Skip to main content Skip to footer

Sammanfattning

Innan generativ AI intog vår föreställningsvärld i slutet av 2022, så betraktades förmågan att skapa nya saker - konkurrensanalys, affärspresentation eller mjukvarukod - som en uteslutande mänsklig egenskap. Nu i samband med succédebuten av Open AI:s ChatGPT kan alla med en dator bevittna hur generativa AI-system reagerar direkt på kommando med nytt innehåll och idéer i en häpnadsväckande hastighet.

Detta kan verka överväldigande vid första intrycket. Men med tiden kommer generativ AI:s förmåga att bli allt tydligare: Istället för att ersätta människor, så kommer denna teknik snarare att förbättra och öka mänsklig intelligens och beslutsfattande, vilket gör oss bättre på det vi redan gör.

Företag kan redan nu integrera generativa AI-verktyg, säkert och ansvarsfullt, i sina arbetsflöden. Men allt eftersom generativ AI tränger igenom företagens teknikstackar, så kommer den att breda ut sig till att utföra mer än att bara automatisera enskilda uppgifter. Flera generativa AI-agenter kommer att samarbeta med varandra, för att samordna alla processer, system och kunskapspooler, som behövs för att utföra en komplex serie av sammankopplade uppgifter - från att ändra en produktdesign till att räkna ut din betalda semester grundat på din kommande arbetsbelastning. Och istället för att navigera genom olika system, appar och data, så kommer personal att använda ett och samma interaktiva och konversationsbaserade gränssnitt, som i sin tur gör alla nödvändiga sammanlänkningar.

Kort sagt, generativ AI kommer att förändra våra arbetssätt genom att agera bakom kulisserna, för att samla alla delar av verksamheten och tillhandahålla en enhetlig åtkomstpunkt för både konsumenter och anställda. När generativ AI mognar kommer den att få våra nuvarande produktivitetsnivåer att verka förlegade, samtidigt som vi förändrar - på den djupaste nivån - hur företag skapar innovationer, fattar beslut och organiserar sig själva.

Riskerna med generativ AI är väldokumenterade. Många företag vill därför inte riskera att begå stora säkerhets- eller etikbrott, vilket inte är helt olikt den perioden då allt kring datorer, internet och mobil databehandling också var nytt. Likt dessa tekniska lösningar, så kommer generativ AI genomgå sin nuvarande era med stora störningar, för att sen bli en självklar del av arbets­strukturen. Med granskningsplikt (due diligence), styrning och stegvis implementering kan och bör dessa nya verktyg driftsättas på ett säkert sätt, utan att för den sakens skull begränsa de potentiella vinsterna för innovation, effektivitet och produktivitet.

Ledare som förstår vidden av vad som utvecklas och börjar driftsätta generativ AI på ett säkert sätt redan idag, kan vinna avgörande konkurrensfördelar. Att ta täten för att implementera generativ AI innebär potentiella vinster lika obegränsade som generativ AI:s möjligheter.

Generativ AI är redan i arbete:

Från att skriva Frågor och svar (FAQs) till att koda - generativ AI ökar redan produktiviteten.

Image
Samordning härnäst:

Det som är ännu mer transformerande är det som kommer att ske när generativa AI-agenter börjar koppla upp sig och prata med varandra.

Image
Tänder en gnista för innovation:

Generativ AI kan inte enbart optimera människors förmåga till att tillverka och skapa, utan även att tänka.

Image
En beslutsfattande assistent:

Med generativ AI inbyggd i affärssystemet och kombinerad med rätt data blir beslutsfattandet snabbare och vassare.

Image
En möjlighet till bättre organisationsstrukturer:

För att anamma generativ AI måste företag omforma sina organisationsstrukturer.

Image
Höga och låga risker:

Att förstå generativ AI:s potentiella problem är nyckeln till att framgångsrikt navigera detta nya område.

Image
Så börjar man:

Från att börja smått till att välja rätt modell - 5 tips för att lyckas med implementeringen.

