Atsižvelgdami į greitą AI tempą

Susijęs su KPMG

Neseniai atliktoje apklausoje „2021 m. klesti dirbtinio intelekto pasaulyje“ KPMG nustatė, kad visose pramonės šakose – nuo ​​gamybos iki technologijų iki mažmeninės prekybos – dirbtinio intelekto (AI) naudojimas kasmet auga. Viena iš priežasčių yra ta, kad skaitmeninė transformacija vyksta sparčiau, o tai padeda įmonėms pradėti judėti eksponentiškai greičiau. Tačiau, kaip teigia Cliffas Justice'as, JAV įmonių inovacijų lyderis KPMG, „Covid-19“ daugeliu atžvilgių paspartino skaitmeninės plėtros tempą, taikant daugelio tipų technologijas. Teisingumas tęsiasi. Čia mes pradedame patirti tokį greitą eksponentinių pokyčių tempą, kad daugumai žmonių labai sunku suprasti pažangą. Bet jie tai supranta privalo nes dirbtinis intelektas vystosi labai sparčiai.

Teisingumas verčia mus galvoti apie dirbtinį intelektą kitaip, labiau kaip apie santykį su technologijomis, o ne į įrankį, kurį programuojame, nes, anot jo, DI yra kažkas, kas vystosi, mokosi ir tobulėja, kuo labiau susiduria su žmonėmis. Jei jūsų verslas atsilieka nuo dirbtinio intelekto pritaikymo, „Justice“ atsargiai skatina, o pasaulis, orientuotas į DI, paspartins viską, ką gali pasiūlyti skaitmeninė erdvė.

„Business Lab“ šeimininkauja Laurel Ruma, „Insights“, „MIT Technology Review“ pasirinktinio leidybos padalinio, redakcinis direktorius. Spektaklis yra „MIT Technology Review“ kūrinys, kuriam padeda „Colective Next“.

Šis podcast'o epizodas buvo sukurtas kartu su KPMG.

Rodyti pastabas ir nuorodas

2021 m. klestėjimas dirbtinio intelekto pasaulyje, KPMG

Pilnas nuorašas

Laurel Ruma: Iš „MIT Technology Review“ aš esu Laurel Ruma, o tai yra „Business Lab“ laida, kuri padeda verslo lyderiams suprasti naujas technologijas, atsirandančias iš laboratorijos ir į rinką.

Šiandien mūsų tema yra dirbtinio intelekto įsisavinimo greitis. Daugėja ir greitai. Naujas KPMG tyrimas rodo, kad jis spartėja konkrečiose pramonės šakose, tokiose kaip pramonės gamyba, finansinės paslaugos ir technologijos. Bet kas nutinka, kai nuspaudžiate dujų pedalą, bet neužtikrinate viso kito? Ar jums neramu dėl AI pritaikymo jūsų įmonėje?

Du žodžiai jums: „Covid-19 whiplash“.

Mano svečias yra Cliffas Justice'as, kuris yra JAV KPMG verslo inovacijų lyderis. Jis ir jo grupė daugiausia dėmesio skiria naujos kartos technologijų, paslaugų ir sprendimų identifikavimui, kūrimui ir diegimui KPMG ir jos klientams. Cliffas yra buvęs verslininkas ir yra pripažintas autoritetas pasaulinio tiekimo, naujų technologijų, tokių kaip AI, intelektualiosios automatizavimo ir įmonės transformacijos, srityse. Šis „Business Lab“ epizodas sukurtas kartu su KPMG. Cliff, ačiū, kad prisijungei prie manęs verslo laboratorijoje.

Cliff Justice: Puiku čia būti. Ačiū, kad turi mane.

Lauras: Taigi, mes pažvelgsime į KPMG tyrimo rezultatus, skirtus 2021 m. klestėjimo AI pasaulyje ataskaitai, kuri apžvelgia septynias pramonės šakas. Kodėl KPMG pakartojo tą tyrimą šiemet? Ko siekėte šiuo tyrimu?

