Skip to main content Skip to footer
Pages

Kortfattet sammendrag

Før generativ AI fanget den folks oppmerksomhet i slutten av 2022, ble evnen til å lage nye ting – en konkurranseanalyse, forretningspresentasjon eller programvarekode – sett på som en egenskap bare mennesker innehar. Nå som Open AIs ChatGPT har debutert på spektakulært vis, kan alle med en datamaskin se generative AI-systemer svare på en melding med nytt innhold og ideer i en forrykende hastighet.

Ved første øyekast kan dette virke truende. Men etter hvert som tiden går, vil løftet om gen AI bli stadig tydeligere: I stedet for å erstatte mennesker, vil denne teknologien forbedre og forsterke menneskelig intelligens og beslutningstaking, og gjøre oss bedre på det vi allerede gjør.

Bedrifter kan allerede integrere gen AI-verktøy i arbeidsflytene sine på en trygg og ansvarlig måte. Men etterhvert som gen AI gjennomsyrer bedriftsteknologistabler ytterligere, vil den gjøre mer enn å bare automatisere enkeltoppgaver. Flere gen AI-agenter vil samarbeide med hverandre for å orkestrere alle prosessene, systemene og kunnskapspoolene som trengs for å utføre en kompleks serie av sammenkoblede oppgaver, fra å endre et produktdesign, til å finne ut PTO-en din basert på den kommende arbeidsmengden din. Og i stedet for å manøvrere gjennom ulike systemer, apper og data, vil ansatte bruke et enkelt interaktivt og samtalende grensesnitt som gjør alle nødvendige tilkoblinger.

Kort sagt, gen AI vil endre måten vi jobber på ved å handle bak kulissene for å samle alle aspekter av virksomheten og gi et enhetlig aksesspunkt for både forbrukere og ansatte. Etter hvert som gen AI modnes, vil det få våre nåværende produktivitetsnivåer til å virke sjarmerende gammeldagse, samtidig som den endrer – på det dypeste nivået – måten bedrifter innoverer, tar beslutninger og organiserer seg på.

Risikoen ved gen AI er godt dokumentert. Mange bedrifter er nølende når det gjelder å pådra seg et større sikkerhets- eller etikkbrudd – ikke ulikt de første dagene med PC-er, internett og mobil databehandling. Men i likhet med disse teknologiene, vil gen AI bevege seg gjennom sin nåværende æra med enorme forstyrrelser for å bli en ubestridt del av arbeidsstrukturen. Med due diligence, styring og trinnvis implementering kan og bør disse nye verktøyene distribueres trygt uten å begrense de potensielle gevinstene innen innovasjon, effektivitet og produktivitet.

Ledere som forstår omfanget av det som utspiller seg og begynner å distribuere generativ AI trygt i dag, vil få mer enn den vanlige «first-mover-fordelen». Med gen AI er de potensielle gevinstene for være først ute med bruken like ubegrensede som mulighetene med gen AI i seg selv gir.

Gen AI er allerede på jobb:

Fra å skrive ofte stilte spørsmål til å kode, generativ AI øker allerede produktiviteten.

Finn ut mer
Bilde
Neste opp-orkestrering:

Enda mer transformativt er det som vil skje når gen AI-agenter begynner å koble seg sammen og snakke med hverandre.

Finn ut mer
Bilde
En gnist for innovasjon:

Gen AI kan superlade menneskers evne til ikke bare å lage og skape, men til å tenke.

Finn ut mer
Bilde
En assisterende beslutningstaker:

Med gen AI innebygd i forretningssystemer og sammen med de riktige dataene, vil beslutningstaking skje raskere og være skarpere.

Finn ut mer
Bilde
En katalysator for bedre organisasjonsstrukturer:

For å omfavne gen AI, må bedrifter endre organisasjonsstrukturene sine.

Finn ut mer
Bilde
Risikoer og aversjoner:

Å forstå potensielle utfordringer ved gen AI er nøkkelen til å lykkes med å navigere i dette nye landskapet.

