همانطور که فناوری هایی مانند ChatGPT مثال می زنند، هوش مصنوعی مولد (ژن AI) به سرعت در حال تکامل است و کسب و کارها را در سراسر صنایع ترغیب می کند تا استراتژی های کاربردی خود را اصلاح کنند. چالش در سال 2024 استفاده از این فناوری های جدید برای هدایت نتایج مثبت کسب و کار و افزایش رضایت مشتری به طور موثر است.
از زمان معرفی، یکی از افشاگریهای اصلی، نقشهای متمایز این نسل جدید هوش مصنوعی بوده است که از تمرکز سنتی بر تحلیل و طبقهبندی به تولید محتوای خلاقانه منتقل میشود. هوش مصنوعی مولد از الگوریتمها و شبکههای عصبی پیچیده برای تقلید از خلاقیت انسان استفاده میکند و خروجیهای متنوعی مانند متن، تصاویر و موسیقی تولید میکند.
متمایز از هوش مصنوعی عمومی (AGI)، که به دنبال تکرار قابلیتهای فکری کامل انسان است، هوش مصنوعی مولد مختص کار است. راهحلهای عملی را در مناطق آموزشدیدهاش ارائه میکند، وظایف مختلف را به طرز ماهرانهای انجام میدهد و بر اساس دادههای دریافتی با موقعیتهای جدید سازگار میشود.
کاربردهای عملی و محدودیت های فناوری هوش مصنوعی مولد
در عمل، هوش مصنوعی مولد یک ابزار بهرهوری قوی است که تولید سریع محتوا را در رسانههایی مانند متن، تصاویر، صداها، انیمیشنها و مدلهای سهبعدی امکانپذیر میکند. نه تنها الگوها و تفاوت های ظریف را در زبان می آموزد و حفظ می کند، بلکه تعاملات گذشته را نیز به خاطر می آورد، که منجر به تبادلات منسجم تر و مرتبط تر با کاربران می شود.
با این حال، هوش مصنوعی ژنرال در حال حاضر در تصمیم گیری های مربوط به عوامل پیچیده متعدد، به ویژه مواردی که نیاز به درک عمیق زمینه ای یا احساسی دارند، کوتاهی می کند. در حالی که در پیشنهادات مبتنی بر داده برتری دارد، ادغام و مدیریت عوامل انسانی ظریف دست کم در حال حاضر فراتر از دسترس آن باقی مانده است.
به گفته ویل دیولین، معاون بازاریابی در شرکت MessageGears که پلتفرم تعامل با مشتری است، پذیرندگان مشاغل و صنعت می توانند بدون ترس از شکست از هوش مصنوعی استفاده کنند.
هر بازاریاب که تا به حال یک تست استاندارد A/B انجام داده است، می تواند به شما بگوید که شکست همیشه چیزی نیست که باید از آن اجتناب کرد. در حرفه خود، ما به طور مداوم ابزار، فن آوری و تکنیک های جدید را یاد می گیریم. ترس از شکست همیشه بخشی ضروری از فرآیند یادگیری و رشد است. او به TechNewsWorld گفت، مانند هر چیز جدید، نگرانیهایی در مورد هوش مصنوعی وجود دارد که مرتبط و واقعی هستند.
درک مسیر پیشروی هوش مصنوعی
مایکل فیشر، مدیر محصول در شرکت انطباق دیجیتال و مدیریت داده Complykey (سابق Waterfield Technologies)، چهار پیشبینی دارد که به این حوزهها میپردازد.
در طول سال گذشته، مراکز تماس، پذیرندگان اصلی این فناوری، به سرعت هوش مصنوعی مولد را ادغام کردند. فیشر پیش بینی می کند که در سال 2024، تمرکز به سمت درک عمیق تر از ROI هوش مصنوعی مولد تغییر خواهد کرد.
او انتظار دارد که رهبران مراکز تماس و سایر پذیرندگان هوش مصنوعی به طور فزاینده ای بر محاسبه معنادارتر هزینه هوش مصنوعی تمرکز کنند. این تلاش شامل درک بهتری از نحوه بهینه سازی هزینه استقرار مربوط به مقیاس و هزینه هر تراکنش است.
مدیریت ریسک در پذیرش سریع هوش مصنوعی
فیشر به عنوان پیشبینی دوم ارائه کرد، ژنرال هوش مصنوعی امسال در زمینه بازاریابی و جستجوی مشتری، که بین صنعتی است، سریعترین استفاده را خواهد داشت. در تجارت تولید سرنخ، باید ارزش، هزینه و خطرات را در نظر بگیرید.
