GenAI의 효율성에 영향을 미치는 주요 문제

기업이 GenAI를 비즈니스에 적용하려고 하면 많은 저항과 놀라운 변화 관리 문제에 직면하게 됩니다. 고위 경영진은 이러한 움직임을 지지할 수 있지만 중간 관리자와 업계 관계자는 이에 반대합니다. 어떤 사람들은 직장을 잃을까 봐 두려워하거나 업무를 더 잘 수행하는 방법을 다시 생각해야 하기 때문에 저항할 수도 있습니다. 또한 기업은 AI 도구를 사용할 때 무작위 답변과 결정론적 답변 사이의 문제에 직면하여 저항의 존재를 더욱 증가시킵니다

AI의 답변은 확률적입니다

GenAI는 확률적 답변, 즉 가장 가능성 있는 답변을 제공합니다. 다음 단계이므로 편지나 글을 작성할 때 가장 가능성이 높은 다음 단어, 문구 또는 아이디어를 제공하지만 가장 가능성이 높은 답변은 정답과 동일하지 않습니다. 물론 이는 일반적으로 정답이며 사용 가능한 방대한 양의 교육 데이터를 고려할 때 좋은 답변일 가능성이 매우 높지만 정답과는 매우 다릅니다.

이 문제를 더욱 복잡하게 만드는 것은 답변이 어떻게 도출되었는지에 대한 감사 추적이 필요하다는 것입니다. GenAI 구현에서 직면한 많은 과제는 결정적인 답변이 필요한 애플리케이션과 답변이 도출된 방법을 완전히 설명해야 하는 필요성에서 발생합니다. 답변의 확실성이 요구되거나 요구되는 것으로 인식되는 경우, 기업과 그 내부 사람들은 결과의 유용성이나 신뢰성에 대한 의구심을 불러일으키기 때문에 이러한 적용을 거부합니다.

AI가 보조자로 제공되고 인간이 답변의 최종 중재자가 되도록 요청받는 경우에도 마찬가지이며, 지원을 둘러싼 설명의 부족과 불확실성으로 인해 불신과 저항이 발생합니다.

기계 지능이 확률론적 답변을 제공한다고 해서 그것이 가치가 없다는 것을 의미하는 것은 아니며, 많은 사례에서 가치가 있음을 보여줍니다. 그러나 회사가 결정론적 답변이 필요한 질문에 이 답변을 적용하면 거짓말을 하는 것 같습니다

기업은 GenAI를 비즈니스에 적용하려고 할 때 결정론적 답변이 필요할 때 결국 확률적 답변을 사용하게 되므로 좌절감을 느낍니다. 따라서 확률(예: 녹색 잎이 있기 때문에 나무임)로 시작하려면 기계 학습이 필요하고 테스트를 거쳐야 하기 때문입니다. 답변의 유효성에 영향을 미치는 문제(예: 가을)가 있는지 확인합니다.

AI의 확률적 모델에 적합한 분야는 무엇인가요?

기업은 GenAI를 프로그래밍에 어떻게 도입해야 할까요? 기술 업계에서는 GenAI나 AI가 프로그래밍을 학습하여 프로그래머 숙련도나 효율성 생산성을 크게 향상시킬 수 있다는 대담한 예측을 내놓았습니다.

코딩의 세계에서는 이는 즉시 작동합니다. 예를 들어 테스트 스크립트 개발 자체는 확률 모델을 통해 처리될 수 있습니다. 여기서 중요한 것은 비즈니스가 다양한 조건에 대해 테스트하고 가능한 한 광범위하고 심층적으로 스크립트를 생성할 수 있다는 것입니다. . 코드 및 보안 취약성에 대한 효과적인 테스트를 만드는 것은 본질적으로 확률론적인 작업이므로 GenAI가 빛을 발하고 실무자가 쉽게 채택할 수 있습니다.

반면, 회사는 코드가 100% 정확하기를 원하므로 보다 결정적인 답변이 필요합니다. 그러나 코드 개발의 지식 관리를 지원하는 데는 탁월합니다. 좋아요. 훌륭한 스타터 세트를 만들고 생산성을 극적으로 높이세요.

GenAI의 또 다른 장점은 지식을 종합하고 요약하는 능력입니다. 따라서 지식 관리 분야에서 GenAI는 많은 성과를 거두었습니다.

고객 관계 관리 기능 측면에서 Salesforce는 Einstein 제품 및 기타 제품을 통해 많은 성과를 거두었습니다. 제품. 큰 진전. 이러한 제품은 영업사원이 보다 효과적으로 지식경영을 수행할 수 있도록 고객의 요구사항 정보를 종합하거나 집계하도록 설계되었습니다. 이것은 GenAI의 매우 효과적인 사용 사례입니다.