Finn ut mer
Bilde
Slik starter du:

Fra å begynne i det små til å velge riktig modell, fem tips for suksess med distribusjon.

Finn ut mer
Bilde
Veien fremover

Gen AI holder løftet sitt om å forbedre måten bedrifter driver på og måten mennesker arbeider på

Finn ut mer
Bilde

Gen AI: et gjennombrudd innen automatisering

Da verden ble introdusert for gen AI gjennom ChatGPT, var det som i utgangspunktet gjorde at det skilte seg ut det flytende chat-grensesnittet, som brukerne naturlig kunne snakke med. Modellen svarte med tilsynelatende gjennomtenkte svar, og rullet utover skjermen som om den ble skrevet av en spent venn.

Men det var hva gen AI kunne gjøre og lage fra de flytende chattene som snart ble den største nyhetssaken. Til forskjell fra "tradisjonelle AI"-systemer, som reagerer på inndata ved å følge forhåndsinnstilte regler, kan gen AI-modeller lage informasjon. Hvis tradisjonell AI i en strømmetjeneste kan anbefale en film du kanskje liker, kan generativ AI i løpet av sekunder skrive et originalt filmmanus som er nøyaktig skreddersydd til din individuelle smak og ønsker. Eller en symfoni. Eller programvarekode.

I vår undersøkelse fra september 2023 blant senior beslutningstakere innen forretnings- og teknologivirksomhet i store bedrifter i USA og Storbritannia, forventer faktisk 61 % av lederne at generativ AI vil resultere i en fullstendig forretningstransformasjon. Denne nye teknologien jobber allerede hardt på forskjellige måter:

Kundeservice

Noen selskaper bruker gen AI for å utvinne meningsfulle data fra kunnskapsstyringssystemene sine, som de deretter bruker til å designe og lage nye FAQer og veiledninger. Hvis FAQen ikke løser en kundes problem, kan gen AI finkjemme databaser for teknisk informasjon, og til og med foreslå løsninger basert på lignende tilfeller. Dette frigjør menneskelige ansatte til å jobbe med mer komplekse kundeforespørsler, noe som resulterer i et høyere servicenivå totalt sett. I undersøkelsen vår sa 50 % av seniorlederne at de allerede brukte generativ AI for å hente data fra kundesamtaler for å møte kundenes behov. 

Bilde
Formuesforvaltning

Hos Morgan Stanley  har formuesrådgivere begynt å bruke gen AI for å hjelpe med å lage investeringsanbefalinger og stille generelle forretnings- eller prosessspørsmål, basert på det enorme depotet av forskning og strukturerte og ustrukturerte data, inkludert tekst og video.

Bilde
Kliniske studier

Farmasøytiske selskaper bruker gen AI for å identifisere potensielt oversett innsikt i historiske data fra kliniske studier. Dette kan redusere tiden det tar å få frem nye legemidler, et gjennombrudd med store økonomiske implikasjoner og enda større potensielle konsekvenser for menneskers helse og gi lengre levetid.

Bilde
Kodeproduksjon og SDLC

Generativ AI kan forkorte programvareutviklingens livssyklus betydelig. Sammen med store depoter av kode, brukerkrav og testscenarier, kan gen AI lage relevante kodesnippets, konstruere brukerhistorier som samsvarer med forretningskrav og utarbeide testcases som dekker et bredt spekter av funksjonelle scenarier. Den kan også lage syntetiske data, som muliggjør robust testing uten å stole på sensitive data. I vår undersøkelse nevnte 61 % av lederne at programvareutviklingsproduktivitet er området der gen AI kan spille den største rollen på arbeidsplassen deres.

