پژوهش مجله کسب‌وکار هاروارد: مزیت‌های رقابتی‌ در هوش مصنوعی مولد

به گزارش پیوست، این پژوهش به بررسی و معرفی سطوح مختلف پیاده‌سازی ابزارهای هوش مصنوعی مولد و نحوه استفاده از آن‌ها برای کسب مزیت رقابتی می‌پردازد. به‌طور خاص، پژوهش به سه سطح مختلف از استفاده این ابزارها پرداخته است که در ادامه به آن می‌پردازیم.

استفاده از ابزارهای عمومی

شرکت‌ها می‌توانند از ابزارهای عمومی هوش مصنوعی مولد مانند مدل‌های زبانی بزرگ (LLM) یا ابزارهایی نظیر Midjourney و Runway برای کمک به کارمندان خود استفاده کنند. این ابزارها می‌توانند به کارمندان در انجام کارهایشان به‌طور مؤثرتر و کارآمدتر کمک کنند. به‌طور مثال، کارمندان می‌توانند از این ابزارها برای بهبود ارتباطات داخلی، ایجاد مستندات ارائه، تولید ایده برای ویژگی‌های جدید محصولات، تحقیق درباره رقبا، نوشتن پیام‌های ارتباط با مشتری، ویرایش عکس‌های بازاریابی، و تولید پست‌های رسانه‌های اجتماعی بهره ببرند.

تمام شرکت‌ها، چه در حوزه فناوری، تولید کالاهای مصرفی، معماران و مشاوران، باید به استفاده از این ابزارها توجه کنند. مشابه با اهمیت اینترنت در دهه ۱۹۹۰، ابزارهای عمومی هوش مصنوعی مولد نیز به‌زودی برای موفقیت کسب‌وکارها ضروری خواهند شد. این ابزارها شامل مدل‌های عمومی مانند ChatGPT از OpenAI و GEMINI از Google، و همچنین مدل‌های خاص صنعت مانند Alexi برای شرکت‌های حقوقی و Karbon AI برای شرکت‌های حسابداری، و مدل‌های عملکردی خاص مانند Copy.ai برای ویرایش متون و GitHub Copilot برای کدنویسی هستند. شرکت‌هایی که این ابزارها را به کار نبرند، با مشکلاتی مانند کند شدن مواجه خواهند شد.

در کوتاه‌مدت، برخی کسب‌وکارها می‌توانند با استفاده بهتر یا سریع‌تر از این ابزارها نسبت به رقبای خود برتری یابند. شرکت‌هایی که تغییرات اساسی در فرآیندهای تجاری خود با استفاده از هوش مصنوعی مولد ایجاد کنند، برتری بیشتری خواهند داشت. با این حال، تکیه صرف به مدل‌های هوش مصنوعی که برای همه در دسترس است، تنها به برتری موقتی منجر خواهد شد تا زمانی که این ابزارها به استاندارد رایج تبدیل شوند.

سفارشی کردن ابزارهای هوش مصنوعی

شرکت‌ها می‌توانند ابزارهای هوش مصنوعی مولد را که از داده‌ها و دانش‌های جمع‌آوری‌شده در فرآیند خدمت به مشتریان استفاده می‌کنند، سفارشی‌سازی کنند. این ابزارها می‌توانند با استفاده از مدل‌های منبع‌باز یا مدل‌هایی از شرکت‌های مدل‌های زبانی بزرگ مانند آنتروپیک و Cohere ساخته شوند و تجربه مشتری را با سهولت تعامل و قابلیت‌های جدید مانند پیشنهادات شخصی‌سازی‌شده بهبود بخشند.

برای مثال، شرکت‌های نرم‌افزاری، به‌ویژه آن‌هایی که محصولات پیچیده‌ای ارائه می‌دهند، می‌توانند رابط‌های گفتگوی مبتنی بر هوش مصنوعی مولد منحصر به فرد محصول خود ایجاد کنند. این رابط‌ها به کاربران این امکان را می‌دهند که به زبان طبیعی با نرم‌افزار ارتباط برقرار کنند، به‌جای استفاده از منوهای پیچیده.

