и регламентирующих актов, да и, как это обычно бывает при взрывах популизма, тотального нарастания маразма вплоть до объявления ИИ техно-фашизмом.
В) Нежелание тех, кто возглавляет технологическую отрасль, признать, что есть более важный мотив, чем прибыль, и тем самым скорректировать текущее направление развития технологий ИИ, ведущее прямиком к пп. А и Б.
N.B. Универсальный базовый доход не решит этих проблем.
Будущее, в котором:
— 99% живут на уровне прожиточного минимума, финансируемого плодами роботизированной рабочей силы,
— а 1% элиты (высший класс - те, кто контролирует роботов) строят свои империи и наживают невиданные ранее богатства, —
шатко, взрывоопасно и потому долго не продержится.
Перевод статьи «Как искусственный интеллект может убить капитализм» https://goo.gl/35wvAp
Оригинал статьи https://goo.gl/Rk6WBw
#ИИ #Общество #Политика #Бизнес
Medium
Как искусственный интеллект может убить капитализм
Если вы верите в шумиху, то искусственный интеллект (AI) намерен скоро изменить мир. Nay-sayers утверждают, что это приведет, в лучшем…
Экономика ИИ – как удешевление предсказаний изменит мир.
Публикация этой новой статьи в Forbes означает возможную смену парадигмы понимания ИИ бизнесом. Когда это произойдет, то одна из главных тем моего канала - «ИИ и предсказания» - превратится из «малоизвестного интересного» в мейнстрим бизнеса.
https://goo.gl/gtW9Vx
Статья пересказывает разговор ее автора - Бернарда Марра с Джошуа Гансом о ключевых темах новой книги последнего - Prediction Machines: The Simple Economics of Artificial Intelligence.
Три ключевые мысль этой книги таковы.
✔️ В практическом плане в экономике и бизнесе термин ИИ относится не к интеллекту, а всего лишь к одному из его аспектов, коим является предсказание.
✔️ Основная задача ИИ в бизнесе – снижение показателя цена/качество предсказаний.
✔️ Ключом к успеху при решении этой задачи будет то, смогут ли люди, работающие ИИ-менеджерами научиться различать задачи, связанные с предсказанием, и те, в которых по-прежнему более важен человеческий фактор.
В этом разговоре есть и другие ценные мысли. А в книге, - так и тем более.
Тем ни менее, названные три – самые суперважные, суперценные и пока еще мало кем понимаемые.
А значит, и самые годные, чтобы на их понимании начать хорошо зарабатывать.
#Предсказания #ИИ #Бизнес
P.S. Некоторых читателей коробит термин «предсказание», и мне рекомендуют заменить его на «прогноз».
Так вот. Термин «предсказание», а не «прогноз» используется мною осмысленно и намеренно, чтобы подчеркнуть особенности нашего времени, когда большие данные уже есть, а умения ими эффективно пользоваться пока мало.
Как по этому поводу хорошо написал Michael Schrage:
«In the good old days, of course, predictions were called forecasts and stodgy statisticians would torture their time series and/or molest multivariate analyses to get them. Today, brave new data scientists discipline k-means clusters and random graphs to proffer their predictions».
Прогноз подразумевает понимание, как и почему нечто произойдет. Предсказание же не отвечает на вопросы «как и почему».
Без понимания этого различия у Гугла и Яндекса, получается ошибочный перевод приведенной выше цитаты:
«В старые добрые времена, конечно, прогнозы назывались прогнозами …» 😂
Публикация этой новой статьи в Forbes означает возможную смену парадигмы понимания ИИ бизнесом. Когда это произойдет, то одна из главных тем моего канала - «ИИ и предсказания» - превратится из «малоизвестного интересного» в мейнстрим бизнеса.
https://goo.gl/gtW9Vx
Статья пересказывает разговор ее автора - Бернарда Марра с Джошуа Гансом о ключевых темах новой книги последнего - Prediction Machines: The Simple Economics of Artificial Intelligence.
Три ключевые мысль этой книги таковы.
✔️ В практическом плане в экономике и бизнесе термин ИИ относится не к интеллекту, а всего лишь к одному из его аспектов, коим является предсказание.
✔️ Основная задача ИИ в бизнесе – снижение показателя цена/качество предсказаний.
✔️ Ключом к успеху при решении этой задачи будет то, смогут ли люди, работающие ИИ-менеджерами научиться различать задачи, связанные с предсказанием, и те, в которых по-прежнему более важен человеческий фактор.
В этом разговоре есть и другие ценные мысли. А в книге, - так и тем более.
Тем ни менее, названные три – самые суперважные, суперценные и пока еще мало кем понимаемые.