Image
Vägen framåt:

Generativ AI levererar sitt löfte om att förbättra hur företag fungerar och människor arbetar.

Image

Generativ AI: Ett genombrott inom automatisering

När världen introducerades för generativ AI, så var det som utmärkte sig mest gränssnittet för flytande chattmeddelanden, som användare kunde prata med naturligt. Modellen skulle svara med till synes tankeväckande svar, och dyka upp över skärmen, som om den skrivits av en uppspelt kompis.

Emellertid blev snart den största nyheten om vad generativ AI faktiskt kunde göra och åstadkomma genom de flytande chattmeddelandena. Till skillnad från s.k. ”traditionella AI-system", som reagerar på inmatade data genom att följa förinställda regler, så kan generativa AI-modeller skapa information. Om traditionell AI i en strömningstjänst kan rekommendera en film du kanske gillar, så kan generativ AI på några sekunder skriva ett originalfilmmanus exakt anpassat efter din individuella smak och önskemål. Eller en symfoni. Eller mjukvarukod.

Inom affärsverksamheter används denna nya teknik redan flitigt på olika sätt:

Kundservice

Vissa företag använder generativ AI för att utvinna meningsfulla data från sina kunskapshanteringssystem, som de sedan använder för att forma och skapa nya "Frågor och svar" (FAQs) och guider. Om "Frågor och svar" inte löser kundens problem, så kan generativ AI hantera frågor utan hjälp av personal, kamma igenom komplexa databaser för teknisk information och till och med föreslå lösningar, som bygger på tidigare liknande fall. Det ger kundtjänstmedarbetare utrymme till att arbeta med mer komplexa kundfrågor, vilket resulterar i en högre servicenivå överlag.

Image
Förmögenhetsförvaltning

Morgan Stanley har förmögenhetsrådgivare börjat använda generativ AI för att ge rekommendationer på lönsamma investeringar och ställa allmänna affärs- eller processfrågor, som bygger på dess enorma datakatalog (repository) med forskning och strukturerade och ostrukturerade data, vilket även omfattas av text och video.

Image
Kliniska prövningar

Läkemedelsföretag använder generativ AI för att identifiera potentiellt förbisedda insikter i historiska data för kliniska prövningar. Detta kan bidra till förkortad tidsperiod för utvecklingen av läkemedelskandidater (drug-discovery) - ett genombrott med stora ekonomiska följder och ännu större potentiella effekter på människors hälsa och livslängd.

Image
Skapa koder och livscykeln inom mjukvaru- eller systemutveckling

Generativ AI kan avsevärt förkorta livscykeln inom mjukvaru- eller systemutveckling (SDLC - Software Development Life Cycle) genom att skapa kod och utföra andra tillhörande uppgifter. Tillsammans med stora kodförråd, användarkrav och testscenarier kan generativ AI skapa relevanta kodavsnitt, ta fram användarberättelser som överensstämmer med affärskraven och utforma testfall, som täcker ett brett spektrum av funktionella scenarier. Det kan också skapa syntetiska data, som erbjuder en värdefull lösning på integritetsproblem, eftersom det möjliggör stabil testning, utan att förlita sig på personkänsliga, verkliga data.

Image

Produktivitetsvinsterna från generativ AI kan vara särskilt anmärkningsvärda bland ny personal, som snabbt kan förvärva expertkunskaper som annars kräver månader av arbetslivserfarenhet att utveckla. Detta framgick av en nyligen genomförd studie vid Stanford University och Massachusetts Institute of Technology, där kundcentermedarbetare som använde generativ AI var i snitt 14 % produktivare än de som inte gjorde det. Vinsterna var som störst bland personal, som bara hade jobbat där under några månader.

Det som är ännu mer transformerande är det som sker när generativa AI-agenter börjar koppla upp sig och prata med varandra. Då tidiga diskussioner kretsade kring att använda generativ AI för specifika uppgifter, såsom kodning eller utveckling av mjukvara, så föreställ dig en framtid där dessa uppgifter inte ens är nödvändiga längre, eftersom ett detaljerat kommando istället ersätter behovet av att skriva omfattande kodrader.

