Norway
Eksisterende virksomheter kan ikke bli AI-innfødte selv. Men de må være på vakt når disse AI-oppkomlingene griper nye markedsmuligheter. Ved å aktivt studere hvordan AI-innfødte bedrifter innlemmer AI i kjernen av sin virksomhet og teknologi, kan etablerte selskaper høste fordelene ved å tenke og handle som sine nyeste konkurrenter.
Husker du Monster.com? På slutten av 1990-tallet var fremveksten av jobbsider på nettet en gudegave for jobbsøkere over hele verden, som gladelig sa fra seg abonnementet på rubrikkannonser i avisene til fordel for den nye, blekkfrie nettplattformen.
I løpet av noen få år kom det imidlertid et nytt sett med disruptere – fra Indeed til LinkedIn til Glassdoor – som alle tilbød stadig mer innovative funksjoner.
Snart kan vi imidlertid komme til å stille et annet spørsmål: Husker du stillingsannonser på nettet?
Med fremveksten av generativ AI kan vi snart oppleve en helt ny måte å finne en jobb på – eller å finne en date, kartlegge en reiserute eller bestille et hotell. Det virker som om det var i går at disse aktivitetene ble til en ny normaltilstand. Nå er de igjen utsatt for forstyrrelser.
Tenk deg for eksempel en AI-drevet karriereveileder. I stedet for å søke etter en jobb, kunne kandidatene fortelle om sine ferdigheter og mål, til og med om sin ideelle bedriftskultur. Til gjengjeld ville den, i tillegg til å tilby treff, analysere skjulte mønstre i stillingsannonser, nyhetsartikler og sosiale data for å avdekke muligheter hos selskaper som ikke engang hadde utlyst stillinger ennå. Eller enda bedre, den kan generere skreddersydde søknadsbrev, gjennomføre prøveintervjuer og til og med foreslå forhandlingstaktikker basert på den potensielle arbeidsgiveren. Hvem skulle få dette til å skje? Mest sannsynlig en AI-innfødt virksomhet.
Selv om AI-innfødte virksomheter slik vi har definert dem, ikke eksisterer ennå, vil de snart gjøre det. Disse oppkomlingene vil integrere kunstig intelligens (og i økende grad generativ kunstig intelligens) i alt de gjør. Og fordi hele tankesettet deres er sentrert rundt AI-drevne muligheter, vil teknologien styre hvordan de tenker og gjør ting.
Virksomheter som ikke er tynget av gamle systemer og fastlåste tilnærminger, vil ikke se på kunstig intelligens som et verktøy som skal bygges på, men som en grunnleggende byggestein i virksomheten.
Denne rene AI-tankegangen vil gjøre det mulig for dem å utnytte styrkene til generativ AI, fra de skreddersydde opplevelsene kundene ønsker seg, til lynraske interne prosesser og forretningsmodeller som for en tradisjonell bedrift kan se ut som om de er vrangvendte og opp-ned.
I likhet med de digital-native virksomhetene før dem (Uber, Netflix, Vipps) vil AI-native virksomheter også endre hvordan forbrukerne oppfører seg. Forbrukerne vil begynne å velge produkter på en annen måte, søke informasjon på en annen måte og vurdere alternativer på en annen måte, noe som til syvende og sist vil endre måten de samhandler med den digitale verden på.
Og det er derfor tradisjonelle virksomheter må være oppmerksomme. Etter hvert som forbrukerne endrer atferd, må bedriftene tilpasse seg disse nye måtene å velge, engasjere seg og handle på. Disse endringene vil også åpne muligheter for AI-innfødte virksomheter til å infiltrere bedriftens funksjoner, både i samarbeids- og konkurranseøyemed:
For å kunne gjennomføre de nye forretningsmodellene trenger organisasjonene nye retningslinjer, organisasjonsstrukturer og driftsprosesser for å kunne håndtere en stadig raskere, mer dynamisk og autonom virksomhet. Og – ikke minst – de må også tenke nytt når det gjelder den teknologiske infrastrukturen for å kunne tilby de nye AI-drevne funksjonene de tilbyr.
Det er her det å tenke som en AI-innfødt virksomhet kommer inn. Eksisterende selskaper kan ikke bli AI-native virksomheter – det er logisk umulig. Men de kan og bør lære av hvordan AI-innfødte virksomheter opererer. Ved å aktivt studere disse nykommernes innovative tilnærminger, forstå deres teknologistack og tilpasse sine egne AI-strategier, kan etablerte selskaper begynne å tenke – og til og med opptre – som de disruptive virksomhetene som vil sette AI i sentrum for alt de gjør.