А значит, и самые годные, чтобы на их понимании начать хорошо зарабатывать.
#Предсказания #ИИ #Бизнес
P.S. Некоторых читателей коробит термин «предсказание», и мне рекомендуют заменить его на «прогноз».
Так вот. Термин «предсказание», а не «прогноз» используется мною осмысленно и намеренно, чтобы подчеркнуть особенности нашего времени, когда большие данные уже есть, а умения ими эффективно пользоваться пока мало.
Как по этому поводу хорошо написал Michael Schrage:
«In the good old days, of course, predictions were called forecasts and stodgy statisticians would torture their time series and/or molest multivariate analyses to get them. Today, brave new data scientists discipline k-means clusters and random graphs to proffer their predictions».
Прогноз подразумевает понимание, как и почему нечто произойдет. Предсказание же не отвечает на вопросы «как и почему».
Без понимания этого различия у Гугла и Яндекса, получается ошибочный перевод приведенной выше цитаты:
«В старые добрые времена, конечно, прогнозы назывались прогнозами …» 😂
3й этап цифровизации мира станет для Homo sapiens последним.
Финансовое обоснование замены людей на генеративный ИИ.
Бизнес прагматичен и жесток. И какие бы заманчивые перспективы ни сулил генеративный искусственный интеллект (ГенИИ), современный бизнес, как и 100 лет назад интересует лишь максимизация прибыли.
А поскольку эволюция сделала человеческие мозги и тела столь дешевы, и при этом в некоторых вещах люди непревзойденно хороши, - то это, казалось бы, должно сохранить людям конкурентоспособность, как бы быстро ни развивался ГенИИ.
Судите сами – убеждают сторонники такой точки зрения.
Человек – это аналоговая машина, потребляющая менее 150 ватт энергии в час и работающая на тарелке каши, неплохо справляясь с самым широким спектром деятельности. А поскольку эта аналоговая машина столь эффективна и дешева в эксплуатации, средняя мировая зарплата составляет примерно $5 долларов в час, а для некоторых задач в некоторых частях мира средняя зарплата составляет менее $1 в день.
И как с этим соревноваться даже сверх-умному ГенИИ?
А вот так!
Подобные оценки перестают действовать в оцифрованном информационном мире, в который наш материальный мир трансформируется со страшной скоростью.
В цифровом мире остаются лишь 3 фактора стоимости работы:
1. стоимость создания информации;
2. стоимость вычислений, необходимых для переработки информации;
3. стоимость распространения информации.
1й этап цифровизации мира ознаменовался появлением микрочипов, быстро снизивших стоимость вычислений на 3-4 порядка. Уже самый 1й программируемый компьютер общего назначения ENIAC был в 5000 раз быстрее, чем любая другая вычислительная машина того времени, и предположительно мог вычислить траекторию ракеты за 30 секунд по сравнению с 30 часами, рассчитанными вручную людьми.
2й этап цифровизации мира осуществил Интернет, кардинально изменивший подход к перемещению битов на большие расстояния. До появления Интернета любое перемещение битов стоило немалых денег. А с его появлением, стоимость отправки документов электронной почтой, потоковое видео или использования практически любого облачного сервиса делается мизерной . Уже в начале 21 века стоимость перемещения бита составляла около 2 умножить на 10 в минус 10й степени. Т.е. отправка, скажем, 1 килобайта уже стоила на порядки дешевле цены почтовой марки. Ну а сейчас, - сами представьте, насколько это дешево.
3й этап цифровизации мира начался в этом году с началом широкого распространения ГенИИ.
И если 1й этап цифровизации свел маржинальные издержки (предельные затраты) вычислений к нулю, 2й этап свел к нулю маржинальные издержки распространения информации, то 3й этап вполне способен свести к нулю маржинальные издержки создания информации.
И потому, как бы ни были дешевы человеческие мозги и тела, в цифровом информационном мире ГенИИ все равно будет дешевле.
Сомневающиеся в этом могут почитать подробности в аналитическом кейсе партнеров венчурной компании Andreessen Horowitz The Economic Case for Generative AI and Foundation Models
#LLM #Экономика #Бизнес
Финансовое обоснование замены людей на генеративный ИИ.
Бизнес прагматичен и жесток. И какие бы заманчивые перспективы ни сулил генеративный искусственный интеллект (ГенИИ), современный бизнес, как и 100 лет назад интересует лишь максимизация прибыли.
А поскольку эволюция сделала человеческие мозги и тела столь дешевы, и при этом в некоторых вещах люди непревзойденно хороши, - то это, казалось бы, должно сохранить людям конкурентоспособность, как бы быстро ни развивался ГенИИ.