Uolas: Na, dirbtinis intelektas vystosi labai sparčiai. Kai pirmą kartą pradėjome aprėpti ir investuoti į dirbtinį intelektą tikriausiai prieš septynerius metus, jis buvo labai besiformuojančioje formoje. Naudojimo atvejų nebuvo labai daug. Daugelis naudojimo atvejų buvo pagrįsti natūralios kalbos apdorojimu. Maždaug prieš 10 metų, kai pirmasis viešas dirbtinio intelekto panaudojimo atvejis pateko į antraštes, kai IBM Watson laimėjo „Jopardy“. Nuo tada jūs matėte labai, labai greitą progresą. Ir visa ši sritis vystosi eksponentiniu greičiu. Taigi, kur esame šiandien, labai skiriasi nuo to, kur buvome prieš metus ar dvejus.

Lauras: Panašu, kad dar vakar IBM paskelbė apie „Watson“, o dirbtinis intelektas auga visur, mūsų automobiliuose ir telefonuose. Neabejotinai matome tai daugiau vietų, nei tik šį vieną tyrimo atvejį. Viena iš tyrimo antraščių yra ta, kad manoma, kad AI gali judėti per greitai, kad būtų patogu kai kuriems sprendimus priimantiems asmenims atitinkamose pramonės šakose. Kaip atrodo per greitas? Ar tai dėl COVID-19 plakimo?

Uolas: Tai nebūtinai dėl koronaviruso plakimo. Covid aplinka daugeliu atžvilgių paspartino skaitmeninimo tempą, taikant daugelio tipų technologijas. Štai čia pradedame patirti tokį spartų eksponentinių pokyčių tempą, kad daugumai žmonių labai sunku suprasti pažangą. Bet kuriam iš mūsų, net ir man, dirbančiam šioje srityje, labai sunku suprasti pažangą ir pokyčių tempą. Įprastomis aplinkybėmis sunku paruošti įmonę – paruošti žmones, procesą, įmonės sistemas, riziką, kibernetinę apsaugą pasauliui, kuriam vis labiau naudojamas dirbtinis intelektas. Tačiau kai derinate skaitmeninį pagreitį ir pritaikymą, kuris vyksta dėl koronaviruso, kartu su eksponentiniu dirbtinio intelekto vystymusi ir evoliucija, sunku suprasti organizacijai kylančias galimybes ir grėsmes.

Net jei būtų galima visiškai apsisukti galvą apie dirbtinio intelekto pažangą ir dirbtinio intelekto potencialą, keičiant organizaciją ir keičiant mąstymą bei kultūrą taip, kad būtų galima pasinaudoti dirbtinio intelekto teikiamomis galimybėmis ir išnaudoti jomis, taip pat apsaugoti nuo grasinimai užtrunka šiek tiek laiko. Taigi, tai sukelia nerimo ir atsargumo lygį, kuris, mano nuomone, yra gerai pagrįstas.

Lauras: Taigi, kalbėdami apie atsargumą ar planavimą, reikalingą diegti dirbtinį intelektą, ankstesnėje diskusijoje MIT Technologies Review EmTech konferencijoje 2019 m. sakėte, kad diegdamos DI įmonės turėjo permąstyti savo ekosistemą, ty partnerius, pardavėjus ir likusią įmonės dalį. , kad visi paspartintų. Tuo metu minėjote, kad tai būtų tikras iššūkis. Ar tai vis dar tiesa? O gal manote, kad dabar, kai viskas vyksta taip greitai, tai yra diskomfortas, kurį gali jausti kai kurie vadovai?

Uolas: Na, tai tiesa. Tai vis dar tiesa. Ekosistema, kuri atvedė jus į analogiškesnio pasaulio lygį, labiau į AI orientuotame pasaulyje bus labai skirtinga. Šis į DI orientuotas pasaulis paspartins viską, ką gali pasiūlyti skaitmeninė erdvė. Sakydama skaitmeninį turiu omenyje naujus darbo būdus – skaitmeninius verslo modelius, naujus prekybos plėtros ir tobulinimo būdus, būdus, kuriais bendraujame ir keičiamės idėjomis su klientais ir kolegomis bei bendradarbiais. Visa tai tampa daug labiau orientuota į skaitmeninį pasaulį, o dirbtinis intelektas tampa vienu iš mechanizmų, kurie vystosi ir tobulina mūsų darbo ir bendravimo būdus. Ir tai tampa šiek tiek panašesnė į ryšį su technologijomis, o ne į įrankį, kurį programuojame, nes AI yra kažkas, kas vystosi, mokosi ir tobulėja, kuo labiau susiduria su žmonėmis.