Rask utbredelse i det neste tiåret
Generativ AI kan bli tatt i bruk raskt i løpet av det kommende tiåret.
Figur 1
Dataene i diagrammet gjenspeiler de høyest mulige adopsjonsratene, som gjenspeiles i vårt høye adopsjonsscenario.
*For å sikre at vi fanger opp hele adopsjonsraten frem til 2032, har vi inkludert data fra 2033 i beregningen av dette tallet.
Kilde: Oxford Economics og Cognizant
Det er i tidsperioden 2026–2030 – epoken med "selvsikker adopsjon" – at vi tror at det vil skje reelle endringer innen generativ AI, ettersom 31 % av virksomhetene vil ta i bruk generativ AI, ifølge vårt mest optimistiske scenario. Selv om det bare er to korte år til, er det en god buffersone for bedrifter å forberede seg på, hvis de begynner nå.
På dette tidspunktet vil regelverket for kunstig intelligens – som i dag er et lappeteppe - trolig komme i fokus, og teknologien vil gå fra å være en automatisert oppgave til å bli en kjernekomponent i strategier for endring av virksomheten. Se for deg en verden der for eksempel rutinemessige kundehenvendelser nesten utelukkende håndteres av AI-agenter: autonome systemer som utfører spesifikke oppgaver i samspill med hverandre for å oppfylle et større mål. Disse AI-agentene vil gi personlig støtte døgnet rundt. I stedet for å basere seg på generiske salgspitcher, vil salgsteamene bruke generative AI-drevne verktøy for leadgenerering og kundeprofilering, noe som gir mulighet for nøyaktig målrettede tilnærminger. Selv backoffice-funksjoner som planlegging, rapportering og dataregistrering vil i økende grad bli automatisert.
Men i tillegg til å forestille seg denne verdenen, bringer studien vår mange av disse endringene frem i lyset. Som en del av analysen tildelte vi "eksponeringspoeng" til 1000 jobber som for tiden utføres av den amerikanske arbeidsstyrken.
Denne poengsummen gjenspeiler ikke hvor mange prosent av arbeidstakerne som vil stå uten jobb, eller hvor stor sjanse de har for å miste jobben. Det er snarere den maksimale prosentandelen av arbeidsoppgaver som teoretisk sett kan automatiseres eller assisteres av generativ AI innen 2032, vektet etter den relative viktigheten av disse oppgavene.
En titt på eksponeringsresultatene våre avslører yrkesgrupper som står foran de største endringene med fremveksten av generativ AI – og som representerer de beste områdene for AI-innfødte til både å komme inn på nye markeder og utvikle seg som slanke virksomheter. Når vi ser på områdene ovenfor, vil for eksempel kundeservicemedarbeidere oppleve en eksponering på 63,7 %, salgsrepresentanter 65,6 % og kontor- og administrasjonsmedarbeidere 85,9 %, alle innen 2032.
Derfor må fremtidsrettede selskaper ha en robust teknologisk infrastruktur, en strategi for å omdefinere forretningsmodellen og en kultur som oppmuntrer til kontinuerlig innovasjon – fra og med de neste to årene, når generativ AI begynner å bli tatt i bruk. Her kan vi vende oss til AI-innfødte virksomheter, som kan gi oss lærdom om hvordan og hvor vi kan gjøre disse viktige endringene.
Presise problemløsere
Grunnlagsarkitekter
Bransjeforstyrrende faktorer
For å kunne levere disse nye mulighetene vil AI-innfødte virksomheter bygge en teknologistack som på mange måter er ugjenkjennelig for virksomheter som opererer i dag. I motsetning–til tradisjonelle virksomheter, som vanligvis ser på ny teknologi som en måte å gjøre eksisterende ting bedre på, ser nemlig AI-innfødte virksomheter på teknologi, og særlig generativ AI, som en måte å gjøre ting som aldri har blitt gjort før.
Fra et AI-innfødt forretningsperspektiv er ikke teknologistakken noe statisk som av og til justeres eller oppdateres. Det er en levende enhet i kontinuerlig utvikling, bygget for en verden der smidighet og kontinuerlig innovasjon er nøkkelen til en virksomhets overlevelse.
Ved å løfte på sløret for hvordan en AI-innfødt teknologistack kan se ut, kan tradisjonelle virksomheter begynne å tenke på hvilke endringer de må gjøre for å ta i bruk generative AI-funksjoner på sin egen arbeidsplass og, i siste instans, i forretnings- og driftsmodellene sine.
