این مجموعه بینش‌های برتر در مورد نسل هوش مصنوعی مک‌کینزی و شاخه هوش مصنوعی آن، QuantumBlack را ارائه می‌کند و بررسی دقیقی از فرصت‌ها و چالش‌های مهمی که برای رهبرانی که به دنبال هدایت سازمان‌هایشان به آینده هستند ارائه می‌دهد.
ظهور هوش مصنوعی مولد هم چالش و هم فرصتی قابل توجه برای رهبرانی است که به دنبال هدایت سازمان خود به آینده هستند. فرصت چقدر بزرگ است؟ تحقیقات McKinsey تخمین می‌زند که هوش مصنوعی مولد می‌تواند سالانه بین ۲.۶ تریلیون تا ۴.۴ تریلیون دلار به اقتصاد اضافه کند و در عین حال تأثیر تمام هوش مصنوعی را ۱۵ تا ۴۰ درصد افزایش دهد. در فضای فناوری، رسانه و ارتباطات از راه دور (TMT)، انتظار می‌رود موارد استفاده از هوش مصنوعی نسل جدید بین 380 تا 690 میلیارد دلار تأثیر بگذارد. 60 تا 100 میلیارد دلار در ارتباطات راه دور، 80 تا 130 میلیارد دلار در رسانه و حدود 240 تا 460 میلیارد دلار در فناوری پیشرفته. در واقع، به نظر می رسد که ظرف سه سال آینده، هر چیزی که به هوش مصنوعی متصل نباشد، منسوخ یا بی اثر تلقی شود.
برخی از رهبران در حال حرکت هستند تا از این لحظه استفاده کرده و هوش مصنوعی مولد را در سازمان‌های خود در مقیاس اجرا کنند، اما برخی دیگر در مرحله آزمایشی باقی می‌مانند و برخی هنوز تصمیم نگرفته‌اند که چه کاری انجام دهند. اگر قرار است شرکت‌ها در سال‌های آینده رقابتی و مرتبط باقی بمانند، ضروری است که مدیران تأثیر بالقوه هوش مصنوعی را درک کنند و استراتژی‌های لازم را برای گنجاندن آن در عملیات خود را توسعه دهند. چنین استراتژی‌هایی شامل یک تحول بومی هوش مصنوعی است که بر ایجاد و مدیریت پذیرش نسل هوش مصنوعی متمرکز است. مک‌کینزی تحقیقات گسترده‌ای در مورد نحوه تعبیه هوش مصنوعی مولد انجام داده، تا اطمینان حاصل شود که این فناوری ارزش معناداری را ارائه می‌کند. ما همچنین بیشتر سال گذشته را صرف کار با مشتریان برای ایجاد و سپس پیاده‌سازی نقشه‌های جاده هوش مصنوعی مولد کرده‌ایم. این ترکیب تحقیقات و تجربه عملی به ما این امکان را داده است که بیش از 100 مورد استفاده از هوش مصنوعی در TMT را در هفت حوزه تجاری شناسایی کنیم.
تجربه ما از کار با مشتریان از قبل نشان می‌دهد که شرکت‌های مخابراتی می‌توانند تأثیر قابل‌توجهی با هوش مصنوعی مولد در همه عملکردهای کلیدی داشته باشند. بیشترین سهم از تأثیر کل احتمالاً مربوط به مراقبت از مشتری و فروش است که روی هم تقریباً 70 درصد از تأثیر کل را تشکیل می دهند. عملیات شبکه، فناوری اطلاعات و توابع پشتیبانی بقیه را تکمیل می کند. این فناوری در حال حاضر تأثیر معناداری در افزایش تعاملات بین کارمندان و مشتریان نشان می‌دهد: شخصی‌سازی محصولات و کمپین‌ها، بهبود اثربخشی فروش و کاهش زمان ورود به بازار می‌تواند باعث افزایش بالقوه درآمد ۳ تا ۵ درصدی شود. تعاملات مراقبت از مشتری که در آن 50 درصد از فعالیت ها می تواند خودکار باشد، دارای پتانسیل افزایش 30 تا 45 درصدی در بهره وری است و در عین حال تجربه مشتری و امتیازات رضایت مشتری را بهبود می بخشد. در سمت کارگر، تا 70 درصد از فعالیت‌های کاری تکراری می‌تواند از طریق هوش مصنوعی برای بهبود بهره‌وری خودکار شود. همچنین پتانسیل برای کارایی های جدید در جستجوی دانش، اعتبار سنجی و سنتز وجود دارد، جایی که حدود 60 درصد از فعالیت ها دارای پتانسیل اتوماسیون هستند. همچنین ابزارهای هوش مصنوعی مولد می توانند بهره وری توسعه دهندگان را 20 تا 45 درصد افزایش دهند.
این مناطق خاک غنی را برای موارد استفاده فراهم کرده، در عین حال نکته چالش‌برانگیز آن است که بتوانیم از ترسیم نقشه راه به ساختن اثبات مفهومی به مقیاس‌بندی موفقیت‌آمیز و ثبت تأثیر برسیم. سال‌ها تجربه در طراحی و پیاده‌سازی تحولات دیجیتال چیزهای زیادی به ما آموخته است، اما ماهیت و سرعت اختلال هوش مصنوعی مولد لایه جدیدی از عدم اطمینان را ایجاد می‌کند.