Dabar, kai turime daug daugiau galimybių suvokti žmogaus gyvenimą, dėka gilaus mokymosi evoliucijos (taigi, šiandien turiu omenyje daugiau kompiuterinio matymo), technologijos gali užimti daug daugiau pasaulio nei buvome anksčiau. Taigi labai svarbu suprasti, kokia technologija, koks AI, visas galimybes, kurias AI gali suteikti ir patobulinti bei išplėsti žmogaus galimybes. Svarbu atkurti ir iš naujo plėtoti jūsų verslo ir įmonės ekosistemą. Manau, kad vis dėlto didesnė ir ilgalaikė problema yra kultūra, o įmonės kultūra, už kurią tu esi atsakingas, esi atsakingas. Tačiau tai taip pat yra kultūros, išorinės kultūros, priėmimo ir darbo su klientais, tiekėjais, tiekėjais, reguliavimo institucijomis ir išorės suinteresuotosiomis šalimis būdo panaudojimas. Mąstymo raida nėra vienoda visose šiose suinteresuotųjų šalių grupėse. Ir priklausomai nuo pramonės, kurioje dirbate, tai gali būti labai nevienoda, kalbant apie pritaikymo lygį, supratimo lygį, gebėjimus ir patogumą dirbti su technologijomis. Kadangi ši technologija tampa panašesnė į žmogų, ir matome, kad virtualiuose asistentuose ir naudojant tokias technologijas, tai bus didesnė bedugnė, kurią reikia įveikti.

Lauras: Man labai patinka formuluoti AI kaip santykį su technologijomis, o ne įrankiu, nes tai iš tikrųjų parodo jūsų ketinimus, kai įžengiate į šį naują pasaulį, į naujus santykius ir sutinkate su tuo nuolatiniu pasikeitimu. Kalbant apie apklausą ir įvairias pramonės šakas, kai kuriose pramonės šakose, pavyzdžiui, finansų, mažmeninės prekybos ir technologijų srityse, labai išaugo DI diegimas. Bet ar čia skaitmeninės transformacijos poreikis ar koronavirusas, o gal kiti veiksniai iš tikrųjų paskatino šį padidėjimą?

Uolas: Na, COVID turėjo pagreitėjimo poveikį. Dalykai, kurie judėjo – ar tai būtų skaitmeninių technologijų pritaikymas, ar augimas, ar vartotojų elgsenos pasikeitimas – visos tos tendencijos, kurios buvo prieš koronavirusą, jas paspartino. Ir tai apima verslo modelius, kurie smuko. Mes matėme tendencijas, kurios vyksta prekybos centruose. Tai tik pagreitinta. Matėme, kad technologijos įsisavinamos sparčiau. Yra pramonės šakų, kurioms COVID turi mažesnį poveikį, o ne nulinį, bet mažesnį poveikį. Bankininkystę, finansines paslaugas Covid paveikia mažiau nei mažmeninę prekybą, svetingumą, keliones, logistiką. „Covid“ tikrai paspartino pokyčius, vykstančius šiose pramonės šakose.

AI, atskirtas nuo COVID, turi esminės įtakos visoms joms. Ir, kaip teigiama mūsų apklausoje, pramoninė gamyba, robotikos naudojimas, kompiuterinės vizijos naudojimas, dirbtinis intelektas, siekiant pagreitinti našumą, ir geresnis efektyvumas iš tikrųjų pradėjo tapti pagrindiniais pramonės gamybos mastu. Tas pats ir su finansinėmis paslaugomis, vartotojų sąveika buvo patobulinta naudojant dirbtinį intelektą šiose srityse. Nenuostabu, kad technologija visiškai pritaikyta AI arba beveik visiškai pritaikyta AI. Ir tada mes matėme dramatišką mažmeninės prekybos padidėjimą dėl AI. Taigi, apsipirkimas internetu, galimybė numatyti vartotojų paklausą buvo rimtas AI panaudojimo pavyzdys šiose pramonės šakose.

