Oceniając wartość nowej technologii — co przychodzi na myśl? Ocena wartości Generative AI spotkała się z dużym zainteresowaniem ze względu na jej nowatorstwo, unikalne zastosowania i potencjalny wpływ na świat biznesu. „Szum” przyczynił się do zgłoszonej wielkości rynku generatywnej sztucznej inteligencji : 8 miliardów dolarów w 2021 r., przy CAGR na poziomie 34,6% do 2030 r. Ale prawdziwy wpływ generatywnej sztucznej inteligencji — to tylko tyle, jak dotąd — potencjał do tworzenia wartość, ale nie rzeczywista wartość.

Na co tak naprawdę firmy wydają te 8 miliardów dolarów?

Czy wydatki naprawdę idą w kierunku sztucznej inteligencji? A może jest to więcej inżynierii danych i trochę uczenia maszynowego ? W tej chwili trudno powiedzieć, ponieważ szum i tajemnica „generatywnej sztucznej inteligencji” zawyżają wyceny i zasilają dziesiątki nagłówków.

Z generatywną sztuczną inteligencją pochłoniętą własnym cyklem szumu, firmy ryzykują, że wpadną w dreszczyk emocji związany z nowym wynalazkiem, impulsywnie inwestując poważne pieniądze i czas. Ale jak każdy nowy, błyszczący wynalazek, firmy nie powinny spieszyć się z przyjęciem generatywnej sztucznej inteligencji bez zastanowienia się, jak wydobyć rzeczywistą wartość. To jest zasadnicza różnica między innowacją a wynalazkiem.

Buzz nie równa się wartości

Generatywna sztuczna inteligencja to forma sztucznej inteligencji, która tworzy nowe treści sieciowe, w tym tekst, obrazy i mowę. Pomyśl o ChatGPT, modelu, który komunikuje się z użytkownikami w celu generowania nowych danych na podstawie prostych żądań. Ten aspekt generatywny oznacza krok transformacyjny: wcześniej sztuczna inteligencja i uczenie maszynowe (ML) mogły analizować tylko istniejące dane lub działać na ich podstawie.

Generowanie nowych treści

Obietnica generowania nowych treści netto sprawia, że firmy ślinią się na myśl o możliwości zastosowania technologii w swoich procesach i systemach. Widzimy już generatywną sztuczną inteligencję używaną do:

  • Opracuj oryginalne treści (pisanie, zdjęcia, wideo).
  • Twórz duże ilości danych syntetycznych lub danych o danych, które mogą służyć do trenowania innych modeli uczenia maszynowego lub testowania nowych produktów i usług.
  • Przejrzyj duże zestawy danych, aby wyróżnić wzorce.
  • Personalizuj wrażenia użytkownika i treści w ramach doświadczenia produktu lub usługi cyfrowej.
  • Automatyzuj powtarzalne zadania, takie jak wprowadzanie danych lub dodawanie adnotacji do obrazów.

Chociaż generatywna sztuczna inteligencja może znacząco wpłynąć na świat biznesu, konkretne korzyści płynące z tej technologii będą się różnić w zależności od firmy, branży i zastosowania.

Innowacja wykracza poza zwykły wynalazek

Podczas gdy generatywna sztuczna inteligencja rozbudziła zbiorową wyobraźnię, firmy przygotowane na sukces w następnej fali gospodarki cyfrowej nie będą gonić za najbłyskotliwszą nową technologią, nie stawiając na pierwszym miejscu wartości dla klienta lub firmy. Rozumieją, że innowacja polega na robieniu czegoś w nowy sposób, co generuje wartość — nawet jeśli to coś nowego jest wykonywane przy użyciu starszych narzędzi.

Na przykład atrakcyjne może się wydawać włączenie uczenia maszynowego do silnika rekomendacji produktów w celu wydawania rekomendacji użytkownikom. W końcu to bardziej nowatorski wynalazek. Ale drzewo decyzyjne może generować dokładne rekomendacje produktów mniej więcej równie skutecznie, a jednocześnie jest szybsze w budowie i tańsze w utrzymaniu.

Jaki jest cykl życia generatywnej sztucznej inteligencji?

