Генеративный ИИ меняет правила игры для предприятий. Узнайте о его влиянии, проблемах и способах его использования для успеха в конкурентной борьбе. Появление генеративного ИИ (GenAI) стало катализатором огромного сдвига в технологическом ландшафте, заставив поставщиков переосмыслить свои предложения и поспешить включить GenAI в свои продуктовые предложения. Это особенно актуально в сфере корпоративного поиска и извлечения информации. Этот переход не просто технологический; он включает в себя переосмысление стратегий, преодоление трудностей и использование возможностей.

Перевод и адаптация статьи Сета Эрли 07.01.2025

Первое знакомство: переломный момент

Для многих в технологическом секторе выпуск таких инструментов, как ChatGPT, стал настоящим переломным моментом в технологиях и обществе. Способность генеративного ИИ понимать естественный язык, генерировать текст, подобный человеческому, и легко интегрироваться в существующие системы вызвала как волнение, так и самоанализ.

Можно вспомнить свой «момент озарения», когда при использовании GenAI для автоматизации сложной, трудоемкой задачи — загрузки сотен фотографий. Задача была решена всего за несколько минут. Этот личный опыт сделал потенциал ИИ конкретным: автоматизация повторяющихся задач, повышение производительности человека и демократизация технических возможностей.

У других первоначальная реакция включала как благоговение, так и трепет. Работа стала в сто раз сложнее, поскольку организации пытались объяснить ценность поиска в контексте генеративного ИИ — инструмента, который часто воспринимался как замена традиционного поиска, а не как его дополнение. Эти первые впечатления представляли собой смесь любопытства, срочности и насущной необходимости определить новые ценностные предложения.

Проблемы и возможности: преодоление разрыва

Ключевые проблемы

• Скорость технологических изменений: поставщики отметили, что быстрая эволюция моделей ИИ представляет собой значительную проблему. Частые обновления — и устаревание — инструментов в области генеративного ИИ затрудняют для компаний поспевание. Когда вы видели, чтобы технология была прекращена через три месяца после запуска? Эта нестабильность порождает нерешительность, особенно среди предприятий, отдающих приоритет долгосрочной стабильности. Скорость изменений намного выше, чем могут поспевать даже технологи. Технологические изменения всегда были быстрее, чем способность организации усваивать эти изменения. GenAI делает эти изменения на порядок быстрее и сложнее для поспевания.
• Ожидания клиентов против реальности: Генеративные инструменты ИИ, такие как ChatGPT, подняли ожидания клиентов до нереалистичного уровня. Многие руководители изначально считали, что ИИ может полностью заменить поиск. Проведение POC [доказательство концепции] и ее масштабирование — это две совершенно разные вещи. Обучение заинтересованных сторон основополагающей важности поиска и гигиены данных остается критическим препятствием.
• Неприятие риска: предприятия по-прежнему осторожны в отношении развертывания генеративного ИИ, особенно в сценариях, ориентированных на клиентов. Опасения по поводу точности, галлюцинаций и соответствия нормативным требованиям часто задерживают внедрение. Существуют большие опасения ИТ-директоров по поводу судебных исков, вытекающих из дезинформации, сгенерированной ИИ, — риск, который увеличивается, когда генеративный ИИ развертывается без его обоснования в расширенной генерации поиска (RAG), где источник истины курируется и организуется для поиска.

Ключевые возможности

Несмотря на эти проблемы, генеративный ИИ открыл значительные возможности:

• Преобразование поиска в интеллект: GenAI не заменяет поиск, а скорее возвышает его, играет центральную роль в этой трансформации, позволяя ИИ генерировать ответы, основанные на данных, специфичных для предприятия. Генеративный ИИ может наконец-то устранить слабое звено во всем этом — человека. Синтезируя сложную информацию, ИИ может усилить человеческие возможности, делая результаты поиска более действенными и проницательными.
• Автоматизация процессов и повышение эффективности: компании используют модели GenAI на основе онтологий для автоматизации сложных бизнес-процессов. Объединение онтологий с ИИ позволяет организациям представлять и оптимизировать свои рабочие процессы, создавая ранее недостижимую эффективность.
• Новые бизнес-модели и варианты использования: от персонализированного клиентского опыта до расширенного устранения неполадок в торговле и поддержке — спектр потенциальных приложений продолжает расширяться. Ощутимая окупаемость инвестиций наиболее очевидна в обслуживании клиентов, так как инструменты на основе ИИ сокращают расходы, одновременно повышая качество обслуживания.