Bilde

Produktivitetsgevinsten fra gen AI kan være spesielt dramatisk blant nye ansatte eller nybegynnere, som raskt kan utvikle ekspertise som ellers ville tatt måneder med erfaring. Dette var tydelig i en nylig Stanford og MIT-studie, der kundesenter-representanter som brukte gen AI i gjennomsnitt var 14 % mer produktive enn de som ikke gjorde det. Gevinsten var enda større blant ansatte som hadde vært i jobben i mindre enn noen få måneder.

Enda mer transformativt er det som skjer når gen AI-agenter begynner å koble seg sammen og snakke med hverandre. Mens tidlige diskusjoner dreide seg om å bruke gen AI for spesifikke oppgaver, for eksempel koding eller å lage programvare, bør du vurdere en fremtid der disse oppgavene ikke lenger er nødvendige fordi en detaljert melding i stedet erstatter behovet for å skrive omfattende kodelinjer.

Denne nye måten å samhandle med et digitalt system på tvinger oss til å stille spørsmål ved om tradisjonelle apper og nettsteder i det hele tatt vil være nødvendige i fremtiden. Etter hvert som generativ AI blir mer avansert, kan det innlede en æra der digital interaksjon er langt mer intuitiv, umiddelbar og skreddersydd til individuelle behov, og går utover hva tradisjonelle apper og nettsteder kan tilby. Den sanne revolusjonen innen generativ AI er å åpne dører til disse tidligere uante mulighetene.

Fra automatisering til orkestrering

Tenk på at en stor årsak til ChatGPTs enorme suksess nesten over natten var dens evne til å fungere som et enkelt grensesnitt, en "one-stop-shop", til et stort vell av menneskelig kunnskap. Denne one-stop-shop-modellen vil fortsette etter hvert som gen AI får gjennomslag, men den vil også bli større seg. Når flere gen AI-agenter begynner å samarbeide, vil de fungere som et orkestreringslag og pakke inn bedriftssystemer, spesialiserte datasett, ressurser og prosesser i én sammenhengende enhet. For både ledere og ansatte vil det primære kontaktpunktet med organisasjonen være en konfersasjonell AI-assistent som fungerer omtrent som en menneskelig kunnskapsarbeider, bortsett fra at den har umiddelbar sanntidstilgang til informasjonen og ressursene som trengs for å gjøre jobben sin i form av datasettet som mater det generative AI-verktøyet.

En typisk arbeidsflyt kan gå som følger: du må endre et eksisterende produkt for å aktivere funksjoner for personer som har en synshemming. Du ber din gen AI-agent om å analysere det eksisterende

produktet og foreslå noen alternativer. Ingen av forslagene treffer blink, så du gir den mer detaljer om hva du er på jakt etter. Etter hvert som den kreativiteten begynner å flyte, og produktmodifikasjonene tar form, fortsetter gen AI-agenten å hjelpe ved å raffinere produktet, kontrollere det mot regulatoriske krav, generere tegninger og prototyper og holde andre teammedlemmer informerte – gjennom hele veien fra markedsføring og promotering til lanseringsdagen.

Tidlige iterasjoner av dette konseptet er allerede under utvikling, med AI-drevne oppgavestyringsprosjekter som AutoGPT og Baby AGI som leder an. Selv om de ikke er feilfrie, gir disse prosjektene et glimt inn i en fremtid med støtte fra gen AI.

Når den er moden, vil denne enkeltkontaktmodellen være mer enn bare et bekvemmelighets- eller driftsskifte. Det vil fullstendig endre hvordan vi innoverer, tar beslutninger og strukturerer organisasjonene våre.

 

Ubundet innovasjon

Tradisjonelt har produktivitetsgevinster kommet fra prosessautomatisering. Med gen AI vil gevinsten også komme fra innovasjon, ettersom denne nye teknologien gir menneskers evne til ikke bare å lage og skape, men til å tenke ekstra kraft. Ved å utnytte store språkmodeller kan gen AI-assistenter,for eksempel, oppsummere, destillere og sammenligne bøker og forskningsartikler, og øke tilgangen på intellektuelt «råmateriale» som gir næring til nye ideer – nye ideer som kan gjøres om til verdifulle realiteter av alle som kan artikulere disse ideene via spørsmål og samtale med deres utrettelige, alltid interesserte gen AI-assistent.