Detta nya sätt att interagera med ett digitalt system gör oss tvungna till att ifrågasätta om traditionella appar och webbplatser ens kommer att behövas i framtiden. Allt eftersom generativ AI blir mer avancerad, så kan det leda till en era där digital interaktion är mycket mer intuitiv, omedelbar och skräddarsydd för individuella behov, vilket är så mycket mer än vad traditionella appar och webbplatser kan erbjuda. Den verkliga revolutionen inom generativ AI handlar om att öppna dörren till dessa tidigare ofattbara möjligheter.

Från automatisering till samordning

Tänk på att en stor anledning till ChatGPT:s enorma framgång nästan över en natt berodde på dess förmåga att fungera som ett enda gränssnitt, en ”one-stop-shop”, för en ofantlig mängd mänsklig kunskap. Den one-stop-shop-modellen kommer att bestå när generativ AI får dragkraft, och den kommer även expandera. När flera generativa AI-agenter börjar samarbeta, så kommer de att fungera som ett samordningslager och paketera in företagssystem, specialiserade datamängder, resurser och processer i en sammanhängande enhet. För både ledare och medarbetare kommer den primära kontaktpunkten med verksamheten att vara en konversationsbaserad AI-assistent, som fungerar ungefär som en mänsklig kunskapsarbetare. Med undantag från att den faktiskt har omedelbar, realtidsåtkomst till den information och resurser som krävs för att utföra jobbet i form av datamängder, som matas in i det generativa AI-verktyget.

Ett typiskt arbetsflöde kan vara enligt följande: du måste ändra en befintlig produkt för att aktivera funktioner för personer med nedsatt syn. Du ber din Generativ AI-agent att analysera den befintliga

produkten och föreslå några alternativ. Inget av dess förslag ger någon fullträff, så du anger mer detaljer om vad du efterlyser. När kreativiteten börjar flöda och produktändringarna tar form, så fortsätter generativ AI-agenten att hjälpa till genom att förfina produkten, kontrollera den mot lagkrav och generera ritningar och prototyper, samt hålla andra teammedlemmar uppdaterade om vad som pågår. Hela vägen från marknadsföring och reklamkampanjer till lanseringsdagen.

Tidiga iterationer (upprepningar) av detta koncept är redan under utveckling med AI-drivna uppgiftshanteringsprojekt, såsom AutoGPT och Baby AGI , som visar vägen. Även om de inte är utan brister, så erbjuder dessa projekt en inblick i framtiden för vad generativ AI kan ge.

Snart kommer denna kontaktpunktsmodell att vara mer än bara en bekvämlighet eller ett operativt skifte. Den kommer att förändra helt hur vi skapar innovationer, fattar beslut och strukturerar våra verksamheter.

De generativa AI-agenterna genomför förfrågningen, oavsett om den gäller att förfina koden, modifiera produktdesignen, besvara en kundförfrågan eller något annat. Uppgiften slutförd Flera generativa AI-agenter arbetar tillsammans för att komma åt alla relevanta data, kunskapen, affärssystemen, externa informationen och arbetsflöden för att kunna utföra jobbet. sind Samordning En användare skickar en förfrågan till en konversationsbaserad AI-agent. Förfrågan

 

Obegränsad innovation

Traditionellt sett har produktivitetsvinster kommit från processautomatisering. Med generativ AI kommer vinsterna också att komma från innovation, eftersom denna nya teknik inte bara optimerar människors förmåga tillverka och skapa, utan även att tänka. Genom att utnyttja stora språkmodeller kan, till exempel, generativa AI-assistenter sammanfatta, destillera och jämföra böcker och forskningsartiklar, vilket markant ökar utbudet av intellektuellt ”råmaterial” som väcker nya idéer.  Nya idéer som kan förvandlas till värdefulla realiteter av alla som kan formulera dessa idéer via kommando och samtal med sin outtröttliga, ständigt intresserade generativa AI-assistent.