Судите сами – убеждают сторонники такой точки зрения.
Человек – это аналоговая машина, потребляющая менее 150 ватт энергии в час и работающая на тарелке каши, неплохо справляясь с самым широким спектром деятельности. А поскольку эта аналоговая машина столь эффективна и дешева в эксплуатации, средняя мировая зарплата составляет примерно $5 долларов в час, а для некоторых задач в некоторых частях мира средняя зарплата составляет менее $1 в день.
И как с этим соревноваться даже сверх-умному ГенИИ?
А вот так!
Подобные оценки перестают действовать в оцифрованном информационном мире, в который наш материальный мир трансформируется со страшной скоростью.
В цифровом мире остаются лишь 3 фактора стоимости работы:
1. стоимость создания информации;
2. стоимость вычислений, необходимых для переработки информации;
3. стоимость распространения информации.
1й этап цифровизации мира ознаменовался появлением микрочипов, быстро снизивших стоимость вычислений на 3-4 порядка. Уже самый 1й программируемый компьютер общего назначения ENIAC был в 5000 раз быстрее, чем любая другая вычислительная машина того времени, и предположительно мог вычислить траекторию ракеты за 30 секунд по сравнению с 30 часами, рассчитанными вручную людьми.
2й этап цифровизации мира осуществил Интернет, кардинально изменивший подход к перемещению битов на большие расстояния. До появления Интернета любое перемещение битов стоило немалых денег. А с его появлением, стоимость отправки документов электронной почтой, потоковое видео или использования практически любого облачного сервиса делается мизерной . Уже в начале 21 века стоимость перемещения бита составляла около 2 умножить на 10 в минус 10й степени. Т.е. отправка, скажем, 1 килобайта уже стоила на порядки дешевле цены почтовой марки. Ну а сейчас, - сами представьте, насколько это дешево.
3й этап цифровизации мира начался в этом году с началом широкого распространения ГенИИ.
И если 1й этап цифровизации свел маржинальные издержки (предельные затраты) вычислений к нулю, 2й этап свел к нулю маржинальные издержки распространения информации, то 3й этап вполне способен свести к нулю маржинальные издержки создания информации.
И потому, как бы ни были дешевы человеческие мозги и тела, в цифровом информационном мире ГенИИ все равно будет дешевле.
Сомневающиеся в этом могут почитать подробности в аналитическом кейсе партнеров венчурной компании Andreessen Horowitz The Economic Case for Generative AI and Foundation Models
#LLM #Экономика #Бизнес
Andreessen Horowitz
The Economic Case for Generative AI and Foundation Models | Andreessen Horowitz
With generative AI, we’re already seeing use cases with orders-of-magnitude improvement in time, cost, and performance over previous AI waves.
Как генеративный интеллект изменит бизнес за 2-3 года
Ответил на 7 практических вопросов Юрия Смирнова из ibMedia.
– Говорят, искусственный интеллект скоро лишит нас всех работы: собственники компаний заменят сотрудников на ChatGPT – что скажите?
– Что будет с теми, кто уйдет?
– В каких отделах компании вы бы посоветовали внедрять ГенИИ в первую очередь?
– К каким изменениям следует готовиться бизнесу?
– Что из этого следует?
– Как за этот срок могут измениться привычные бизнес-модели?
– Сегодня все мы, от молодых специалистов до топ-менеджеров, становимся начинающими пользователями нейросетей. Поделитесь, пожалуйста, опытом: как вы используете искусственный интеллект?
Мои ответы здесь
https://ibmedia.by/news/kak-generativnyj-intellekt-izmenit-biznes-za-2-3-goda/
А в качестве обоснования моего оптимизма по поводу перспектив того, как ГенИИ изменит бизнес в ближайшие годы, рекомендую читателям познакомиться с исследованием Menlo Ventures «2024: Состояние ГенИИ на предприятиях».
Главные выводы исследования
№1 Ландшафт корпоративного ИИ переписывается в режиме реального времени. Генеративный ИИ превращается из технологии будущего в фундаментальный бизнес-инструмент (см. диаграмму)
2024 год знаменует собой год, когда генеративный ИИ стал критически важным императивом для предприятия. Цифры говорят сами за себя: расходы на ИИ 1 выросли до 13,8 млрд долларов в этом году, что более чем в 6 раз превышает 2,3 млрд долларов, потраченных в 2023 году, — четкий сигнал о том, что предприятия переходят от экспериментов к реализации, внедряя ИИ в основу своих бизнес-стратегий.