Når vi innoverer i dag må vi ofte forholde oss til rigide systemer. Vi må forme ideene og produktene våre for å passe til det eksisterende teknologiske landskapet, med dets knirkende eldre systemer som ofte ikke støtter banebrytende innovasjon. I mange tilfeller må vi fokusere mer på hva som er teknisk mulig, på hva vi kan gjøre, istedenfor på hva som virkelig vil oppfylle målene våre.

Gen AI blåser gjennom disse mange teknologirestriksjonene. Den introduserer en fleksibilitet som ikke har vært sett før, siden den ikke er avhengig av strenge systemkrav og kan håndtere ustrukturerte data. I dette miljøet vil produktivitetsgevinster komme fra innovasjon, ikke bare ved å gjøre de samme tingene raskere gjennom automatisering.

Fleksibiliteten gen AI gir er allerede tydelig. CAMEL-prosjektet, for eksempel, har flere gen AI-agenter som tar i bruk distinkte personas for å takle et problem, som om du hadde samlet en minitenketank som inkluderer en mikrobiolog og en kvantefysiker for å brainstorme en løsning.  

Til syvende og sist ser gen AI ut til å bli en katalysator for menneskelig kreativitet, ikke en erstatning for den. Ved å effektivt trekke ut og bruke AI-generert innsikt, kan enkeltpersoner avgrense og implementere strategier som maksimerer deres egen innovative tenkning, og samtidig driver grensene for menneskelig kreativitet fremover.

 

Fra innovasjon til effekt:
et nytt nivå av strategisk beslutningstaking

Innovativ tenkning åpner for store horisonter; beslutningstaking bestemmer utfallet. Når en organisasjon inkorporerer generativ AI i sine forretningssystemer og etablerer en enhetlig backend for datatilgang, kan den øke hastigheten og skjerpe strategiske beslutningsprosesser betydelig.

Mer datadrevet innsikt: Generativ AI vil gi tilgang til en jevn, pålitelig samling av data, samtidig som den legger til lag med dybde og brukervennlighet. LLM-basert dataaugmentering vil berike forretningsdatasett, og gjøre AI-modellene deres enda smartere. Gen AI kan behandle både strukturerte og ustrukturerte data, så vel som eldre data, der den kan identifisere verdifulle datapunkter som tidligere ble oversett. Dette forvandler data fra bare å være tilgjengelig til å være dypt tilgjengelige og innsiktsfulle.

Konsekventhet er avgjørende: Med generativ AI som grensesnitt til forretningssystemer, jobber alle i organisasjonen ut fra den samme informasjonen – borte er ulikhetene i datasett eller avvik mellom avdelinger. Denne konsekvente bruken av data forbedrer organisasjonens ytelse betraktelig og reduserer sannsynligheten for feil eller tukling, noe som resulterer i strømlinjeformede og effektive prosesser.

Differensiering gjennom beslutningstaking: Ledere som søker konkurransedyktig differensiering vil omfavne generativ AI for å identifisere og møte de viktigste nøkkelytelsesindikatorer (KPIer) sine. Ved å identifisere KPI-ene som gjør at de skiller seg ut – med tanke på arbeidsflyter, policyer, eldre data og tilhørende analyser – kan ledere bruke generativ AI for å hjelpe dem med å ta beslutninger som hjelper dem med å nå disse målene.

Nye organisasjonsstrukturer

Generativ AI kan fundamentalt omforme de lite fleksible, avdelingsbaserte organisasjonsstrukturene som har eksistert i nesten hundre år. Akkurat som elektrifisering og industrialisering tvang oss til å tenke nytt om hvordan virksomheter er strukturert og driftes, vil en AI-assistent som kan ta på seg og koble sammen mange av oppgavene til funksjoner som markedsføring, juridisk, anskaffelse, drift, FoU og salg anspore virksomheter til å revurdere om tradisjonelle , siloede konfigurasjoner fortsatt fungerer.