Generatywna sztuczna inteligencja jest wciąż na wczesnym etapie swojego cyklu życia — w fazie nowych, błyszczących wynalazków — i nie miała zbyt wiele czasu, aby osiągnąć znaczący sukces komercyjny w świecie rzeczywistym. Ludzie niechętnie podejmują konsekwentne decyzje na podstawie danych, których nie mogą zweryfikować. Ten naturalny (i zdrowy) sceptycyzm wzrasta, gdy osoba lub firma nie rozumie, w jaki sposób ta technologia generuje dane.

Dane zebrane i przekształcone

Sposób gromadzenia i przekształcania danych w celu wykorzystania ich przez sztuczną inteligencję wpływa na jakość i wartość, jaką sztuczna inteligencja może zapewnić przedsiębiorstwom. Ta uwaga wymaga znacznych inwestycji, aby uwzględnić zwrot z inwestycji. Większość firm ma już problemy z obecnymi systemami zakopanymi pod stosami cennych informacji, z którymi trudno jest pracować, więc nie możemy przeoczyć tego faktu.

Organizacje, które odniosą sukces w 2023 r., będą wprowadzać innowacje, pamiętając o tej rzeczywistości. Nie będą budować technologii dla samej technologii — zrozumieją swoje hipotezy, dokonają skromnych inwestycji, zanim podejmą większe, zawsze z myślą o pożądanym wyniku.

Odkrywanie prawdziwej wartości Generative AI

Wgląd w to, co klienci uważają za wartościowe, z czasem wyprzedzi fajną technologię. Kiedy klienci rezygnują z czegoś, co cenią — na przykład pieniędzy lub czasu — żądają w zamian większej wartości.

Firmy, które odnoszą sukcesy, będą zaspokajać potrzeby swoich klientów, stosując trójtorowe podejście: oceniając swój rynek docelowy lub rynki w celu określenia „dlaczego” stojącej za technologią, testując swoje hipotezy w podejściu odchudzonym (skromna inwestycja) i ostatecznie rozumiejąc, gdzie przekonujące i leży trwała wartość.

Określenie „dlaczego” za technologią

Zacznij od rozważenia rynku docelowego, aby określić „dlaczego” za tą technologią. Stwórz zestaw hipotez możliwości. Pomyśl o jak największej liczbie osób i nie bój się prosić szerokiego grona osób o pomysły — później przejrzysz swoją listę. Te hipotezy dotyczące możliwości powinny obejmować informacje o tym, kto odniesie korzyści, w jaki sposób odniosą korzyści, a także mogą obejmować informacje o tym, kto zapłaci i dlaczego.

Oceń i uszereguj listę możliwości według kryteriów takich jak:

  • Jak dobra jest Twoja firma, aby zapewnić te propozycje wartości?
  • Jakie są oczekiwania Twojej marki i klientów?
  • Jak duża może być szansa?

Zanim przetestujesz te hipotezy, omów próg do osiągnięcia, który przekona Cię do zainwestowania większej kwoty w dowolną pojedynczą okazję lub kombinację. Jest to klucz do oparcia się pokusie efektu potwierdzenia — patrzenia tylko na wyniki, które potwierdzają hipotezę, którą chcesz, aby była prawdziwa. Ponieważ jest to eksploracja, możesz uzyskać bardzo nieoczekiwany wynik. Nieoczekiwany wynik może prowadzić do nieoczekiwanego wglądu, który może prowadzić do jeszcze większych możliwości.

Testuj swoje hipotezy w szczupły sposób o niskiej wierności

Jak możemy testować nasze koncepcje bez ich budowania? Jaka niewielka inwestycja w test przekonałaby nas do kolejnej rundy inwestycji?

Odpowiedzi na te pytania znajdują się w Twoich klientach, a nie w Twojej sali konferencyjnej. Musisz wyjść z budynku, aby zweryfikować swoje hipotezy.

Gorąco polecam korzystanie z badaczy użytkowników na tym etapie. Ich techniki zadawania otwartych pytań bez skłaniania rozmówcy do wyczucia odpowiedzi, na którą liczysz, są nieocenione w uzyskiwaniu weryfikowalnych i powtarzalnych wyników.