När vi skapar innovationer idag måste vi ofta ta itu med stränga system. Vi måste forma våra idéer och produkter, så att de passar det befintliga tekniska landskapet, med dess mossiga äldre system som ofta inte stöder banbrytande innovation. I många fall måste vi fokusera mer på vad som är tekniskt möjligt och vad vi kan göra, istället för vad som faktiskt skulle kunna uppfylla våra mål.

Generativ AI tränger sig igenom dessa många tekniska begränsningar. Den introducerar en flexibilitet som aldrig tidigare skådats, eftersom den inte är beroende av strikta systemkrav och kan hantera ostrukturerad data. I denna miljö kommer produktivitetsvinsterna att flöda från innovationen, men inte enbart genom att utföra samma saker snabbare genom automatisering.

Flexibiliteten hos generativ AI är redan uppenbar. CAMEL-projektet, till exempel, har flera generativa AI-agenter som antar distinkta personas för att angripa ett problem. Precis som om du hade samlat en minitankesmedja, som innefattar en mikrobiolog och en kvantfysiker för att kläcka idéer till en lösning.​

I slutändan lovar generativ AI att vara en drivkraft för mänsklig kreativitet, och inte något som ersätter den. Genom att effektivt extrahera och använda AI-genererade insikter kan individer förfina och implementera strategier, som maximerar deras eget innovativa tänkande och krossar gränserna för mänsklig kreativitet.

 

Från innovation till genomslag:
En ny nivå av strategiskt beslutsfattande

Innovativt tänkande vidgar horisonten - beslutsfattande avgör resultatet. När ett företag integrerar generativ AI i sina affärssystem och etablerar en enhetlig backend (grundsystem, administrationsdel) för dataåtkomst, så kan det påskynda och vässa till strategiska beslutsprocesser avsevärt.

Mer datadrivna insikter: Generativ AI ger tillgång till en stadig, tillförlitlig datapool, samtidigt som den lägger till lager av djup och användbarhet. LLM-baserad (LLM - large language model, stor språkmodell) dataförstärkning (data augmentation) kommer att berika affärsdatamängder, vilket gör deras AI-modeller ännu smartare. Generativ AI kan bearbeta både strukturerade och ostrukturerade data, såväl som äldre data, där den kan identifiera värdefulla datapunkter som tidigare förbisetts. Detta transformerar data från att bara vara tillgänglig till att vara djupt tillgänglig och insiktsfull.

Konsekvens är avgörande: Med generativ AI som gränssnitt till affärssystem arbetar alla i organisationen utifrån samma information - borta är skillnaderna i datamängder eller avvikelser mellan avdelningar. Denna konsekventa användning av data förbättrar organisationens prestanda avsevärt och minskar sannolikheten för fel eller manipulering, vilket resulterar i strömlinjeformade och effektiva processer.

Differentiering genom beslutsfattande: Ledare som söker konkurrenskraftig differentiering kommer att anamma generativ AI för att identifiera och uppfylla sina viktigaste nyckelprestationsindikatorer (KPI). Genom att identifiera KPI:er som sätter dem isär — med tanke på arbetsflöden, policyer, äldre data och tillhörande analyser — kan ledare använda generativ AI för att hjälpa dem att fatta beslut som hjälper dem att uppnå dessa mål.

Nya organisationsstrukturer

Generativ AI kan i grunden omforma de oflexibla, avdelningsbaserade organisationsstrukturer som har funnits i nästan hundra år. Precis som elektrifiering och industrialisering tvingade oss att omvärdera hur företag är strukturerade och fungerar, så kommer en AI-assistent som kan ta på sig och koppla samman många av uppgifterna för olika funktioner, såsom marknadsföring, juridik, upphandling, drift och FoU, samt försäljning, att sporra företag till att omvärdera om traditionella, separata konfigurationer fortfarande fungerar.