Dette punktet handler ikke om å trenge færre ansatte; det handler om å tenke nytt om hvordan våre nåværende team fungerer. Ved å benytte seg av tidligere frakoblede arbeidsflyter, applikasjoner og kunnskapsbaser med AI-assistenter, kan team slutte å jobbe i siloer og samarbeide for å nå mål og gi meningsfulle bidrag. I stedet for å forsvinne, vil jobbene bli resultatfokuserte og avhengige av AI for å få tilgang til ferdigheter og kunnskap.  

Generativ AI vil også endre hvordan vi tenker om organisatoriske roller, ettersom noen tekniske ferdigheter blir mindre nødvendige og andre, mer spesialiserte evner blir viktigere. Vurder cybersikkerhet. Ettersom mennesker med uærlige intensjoner blir kreative med å bruke AI for å trekke ut sensitiv informasjon, vil bedrifter trenge fagfolk som kan forutse disse forsøkene på bedrag. Dette betyr at roller som en gang fokuserte sterkt på den tekniske siden av sikkerhet, nå krever en høy grad av kreativitet og innovativ tankegang.

Videre, ettersom gen AI blir stadig flinkere til å løse problemer, vil det være opp til menneskelige ansatte å bli bedre til å finne problemer, ettersom de vil være de som bruker gen AI til å finne innovative problemløsninger og muligheter. Et nytt mangfold av ferdigheter vil være nødvendig, inkludert en forståelse av menneskets natur (sosiologi, psykologi, antropologi), prosessdesign og optimalisering (designtenkning, Six Sigma, bransjespesifikk kunnskap) og publikumsengasjement, både intellektuelt og følelsesmessig, gjennom historiefortelling og design .

Dessuten vil samarbeid – mellom ansatte med varierende ferdigheter og mellom ansatte og teknologi – være sentralt for å effektivt utnytte denne mangfoldige kunnskapen. Bedrifter må eksperimentere med flatere organisasjonsstrukturer og utvikle fleksible rammer som oppmuntrer og belønner samarbeid.

Risiki

Som med all fremvoksende teknologi, er ikke generativ AI uten fallgruver. Å forstå potensielle utfordringer ved gen AI er nøkkelen til å lykkes med å navigere i dette nye landskapet.

Unøyaktigheter og "hallusinasjoner"

Generativ AI er avhengig av dataene den har blitt matet for å lage spådommer og generere utdata. Imidlertid skaper det noen ganger data som er unøyaktige eller fullstendig fabrikkerte - kalt "hallusinasjoner". Disse hallusinasjonene kan føre til feilinformerte beslutninger eller handlinger, som potensielt kan forårsake betydelige problemer for en bedrift.

samhandler
Partiskhet og etikk

AI er bare så objektiv som dataene den har blitt trent på. Hvis disse dataene inneholder skjevheter, kan og vil AI-en replikere og forsterke disse skjevhetene i utgangene. Etiske problemer kan også oppstå rundt personvern, mangel på samtykke eller avtale om bruk av opphavsrettsbeskyttet data som brukes til opplæring, og misbruk av generert innhold, alt dette bedrifter må vurdere.

samhandler
Nedbemanninger

Bruken av generativ AI kan føre til at enkelte jobbroller blir overflødige, spesielt de som involverer repeterende eller datatunge oppgaver. Selv om dette kan føre til økt effektivitet, reiser det også spørsmål rundt jobbforskyvning og behovet for omskolering. Det er imidlertid viktig å huske at ny teknologi også skaper nye roller og muligheter som ikke eksisterte tidligere, og dermed bidrar til høyere inntekt per innbygger, mer velstand og mer sosial mobilitet oppover.

