Istnieje niezliczona ilość przypadków użycia generatywnej sztucznej inteligencji w różnych branżach. Widzimy, że różne branże wdrażają tę technologię, aby osiągnąć określone wyniki biznesowe lub stawić czoła wspólnym wyzwaniom, przed którymi stoi każda organizacja.
Dzięki możliwości autonomicznego generowania treści i symulowania wyników podobnych do ludzkich, generatywna sztuczna inteligencja znalazła zastosowanie we wszystkich branżach. W tak różnorodnych dziedzinach, jak marketing, doświadczenie klienta, zaangażowanie obywateli, a także procesy specyficzne dla danej branży, takie jak na przykład automatyzacja zarządzania łańcuchem dostaw w produkcji.
Jednym z pierwszych przypadków użycia, który zostanie przyjęty przez organizacje, są aplikacje konwersacyjne . Mogą to być wirtualni asystenci i chatboty, tłumaczenia językowe i spersonalizowane rekomendacje.
Innym przypadkiem użycia obejmującym różne branże są aplikacje marketingowe , które można powszechnie zastosować, w zależności od wrażliwości danych klienta/obywatela/pacjenta i apetytu branży na marketing internetowy. Na przykład automatyzacja mediów społecznościowych, obsługa klienta za pośrednictwem chatbotów i spersonalizowane kampanie marketingowe mogą zostać wykorzystane do zwiększenia widoczności organizacji, a jednocześnie zwiększenia efektywności inwestycji marketingowych.
Trzeci przypadek użycia, obejmujący różne branże, to aplikacje do zarządzania wiedzą . Ten przypadek użycia można zaobserwować w organizacjach stosujących się do identyfikowania istniejącej wiedzy, podsumowywania wiedzy oraz do tłumaczenia językowego i kontekstualizacji geograficznej.
Jednak branże wdrażają technologie w oparciu o swoje specyficzne potrzeby, cele i wymagania klientów. Unikalne procesy, regulacje i dynamika rynku wymagają dostosowanych technologii i nie inaczej będzie w przypadku generatywnej sztucznej inteligencji.
Zróżnicowane wymagania branżowe, ograniczenia zasobów, konkurencja i etapy dojrzałości technologicznej wpływają na zróżnicowane wdrażanie technologii w organizacjach. Teraz chcielibyśmy zbadać, w jaki sposób kilka branż podchodzi do generatywnej sztucznej inteligencji i wzorców wdrażania technologii w każdej branży :
Finanse
W stale zmieniającym się krajobrazie branży usług finansowych pojawienie się technologii generatywnej sztucznej inteligencji, na czele której stoi ChatGPT firmy Open AI, przyciągnęło znaczną uwagę CIO.
Chociaż niektórzy wyrażają obawy dotyczące prywatności i etyki, a inni zmagają się ze zrozumieniem pełnego potencjału, istnieje rosnące poczucie pilności wynikające ze strachu przed przegapieniem (FOMO). Wbrew obawom sceptyków branża wykazała zmianę punktu ciężkości w kierunku zwiększania możliwości specjalistów z zakresu usług finansowych, a nie poszukiwania ich zastępowania.
Wykorzystując moc dużych modeli językowych, instytucje finansowe dążą do centralizacji wiedzy, zapewniając agentom i profesjonalistom niezbędne informacje w celu poprawy doświadczeń klientów i optymalizacji wydajności operacyjnej.
Doskonałym przykładem tej progresywnej trajektorii jest Sedgwick, wiodący globalny dostawca zewnętrznych usług zarządzania roszczeniami. Pomyślnie zintegrowała wersję Open API ChatGPT o nazwie „Sidekick” ze swoim wyrafinowanym systemem obsługi roszczeń, co stanowi przykład zaangażowania firmy Sedgwick w ulepszanie procesu obsługi roszczeń i zapewnianie niezrównanej obsługi klienta.