Lauras: Taigi, atsiliekančios pramonės šakos buvo tik sveikatos priežiūra ir gyvosios gamtos mokslai, o tai 37 % padidėjo, palyginti su praėjusių metų apklausa. Tai vis dar puikus skaičius. Bet ar manote, kad taip yra todėl, kad kova su koronavirusu buvo prioritetas, o gal dėl to, kad tai yra reguliuojamos pramonės šakos, ar buvo kita priežastis?

Uolas: Reguliavimas yra bendra šių atsilikėlių tema. Turite vyriausybę, gyvybės mokslus, sveikatos apsaugą. Tačiau finansinės paslaugos taip pat yra reguliuojamos ir jos yra plačiai naudojamos, todėl tai negali būti vienintelis dalykas. Manau, kad hipotezė apie Covid tikriausiai yra labiau tikėtina, nes gyvosios gamtos mokslai daugiausia dėmesio skyrė vakcinos pašalinimui. Nors mūsų požiūriu ir iš to, ką matome, vyriausybė yra masiškai priimanti. Kalbant apie potencialą vyriausybėje, jis vis dar atsilieka. Tačiau didžiuliai skaičiai ir didžiulė veikla, kuri vyksta vyriausybėje, lyginant ją su privačia įmone, vis tiek yra įspūdinga. Tiesiog jūs susiduriate su tokio didelio masto pakeitimu ir daug daugiau biurokratijos, kad tą pakeitimą atliktumėte vyriausybės įmonėje.

Lauras: Tikrai. Anksčiau minėjote pramoninės gamybos sektorių ir 72 % verslo lyderių paveikė pandemija, kad paspartintų dirbtinio intelekto pritaikymą. Ką tai iš tikrųjų reiškia tos pramonės ir viso sektoriaus vartotojams?

Uolas: Kai žiūriu į šiuos skaičius, nebus pramonės, kuriai AI nepaveiktų. Pramonės šakos, kurios ketina jį pritaikyti greičiau ir greičiau arba turės poveikį dėl pandemijos, o tai beveik visas lėmė nuotolinis darbas, nesugebėjimas gauti išteklių į vietą, postūmis skatinti automatizavimą ir dirbtinis intelektas. yra vienas iš pagrindinių automatizavimo elementų. Nes jei pažvelgtumėte į kitas apklausos dalis, kuriose klausiame: Kur yra didžiausia nauda? tai pasireikš efektyvumu ir produktyvumu. Tai gana nuoseklu visose pramonės šakose, kai žiūrite, kur taikomas AI. Taigi automatizavimas, produktyvumas, nuspėjamoji analizė – visos šios sritys yra nulemtos šių produktyvumo temų. Naudojimo atvejai skiriasi priklausomai nuo pramonės, tačiau poreikiai yra labai panašūs. Pagrindinės temos ir pagrindiniai poreikiai yra labai panašūs. Jūs turėjote kai kurias pramonės šakas, kurias pandemija paveikė kitaip.

Lauras: Įdomu tai, kad galbūt pramoninės gamybos skirtumai, kaip minėjote, yra robotika. Taigi šiek tiek mūsų aparatinės įrangos ir visada programinės įrangos.

Uolas: Teisingai. Taip, pramoninėje gamyboje matote gamyklų pertvarkymą. Matote tai, ką kai kurie žmonės vadina Tesla efektu, kur pagrindinis dėmesys skiriamas gamyklų transformacijai ir automatizavimui – kur gamyklos kūrimas yra beveik toks pat svarbus kaip ir pats produktas. Tame sektoriuje daug diskutuojama ir daug diskutuojama apie tai, kiek automatizuoti, ir ar per daug automatizavimo? Manau, kad kai kuriuose iš šių viešų renginių, kuriuose matėte greitą gamybos padidėjimą, kai buvo naudojama automatizacija, matėte ir tam tikrą atsitraukimą. Per daug technologijų iš tikrųjų gali turėti priešingų pasekmių ir poveikio, nes priimant sprendimus turi dalyvauti žmogus, o technologijos dar nėra. Taigi, toje erdvėje vyksta daug pokyčių. Matome daug evoliucijos, daug naujų technologijų. Gilus mokymasis suteikia galimybę daugiau kompiuterinio matymo ir išmanesnio automatizavimo gamybos procese gamyklose.