En fersk studie bekrefter ideen om at AI ikke har resultert i tap av jobber. Økonomer ved National Bureau of Economic Research fant en økning på 5 % i antall ledige stillinger for høyt kvalifiserte ansatte som ble ansett som sårbare for AI, for eksempel kontorarbeid. Tidsrammen for studien var 2011 til 2019, perioden da bedrifter begynte å bruke dyp læring for å automatisere oppgaver. Forskerne konkluderte med at ny teknologi kan øke etterspørselen etter flere fagarbeidere selv når den erstatter dem som gjør rutinearbeid.

Sam Altman, administrerende direktør i OpenAI, forklarte nylig at selv om gen AI i dag er flink til å gjøre "deler" av jobber, er den ikke særlig god til å gjøre "hele" jobber. På kort og mellomlang sikt, om ikke enda lenger frem, vil det alltid være et menneske med i loopen.

samhandler
Sikkerhet

Som med alle digitale verktøy, er generative AI-systemer ikke usårbare for cybertrusler. Som vi har påpekt tidligere, er det en risiko for at de kan avsløre sensitiv informasjon. Nødvendigheten av en robust cybersikkerhetsprotokoll er tydelig.

En annen ny trussel er umiddelbar injeksjon, en teknikk som bruker spørsmål for å lokke AI-modeller til å gi bort informasjon de ikke burde. Dessuten krever det ikke alltid avanserte tekniske ferdigheter å utføre.

Sikkerhetsrisiko, personvernrisiko og omdømmeskade var de tre største bekymringene til ledere i vår undersøkelse med generativ AI. Det er viktig for chief security officers å fullt ut forstå alle måtene generativ AI potensielt kan bli kompromittert. Det er bare ved å forstå hver angrepsvei at de kan opprettholde robuste forsvar.

samhandler
Regulering

Det voksende og lappeteppelignende regulatoriske landskapet rundt generativ AI, med tiltak som den foreslåtte EU AI-loven, utgjør en viktig faktor som bedrifter trenger å forstå og navigere. Ni av 10 ledere i undersøkelsen vår sa at de sliter med å forstå effekten av generativ AI på forretningsforskrifter.

samhandler
Bærekraft

Generativ AI har potensiale til å bidra positivt til bærekraftsarbeid, fra å hjelpe til med regulatorisk rapportering til å analysere data for å skape innovative løsninger. Nesten alle ledere i undersøkelsen vår (96 %) sa at generativ kunstig intelligens ville ha en positiv innvirkning på bærekraft fordi det vil demokratisere teknologitilgang. Det er imidlertid viktig å erkjenne den negative effekten av energi- og beregningskravene. I likhet med blokkjedeteknologi kan energibehovet til generativ AI forårsake tilbakeslag. 

samhandler

Slik starter du:

Det er uklokt å ignorere risikoen som følger med generativ AI. I stedet for å late som om disse risikoene ikke er der, er det avgjørende å etablere de nødvendige sikkerhetstiltakene for å håndtere dem effektivt. Dette betyr å forstå hvor forsiktighet kreves og hvor sikkerhetstiltak må være på plass, samtidig som man drar nytte av teknologiens potensial. For å gjøre dette effektivt, må du:

1. Start nå

Tidlige brukere av generativ AI vil ha fordelen av bedre dataadministrasjon og bygge ferdighetene som er nødvendige for vellykket bruk av teknologien. Å forstå dataene og AI-modellene dine tar tid, og denne gangen tapt av sene brukere kan ikke kjøpes tilbake, noe som betyr at det er en klar fordel med tidlig bruk.

2. Start i det små

Identifiser områder i organisasjonen der den potensielle innvirkningen av risiko er lavere. På denne måten kan du samtidig kjøre nye metoder ved siden av eksisterende prosesser. Dette hjelper deg gradvis å lære om generativ AI mens du minimerer potensielle forstyrrelser. Fokuset ditt bør være på å skape et miljø som oppmuntrer til rask eksperimentering og innovasjon. Nøkkelen er å dyrke en kultur som ikke er redd for å prøve nye ting.

