Przejęcia, innowacje, inicjatywy cyfrowe, inwestycje i dezinwestycje – jako dyrektor finansowy nadajesz ton sposobom oceny tych możliwości i odważniejszych zakładów oraz pomagasz kształtować sposób, w jaki interesariusze wewnętrzni i zewnętrzni kształtują swoje rozumienie alokacji kapitału firmy. Poniżej kilka wartościowych informacji pomocnych w zrozumieniu inwestycji w sztuczną inteligencję.
Ostatnio ukazało się kilka ciekawych raportów, przygotowanych na podstawie badań postaw przedsiębiorstw, na temat wykorzystania AI w biznesie. W mediach jest bowiem wielki rozgłos, tymczasem zastosowania są znacznie mniej spektakularne, ale są. Biznes w ogóle nie zajmuje się dywagacjami o ewentualnej władzy sztucznej inteligencji nad człowiekiem czy o naturze człowieczeństwa czy o przyszłości naszej cywilizacji. Z jednym wyjątkiem ? jeśli coś chce wymusić na regulatorach, administracji państwowej czy prawodawcach to uderza w te właśnie tony. Biznes trzyma się konkretnych praktycznych zastosowań i na bieżąco sprawdza ich wpływ na wyniki.
Przytoczę dane i opinie z raportów Gartnera, McKinseya oraz z analiz azjatyckich mediów.
Szczególnie ciekawe są dwie różnice
– między podejściem firm, które już mają spore doświadczenia z tą technologią a tymi, które dopiero wchodzą w pierwsze zastosowania
– między korzyściami, które widzą firmy cywilizacji zachodu a tymi, które dostrzegają firmy azjatyckie.
Prognozy firmy Gartner dotyczące generatywnej sztucznej inteligencji
Zdaniem analityków Gartnera liderzy biznesowi mają do czynienia z trzema nowymi zestawami oczekiwań, w których generatywna sztuczna inteligencja może im pomóc:
- Inwestorzy oczekują nowych źródeł wzrostu i lepszych marż.
- Klienci będą wykorzystywać generatywną sztuczną inteligencję (GenAI) w swoim codziennym życiu ? i oczekują tego samego od dostawców produktów i usług dla siebie.
- Pracownicy opuszczą organizacje, w których ludzie wykonują pracę, z którą poradziłaby sobie generatywna sztuczna inteligencja.
Do 2025 roku 30% wychodzących komunikatów marketingowych z dużych organizacji będzie generowanych syntetycznie. To wzrost z mniej niż 2% w 2022 r.
Do 2025 roku 35% dużych organizacji będzie miało dyrektora AI, który będzie podlegał dyrektorowi generalnemu lub dyrektorowi operacyjnemu.
Do 2026 r., pomimo wszystkich postępów w dziedzinie sztucznej inteligencji, wpływ na globalne miejsca pracy będzie neutralny ? nie nastąpi spadek ani wzrost netto.
Do 2033 r. dzięki rozwiązaniom AI powstanie ponad pół miliarda nowych miejsc pracy netto.
Do 2025 roku wykorzystanie danych syntetycznych zmniejszy ilość rzeczywistych danych potrzebnych do uczenia maszynowego o 70%.
Analizy McKinseya
Dane ankietowe z badań McKinseya nie pokazują, że narzędzia AI Gen napędzają ogólne wdrażanie sztucznej inteligencji przez organizacje. Od trzech lat odsetek organizacji, które wdrożyły sztuczną inteligencję, utrzymuje się na stałym poziomie. Mniej niż jedna trzecia respondentów z tych organizacji nadal twierdzi, że wdrożyli sztuczną inteligencję w więcej niż jednej funkcji biznesowej, co sugeruje, że zakres wykorzystania sztucznej inteligencji pozostaje ograniczony.
Niektóre inne wnioski McKinseya są zbieżne ze spostrzeżeniami Gartnera. Najczęściej korzystają z tych nowych narzędzi marketing i sprzedaż, rozwój produktów i usług oraz operacje serwisowe, np. obsługa klienta i back-office.
Respondenci tej firmy uważają, że największe zmiany w naturze konkurencji nastąpią co oczywiście w branży technologicznej oraz bankowości, farmacji i produktach medycznych oraz edukacji . Z kolei branże oparte na produkcji, takie jak lotnictwo, motoryzacja i zaawansowana elektronika, mogą doświadczać mniej zasadniczych skutków. Warto zapamiętać tę odpowiedź, bowiem Azjaci odpowiedzą całkiem inaczej.
Wysiłki firm, które już wykorzystują AI na wysokim poziomie, są mniej zorientowane na redukcję kosztów, co pozostaje najwyższym priorytetem w innych organizacjach. Ci pierwsi respondenci też dwa razy częściej niż inni twierdzą, że głównym celem ich organizacji dla AI jest tworzenie całkowicie nowych biznesów lub źródeł przychodów ? i najczęściej wymieniają wzrost wartości istniejących ofert dzięki nowym funkcjom opartym na sztucznej inteligencji.
W Azji koncentracja na przemyśle
Poniższe przykłady nie pochodzą z jednego raportu, lecz są zbiorem przykładów opublikowanych w różnych azjatyckich mediach.
Przykłady obejmują:
- Farmaceutyki: Astellas Pharma stworzyła komórkową platformę do odkrywania leków integrującą ludzi, sztuczną inteligencję i robotykę, która, jak twierdzi, może skrócić czas pozyskiwania potencjalnych związków o około 70% w przypadku udanych przypadków. Jest obecnie wykorzystywany we wspólnym projekcie badawczym z Centrum Badań i Zastosowań Komórek iPS Uniwersytetu w Kioto w celu tworzenia innowacyjnych rozwiązań medycznych.
- Medycyna regeneracyjna: Canon planuje zastosować swoją sieć neuronową głębokiego uczenia się do przetwarzania obrazów w medycynie regeneracyjnej po przejęciu technologii szybkiego systemu hodowli komórek firmy Kyoto Seisakusho
- Wsparcie pracowników fabrycznych: Firma Hitachi opracowała system ?wykrywania odchyleń od pracy w czasie rzeczywistym? oparty na głębokim uczeniu, który zmniejsza nieefektywność wynikającą z interakcji ludzi i maszyn w wysoce zautomatyzowanych fabrykach. Firma wykorzystuje również sieci neuronowe do poprawy wykrywania usterek w złożonych urządzeniach, systemach i sieciach przemysłowych i infrastrukturalnych.
- Logistyka łańcucha dostaw: Hitachi opracowała również algorytmy maksymalizujące wydajność złożonych sieci łańcucha dostaw obejmujących wiele fabryk, magazynów i sklepów połączonych lądem, morzem i powietrzem. Obejmuje to planowanie produkcji, zarządzanie zapasami i maksymalizację wydajności tras dostaw.
- Kontrola jakości: NEC wykorzystuje uczenie maszynowe do standaryzacji i przyspieszenia kontroli produktów, oszczędzając czas poświęcony na kontrolę wizualną i poprawiając dokładność poprzez obiektywną analizę danych. Chodzi m.in. o analizę w czasie rzeczywistym temperatury, wibracji, ciśnienia, napięcia, natężenia przepływu i innych danych z czujników do monitorowania obiektów wytwarzających energię. Umożliwia to wykrycie anomalii na wczesnym etapie objawów.
- Systemy wbudowane: producent półprzewodników Renesas umieścił sztuczną inteligencję w systemach wbudowanych (e-AI) w celu uruchamiania wnioskowania na swoich MCU, MPU i akceleratorach AI. Umożliwia to przetwarzanie w czasie rzeczywistym bez opóźnień sieciowych charakterystycznych dla przetwarzania w chmurze. Zastosowania obejmują monitorowanie automatyki fabrycznej (w celu radzenia sobie na przykład z nietypowymi wibracjami), zautomatyzowaną koordynację urządzeń systemowych i sterowanie silnikami lub przewidywanie innych awarii.
- Metrologia półprzewodników : Hitachi stosuje głębokie uczenie się w skaningowej mikroskopii elektronowej wymiarów krytycznych (CD-SEM), aby dokładniej mierzyć defekty w otworach o wysokim współczynniku proporcji w urządzeniach półprzewodnikowych 3D (np. pamięć flash NAND) po wytrawieniu, a tym samym usprawnić proces kontrola. Hitachi produkuje również sprzęt do wytrawiania.
Lista jest długa i obejmuje opiekę zdrowotną, kontrolę ruchu, gospodarkę odpadami, wydajność turbin wiatrowych ? wszystko, co wymaga przetwarzania ogromnych ilości danych.
Sztuczna inteligencja prawdopodobnie jest technologią przełomową dla gospodarek i społeczeństw, jednak dla każdej kultury będzie przełomowa inaczej i w innych stopniu. I to właśnie ta kultura, a nie sama technologia, przesądzi kto będzie przodował w tym wyścigu.
Poruszymy te tematy również na jesiennej konferencji Klubu Dyrektorów Finansowych „Dialog” 22.09 „Azymut dla CFO”. Rejestracja na konferencję https://cforoku.pl/rejestracja-na-konferencje/