Lauras: Kalbant apie žmonių įtraukimą į šiuos pasirinkimus, idėjas ir technologijas, tvirtas kibernetinis saugumas iš tikrųjų yra iššūkis visiems, tiesa? Tačiau blogi vaikinai vis dažniau naudoja dirbtinį intelektą prieš įmones ir įmones, o jūsų vienintelis atsakas ir gynyba yra DI. Ar manote, kad kibernetinis saugumas yra ta sritis, kuriai vadovai paspartina išlaidas?

Uolas: Na, jūs esate visiškai teisus, kibernetinis saugumas yra viena didžiausių grėsmių tobulėjant technologijoms, nesvarbu, ar tai dirbtinis intelektas pagrįstas klasikiniu skaičiavimu, ar po penkerių ar dešimties metų, kai kvantinis kompiuteris bus prieinamas vyriausybėms ar korporacijoms. Pavojai saugumui ir toliau didės. AI neabejotinai yra nusikaltimas, bet taip pat ir gynyba. Taigi, nuspėjamoji analizė, naudojanti AI grėsmėms nuspėti, apsisaugoti nuo AI keliamų grėsmių, kurios didina įsiskverbimo, sukčiavimo ir kitų sistemos kompromitavimo būdų sudėtingumą. Šios technologijos yra tarsi ginklavimosi varžybos tarp, kaip sakėte, gerųjų ir blogiukų. Kai pradedame pereiti į tikrų pokyčių erą, kuri ateityje bus paremta kvantine kompiuterija, tam pabaigos nesimato. Tai tik paspartės, nes jums reikės naujo tipo postkvantinės kriptografijos, kad apsisaugotumėte nuo grėsmių, kurias kvantiniai kompiuteriai gali kelti saugumo organizacijai.

Lauras: Nuostabu, kaip greitai, tiesa? Kaip jau sakėme, eksponentinis augimas, ypač naudojant kvantinius skaičiavimus, galbūt jau netoli, penkerių, 10 metų, tai skamba teisingai. Tačiau tyrimas grįžta ir teigia, kad daugelis respondentų mano, kad jų įmonės turėtų turėti tam tikrą AI etikos politiką ir elgesio kodeksą, tačiau nedaugelis tai daro, o ne daugelis. Taigi tos, kurios tai daro, yra mažesnės įmonės. Ar manote, kad tai tik laiko klausimas, kada visi tai padarys, ar netgi privaloma turėti šią AI etikos politiką?

Uolas: Na, mes žinome, kad apie tai diskutuojama reguliavimo lygmeniu. Kyla didelių klausimų, kur vyriausybė turėtų imtis reguliavimo priemonių, o kur – savikontrolės AI etika... Kaip jūsų rinkodaros organizacija imasi klientų elgesio? Ir kaip panaudoti AI, kad galėtumėte naudoti psichologinius profilius, kad būtų galima parduoti? Pavyzdžiui, dėl to reikėtų priimti kai kuriuos etinius sprendimus. Veido atpažinimo naudojimas vartotojų aplinkoje yra daug diskutuojamas ir aptariamas. Tačiau dėl dirbtinio intelekto naudojimo ir etiško DI panaudojimo, nukreipto į vartotojų psichologiją, manau, kad šios diskusijos tik prasidėjo šią vasarą, kai pasirodė dokumentiniai filmai, kurie parodė, kaip socialinė žiniasklaida naudoja dirbtinį intelektą, kad nukreiptų vartotojus į rinkodaros produktus ir kaip tai padaryti. piktnaudžiavimas jais gali būti netinkamai naudojamas.

Taigi, taip, tai tik ledkalnio viršūnė. Tai, ką matome šiandien, yra tik pradiniai teiginiai, kai kalbama apie tai, kiek toli turėtume eiti su AI ir kokios yra nuobaudos tiems, kurie nueina toliau nei turėtume, ir ar tas nuobaudas reguliuoja vyriausybė? Ar tai socialinės nuobaudos ir tiesiog atskleidimas, ar mums reikia įstatymų ir taisyklių, kurios gali pažeisti šią sutartą etiką, kad ir kokios jos būtų?