خطرات ذاتی پذیرش را در صنایع بسیار تنظیم شده مانند مراقبت های بهداشتی، دولت و امور مالی کند می کند. بخش پشتی مرکز تماس در این صنایع در مورد استفاده از هوش مصنوعی مولد برای خلاصه کردن داده ها و گزارش ها تهاجمی خواهد بود.
«اما در قسمت جلویی مشتری، آن عمودیها همگی کندتر و عمدیتر حرکت میکنند. هرچه از صنایعی که قبلاً به شدت تنظیم شدهاند، مانند خردهفروشی دورتر شوید، شاهد پذیرش سریعتر هوش مصنوعی خواهیم بود.»
پیشرفتها در راهحلهای هوش مصنوعی ابری و ویدیویی
بسیاری از شرکتها به ارائه راهحلهای مرکز تماس در محل و مبتنی بر ابر با توجه به اولویتهای مشتری ادامه دادهاند. با این حال، زنده نگه داشتن هر دو راه حل باعث کاهش هزینه فناوری برای فروشندگان می شود. بنابراین، یکی را بر دیگری اهرم کنید.
سومین پیشبینی فیشر این بود که «در سال 2024، شرکتهای بیشتری راهحلهای داخلی خود را غروب میکنند یا قیمت را به میزان قابلتوجهی افزایش میدهند تا راهحلهای داخلی را از نظر تجاری برای مشتریان غیرقابل دوام کنند – که اساساً پذیرش و نوآوری ابر را بر مشتریان تحمیل میکند».
صنعت بیمه به طور منحصر به فردی از ارتباطات مبتنی بر ویدئو برای مواردی مانند امضای سند مشترک یا نشان دادن آسیب تصادف به وسیله نقلیه استفاده می کند. اکثر صنایع در پذیرش ویدیو به عنوان کانال خدمات مشتری کند بوده اند.
فیشر به عنوان چهارمین پیش بینی اهرمی خود اشاره کرد: “این در سال 2024 تغییر خواهد کرد. ما انتظار داریم که ویدئو به طور گسترده به عنوان یک کانال خدمات مشتری در سراسر صنایع به کار گرفته شود، به ویژه برای شرکت هایی که یک محصول فیزیکی را می فروشند که از نمایش و گفتن سود می برد.”
موارد استفاده خاص به افزایش تقاضا برای این ویژگی کمک می کند. او به اشتراک گذاشت که تغییر ترجیحات مصرف کننده، به دلیل راحتی و آشنایی ژنرال Z با محتوای مبتنی بر ویدئو، نیز ممکن است کمک کند.
دقت در مدیریت مجموعه داده های عظیم هوش مصنوعی
Devlin از MessageGear فکر می کند که با شروع استفاده از هوش مصنوعی – به ویژه هوش مصنوعی مولد – از سوی برندها حیاتی است که نرده های محافظ را در محل خود قرار دهند و رویه ها و دستورالعمل های عملیاتی استانداردی را برای تیم های خود توسعه دهند.
این یک فرآیند یادگیری خواهد بود. شرکت ها باید بدانند که Gen AI راه حلی برای همه نیست.
او هشدار داد: «من انتظار دارم که فناوری هوش مصنوعی تنها زمانی بهتر شود که ما بیشتر از آن استفاده کنیم. با حداکثر پتانسیل خود.»
یک نظرسنجی که اخیراً توسط MessageGears از بازاریابان برندهای سازمانی انجام شد، نشان داد که مهمترین چالشهایی که برندها هنگام اجرای راهحلهای هوش مصنوعی با آن مواجه هستند، تخصص محدود، آموزش کارکنان و پیچیدگی یکپارچهسازی است.
مدلسازی هوش مصنوعی به اندازه دادههایی است که در آن قرار میدهید. برعکس، هوش مصنوعی میتواند ابزار قدرتمندی باشد که به برندها کمک میکند تا تبدیلها و بازگشت سرمایه را بهبود بخشند، در زمان صرفهجویی کنند، زمان به ارزش را کاهش دهند و تست و یادگیری را بهبود بخشند.»
ادغام بینش انسانی با فناوری هوش مصنوعی
شهید احمد، گروه EVP برای سرمایه گذاری های جدید و نوآوری در شرکت مشاوره دیجیتال NTT Data، فاش کرد که گزارش تجربه جهانی مشتری 2023 شرکت او نشان داد که اکثر تعاملات CX هنوز به نوعی مداخله انسانی نیاز دارند.
بر اساس این گزارش، مدیران موافق هستند که این بخش مهمی از سفر مشتری باقی خواهد ماند. علیرغم اینکه 80 درصد از سازمان ها قصد دارند هوش مصنوعی را در تحویل CX ظرف 12 ماه آینده بگنجانند، عنصر انسانی در موفقیت آن نقش اساسی خواهد داشت.