마케팅은 훌륭한 분야입니다. 예를 들어 다음으로 취해야 할 가장 좋은 단계는 무엇입니까? GenAI는 최상의 솔루션을 결정하기 위해 고객 데이터를 분류할 때 즉각적인 엄청난 영향을 미칠 수 있으므로 강력한 도구가 될 수 있습니다.

청구 처리와 같은 결정적인 답변이 필요한 프로세스에서. 예를 들어, 의료 청구의 경우 적절한 보상 금액을 얻는 방법을 결정해야 합니다. 대부분의 경우 옳은 것만으로는 충분하지 않으며 항상 옳아야 합니다

다음 질문은 좌절과 저항을 줄이기 위해 GenAI를 사용하는 효과적인 출발점으로 도움이 될 수 있습니다.

• 어디에서 즉시 효과를 발휘할 수 있습니까? ? 사용하나요?
• 다른 기술과 결합해야 하는 곳은 어디인가요?
• 사용하지 말아야 할 곳은 어디인가요?

인적 요소는 어떻습니까?

확률적 답변은 문제 해결에 유용한 도구이지만 인간 일반적으로 제외되지 않습니다. 대신, 특히 비즈니스에 결정적인 답변이 필요한 경우 인간에게 더 정교한 도구를 제공합니다.

비즈니스에서 AI 도구를 사용하여 비즈니스 데이터를 지원하고 데이터를 집계하는 경우 마찰을 줄일 수 있어 도움이 되지만 AI 도구를 사용하여 의사 결정을 내릴 때는 더욱 그렇습니다. , 사람들은 그 결정이 항상 정확하지 않기 때문에 불편함을 느낄 수 있고, AI 도구가 어떻게 답에 도달했는지 확신할 수 없기 때문에 이를 확인하는 방법을 알지 못합니다.

이러한 딜레마에서 벗어날 수 있는 방법은 무엇입니까?

솔루션의 초점은 자동화의 작동 방식과 자동화가 다른 인간 작업에 미치는 영향을 완전히 이해하고 후속 작업이나 발생할 수 있는 기타 예상치 못한 일을 처리하기 위한 지침과 지원을 제공하는 것입니다.

이 도구의 적용은 더욱 성숙해져야 하며, 사용자는 결정을 내릴 때 신중하고 그 영향을 충분히 고려해야 합니다. 제품의 성숙도를 평가할 때 도구의 성장을 방해하거나 방해하지 않도록 개인과 기업뿐만 아니라 발생할 수 있는 의도하지 않은 결과도 고려해야 합니다.

이러한 사고 과정이 필요한 몇 가지 질문은 다음과 같습니다.

• 자동화 작업 그 이상을 생각하고 자동화되는 인간 역할의 영향도 고려하십시오.
• 필요한 생산성 향상으로 인해 작업에 참여하는 사람의 수가 줄어들게 된다는 현실을 신중하게 생각해 보세요.
• 사람들이 신뢰할 수 있도록 이 도구를 어떻게 테스트할 수 있는지 생각해 보세요. 파괴적인 신기술로 인해 발생하는 불확실성이 커질수록 사람들은 이를 신뢰하려는 의지가 약해집니다.
• 대대적인 변화로 전환하기 전에 AI 도구를 시험하여 그 이점을 입증할 수 있는 방법에 대해 생각해 보세요.

몇 가지 최종 생각

1년간 GenAI를 열광적으로 실험한 후 업계에서는 수천 건의 파일럿을 성공적으로 수행했지만 대부분의 파일럿은 자금 부족으로 인해 생산에 실패했으며 변경 관리 및 적응은 수많은 요인으로 인해 방해를 받았습니다. 도전.

그러나 GenAI는 빠르게 생산에 들어가 인상적인 수익을 달성하고 있습니다. 이러한 생산 사용 사례의 성공은 도구 선택이나 기타 요인보다는 사용 사례가 GenAI의 기능과 완벽하게 맞는 데 더 많은 것으로 보입니다.

또한 대부분의 비즈니스 기능에서 GenAI는 생산적인 역할을 하는 것으로 보이며 거의 모든 올바른 하위 기능에 집중하세요. 실험에 대한 막대한 투자를 고려할 때 대부분의 기업이 GenAI가 어디에서 작동할 수 있는지 알아내는 가장 효과적인 방법은 GenAI가 파일럿에서 프로덕션으로 성공적으로 전환한 사용 사례를 살펴보는 것입니다. 이러한 진전이 이미 대규모로 진행되고 있는 경우, 기업은 적합하다고 확신할 수 있으며 낭비되는 노력과 비용의 위험을 크게 줄일 수 있습니다.

위 내용은 GenAI의 효율성에 영향을 미치는 주요 문제의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!