Lauras: Tai šiek tiek „stum-man, pull-you“ situacija, tiesa? Kadangi technologijos tobulėja labai greitai, tačiau visuomenė ar reglamentai gali šiek tiek atsilikti. Ir tuo pat metu įmonės nebūtinai, galbūt kai kuriais atvejais, taip greitai įsisavina dirbtinį intelektą arba susiduria su problemomis, aprūpindamos šias AI iniciatyvas. Taigi, kaip įmonės stengiasi neatsilikti nuo talentų įgijimo ir ar įmonės turėtų pradėti ieškoti, o gal jau turėjo domėtis esamų darbuotojų kvalifikacijos kėlimu arba mokyti, kaip dirbtinį intelektą panaudoti kaip naują įgūdį?

Uolas: Taip, tai labai sunkios problemos. Jei pažvelgsite į tyrimą ir pasinertumėte, pamatysite skirtumą tarp didelių ir mažų įmonių. Turiu galvoje gebėjimą pritraukti talentus, kurie daugelį metų mokėsi pažangios analizės, kompiuterių inžinerijos, gilaus mokymosi, mašininio mokymosi srityse ir supranta sudėtingo, daugiapakopio, gilaus mokymosi svarbą ir šališkumą, sudėtingumą ir niuansus. algoritmai – tą talentą nėra lengva rasti. Labai sunku paimti klasikinį kompiuterių inžinierių ir perkvalifikuoti juos į tokio tipo statistiniu pagrindu pagrįstą dirbtinį intelektą, kai norint pasiekti įmonės tikslus, reikia iš tikrųjų dirbti su šių sudėtingų neuroninių tinklų mokymu.

Matome, kad technologijų įmonės siūlo šias paslaugas debesyje, o tai yra būdas pasiekti dirbtinį intelektą ir pasiekti kai kuriuos iš šių įrankių, užsiprenumeravus API, taikomųjų programų sąsajas ir taikant šias API savo platformoms ir technologijoms. Tačiau norėdami iš tikrųjų turėti konkurencinį pranašumą, turite sugebėti manipuliuoti, plėtoti ir valdyti duomenis, kurie naudojami lavinant šiuos algoritmus. Šiuolaikiniame pasaulyje dirbtinis intelektas yra labai, labai alkanas duomenų, todėl norint gauti tikslią ir aukštos kokybės išvestį, reikia didžiulio duomenų kiekio. Šie duomenys kaupiasi didžiausioms įmonėms ir tai atsispindi jų vertinime. Taigi, matome, kas yra tos įmonės. Didelė dalis šios vertės yra dėl duomenų, prie kurių jie turi prieigą. Ir produktai, kuriuos jie gali gaminti, yra pagrįsti didžiąja šių duomenų dalimi. Tie produktai daug kartų yra maitinami dirbtinio intelekto.

Lauras: Taigi grįžtant prie apklausos, paskutinio duomenų taško, 60 % respondentų teigia, kad dirbtinis intelektas jų organizacijoje veikia bent vidutiniškai arba visiškai. Palyginti su prieš 10 metų, tai atrodo tikra AI pažanga. Bet dar ne visi ten. Kokių žingsnių įmonės gali imtis, kad geriau veiktų su AI?

Uolas: Štai čia aš grįžtu prie to, ką sakiau praėjusiais metais, ty iš naujo įvertinti jūsų ekosistemą. Kas yra jūsų partneriai? Kas šias galimybes įneša į jūsų verslą? Supraskite, kokios yra jūsų galimybės, palyginti su technologijų tiekėjais, kurie suteikia jums prieigą prie AI. Ne kiekviena įmonė galės tiesiog samdyti AI ekspertą ir turėti AI. Tai technologijos, kaip sakiau, jas sunku sukurti. Jas sunku prižiūrėti. Jie vystosi žaibišku eksponentiniu tempu. Taigi pokalbiai, kuriuos turėtume prieš šešis mėnesius ar metus, dabar būtų kitokie, vien dėl pokyčių tempo, vykstančio šioje aplinkoje. Dirbtinio intelekto pokyčiai yra maži. Taigi, jis juda greičiau nei Moore'o įstatymas. Jis įsibėgėja taip greitai, kaip leidžia duomenys. Patys algoritmai gyvuoja daugelį metų. Tai galimybė užfiksuoti ir naudoti duomenis, kurie skatina dirbtinį intelektą. Taigi, bendradarbiaudamos su šiomis galimybėmis, šios technologijų įmonės, turinčios prieigą prie duomenų, susijusių su jūsų pramone, yra esminis sėkmės elementas.