Den här punkten handlar inte om att behöva färre anställda, utan om att ombilda hur våra nuvarande team fungerar. Genom att utnyttja tidigare frånkopplade arbetsflöden, applikationer och kunskapsbaser ihop med AI-assistenter, så kan team sluta jobba i silor (separat) och istället samarbeta för att nå mål och bidra meningsfullt. Istället för att försvinna kommer jobb att bli resultatinriktade och beroende av AI, för att få tillgång till färdigheter och kunskap.

Generativ AI kommer också att ruska om hur vi ser på organisatoriska roller, eftersom vissa tekniska färdigheter blir mindre nödvändiga i samma veva som andra mer specialiserade funktioner ökar i betydelse. Tänk på cybersäkerhet. Allt eftersom dåliga skådespelare lär sig att bli kreativa med sina AI-kommandon för att få ut känslig information, kommer företag att behöva proffs som kan förutse dessa bedrägeriförsök. Det innebär att yrkesroller som en gång hade starkt fokus på den tekniska delen av säkerhet nu istället kräver en hög grad av kreativitet och innovativt tänkande.

Vidare när generativ AI blir alltmer skicklig på problemlösning, kommer det att vara upp till mänskliga arbetare att bli bättre på att identifiera problem. Eftersom det är deras uppgift att uppmana generativ AI att hitta innovativa problemlösningar och möjligheter. En ny mångfald av färdigheter kommer att behövas, inklusive en förståelse för mänsklig natur (sociologi, psykologi, antropologi), processdesign och optimering (designtänkande, Six Sigma, branschspecifik kunskap) och publikengagemang - både intellektuellt och känslomässigt - genom berättande (storytelling) och design.

Dessutom kommer samarbete - mellan anställda med varierande kompetens och mellan anställda och teknik - att vara avgörande för att effektivt utnyttja denna mångsidiga kunskap. Företag kommer att behöva experimentera med plattare organisationsstrukturer och utforma flexibla ramverk, som uppmuntrar och belönar samarbete.

Risker

Som med all ny teknik är generativ AI inte utan fallgropar. Att förstå generativ AI:s potentiella problem är nyckeln till att framgångsrikt navigera genom detta nya område.

Felaktigheter och "hallucinationer"

Generativ AI förlitar sig på de data som den blivit inmatad med, för att göra förutsägelser och generera utdata. Dock skapar det ibland utdata som är felaktiga eller helt påhittade, vilka benämns som ”hallucina­tioner”. Dessa hallucinationer kan leda till felinformerade beslut eller handlingar, som kan orsaka påtagliga problem för ett företag.

interagera
Partiskhet och etik

AI är inte mer opartisk än den data som den har övats in på. Om dessa data innehåller fördomar (partiskhet), så kan och kommer AI att replikera och förstärka dessa fördomar i dess utdata. Etiska frågor kan också uppstå kring integritet, brist på samtycke eller överenskommelse om använd­ning av upphovsrätts­skyddade data, som används för utbildning, och missbruk av genererat innehåll. Alltsammans är något som företag måste överväga.

interagera
Uppsägningar

Implementeringen av generativ AI kan medföra att vissa yrkesroller blir överflödiga, särskilt dem som består av repetitiva eller datapräglade arbetsuppgifter. Även om detta kan leda till ökad effektivitet, så tar det också upp frågor kring arbetsförflyttning och behovet av omskolning. Det är dock viktigt att komma ihåg att ny teknik också skapar nya tjänster (yrkesroller) och möjligheter som tidigare inte fanns, vilket bidrar till mer inkomst per capita, mer välstånd och mer uppåtgående social rörlighet.

En nyligen genomförd studie bekräftar att AI inte har resulterat i någon arbetslöshet. Ekonomer vid National Bureau of Economic Research fann en 5​ % ökning av antalet vakanser för högkvalificerade jobb, som tidigare hade klassats som sårbara för AI, såsom tjänstemän. Tidsramen för studien var 2011-2019, perioden då företag började använda djupinlärning för att automatisera arbetsuppgifter. Forskarna drog slutsatsen att ny teknik kan öka efterfrågan på mer kvalificerade personal, även när den används till att ersätta dem som utför rutinarbete.