احمد به TechNewsWorld گفت: «از آنجایی که شرکتها توجه خود را به این معطوف میکنند که چگونه اتوماسیون میتواند قابلیتهای انسانی را تکمیل و تقویت کند، آنها تأکید بیشتری بر رفع کمبود مهارتهای فزاینده دارند که آرزوهای هوش مصنوعی را به چالش میکشد.
او هشدار داد که مبانی هوش مصنوعی و تجزیه و تحلیل دادههای بزرگ به مهارتهای پایه برای اکثر مشاغل در صنایع تبدیل میشوند و استخدامهای جدید تنها راه نیستند.
تحقیقات انجام شده توسط NTT Data نشان داد که رهبران کسبوکار به احتمال زیاد در سه سال گذشته بیش از 25 درصد سودآوری داشتهاند، زیرا سرمایهگذاریها در ابتکارات مهارتسازی و ارتقای مهارت انجام میشود. این روند در سال 2024 با تجارب آموزشی بیشتر برای کمک به رفع شکاف های مهارتی و رفع نیازهای سازمان ها ادامه خواهد یافت.»
خطرات اجرای DIY AI
بهترین رویکرد اهرمی هوش مصنوعی ممکن است در ترکیب ابر مدیریت شده باشد. هوش مصنوعی امروز در همه جا وجود دارد. پذیرندگان باید بیندیشند که چه اعدادی این رشد انفجاری را نشان میدهند.
گزارش ارائهدهنده امنیت ابری Wiz یک ارتباط کلیدی بین استفاده از خدمات هوش مصنوعی از طریق یک پلت فرم ابر مدیریت شده را نشان میدهد. تجزیه و تحلیل آن از داده های انبوه مربوط به نمونه بزرگی از سازمان ها نمای کلی جامعی از نحوه استفاده از هوش مصنوعی و یادگیری ماشینی مولد در ابر و پیامدهای آن برای سازمان ها ارائه می دهد.
بر اساس این تحقیقات، هوش مصنوعی به سرعت در محیط های ابری در حال افزایش است. اکنون بیش از 70 درصد سازمان ها از خدمات هوش مصنوعی مدیریت شده استفاده می کنند. در این درصد، پذیرش فناوری هوش مصنوعی با محبوبیت سرویسهای مدیریتشده Kubernetes رقابت میکند که ویز آن را در بیش از 80 درصد سازمانها میبیند.
دیدگاه قابل توجه دیگر این است که بسیاری از سازمان ها با هوش مصنوعی آزمایش می کنند اما از این مرحله فراتر نمی روند.
تنها 10 درصد کاربران قدرتمندی هستند که 50 نمونه یا بیشتر را در محیط خود مستقر کرده اند. بر اساس این گزارش، در حالی که پذیرش هوش مصنوعی در فضای ابری در حال افزایش است، به نظر می رسد بسیاری از سازمان ها (32٪) هنوز در مرحله آزمایش با این ابزار هستند و کمتر از 10 نمونه از خدمات هوش مصنوعی را در محیط های ابری خود مستقر می کنند.
تقویت هوش مصنوعی ژنرال با تجزیه و تحلیل پیشگو
برای بسیاری از مردم، سال 2023 سالی بود که هوش مصنوعی مورد توجه قرار گرفت و پذیرندگان میپرسیدند چگونه از آن به بهترین شکل استفاده کنند، Devlin's MessageGear. اکنون، اگر قبلاً استفاده منظم از هوش مصنوعی را شروع نکردهاند، اکثر برندها حداقل نسبت به هوش مصنوعی کنجکاو هستند.
آنها می خواهند آزمایش کنند و ببینند که چگونه می تواند به آنها کمک کند و آماده کاوش هستند. همانطور که برندها با ایده هوش مصنوعی راحتتر میشوند، من فکر میکنم که شاهد افزایش پیچیدگی نقشهای خاص خواهیم بود در حالی که برخی دیگر با استفاده از ابزارهای هوش مصنوعی کارآمدتر میشوند.»
هوش مصنوعی مولد زمانی قدرتمند می شود که با بینش های هوش مصنوعی پیش بینی کننده همراه شود. نه تنها میدانید که مشتری چه زمانی و کجا میخواهد از شما بشنود، بلکه میدانید که احتمال خرید آنها چیست و چه زبانی و تصویری احتمالاً آنها را به سمت عمل سوق میدهد.
او در پایان گفت: «این ترکیبی است که برندها تازه شروع به استفاده از آن کردهاند و پتانسیل تقریباً بینهایتی دارد.