Lauras: Kai kalbate su vadovais apie tai, kaip sėkmingai dirbti naudojant AI, kaip jiems patarti, jei jie atsilieka nuo konkurentų ir bendraamžių diegdami AI?

Uolas: Na, mes darome tokias apklausas. Atliekame etalonus. Mes naudojame etalonus, kurie yra kitose srityse ir kitose srityse. Mes žiūrime į pokyčių tempą ir santykinę naudą konkrečiai pramonės šakai, o dar siauriau – funkciją arba veiklą toje pramonės šakoje ir toje versle. AI dar neįsiskverbė į visas sritis. Jau ruošiamasi tai padaryti, tačiau yra klientų aptarnavimo, GNA, organizacijos užpakalinių komponentų, gamybos, analizės, įžvalgų, prognozavimo ir visa tai srityse, AI turi tvirtą pagrindą, todėl ir toliau tai vysto. Tačiau yra elementų, susijusių su gaminio projektavimu, inžinerija ir kitais dizaino aspektais, į kuriuos AI pereina, ir šiuo metu beveik nėra vienodos sąlygos.

Taigi, jis nelygus. Kai kuriose srityse jis yra labai pažengęs, kitose jis nėra toks pažengęs. Taip pat sakyčiau, kad suvokimas, kuris atsiskleis šių sričių bendrininkų apklausoje, gali neatsižvelgti į kai kuriuos pažangesnius dirbtinio intelekto pajėgumus, kuriems gali prireikti šešių mėnesių, metų ar dvejų metų. Tačiau šios galimybės vystosi labai greitai ir greitai persikels į šias pramonės šakas. Taip pat pažvelgčiau į startuolių ekosistemą. Startuoliai sparčiai vystosi. Technologijos, kurias pradedančioji įmonė naudoja ir diegia naujose pramonės šakose, kad sužlugdytų tas pramonės šakas, nebūtinai atsižvelgia į labiau įsitvirtinusios įmonės, turinčios esamus veiklos modelius ir verslo modelius. Taigi, startuolis gali naudoti AI ir duomenis, kad visiškai pakeistų, kaip pramonė naudoja produktą ar paslaugą.

Lauras: Tai kaip visada geras patarimas. Cliff, labai ačiū, kad šiandien prisijungėte prie mūsų puikaus pokalbio verslo laboratorijoje.

Uolas: Mano malonumas. Puiku su tavimi kalbėtis.

Lauras: Tai buvo Cliff Justice, JAV įmonių inovacijų lyderis KPMG, su kuriuo kalbėjausi iš Kembridžo, Masačusetso valstijos, MIT ir MIT Technology Review namų, su vaizdu į Charleso upę.

Štai šiai „Verslo laboratorijos“ serijai. Aš esu jūsų šeimininkė, Laurel Ruma. Esu „MIT Technology Review“ tinkintos leidybos padalinio „Insights“ direktorius. Mes buvome įkurti 1899 m. Masačusetso technologijos institute. Mus galite rasti spaudoje, žiniatinklyje ir kasmet vykstančius renginius visame pasaulyje. Norėdami gauti daugiau informacijos apie mus ir pasirodymą, apsilankykite mūsų svetainėje adresu technologyreview.com.

Ši laida pasiekiama visur, kur gaunate podcast'us.

Jei jums patinka ši serija, tikimės, kad skirsite šiek tiek laiko mus įvertinti ir peržiūrėti. „Business Lab“ yra „MIT Technology Review“ produkcija. Šią seriją prodiusavo Collective Next. Ačiū, kad klausėte.

Šį tinklalaidės epizodą sukūrė „Insights“, tinkinto turinio padalinys „MIT Technology Review“. Jį sukūrė ne „MIT Technology Review“ redakcija.

paslėpti