Inna godna uwagi aplikacja zyskująca na popularności polega na wykorzystaniu generatywnej sztucznej inteligencji w celu ulepszenia interfejsów konwersacyjnych. Rewolucjonizując możliwości konwersacyjne, generatywna sztuczna inteligencja umożliwia reakcje bardziej ludzkie i ułatwia złożone interakcje. Helvetia, pionierka w dziedzinie usług ubezpieczeniowych, podjęła śmiałe przedsięwzięcie, uruchamiając usługę bezpośredniego kontaktu z klientem z wykorzystaniem ChatGPT OpenAI.
Ta eksperymentalna inicjatywa ma na celu zapewnienie płynnego dostępu do różnych produktów finansowych, pokazując ogromny potencjał generatywnej sztucznej inteligencji w przekształcaniu interakcji z klientami.
Energia (media oraz ropa i gaz)
Według niedawnego badania IDC – Future Enterprise Resiliency & Spending Survey Wave 2, marzec 2023 (FERS) – branża użyteczności publicznej na świecie zajmuje drugie miejsce pod względem inwestycji w generatywne technologie AI w roku 2023 (40% respondentów), wyprzedzając światową -średnia w branży 24%.
Podkreśla to ogromny potencjał innowacji, wzmacniania pracy ludzkiej i odkrywania na nowo procesów pracy w przedsiębiorstwach użyteczności publicznej. Oczekiwanymi rezultatami są automatyzacja niektórych zadań i transformacja wspomagana sztuczną inteligencją.
Podczas gdy branża użyteczności publicznej wciąż znajduje się w fazie eksploracyjnej, polegającej na identyfikowaniu owocnych przypadków użycia, generatywna sztuczna inteligencja jest obiecująca w takich obszarach, jak generowanie treści na potrzeby sprzedaży i aplikacji do generowania kodów marketingowych. Poprawa produktywności i doświadczenia pracowników, aplikacji konwersacyjnych do obsługi klienta i usprawnień CX oraz zarządzania wiedzą, co jest szczególnie istotne, biorąc pod uwagę wyzwanie, jakim jest starzejąca się siła robocza w sektorze użyteczności publicznej.
Z drugiej strony wydaje się, że organizacje naftowo-gazowe zajmują bardziej konserwatywne stanowisko.
Badanie FERS pokazuje, że zaledwie 18% przedsiębiorstw naftowo-gazowych na świecie jest skłonnych inwestować w technologie generatywnej sztucznej inteligencji w 2023 r.
Jednakże 82% aktywnie prowadzi wstępne oceny w celu zidentyfikowania potencjalnych przypadków użycia. Oceny te obejmują ocenę wykorzystania generatywnej sztucznej inteligencji do autentycznych symulacji obejmujących wiele scenariuszy i możliwości przewidywania w operacjach związanych z aktywami, generowanie obrazów podpowierzchniowych przy użyciu mniejszej liczby skanów danych sejsmicznych w górnej części przedsiębiorstwa oraz generowanie tekstu przypominającego człowieka w celu zapewnienia odpowiedzi na zapytania domenowe. szczegółowe pytania do liderów biznesu.
Produkcja
W pierwszych miesiącach 2023 r. zaobserwowano wzrost zainteresowania generatywną sztuczną inteligencją i ponowne skupienie się na sztucznej inteligencji w ogóle.
Chociaż organizacje produkcyjne nie jako pierwsze przyjęły generatywną sztuczną inteligencję, stopniowo dostrzegają potencjał tej technologii w zakresie wykorzystania ogromnych zasobów badawczych do tworzenia różnorodnych treści, w tym tekstu, wideo, obrazów i środowisk wirtualnych.
Wśród respondentów badania IDC 2023 Manufacturing Survey 27% już inwestuje w technologie generatywnej sztucznej inteligencji, a dodatkowe 38% zajmuje się eksploracją podstawową. Marketing wiedzy i aplikacje marketingowe to obszary, w których organizacje dostrzegają krótkoterminowe korzyści, prawdopodobnie ze względu na dostępność przyjaznej dla użytkownika i łatwo dostępnej technologii, takiej jak ChatGPT.
Co więcej, producenci uważają, że generatywna sztuczna inteligencja może mieć znaczący średnioterminowy wpływ na różne aspekty ich działalności, takie jak planowanie produkcji, kontrola jakości, konserwacja oparta na sztucznej inteligencji, generowanie kodu dla programowalnych sterowników logicznych, rozwój produktu, projektowanie (w tym modelowanie, testowanie i zarządzanie cyklem życia produktu) oraz sprzedaż (w tym analiza danych klientów i zarządzanie treścią).
