وعده هوش مصنوعی روزانه گسترش می یابد – از رانندگی سودهای بهره وری فردی تا سازمانها برای کشف بینش قدرتمند تجاری جدید از طریق داده ها. در حالی که پتانسیل هوش مصنوعی بی حد و حصر به نظر می رسد و تأثیر آن به راحتی تصور می شود ، سفر به یک اکوسیستم واقعاً هوش مصنوعی هم پیچیده و هم چالش برانگیز است. این سفر با اجرای ، اتخاذ یا حتی به طور مداوم استفاده از هوش مصنوعی آغاز و پایان نمی یابد – در همین جا به پایان می رسد. تحقق ارزش کامل یک راه حل هوش مصنوعی در نهایت به کیفیت داده ها و افرادی که آن را پیاده سازی ، مدیریت و اعمال می کنند ، بستگی دارد.
داده ها: سنگ بنای موفقیت هوش مصنوعی
داده ها ، ثابت سازمانی. چه این یک فروشگاه راحتی مادر و پاپ باشد یا یک سازمان سازمانی ، هر مشاغل بر اساس داده ها (سوابق مالی ، موجودی ، فیلم های امنیتی و غیره) اداره می شود. مدیریت ، دسترسی و حاکمیت این داده ها سنگ بنای تحقق پتانسیل کامل هوش مصنوعی در یک سازمان است. گارتنر اخیراً ذکر کرد که 63 ٪ سازمانها یا از اعتماد به نفس برخوردار نیست یا در مورد اینکه آیا عملکرد داده های موجود یا ساختار مدیریتی آنها برای پذیرش موفقیت آمیز هوش مصنوعی کافی است ، مطمئن نیستید. فعال کردن یک سازمان برای باز کردن تمام پتانسیل های هوش مصنوعی نیاز به یک تمرین داده خوب دارد. از جمع آوری ، ذخیره سازی ، سنتز ، تجزیه و تحلیل ، امنیت ، حفظ حریم خصوصی ، حاکمیت و کنترل دسترسی – یک چارچوب و متدولوژی باید برای استفاده صحیح از هوش مصنوعی وجود داشته باشد. علاوه بر این ، کاهش خطرات و پیامدهای ناخواسته ضروری است. خط پایین ، داده ها سنگ بنای تجزیه و تحلیل و سوخت برای هوش مصنوعی شما.
دسترسی به راه حل هوش مصنوعی شما به داده های شما پتانسیل ارائه آن را تعیین می کند – بنابراین ، ما شاهد ظهور عملکردهای جدید متناسب با آن ، مدیر ارشد داده (CDO) هستیم. به عبارت ساده تر ، اگر یک راه حل هوش مصنوعی به محیطی با داده های “شناور آزاد” در دسترس برای هر کسی معرفی شود-این امر مستعد خطا ، مغرضانه ، غیر سازگار و به احتمال زیاد در معرض اطلاعات حساس و خصوصی قرار خواهد گرفت. در مقابل ، هنگامی که محیط داده غنی ، ساختار یافته ، دقیق ، در یک چارچوب و روش برای چگونگی استفاده از داده های خود از داده های خود است – هوش مصنوعی می تواند مزایای فوری را برگرداند و ساعتهای بی شماری را در مدل سازی ، پیش بینی و توسعه گرایش ذخیره کند. ساخته شده در اطراف سنگ بنای داده ها ، حقوق دسترسی و سیاست های حاکمیتی برای داده ها است که نگرانی خود را نشان می دهد – عنصر انسانی.
مردم: عامل کم ارزش در تصویب هوش مصنوعی
IDC اخیراً آن را به اشتراک گذاشت 45 ٪ مدیر عاملان و بیش از 66 ٪ CIO های مورد بررسی در مورد فروشندگان فناوری تردید را به طور کامل درک نمی کند که پتانسیل خطر نزولی هوش مصنوعی را کاملاً درک نمی کند. این رهبران در احتیاط خود توجیه می شوند. مسلماً ، عواقب خطرات IT قدیمی با هوش مصنوعی (یعنی خرابی ، تشنج عملیاتی ، حق بیمه های گران قیمت سایبری ، جریمه های انطباق ، تجربه مشتری ، نقض داده ها ، باج افزار و موارد دیگر) مشابه است و با ادغام AI در آن تقویت می شود. این نگرانی ناشی از عدم درک در مورد ریشه های ریشه برای آن عواقب یا برای مواردی است که آگاه نیستند ، اضطراب ناشی از آن Associate Enablement خدمت به عنوان کاتالیزور برای این عواقب.