تبدیل شدن به یک سازمان بومی هوش مصنوعی در مقیاس مناسب، شامل استفاده حداکثری از فناوری، داده ها و حکومت است. موفقیت زمانی حاصل می شود که رهبران از یک مدل عملیاتی استفاده کنند که از نقاط قوت انسان و ماشین بهره برده، ریشه در چابکی، انعطاف پذیری و یادگیری مستمر داشته و توسط داده های قوی و استعدادهای تحلیلی پشتیبانی شود.
یکی دیگر از شرایط موفقیت، سرمایه گذاری در کیفیت و کمیت داده، تمرکز بر چرخه عمر داده ها برای اطمینان از اطلاعات با کیفیت بالا برای آموزش مدل هوش مصنوعی مولد است. ایجاد قابلیت‌هایی در معماری داده‌ها، مانند پایگاه‌های داده برداری و خطوط لوله پیش و پس از پردازش داده‌ها، توسعه موارد استفاده را ممکن می‌سازد. استعداد، داده‌ها، فناوری و حکومت هیچ‌کدام از اینها نمی‌توانند یک فکر بعدی باشند.
پیاده سازی های موفق یک چشم انداز روشن و رویکرد قاطع مشترک دارند. ما توصیه می کنیم که برنامه های مالی و بودجه های هوش مصنوعی مولد را در سال آینده حفظ یا افزایش دهید. این بودجه‌ها باید شامل منابع اختصاص داده شده به هوش مصنوعی برای شکل‌دهی و ساخت راه‌حل‌های سفارشی (به‌عنوان مثال، آموزش مدل‌های زبان بزرگ با داده‌های اختصاصی مخابراتی، به جای پیاده‌سازی نمونه‌های خارج از قفسه) یا مشارکت با فروشندگان فناوری اطلاعات برای تسریع در جدول زمانی باشد.
نشان داده شده است که سفر هوش مصنوعی شامل چالش‌ها و فرصت‌های یادگیری زیادی است، مانند آماده‌سازی و تغییر فرهنگ سازمان، یافتن مجموعه‌های داده با اندازه قابل توجه، و پرداختن به تفسیرپذیری خروجی‌های ارائه‌شده توسط مدل‌ها. رهبران باید انتظار چالش‌های دلهره‌آوری مانند کمبود استعداد، عدم تعهد سازمانی و اولویت‌بندی (از جمله در میان مدیران سطح C ) و مشکلات در توجیه بازگشت سرمایه برای موارد خاص کسب‌وکار را داشته باشند، همگی در میان تغییر چشم‌انداز مقرراتی و اخلاقی که عدم اطمینان بیشتری ایجاد می‌کند. در عین حال دلهره آور بودن به معنای غیرممکن نیست. توسعه سیستمی از پروتکل‌ها و حفاظ‌ها (مانند ساخت مدل‌های «اعتدال» برای بررسی خروجی‌ها برای ریسک‌های مختلف و اطمینان از دریافت پاسخ‌های منسجم توسط کاربران) گامی حیاتی در جهت کاهش خطرات جدید معرفی‌شده توسط هوش مصنوعی خواهد بود. کلید دیگر مدیریت تغییر خواهد بود، به صورت مشارکت کاربران نهایی در فرآیند توسعه مدل و تعبیه عمیق فناوری در عملیات آنها.
این مجموعه بینش های برتر در مورد نسل هوش مصنوعی مک کینزی و شاخه هوش مصنوعی آن، QuantumBlack را ارائه داده و بررسی دقیقی از پتانسیل تحول آفرین این فناوری برای سازمان ها ارائه می دهد. این راهنمای مدیریت ارشد در مورد چگونگی آماده شدن برای اجرای نسل جدید هوش مصنوعی ارائه شده و پیامدهای استفاده از نسل هوش مصنوعی توسط صنایع، به ویژه ارتباطات راه دور را بررسی می کند. این مجموعه الزامات ضروری برای استقرار هوش مصنوعی مولد، از جمله آمادگی سازمانی، مدیریت داده ها، و ملاحظات فناوری را پوشش می دهد. همچنین بر اهمیت مدیریت موثر ریسک های مرتبط با اجرای هوش مصنوعی تاکید می کند. علاوه بر این، این مجموعه یک نمای کلی از پیشرفت‌های مورد انتظار در زمینه هوش مصنوعی مولد ارائه می‌دهد.
هوش مصنوعی مولد به تکامل خود ادامه خواهد داد. قابلیت‌های جدید، مانند توانایی تجزیه و تحلیل و درک تصاویر یا صدا، و یک اکوسیستم در حال گسترش با بازارهایی برای GPT (ترانسفورماتورهای از پیش آموزش‌دیده مولد) دائماً در حال ظهور هستند. حرکت در این مسیر برای رهبران دارای ریسک بالا بوده اما فرصت های بسیار بزرگی نیز فراهم می کند، که این امر موجب شده تا حرکت در این مسیر به امری ضروری برای تمامی کسب و کارها تبدیل شود.