Papierowe prototypowanie i zdalne testy użytkowników

Jestem również wielkim fanem papierowego prototypowania i zdalnych testów użytkowników. Narzędzia wspierające te metody przeszły długą drogę. Opcje te drastycznie zmniejszają koszty testowania hipotez, można je rejestrować lub obserwować na żywo, a także pozwalają szybko zmienić scenariusz testu lub hipotezę.

Kiedy większość liderów słyszy „badanie użytkowników”, wyobraża sobie długi, kosztowny i niejasny proces. Najlepsi badacze użytkowników wykonują małe partie testów (5-8 użytkowników) i interpretują wyniki z innymi przed kolejną rundą.

Właściwe wykonanie tego typu testów polega na współpracy i uczestnictwie interesariuszy. Potencjalny wpływ na późniejsze rozmowy z inwestorami jest ogromny, ponieważ kierownictwo może przytoczyć konkretne przykłady potencjalnych klientów rozmawiających o ich kontekście oraz o tym, co cenią i za co by zapłacili.

Zrozum, gdzie leży wartość

Po zakończeniu testów nadszedł czas na interpretację wyników. Często słyszę, jak liderzy mówią, że chcą być „nastawieni na dane” — a ja byłem jednym z tych liderów. Kiedy zacząłem obserwować testy użytkowników, po raz pierwszy zauważyłem, że odpowiedzi były jakościowe i niejednoznaczne, co wydawało mi się niewystarczające. Ale potem zdałem sobie sprawę, że z tych wyników szybko wyłonią się wzorce.

Nauczyłem się, że interpretacja jest kluczowa dla procesu i jest gotowa do potwierdzenia stronniczości, niewypowiedzianych założeń i opinii ważonych przez miejsce danej osoby w hierarchii. Teraz staram się być „informowany o danych”, a sam proces to „polowanie na spostrzeżenia klientów”.

Co zatem składa się na naprawdę wartościowy wynik w testach?

Istnieje wiele możliwości. Jedno wyraźnie potwierdza, że klienci docenią i zapłacą Twojej firmie za naszkicowane przez Ciebie rozwiązanie lub zbliżony wariant. Są to rzadkie przypadki i powinieneś uważać na zespoły, które próbują ci powiedzieć to, co ich zdaniem chcesz usłyszeć.

Bardziej prawdopodobny i lepszy wynik jest taki, że testy wykażą, że klienci generalnie uznają rozwiązanie za wartościowe, a Ty zyskasz wgląd w to, dlaczego i co cenią. Ten dodatkowy kolor ma kluczowe znaczenie dla wszystkich przyszłych decyzji i zapewnia Twojej firmie bardziej znaczącą przewagę konkurencyjną, nawet jeśli inni dążą do tego samego rozwiązania.

Te dodatkowe spostrzeżenia opinii oferują również opcje zmiany, jeśli odkryjesz lepsze lub tańsze alternatywne podejścia do dostarczania tej samej lub bogatszej wartości.

Ukończenie tych trzech faz jest niezbędne, jeśli firmy chcą tworzyć produkty cyfrowe o prawdziwej wartości biznesowej i pozytywnie przyspieszać transformację cyfrową.

Wykorzystaj rzeczywistą wartość biznesową zamiast szumu informacyjnego

Wiek konieczności bycia pierwszym poruszającym się został zdyskredytowany. Wciąż dzieli nas wiele lat od powszechnego przyjęcia generatywnej sztucznej inteligencji — i potrzebujemy tego czasu, aby rozwinąć talent zdolny do napędzania adopcji z wartością dodaną. Koszty spadną — pula talentów się pogłębi, a generatywna sztuczna inteligencja przejdzie od szumu do funkcjonalności.

W międzyczasie zobaczymy, jak wiele firm twierdzi, że używa sztucznej inteligencji — wykorzystując szum wokół niej — podczas gdy faktyczna adopcja pozostaje marginalna w stosunku do rdzenia ich produktów/usług. Pokusa podążania za modą będzie się nasilać w miarę dojrzewania rynku.

Ale ci, którzy zdecydują, jak wykorzystać technologie, takie jak generatywna sztuczna inteligencja, do tworzenia rzeczywistej wartości, wyróżnią się i będą mieli najlepszą pozycję jako kolejna fala herbów gospodarki cyfrowej .

Źródło obrazu: Tara Winstead; Peksel; Dziękuję!