3. Velg modellene dine

Ulike gen AI-modeller utmerker seg med forskjellige typer oppgaver, og de opptar forskjellige punkter på et spekter av åpenhet og risiko. Det er viktig å finne ut hva organisasjonen din trenger å bruke for å gi mest mulig verdi og redusere de spesielle risikoene for virksomheten din. Noen modeller er offentlig tilgjengelige, men dataene som har blitt brukt til å lage dem er ugjennomsiktige, mens andre er mindre og mer nisjebaserte, basert på en bestemt bransje eller emne, og dataene kan analyseres og forstås fullt ut. Å ta disse valgene vil gi informasjon om risikoene som er tilstede.

Offentlige modeller

Det vil være to til fem store, "generelle" offentlige modeller, trent på offentlige, begrensede private og noen ganger vilkårlige data.

Ekspertmodeller

Organisasjoner kommer til å bygge modeller selv, ved hjelp av privat IP, for å betjene et bestemt formål eller nisje.

Bransjemodeller

Store aktører som Microsoft, Google, AWS og OpenAI vil tilby tilpassbare, spesialtilpassede modeller som-en-tjeneste.

4. Prioriter sporbarhet

Det er viktig å forstå dataene du bruker for å trene dine gen AI-modeller. Dette inkluderer å kjenne til kvaliteten på dataene og alle potensielle risikoer de kan eksponere internt eller eksternt.

5. Overvåk gen AI med gen AI

Generative AI-systemer i seg selv kan brukes til å kritisere og vurdere potensielle risikoer. Du kan for eksempel bruke dem til å sjekke om et nytt resultat har noen etiske skjevheter, eller om det er en omdømmerisiko forbundet med å publisere et stykke innhold.

Veien fremover

Ernest Hemingways ofte siterte innsikt om at konkurs skjer på "to måter: gradvis, så plutselig" er også hvordan historien sannsynligvis vil huske fremveksten av generativ AI. ChatGPTs slående debut i november i fjor var den "plutselige" delen. I løpet av bare dager og uker gjennomgikk den ikke-teknologiske, ikke-forretningsmessige-verdenen et lynkurs i gen AI, og mestret ny terminologi – «stor språkmodell», «opplæringssett» – og spekulerte, ofte vilt, om hvilekn påvirkningen denne nye teknologien har på menneskelige anliggender og samfunn. Det eneste punktet det var enighet om mellom utopister og katastrofer var om den voldsomme hastigheten og omfanget av endring: at gen AI, på godt eller vondt, i det minste representerer et "vendepunkt", om ikke en fullstendig "forstyrrelse", i en hittil jevn utfoldelse av menneskets historie.

Fortapt i den heseblesende støyen finner vi "gradvis"-delen. Utviklingen av gen AI vil sannsynligvis være en inkrementell prosess som består av tiår med kontinuerlig foredling og forbedring. Gen AIs innvirkning på forretningsverdenen og endringene beskrevet ovenfor vil være dramatiske og raskt bevegende, på vei i en kjent retning: mot større effektivitet, større produktivitet og – viktigst av alt – større harmoni. Ja, som beskrevet ovenfor, vil gen AI bryte ned veggene mellom avdelinger og funksjoner i en virksomhet, og hjelpe dem å jobbe sammen mot et felles mål, men denne institusjonelle harmonien er nedstrøms for et forbedret og mer harmonisk forhold mellom individuelle mennesker og verden rundt dem, en verden som gen AI gjør mye enklere å kontrollere og navigere.

 

I årene som kommer vil lederes jobb være å ha denne harmonien i tankene og bruke den som en ledestjerne for å ta valgene og ta risikoen som gen AI allerede utgjør. Spenningen rundt denne nye teknologien kommer fra potensialet til å skape et nytt, nesten friksjonsfritt forhold mellom mennesker og maskiner. Det som kan bety mer når vi til syvende og sist ser tilbake på disse turbulente årene, er hvordan gen AI hjelper mennesker med å jobbe med andre mennesker.