یک مثال دیگر می‌تواند نرم‌افزارهای مدیریت هزینه‌های سفر باشد که با استفاده از هوش مصنوعی مولد می‌توانند فرآیند ارسال هزینه‌ها را برای کارکنان ساده کنند. این ابزار به کارمندان کمک می‌کند تا هزینه‌ها را با توجه به سیاست‌های شرکت پردازش کنند و هرگونه مشکلی را با درخواست اطلاعات اضافی یا علامت‌گذاری تفاوت‌ها برطرف نمایند.

در سطح ۲، پیاده‌سازی ابزارهای سفارشی‌شده با داده‌های داخلی می‌تواند تجربه کاربری را بهبود بخشد و خدمات شخصی‌سازی‌شده‌تری ارائه دهد. با استفاده از بازخورد کاربران، شرکت‌ها می‌توانند مدل‌های خود را بهبود بخشند و به سمت قابلیت‌های پیشرفته‌تر حرکت کنند. این فرآیند می‌تواند به ایجاد یک مزیت رقابتی پایدار منجر شود.

ایجاد زنجیره بازخورد خودکار با هوش مصنوعی مولد

با پیاده‌سازی کامل ابزارهای هوش مصنوعی مولد ، شرکت‌ها می‌توانند سیگنال‌های قابل اعتماد را در فرآیند طبیعی استفاده مشتریان از محصول یا خدمت تولید کنند. این سیگنال‌ها به‌طور خودکار به مدل بازخورد می‌شود تا با حداقل دخالت انسانی، توانایی‌های آن بهبود یابد. شرکت‌هایی که به ابزار هوش مصنوعی اجازه می‌دهند تا میزان مفید بودن آن برای مشتریان را استنباط کند، بیشترین سیگنال‌های قابل اعتماد را به دست خواهند آورد.

ایجاد زنجیره‌های بازخورد خاص برای هر محصول یا خدمت، هدف نهایی شرکت هاست. هرچه مشتریان بیشتر از محصول استفاده کنند، سیگنال‌های بازخورد بیشتری تولید می‌شود که به بهبود مداوم مدل کمک می‌کند و این امر به افزایش تعداد کاربران و میزان استفاده منجر می‌شود. این روند به ایجاد یک مزیت رقابتی قوی و انباشته‌شده کمک می‌کند.

برای مثال، شرکت آموزش آنلاین Chegg از هوش مصنوعی مولد برای ایجاد یک دستیار یادگیری شخصی‌سازی‌شده برای دانش‌آموزان استفاده می‌کند. این ابزار آنلاین، که با محتوای آموزشی اختصاصی Chegg و داده‌های استفاده از محصولات آن آموزش دیده، به صورت گفتگویی با دانش‌آموزان تعامل می‌کند و راهنمایی‌ها را متناسب با نیازهای فردی آن‌ها تنظیم می‌کند. این ابزار به طور مداوم محتوای آموزشی خود را با شناسایی نقاط ضعف مشترک کاربران بهبود می‌بخشد و یک حلقه بازخورد داده ایجاد می‌کند.

شرکت‌های مختلف صنایع نیز می‌توانند از پیاده‌سازی سطح ۳ بهره‌مند شوند. برای مثال، ناشران بازی‌های ویدیویی آنلاین می‌توانند از هوش مصنوعی مولد برای ایجاد و بهبود مداوم شخصیت‌های غیرقابل کنترل (NPCs) استفاده کنند. همچنین، شرکت‌هایی که هم خدمات پخش استریم و هم تولید محتوا دارند، مانند Disney و Netflix، می‌توانند از این ابزار برای شخصی‌سازی نمایش‌های خود و تطبیق صحنه‌ها با سلیقه‌های مختلف بینندگان استفاده کنند.

منبع: HBR MAGZINE ( MAY-JUNE)