Sam Altman, VD för OpenAI, förklarade nyligen att även om generativ AI idag är bra på att utföra ”delar” av jobb, är det inte särskilt bra på att utföra ”hela” jobb. På kort och medellång sikt, om inte ännu längre fram, så kommer det alltid att finnas en människa med på banan.

interagera
Säkerhet

Som med alla digitala verktyg är generativa AI-system inte osårbara för cyberhot. Som vi har påpekat tidigare, finns det en risk att dessa AI-system kan luras till att avslöja känslig information. Nödvändigheten av ett stabilt cybersäkerhetsprotokoll är uppenbar.

Ett annat framväxande hot är injektion av kommandon (prompts) - en teknik som använder kommandon för att locka AI-modeller till att lämna ut information, som de inte borde. Dessutom kräver det inte heller alltid några avancerade tekniska färdigheter för att utföras.

Det är viktigt för säkerhetsansvariga att till fullo förstå alla situationer, där generativ AI kan utsättas för potentiell risk. Det är enbart genom att ha koll på alla möjliga angreppsvägar som man verkligen kan skydda sina system och upprätthålla ett stabilt försvar.

interagera
Förordning

Det växande och varierande regelverkslandskapet kring generativ AI, med åtgärder som EU:s föreslagna AI-förordning, utgör en viktig faktor som företag behöver förstå och navigera. Även om dessa förordningar - som potentiellt begränsar användningen av vissa datamängder och införande av åtgärder som vattenstämpel för AI-genererat innehåll - kan verka utmanande, är de inte oöverstigliga hinder. Tillsammans med strikt datasekretess liknande GDPR, kräver dessa regler att företag anpassar sig och skapar innovationer, istället för att hindra framsteg. Företag som tar täten måste ha en dialog med tillsynsmyndigheter, för att säkerställa att de har både har en röst och en djup förståelse för regelverken.

interagera
Hållbarhet

Generativ AI har potential att bidra positivt till hållbarhetsarbetet, från att hjälpa till med regulatorisk rapportering till att analysera data för att skapa innovativa lösningar. Det är dock viktigt att påtala de negativa effekterna av dess energi- och beräkningskrav. I likhet med blockkedjetekniken kan energikraven för generativ AI orsaka en motreaktion. Dessutom är det, precis som med blockkedjan, viktigt att beakta hur energin anskaffas och den smarta tillämpningen av tekniken, för att säkerställa att fördelarna överväger miljöproblemen. Genom att prioritera hållbara energikällor och smarta applikationer kan generativ AI fortfarande utnyttjas effektivt för positiva resultat.

interagera

Så börjar man

Det är oklokt att bortse från riskerna med generativ AI. Istället för att låtsas att dessa risker inte existerar, så är det viktigt att upprätta nödvändigt skydd för att hantera dem effektivt. Detta innebär att vara medveten om var försiktighet bör iakttas och vilka säkerhetsåtgärder som krävs, samtidigt som man drar nytta av teknikens potential. För ett effektivt genomförande måste du:

1. Börja nu

Tidiga användare av generativ AI kommer att dra fördel av bättre datahantering och bygga upp de färdigheter som krävs för en framgångsrik användning av tekniken. Att förstå dina data och AI-modeller tar tid, och den tiden som går i spillo för de sena användarna kan inte tas igen, vilket innebär att det finns en tydlig fördel för de som anammar tekniken först.

2. Börja smått

Identifiera områden i din verksamhet där den effekten av potentiella risker är som lägst. På så sätt kan du parallellt köra nya metoder tillsammans med befintliga processer. Detta hjälper dig att gradvis få kunskap om generativ AI, samtidigt som du minimerar potentiella störningar. Ditt fokus bör ligga på att skapa en miljö, som uppmuntrar till snabba experiment och innovation. Nyckeln är att odla en kultur som inte är rädd för att prova nya saker.