Om forfatterne

Duncan Roberts
Cognizant Research

Duncan Roberts ble ansatt i Cognizant i 2019 som digital strategi- og transformasjonskonsulent i bransjer som spenner fra satellittkommunikasjon til pedagogisk vurdering. Nå arbeider han med Cognizant Research. Han har gitt kunder råd om hvordan de kan bruke teknologi for å møte strategiske mål og oppdage det mulighetenes kunst gjennom innovasjon.

Før han startet i Cognizant jobbet Duncan for et av de største forlagene i Europa, og spilte en ledende rolle i den digitale publiseringsrevolusjonen, og hjalp til med å transformere virksomheten deres og lanserte nye innovative produkter. Han har en mastergrad i filosofi og Classics fra University of St. Andrews

E-post: Duncan.Roberts@cognizant.com
Linkedin: https://linkedin.com/in/duncan-roberts-16586022/

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

Naveen Sharma er visepresident for Cognizants AI & Analytics-virksomhet. Han er en dyktig leder for teknologitjenester som utmerker seg med å blande strategisk visjon med taktisk utførelse for å oppnå forretningsagendaer. Han er fokusert på å drive vekst gjennom tankeledelse, innovasjon, pre-sales, tilbud om utvikling og porteføljestyring på dette området.

Naveen har over 25 års erfaring innen tjenester og teknologi, og jobber med ledende merker som BMS, Sapient og IQVIA og har erfaring med rådgivning med Fortune 500-firmaer på tvers av deres data- og analysereise.

Hos Cognizant har han fylt flere roller, inkludert praksisleder for Enterprise Data Management-virksomheten, AI&A praksisleder for biovitenskap og salgsleder for servicelinje for biovitenskap.

E-post: Naveen.Sharma@cognizant.com
Linkedin: https://www.linkedin.com/in/4naveen/

Babak Hodjat
Vice President of Evolutionary AI, Cognizant

Babak Hodjat er visepresident for evolusjonær AI hos Cognizant, og tidligere medgründer og administrerende direktør i Sentient. Han er ansvarlig for kjerneteknologien bak verdens største distribuerte kunstig intelligenssystem. Babak var også grunnleggeren av verdens første AI-drevne hedgefond, Sentient Investment Management. Han er en seriegründer, etter å ha startet en rekke Silicon Valley-selskaper som hovedoppfinner og teknolog.

Før han var med på å grunnlegge Sentient, var Babak senior direktør for ingeniørfag i Sybase iAnywhere, hvor han ledet utvikling av mobile løsninger. Han var også medgründer, CTO og styremedlem i Dejima Inc. Babak er den primære oppfinneren av Dejimas patenterte, agentorienterte teknologi brukt på intelligente grensesnitt for mobil- og bedriftsdatabehandling – teknologien bak Apples Siri.

En publisert forsker innen kunstig liv, agentorientert programvareteknologi og distribuert kunstig intelligens, har Babak fått invilget eller venter på svar på 31 patenter i sitt navn. Han er ekspert på en rekke felt innen AI, inkludert naturlig språkbehandling, maskinlæring, genetiske algoritmer og distribuert AI, og han har grunnlagt flere selskaper innen disse områdene. Babak har en Ph.D. i maskinintelligens fra Kyushu University, i Fukuoka, Japan.

E-post: Babak.Hodjat@cognizant.com
Linkedin: https://linkedin.com/in/babakhodjat

Anerkjennelser

Forfatterne vil takke Catrinel Bartolomeu, direktør for historiefortelling og innhold i Cognizant, Mary Brandel, redaktør, Mykola Hayvanovych, AVP for AI, Cognitive Computing & Data Science hos Cognizant, og Matthew Smith, AVP & Conversational AI Practice Leader i Cognizant, for deres bidrag til denne rapporten.