Jednakże istnieją ciągłe wyzwania związane z maksymalizacją wartości AI/ML w organizacjach produkcyjnych. Wielu organizacjom w dalszym ciągu brakuje narzędzi niezbędnych do rozwiązania problemów związanych z dostępnością i jakością danych. IDC zauważa, że często brakuje wewnętrznych zdolności i szkoleń w zakresie wykorzystania technologii i narzędzi analitycznych opartych na sztucznej inteligencji.
Rząd
Narzędzia generatywne AI, takie jak ChatGPT, Bard, Dall-E 2, Vall-E, Stable Diffusion i inne, w ciągu kilku miesięcy szybko przekształciły się z tajemnych terminów znanych tylko ekspertom AI w tematy popularnych dyskusji w gazetach i telewizyjnych talk show .
Uruchomienie ChatGPT przez OpenAI pod koniec 2022 r. wywołało falę ciekawości i spekulacji wśród firm publicznych, prywatnych i administracji publicznej. Początkowo decydenci zachowywali ostrożność, ale urzędnicy wyższego szczebla szybko zainteresowali się generatywną sztuczną inteligencją. W związku z tym niektóre jurysdykcje zaczęły wydawać wytyczne.
Na przykład rząd Zjednoczonych Emiratów Arabskich opublikował wytyczne zachęcające do stosowania generatywnej sztucznej inteligencji i przedstawiające pomysły na potencjalne przypadki użycia.
Rząd Portugalii ogłosił „Praktyczny przewodnik po dostępie do wymiaru sprawiedliwości”, który wykorzystuje platformę ChatGPT, aby pomóc obywatelom uzyskać informacje prawne w przystępny sposób.
W innym intrygującym przypadku członek włoskiego parlamentu wykorzystał generatywną sztuczną inteligencję do napisania przemówienia, zaskakując innych senatorów, ujawniając pod koniec debaty jej wygenerowany komputerowo charakter.
W dłuższej perspektywie generatywna sztuczna inteligencja może poprawić doświadczenia obywateli, zwiększyć kompetencje i potencjał urzędników służby cywilnej, którzy często borykają się z przytłaczającą liczbą dokumentów i spraw, a także pomóc administracjom mającym trudności z zatrudnieniem nowych talentów.
Obecnie jednak żadna większa jednostka rządowa w Europie, na Bliskim Wschodzie i w Afryce (EMEA) nie wdrożyła generatywnej sztucznej inteligencji na dużą skalę. Niemniej jednak opracowywane są liczne pomysły, programy pilotażowe i prototypy, aby zrozumieć potencjalne korzyści w zakresie doświadczeń obywateli i pracowników, zwiększonej efektywności operacyjnej, zwiększonego zaufania i zgodności, zrównoważenia środowiskowego oraz wyzwań związanych z zarządzaniem i technicznymi, którymi należy się zająć.
Opieka zdrowotna
Europejskie organizacje zajmujące się opieką zdrowotną w coraz większym stopniu dostrzegają zalety generatywnej sztucznej inteligencji we wzmacnianiu pozycji pacjentów i lekarzy oraz angażowaniu ich.
Najbardziej obiecującym obszarem inwestycji są aplikacje do zarządzania wiedzą, które umożliwiają bardziej wydajny i skuteczny przepływ informacji między pracownikami służby zdrowia, co ostatecznie prowadzi do lepszej opieki nad pacjentem.
Na przykład generatywną sztuczną inteligencję można zastosować do tworzenia lub integrowania dokładniejszych historii pacjentów i identyfikowania wzorców chorób, co znacznie zwiększa zdolność do stawiania trafnych diagnoz i opracowywania skutecznych planów leczenia.
Skuteczne wdrażanie generatywnej sztucznej inteligencji w opiece zdrowotnej napotyka jednak ograniczenia związane zarówno z danymi, jak i modelami. Modele generatywnej sztucznej inteligencji wymagają szeroko zakrojonych szkoleń na dużych ilościach danych wysokiej jakości.