سؤال مهم این است: “آیا باید در این ابزار پر هزینه IT سرمایه گذاری کنم که می تواند عملکرد کسب و کار من را در هر سطح عملکردی در معرض خطر انفجار IT به دلیل عدم آمادگی و فعال سازی کارمندان بهبود بخشد؟” دراماتیک؟ مطلقاً – ریسک تجاری همیشه است ، و ما از قبل پاسخ این سوال را می دانیم. با داشتن فن آوری های پیچیده تر و پتانسیل عملیاتی بالا ، بنابراین باید تلاش برای تیم ها بتواند از این ابزارها به صورت قانونی ، به درستی ، کارآمد و مؤثر استفاده کند.
چالش فروشنده
عدم اعتماد به نفس در درک فروشندگان فناوری فراتر از تخصص موضوع است و نشان دهنده یک موضوع عمیق تر است: عدم توانایی در بیان وضوح خطرات خاص که یک سازمان می تواند و با اجرای نادرست و انتظارات غیر واقعی با آن روبرو خواهد شد.
رابطه بین یک سازمان و فروشندگان فناوری بسیار شبیه به یک بیمار و یک پزشک بهداشت است. بیمار با یک پزشک بهداشت و درمان با علائمی که به دنبال تشخیص و امید به یک روش ساده و مقرون به صرفه است ، مشورت می کند. در شرایط پیشگیرانه ، پزشک بهداشت و درمان برای دستیابی به اهداف بهداشتی مشخص با بیمار در مورد توصیه های رژیم غذایی ، انتخاب شیوه زندگی و درمان تخصصی همکاری خواهد کرد. به همین ترتیب ، این انتظار وجود دارد که سازمانها راه حل های تجویز شده از فروشندگان فناوری را برای حل یا برنامه ریزی برای اجرای فناوری دریافت کنند. با این حال ، هنگامی که سازمان ها قادر به ارائه خطرات تجربی خاص برای محیط های IT نیستند ، عدم اطمینان اجرای AI را تشدید می کند.
حتی هنگامی که فروشندگان به طور موثری خطرات و تأثیرات احتمالی هوش مصنوعی را به طور مؤثر ارتباط برقرار می کنند ، بسیاری از سازمان ها با هزینه کل مالکیت (TCO) درگیر در ایجاد پایه و اساس لازم بازدارنده می شوند. آگاهی فزاینده ای وجود دارد که اجرای موفقیت آمیز هوش مصنوعی باید در محیط موجود آغاز شود – و تنها در صورت مدرن سازی این محیط ، سازمان ها واقعاً ارزش ادغام هوش مصنوعی را باز می کنند. این شبیه به این است که هر کسی می تواند به کابین خلبان یک سوپراسپرت F1 پرش کند و فوراً در مسابقات برنده شود. هر فرد معقول می داند که موفقیت در مسابقه نتیجه یک راننده ماهر و یک دستگاه با کارایی بالا است. به همین ترتیب ، مزایای هوش مصنوعی فقط در صورت آماده سازی ، آموزش ، آموزش و مجهز به سازمان قابل تحقق است اتخاذ و پیاده سازی آنبشر
مورد در مورد: مایکروسافت 365 کوپیلوت
Microsoft 365 Copilot نمونه ای عالی از یک راه حل هوش مصنوعی موجود است که تأثیر و ارزش بالقوه آن اغلب به دلیل انتظارات نادرست مشتریان اشتباه گرفته شده یا رقیق شده است – در نحوه اجرای AI و آنچه آنها معتقدند باید انجام دهید ، به جای درک آنچه قوطی انجام امروز ، بیش از 70 ٪ شرکت های Fortune 500 در حال حاضر در حال استفاده از Microsoft 365 Copilot هستندبشر با این حال ، ترس گسترده از اینکه هوش مصنوعی جایگزین مشاغل شود ، در مورد بیشتر برنامه های هوش مصنوعی در دنیای واقعی ، عمدتاً تصور غلط است. در حالی که جابجایی شغلی در برخی مناطق – مانند “انبارهای تاریک” کاملاً خودکار رخ داده است – مهم است که بین هوش مصنوعی به طور کلی و استفاده از آن در روباتیک تمایز قائل شود. دومی تأثیر مستقیمی در جایگزینی شغل داشته است.