For AI-innfødte virksomheter er brukergrensesnittet (UI) en grunnleggende nytenkning av hvordan brukerne (både kunder og ansatte) samhandler med tjenestene som den AI-innfødte virksomheten tilbyr. I tillegg til plassering av knapper og skjermdesign, vil et AI-native brukergrensesnitt være drevet av godt utformede meldinger som setter i gang komplekse handlinger på tvers av flere systemer eller genererer rike, mangefasetterte resultater. Brukergrensesnittet vil legge til rette for en ny interaksjonsstil mellom menneske og AI, slik at brukerne kan veilede AI-agenter på en effektiv måte og samtidig beholde oversikt og kontroll over resultatene.
Etablerte virksomheter bør begynne å eksperimentere med dette paradigmeskiftet i brukergrensesnittdesign. Det handler mindre om å klikke seg gjennom menyer og mer om samtale for å oppnå mål. For å få til et slikt skifte i tankesettet kan bedriftene begynne med å spørre seg selv:
AI-innfødte virksomheter vil ikke tenke i form av én enkelt, monolittisk AI-modell. I stedet vil de strategisk benytte seg av en rekke modeller som hver for seg er spesialisert for ulike oppgaver. Slike oppgaver kan omfatte tekst-, bilde- og prosessgenerering, samt strukturert datamodellering, prediksjons- og beslutningsoptimalisering, usikkerhetsmodellering, forklarbarhet og kodeoptimalisering.
En diffusjonsmodell kan for eksempel skape fantastiske produktbilder, mens en stor språkmodell (LLM) kan generere skreddersydde markedsføringsbudskap. I tillegg vil tradisjonelle maskinlæringsmodeller (ML) integreres på en intelligent måte for å løse spesifikke problemer og utnytte de unike fordelene ved ulike AI-tilnærminger.
På samme måte bør etablerte virksomheter unngå å se på en AI-modell som en universalløsning. Det er avgjørende å forstå styrken til hver modelltype og velge riktig verktøy for jobben. Bedriftene bør investere i ekspertisen som trengs for å finne ut hvilket formål disse modellene egentlig tjener, og hvordan de best kan tas i bruk.
For å komme inn i en multimodellverden bør bedrifter vurdere følgende:
AI-innfødte virksomheter vil leve av informasjon - jo bredere de kaster sitt nett, desto mektigere blir de. Derfor vil AI-native virksomheter prioritere tilgang til både strukturerte og ustrukturerte data fremfor bekymringer om datarenslighet. Når de har etablert et klart samtykke og åpenhet om hvordan dataene skal brukes, kan de benytte seg av store offentlige datasett, tredjepartsressurser og kundedata.
I tillegg vil de bruke kunnskapsgrafer (en måte å representere data, enheter og hvordan de henger sammen) og vektordatabaser (som er optimalisert for å fungere med LLM-er for raske og enkle søk og datahenting) for å forstå komplekse sammenhenger mellom datapunkter.
For etablerte virksomheter vil det være avgjørende å kunne utnytte store mengder informasjon, både strukturert og ustrukturert. Uansett hvordan de gjør dette, vil det være avgjørende å sikre åpenhet i datainnsamlingen.
Det kan imidlertid være utfordrende å skaffe til veie store datasett. Det er her bedriftene kan være kreative. De kan bruke teknikker som generering av syntetiske data, der realistiske, men kunstige datasett opprettes, ofte ved hjelp av generativ AI. De kan også bruke semi-veiledet læring, der modellene lærer av en kombinasjon av merkede og umerkede data. Ved å prioritere tilgang til mangfoldig informasjon og ta i bruk disse teknikkene, vil virksomhetene gi de generative modellene sine mulighet til å yte sitt beste.
For å forbedre data-IQ-en bør etablerte virksomheter vurdere dette:
Generative AI-modeller kan være svært krevende med tanke på regnekraft, spesielt under opplæring og finjustering. AI-innfødte virksomheter forstår at infrastrukturen deres må være både skalerbar og kostnadseffektiv, og velger ofte en hybrid skytilnærming. På denne måten kan de øke ressursene for intensive oppgaver og redusere dem når bruken avtar, slik at de oppnår en optimal balanse mellom kostnadskontroll og ytelse. Maskinvareakselerasjon, ved hjelp av spesialiserte grafikkprosessorenheter (GPU-er) eller tensorprosessorenheter (TPU-er), vil være avgjørende.
Etablerte virksomheter må legge en proaktiv strategi for å oppnå denne fleksibiliteten og smidigheten. Ved å vurdere infrastrukturkonsekvenser i god tid før AI-prosjekter skaleres, kan virksomheter forhindre kostnadsoverskridelser og sikre smidig drift.