Извлеченные уроки: как избежать ловушек GenAI

За два года экспериментов и внедрения поставщики выявили 3 распространённых ошибки и извлекли из них 3 урока:

• Пропуск фундаментальной работы: многие предприятия пытаются внедрить генеративный ИИ, не решая фундаментальных проблем, таких как плохая гигиена данных или непоследовательные структуры метаданных. Многое из того, что мы делаем с генеративным ИИ, искупает наши прошлые грехи в этих областях. Эффективное развертывание ИИ требует прочной основы в архитектуре знаний и поисковой оптимизации.
• Переобещание возможностей: некоторые поставщики и предприятия попадают в ловушку «продажи желаемой функциональности» — обещания функций, которые пока невыполнимы. Прозрачность ограничений — и требований к успеху — имеет решающее значение для поддержания доверия заинтересованных сторон.
• Неправильная оценка риска: внешние приложения требуют строгих мер безопасности. Важность фреймворков GenAI и управления для минимизации таких рисков, как галлюцинации или предвзятые результаты. Внутренние приложения, хотя и менее рискованные, все еще требуют продуманного развертывания, чтобы избежать несоответствующих ожиданий.

Лучшие практики GenAI: рекомендации для предприятий

• Начните с поиска: сила генеративного ИИ заключается в его способности дополнять поиск, а не заменять его. Предприятиям следует сосредоточиться на интеграции моделей ГенИИ, чтобы гарантировать, что ответы основаны на точных, извлекаемых данных. Извлечение — самая важная концепция в ГенИИ.
• Просвещайте и согласовывайте заинтересованных лиц: внутренняя поддержка имеет решающее значение. Организации должны инвестировать в обучение руководителей тонкостям ИИ и необходимости хорошо спроектированной архитектуры знаний и информации.
• Отдайте приоритет высокоэффективным вариантам использования: начните с приложений, которые обеспечивают четкую окупаемость инвестиций, например, автоматизация обслуживания клиентов или управление внутренними знаниями, прежде чем приступать к более сложным вариантам использования, таким как интеграция нескольких систем.
• Примите составную архитектуру: чтобы идти в ногу с быстрой эволюцией ИИ, предприятиям следует принять модульные архитектуры на основе API. Такой подход обеспечивает гибкость и масштабируемость по мере появления новых технологий.
• Примите итерацию: генеративный ИИ все еще находится в стадии становления. Организациям следует принять итеративное мышление, рассматривая ранние развертывания как возможности для обучения, а не как окончательные решения.

Последствия для будущего

Поскольку генеративный ИИ продолжает развиваться, его влияние на предприятия становится все более значительным:

• ИИ как стратегический партнер: Генеративный ИИ выйдет за рамки инструмента и станет коллегой , способным выполнять задачи автономно в рамках четко определенных границ.
• Переосмысление работы, связанной со знаниями: Автоматизируя повторяющиеся и требующие больших знаний задачи, ИИ переосмыслит роли в различных отраслях, позволяя профессионалам сосредоточиться на деятельности более высокого порядка.
• Новая эра поиска и извлечения информации: будущее поиска, в основе которого лежит ИИ, находится в интеллектуальных системах, которые не только находят информацию, но и контекстуализируют и действуют на ее основе.

Принятие эры генеративного ИИ

Генеративная революция ИИ касается не только технологий; она касается трансформации того, как организации думают, действуют и предоставляют ценность. Для поставщиков это означает переосмысление стратегий и помощь предприятиям в преодолении сложностей внедрения. Для предприятий это возможность использовать потенциал ИИ для улучшения принятия решений, повышения эффективности и открытия новых возможностей.

Поскольку мы находимся на пороге этой трансформации, ключ к успеху кроется в сбалансированном подходе: внедрении инноваций и одновременном построении на основе надежной архитектуры знаний и возможностей поиска.

Об авторе

Сет Эрли — основатель и генеральный директор Earley Information Science, профессиональной сервисной компании, работающей с ведущими брендами. Он работает в сфере управления информацией более 25 лет. Его фирма решает проблемы для глобальных организаций с использованием подхода, ориентированного на архитектуру данных/информации/знаний. Эрли также является автором книги «Предприятие на базе ИИ», в которой описывается основа архитектуры знаний и информации, необходимая для корпоративного генеративного ИИ.