3. Välj dina modeller

Olika generativa AI-modeller briljerar i olika typer av uppgifter, och de står för olika aspekter av öppenhet och risk. Det är viktigt att avgöra vilka modeller som just din verksamhet behöver nyttja, för att det generera största möjliga värde och minska särskilda risker för ditt företag. Vissa modeller är offentligt tillgängliga, men de data som använts för att skapa dessa är otydliga. Samtidigt som andra mindre modeller är nischade mot en viss bransch eller ett ämne, och deras data kan analyseras och förstås till fullo. Genom att göra dessa val får du information om de befintliga riskerna. 

Offentliga modeller

Det kommer att finnas 2-5 stora, offentliga modeller för allmänheten, som är inövade på offentliga, begränsade privata data, som ibland dessutom är urskillningslösa.

Expertmodeller

Företag kommer att bygga modeller själva med hjälp av privat immatieriell egendom (IP), för att tjäna ett specifikt syfte eller nisch.

Branschmodeller

Stora aktörer som Microsoft, Google, AWS och OpenAI kommer att erbjuda anpassningsbara, ändamålsenliga modeller "as-a-service".

4. Prioritera spårbarhet

Det är viktigt att förstå de data du använder för att öva upp dina generativa AI-modeller. Detta inbegriper att även känna till datakvaliteten och de eventuella risker, som den kan orsaka internt och externt.

5. Bevaka generativ AI med generativ AI

Själva systemet i sig för generativ AI kan användas för att påpeka och bedöma potentiella risker. Du kan exempelvis dra nytta av det genom att kontrollera om ett nytt utdata har några etiska fördomar, eller om det finns en ryktesrisk i samband med att publicera ett innehåll.

Vägen framåt

Ernest Hemingways ofta citerade insikt om att en konkurs sker i ”två etapper: gradvis, sedan plötsligt”, speglar också hur historien sannolikt kommer att minnas uppkomsten av generativ AI. ChatGPT:s uppseendeväckande debut i november förra året motsvarar etappen som skedde ”plötsligt". Inom bara några dagar och veckor genomgick de som inte tillhörde teknik- och affärsvärlden en snabbkurs i generativ AI. Snart behärskades ny terminologi, såsom ”stor språkmodell” och ”uppsättningar av upplärning”, och det spekulerades, ofta hejvilt, om denna nya tekniks effekter på mänskligheten och samhället. Den enda enigheten som rådde mellan utopisterna och katastrofisterna var om förändringens kolossala hastighet och omfattning: den generativa AI, på gott och ont, representerar åtminstone en ”böjningspunkt”, om inte en fullständig ”omvälvning”, i den hittills smidiga utvecklingen av mänsklighetens historia.

Den etappen som motsvarar ”gradvis” försvinner i bruset. Utvecklingen av generativ AI kommer sannolikt att vara en inkrementell process, som består av årtionden av kontinuerlig förfining och förbättring. Generativ AI:s inverkan på affärsvärlden och de förändringar som beskrivs ovan kommer att vara avsevärda och snabba, samt leda till något välbekant: större effektivitet, högre produktivitet och - viktigast av allt - större harmoni. Ja, generativ AI kommer att "riva murarna" mellan avdelningar och funktioner inom ett företag och hjälpa dem att arbeta tillsammans mot ett gemensamt mål. Det skapar en institutionell harmoni, som medför ett förbättrat och mer harmoniskt förhållande mellan enskilda människor och världen runt omkring, som generativ AI gör enklare att kontrollera och navigera.

 

Ledarnas uppgift framöver är att ha den harmonin i åtanke och använda den som en ledstjärna, för att göra de val och ta de risker som generativ AI redan innebär. Sensationen kring denna nya teknik bygger på dess potential att skapa ett nytt, nästan friktionsfritt förhållande mellan människor och maskiner. Det som kan vara ännu mer avgörande i slutändan, när vi blickar tillbaka på dessa turbulenta år, är sättet som generativ AI bidrar till att underlätta människors samarbete sinsemellan.