Jakość danych dotyczących opieki zdrowotnej jest bardzo zróżnicowana, a ich dostępność może być ograniczona ze względu na prywatność i względy etyczne. Ponadto generatywne modele sztucznej inteligencji mają ograniczenia pod względem odtwarzalności ze względu na ich probabilistyczny charakter i złożoną architekturę. Podważa to wiarygodność i wiarygodność modeli, zwłaszcza gdy są wykorzystywane do wspierania podejmowania decyzji klinicznych.
Sprzedaż detaliczna
Branża handlu detalicznego rozwija się szybciej, niż jest w stanie nadążyć ludzki tempo. Zmieniające się oczekiwania i potrzeby klientów, zacięta konkurencja i dążenie do zwiększonej efektywności procesów – między innymi – to czynniki skłaniające sprzedawców detalicznych do szybkiego eksperymentowania z nowymi technologiami.
Tak naprawdę w 2022 r. gazety były pełne tytułów odważnych sprzedawców detalicznych i marek trafiających do metaświata, podczas gdy w 2023 r. uwaga przeniosła się już na generatywną sztuczną inteligencję. Jednakże chociaż inicjatywy metaverse sprzedawców detalicznych już ostygły na rzecz nowych form przetwarzania (przestrzennego), technologie generatywnej sztucznej inteligencji (takie jak ChatGPT i Dall-E) oraz rozwiązania oparte na LLM lub modelach przetwarzania tekstu na obraz mogą mieć znaczący wpływ na transformację biznesową w całym łańcuchu wartości handlu detalicznego.
Dane IDC pokazują, że 40% sprzedawców detalicznych jest w początkowej fazie eksploracji tej technologii, a 21% aktywnie inwestuje we wdrażanie generatywnych narzędzi AI w nadchodzącym roku. Widzimy już kilka odpowiednich zastosowań w obszarach rozwoju produktów, merchandisingu, łańcucha dostaw, marketingu i obsługi klienta.
Organizacje takie jak Coca-Cola, Mattel i Carrefour pilotażowo wdrażają generatywne zastosowania sztucznej inteligencji – choć nadal na ograniczoną skalę i głównie w oparciu o podejście polegające na testowaniu i uczeniu się.
Według ustaleń IDC 50% sprzedawców detalicznych spodziewa się, że w ciągu najbliższych 18 miesięcy priorytetowo potraktuje przypadki wykorzystania generatywnej sztucznej inteligencji w celach marketingowych. W szczególności generatywna sztuczna inteligencja może mieć ogromny wpływ na automatyzację i personalizację zasobochłonnych i czasochłonnych procesów e-commerce, takich jak opisy stron produktów, obrazy/filmy i kopie marketingowe.
Na przykład chiński gigant handlu elektronicznego JD.com ogłosił rychłe wydanie własnego rozwiązania ChatGPT przeznaczonego dla handlu detalicznego, którego celem jest poprawa rankingów produktów sprzedawców internetowych w SERP, generowanie opisów produktów dostosowanych do preferencji kupującego i optymalizacja online obrazy produktów i procesy generowania wideo.
Ogólnie rzecz biorąc, jak pokazują przytoczone powyżej dane IDC, najbardziej obiecującym i najbliższym obszarem inwestycji w generatywną sztuczną inteligencję w sektorze detalicznym jest marketing, a dokładniej marketing cyfrowy.
Nawet jeśli w niedalekiej przyszłości technologia ta może postawić ważne pytania dotyczące udostępniania danych zastrzeżonych i prywatności danych klientów, bez wątpienia wykorzystanie generatywnej sztucznej inteligencji do generowania tekstu i obrazów mogłoby znacznie ulepszyć i usprawnić zakupy w handlu elektronicznym, prowadząc do wyższa rentowność kanałów internetowych detalistów.
Architektura, inżynieria i budownictwo
Sektor środowiska zabudowanego od dawna uważany jest za opóźniony w rozwoju, jeśli chodzi o produktywność i wdrażanie technologii cyfrowej. Jednak powstające technologie, w tym generatywna sztuczna inteligencja, przyspieszają innowacje w całym sektorze i dostosowują je do innych branż.