در زمینه کار مدرن ، ارزش اصلی هوش مصنوعی در افزایش عملکرد و تقویت تخصص نهفته است – نه جایگزین کردن آن. AI با صرفه جویی در وقت و افزایش تولید عملکردی ، استراتژی های چابک تر به بازار و تحویل سریعتر را امکان پذیر می کند. با این حال ، این مزایا به فعال کننده های مهم متکی است:
- یک تمرین داده بالغ
- مدیریت و مدیریت دسترسی قوی
- اقدامات امنیتی قوی برای کاهش خطرات
- افراد در مورد استفاده مسئول AI و بهترین روشها فعال می شوند
در اینجا چند نمونه از پیشرفت های عملکردی AI در مناطق تجاری آورده شده است:
- رهبران فروش می توانند با استفاده از داده های چرخه عمر مشتری برای هدایت استراتژی های فروش و فروش متقابل ، بهبود حفظ و ارزش مشتری ، مدل های گرایش ایجاد کنند.
- استراتژی شرکت ها و تیم های FP و A به لطف زمان صرفه جویی در تجزیه و تحلیل واحدهای تجاری ، بینش عمیق تری کسب می کنند و امکان تراز بهتر با اهداف شرکت را فراهم می کنند.
- تیم های دریافتنی حساب می توانند با دسترسی سریعتر به داده های عملی ، بهبود دسترسی و تعامل با مشتری ، چرخه های پرداخت را با کارآمدتر مدیریت کنند.
- رهبران بازاریابی می توانند با استفاده از بینش های هوش مصنوعی در مورد عملکرد و فرصت های فروش ، استراتژی های موثرتر و با فروش با فروش را ایجاد کنند.
- تیم های عملیاتی می توانند زمان صرف شده برای آشتی داده های مالی و فروش را کاهش دهند و هرج و مرج را در طی فرایندهای پایان سه ماهه یا پایان سال به حداقل برسانند.
- تیم های موفقیت و پشتیبانی مشتری می توانند با خودکار کردن گردش کار و ساده سازی مراحل کلیدی ، زمان پاسخ و وضوح را کاهش دهند.
این مثالها فقط سطح پتانسیل AI را برای هدایت تحول عملکردی و افزایش بهره وری خراش می دهند. با این حال ، تحقق این مزایا به پایه و اساس درست نیاز دارد – سیستمهایی که به هوش مصنوعی اجازه می دهند ادغام ، سنتز ، تجزیه و تحلیل و در نهایت وعده خود را ارائه دهند.
فکر نهایی: بدون پلاگین و بازی برای AI
اجرای هوش مصنوعی برای باز کردن قفل کامل آن به سادگی نصب یک برنامه یا برنامه نیست. این ادغام یک شبکه به هم پیوسته از کارکردهای خودمختار است که کل IT شما را پشته می کند – ارائه بینش و کارآیی عملیاتی که در غیر این صورت نیاز به تلاش ، زمان و منابع دستی قابل توجهی دارد.
تحقق ارزش یک راه حل هوش مصنوعی در ساختن یک عمل داده ، حفظ یک چارچوب دسترسی قوی و حاکمیت و تأمین اکوسیستم مبتنی است – موضوعی که نیاز به شیرجه عمیق خود دارد.
توانایی فروشندگان فناوری به یک شریک ارزشمند هم به بازاریابی و هم به فعالیت بستگی دارد ، که بر روی اسطوره ها و کالیبراسیون انتظارات در مورد آنچه که از پتانسیل AI استفاده می کند ، متمرکز شده است.