Om författarna

Duncan Roberts
Cognizant Research

Duncan Roberts jobbar för närvarande inom Cognizant Research, men  tillträdde sin första tjänst 2019 som Digital Strategy and Transformation Consultant för olika branscher - allt från satellitkommunikation till bedömning av utbildning. Han har konsulterat kunder om att använda teknik för att uppfylla strategiska mål och upptäcka konsten av det möjliga genom innovation.

Innan Cognizant arbetade Duncan för ett av de största förlagen i Europa, där hade han en ledande roll för genomslaget av digitala publicering. Vidare bidrog han till att transformera verksamheten och lansera nya innovativa produkter. Han har en Masters inom klassisk filosofi från University of St. Andrews.

E-postDuncan.Roberts@cognizant.com
LinkedInhttps://linkedin.com/in/duncan-roberts-16586022/

Naveen Sharma
Vice President och Global Practice Head, AI & Analytics, Cognizant

Naveen Sharma är Vice Precident för Cognizants verksamhet inom AI & Analytics. Han är en skicklig ledare inom tekniktjänster, som utmärker sig genom att blanda strategisk vision med taktiskt genomförande för att uppnå affärsplaner. Han är fokuserad på att driva tillväxt genom tankeledarskap, innovation, förförsäljning, erbjuda utveckling och portföljhantering inom detta område.

Naveen har över 25 års erfarenhet av tjänster och teknik, och arbetar med ledande varumärken, såsom BMS, Sapient och IQVIA, samt har erfarenhet av att konsultera Fortune 500-företag om deras data- och analysstrategier.

På Cognizant har han haft flera yrkesroller, bland annat Practice Head för företagets Enterprise Data Management-verksamhet, AI&A Practice Leader och Service Line Sales Leader, båda inom affärsområdet för biovetenskap.

E-postNaveen.Sharma@cognizant.com
LinkedInhttps://www.linkedin.com/in/4naveen/

Babak Hodjat
Vice President of Evolutionary AI, Cognizant

Babak Hodjat är Vice President of Evolutionary AI på Cognizant och tidigare medgrundare och VD för Sentient. Han är ansvarig för den huvudsakliga tekniken bakom världens största distribuerade artificiella intelligenssystem. Babak var också grundaren av världens första AI-drivna hedgefond, Sentient Investment Management. Han är en serieentreprenör, efter att ha startat ett antal Silicon Valley-företag som huvuduppfinnare och teknolog.

Innan han grundade Sentient var Babak Senior Director of Engineering på Sybase iAnywhere, där han ansvarade för teknik för mobila lösningar. Han var också medgrundare, CTO och styrelseledamot i Dejima Inc. Babak är den främsta uppfinnaren av Dejimas patenterade, agentorienterade teknik, som tillämpas på intelligenta gränssnitt för mobil och företagsövergripande IT - tekniken bakom Apples Siri.

En forskare som publicerat inom artificiellt liv, agentorienterad mjukvaruteknik och distribuerad artificiell intelligens, Babak har 31 beviljade eller pågående patent till sitt namn. Han är expert på många områden inom AI, inklusive språkteknik (NLP), maskininlärning, genetiska algoritmer och distribuerad AI, och har grundat flera företag inom dessa områden. Babak har en doktorsexamen i maskinintelligens från Kyushu University, i Fukuoka, Japan.

E-postBabak.Hodjat@cognizant.com
LinkedIn:https://linkedin.com/in/babakhodjat

Erkännande

Författarna vill tacka Catrinel Bartolomeu, Director of Storytelling & Content på Cognizant, Mary Brandel, Editor, Mykola Hayvanovych, AVP of AI, Cognitive Computing & Data Science på Cognizant och Matthew Smith, AVP Conversational AI Practice Leader på Cognizant, för deras medverkan till denna rapport.

Resurser

Stärk beslutsfattandet med data och AI
Omdefiniera möjligheten med den transformativa kraften hos generativ AI
VD-perspektiv: Den gränslösa potentialen hos generativ AI