Według ankiety IDC (Future Enterprise Resiliency & Spending Survey Wave 2, IDC, marzec 2023 r.) 25% firm z branży surowcowej i budowlanej inwestuje w tym roku w technologie generatywnej sztucznej inteligencji, czyli nieco powyżej średniej w branży.
Potencjał rozpiętości wytwórczych w całym cyklu życia budynku. Podczas planowania i projektowania budynku tworzenie rysunków i modeli BIM zajmuje zazwyczaj tygodnie lub miesiące. Generatywna sztuczna inteligencja może generować projekty budynków w ciągu jednego popołudnia w oparciu o wcześniej zdefiniowane kryteria, takie jak przepisy budowlane, warunki terenowe i standardy zrównoważonego rozwoju.
Proces budowlany również jest gotowy na innowacje: badania pokazują, że konieczność poprawiania błędów podczas projektów stanowi od 5% do 12% kosztów. W tym przypadku generatywna sztuczna inteligencja może tworzyć zoptymalizowane harmonogramy budowy oraz usprawniać łańcuch dostaw i planowanie materiałów.
Możliwości rozciągają się od eksploatacji budynku aż po jego rozbiórkę i recykling.
Podobnie jak w przypadku wszystkich branż, możliwości te należy zrównoważyć z potencjalnym ryzykiem. W przypadku firm AEC istnieją szczególne zagrożenia bezpieczeństwa fizycznego związane z wykorzystaniem generatywnej sztucznej inteligencji do automatyzacji projektów budynków i kontroli zgodności. W trakcie pilotażu i wdrażania tych technologii konieczne będzie wprowadzenie odpowiednich zabezpieczeń i kontroli.
Modele generatywnej sztucznej inteligencji wymagają również szeroko zakrojonych szkoleń w zakresie dużych zbiorów danych wysokiej jakości: dziedzictwo branży związane z niedojrzałością cyfrową i fragmentacją danych będzie miało wpływ na tempo innowacji, ale nie spowoduje ich zahamowania.
Idąc dalej
Podsumowując, ponieważ dziedzina generatywnej sztucznej inteligencji nadal szybko ewoluuje, niezwykle ważne jest kultywowanie strategii, które umożliwią nam poruszanie się w szumie i odróżnianie szumu od rzeczywistości.
Zdobywając pełne zrozumienie prawdziwego potencjału i ograniczeń tej technologii, możemy skutecznie wykorzystać jej moc. Szerokie zastosowania generatywnej sztucznej inteligencji w różnych branżach mogą potencjalnie zmienić sposób, w jaki organizacje zarządzają swoją działalnością oraz zwiększyć wydajność i produktywność.
Jednak wśród emocji i szumu ważne jest, aby podejść do tematu wnikliwym okiem. Przyjęcie podejścia opartego na przypadkach użycia, które ujawnia namacalne dowody oparte na wynikach ze świata rzeczywistego, staje się koniecznością zarówno dla dostawców technologii, jak i organizacji użytkowników końcowych.
Czerpanie z praktycznych zastosowań i doświadczeń ze świata rzeczywistego zapewnia bezcenny kontekst, pozwalający nam odróżnić przesadne twierdzenia od prawdziwych osiągnięć. Nadając priorytet badaniu przypadków użycia i szukając konkretnych wyników, pogłębiamy nasze zrozumienie prawdziwego potencjału i ograniczeń generatywnej sztucznej inteligencji.
Innym aspektem wnikliwej strategii, jeśli chodzi o generatywną sztuczną inteligencję, jest poleganie na ekspertach tematycznych i szukanie spostrzeżeń związanych z daną branżą, ponieważ doświadczeni specjaliści w tej dziedzinie są najlepszym źródłem wiarygodnych i aktualnych informacji . Co więcej, ten artykuł został napisany przez kilku ludzi i oparty na ludzkiej inteligencji za pomocą komputerów, a nie generatywnej sztucznej inteligencji.
Artykuł publikujemy dzięki uprzejmości IDC, gdzie ukazał się po raz pierwszy.