№2 Организации в первую очередь инвестируют в практические, ориентированные на рентабельность инвестиций варианты использования. Пять основных вариантов использования (генерация кода, чат-боты, корпоративный поиск, преобразование данных и подведение итогов встреч) направлены на повышение производительности и эффективности (см. диаграмму)
№3 При выборе приложений генеративного ИИ у предприятий есть четкие приоритеты: окупаемость инвестиций и отраслевая адаптация имеют наибольшее значение при выборе новых инструментов.
Удивительно, но цена не является основным вопросом; только 1% опрошенных руководителей предприятий упомянули цену как фактор выбора. Покупатели играют в долгую игру: они гораздо больше сосредоточены на инструментах, которые могут обеспечить измеримую ценность (30%) и которые понимают уникальный контекст их работы (26%), чем на тех, которые предлагают самую низкую цену (1%) - (см. диаграмму)
№4 Что поражает в принятии генеративного ИИ сегодня, так это не только масштаб, но и охват. В этом году бюджеты генеративного ИИ потекли в каждый отдел - (см. диаграмму)
№5 Рынок взрослеет. OpenAI остается лидером, но все больше перестает быть выбором по умолчанию, поскольку конкуренция усиливается. Большое давление Anthropic на цену и функции приносит плоды. Llama борется с принятием крупными предприятиями. А Gemini упорно борется за пользователей-разработчиков после медленного старта (см. диаграмму)
#ГенИИ #Бизнес #Интервью
Ответил на 7 практических вопросов Юрия Смирнова из ibMedia.
– Говорят, искусственный интеллект скоро лишит нас всех работы: собственники компаний заменят сотрудников на ChatGPT – что скажите?
– Что будет с теми, кто уйдет?
– В каких отделах компании вы бы посоветовали внедрять ГенИИ в первую очередь?
– К каким изменениям следует готовиться бизнесу?
– Что из этого следует?
– Как за этот срок могут измениться привычные бизнес-модели?
– Сегодня все мы, от молодых специалистов до топ-менеджеров, становимся начинающими пользователями нейросетей. Поделитесь, пожалуйста, опытом: как вы используете искусственный интеллект?
Мои ответы здесь
https://ibmedia.by/news/kak-generativnyj-intellekt-izmenit-biznes-za-2-3-goda/
А в качестве обоснования моего оптимизма по поводу перспектив того, как ГенИИ изменит бизнес в ближайшие годы, рекомендую читателям познакомиться с исследованием Menlo Ventures «2024: Состояние ГенИИ на предприятиях».
Главные выводы исследования
№1 Ландшафт корпоративного ИИ переписывается в режиме реального времени. Генеративный ИИ превращается из технологии будущего в фундаментальный бизнес-инструмент (см. диаграмму)
2024 год знаменует собой год, когда генеративный ИИ стал критически важным императивом для предприятия. Цифры говорят сами за себя: расходы на ИИ 1 выросли до 13,8 млрд долларов в этом году, что более чем в 6 раз превышает 2,3 млрд долларов, потраченных в 2023 году, — четкий сигнал о том, что предприятия переходят от экспериментов к реализации, внедряя ИИ в основу своих бизнес-стратегий.
№2 Организации в первую очередь инвестируют в практические, ориентированные на рентабельность инвестиций варианты использования. Пять основных вариантов использования (генерация кода, чат-боты, корпоративный поиск, преобразование данных и подведение итогов встреч) направлены на повышение производительности и эффективности (см. диаграмму)
№3 При выборе приложений генеративного ИИ у предприятий есть четкие приоритеты: окупаемость инвестиций и отраслевая адаптация имеют наибольшее значение при выборе новых инструментов.
Удивительно, но цена не является основным вопросом; только 1% опрошенных руководителей предприятий упомянули цену как фактор выбора. Покупатели играют в долгую игру: они гораздо больше сосредоточены на инструментах, которые могут обеспечить измеримую ценность (30%) и которые понимают уникальный контекст их работы (26%), чем на тех, которые предлагают самую низкую цену (1%) - (см. диаграмму)
№4 Что поражает в принятии генеративного ИИ сегодня, так это не только масштаб, но и охват. В этом году бюджеты генеративного ИИ потекли в каждый отдел - (см. диаграмму)
№5 Рынок взрослеет. OpenAI остается лидером, но все больше перестает быть выбором по умолчанию, поскольку конкуренция усиливается. Большое давление Anthropic на цену и функции приносит плоды. Llama борется с принятием крупными предприятиями. А Gemini упорно борется за пользователей-разработчиков после медленного старта (см. диаграмму)
#ГенИИ #Бизнес #Интервью