For å få til denne infrastrukturomleggingen bør bedriftene spørre seg selv:
For AI-innfødte virksomheter er maskinlæringsoperasjoner (MLOps) hjørnesteinen for å opprettholde et konkurransefortrinn. Det er ikke en luksus, men snarere et rammeverk som gjør det mulig for disse virksomhetene å være smidige og responsive. Robuste MLOps-pipelines muliggjør eksperimentering, rask distribusjon av nye og forbedrede modeller og omfattende produksjonsovervåking. Disse pipelines vil sikre at AI-drevne arbeidsstyrker lærer hele tiden, omskoleres automatisk når nye data blir tilgjengelige, og oppdateres sømløst for å optimalisere ytelsen.
Etablerte virksomheter må tenke på AI som et dynamisk system i stedet for et engangsprosjekt. Ved å investere i MLOps kan de automatisere prosesser og forkorte den kritiske tilbakemeldingssløyfen mellom resultater fra den virkelige verden og modellforbedringer. På den måten sikrer de at AI-systemene deres er i kontinuerlig utvikling for å matche det dynamiske markedslandskapet.
For å gjennomføre MLOps-skiftet bør bedrifter vurdere:
Til syvende og sist vil AI-innfødte virksomheter instinktivt forstå en helt ny måte å utvikle, evaluere, forstå og ta i bruk AI-systemer på. De vil ikke tilnærme seg AI-løsninger med tankegangen om å bygge rigide, deterministiske maskiner som er designet for perfekt replikerbare resultater. I stedet vil de se på AI-agentene som samarbeidspartnere som utvikler seg og har potensial til å bli langt mer enn bare verktøy. (For mer om dette emnet, se Cognizant VP of AI Research Risto Miikkulainens nylig publiserte artikkel, "Generative AI: an AI paradigme shift in the making?")
Denne tilnærmingen vil forme strategiene deres på grunnleggende måter. AI-innfødte virksomheter vil prioritere å bygge systemer som er i stand til å lære kontinuerlig, og forstå at "opplæringen" aldri er helt over. Og de vil utforme interaksjoner som utnytter kraften i ledetekster og iterative tilbakemeldinger, slik at de kan veilede AI-agentene sine med samme finesse som man kan bruke når man jobber med en dyktig menneskelig spesialist.
På samme måte bør etablerte virksomheter forsøke å utnytte kraften i generativ AI i stedet for å presse AI inn i eksisterende prosesser eller evaluere den med utgangspunkt i gamle målemetoder. For å få til dette må teknologiteamene tenke på en helt ny måte: de må være villige til å eksperimentere, gå bort fra behovet for total forklarbarhet og akseptere at tilliten til AI-agenten må skapes gjennom grundig observasjon snarere enn programmering på forhånd.
I tillegg til å tenke som – og til syvende og sist oppføre seg som – en AI-innfødt virksomhet, vil etablerte selskaper ønske å samarbeide med AI-innfødte virksomheter. Mens et relativt lite antall tradisjonelle virksomheter kan velge å bli disruptive ved å bygge ut sine egne AI-kapasiteter på egen hånd – eller ved å skille ut en AI-innfødt avdeling av sin egen virksomhet – vil et større antall se seg om etter partnerskap for å få det nye perspektivet til den AI-innfødte internt.
De aller fleste vil sannsynligvis velge en hybrid tilnærming: samarbeide med AI-innfødte virksomheter, bruke API-er for å bringe nye AI-tjenester inn i sitt eget miljø og vurdere hvor de absolutt må bygge AI-funksjoner selv.
I alle tilfeller kan etablerte virksomheter utnytte kunstig intelligens til å transformere eksisterende prosesser og utvikle nye, innovative tilbud – og finne måter å integrere styrkene til både tradisjonelle og AI-innfødte modeller på for å sikre suksess.
Duncan Roberts
Associate Director, Cognizant Research
Duncan Roberts er Associate Director i Cognizant Research. Han begynte i selskapet i 2019 som konsulent innen digital strategi og transformasjon i bransjer som spenner fra satellittkommunikasjon til utdanningsevaluering. Han har gitt kunder råd om hvordan de kan bruke teknologi til å nå strategiske mål og oppdage det muliges kunst gjennom innovasjon.
Før Cognizant jobbet Duncan for et av de største forlagshusene i Europa, der han spilte en ledende rolle i den digitale publiseringsrevolusjonen, bidro til å transformere virksomheten deres fra ende til ende og lanserte nye innovative produkter. Han har en mastergrad i filosofi og klassiske språk fra University of St.
Forfatteren ønsker å takke følgende personer for deres bidrag til denne rapporten:
