DI versle: kas realiai veikia, o kas tik kainuoja

Tikėtina, kad jūs jau planuojate DI agentus, o jūsų komanda vis dar rankomis kopijuoja duomenis tarp sistemų ir geriausiu atveju gauna vidutinius atsakymus iš „ChatGPT“ užklausų. Jūsų darbuotojų skaičius x valandinis įkainis x 30% laiko, praleisto rankiniam darbui, kurį DI jau gali pakeisti – tai vertė, kurią jūsų verslas praranda kiekvienais metais. Šiame pranešime aptarsime, kodėl didžiausias DI proveržis slepiasi ne sudėtinguose algoritmuose, o jūsų darbuotojų kasdienybėje. Remdamasi naujausiais praktiniais pavyzdžiais, Odeta parodys, kaip įgalinti komandos ekspertines žinias ir skatinti tvarų DI naudojimą su apčiuopiamais rezultatais. Sužinosite, kaip neautomatizuoti chaoso ir kodėl jūsų sėkmė priklauso nuo to, kaip greitai „plūgą“ pakeisite „DI traktoriumi“.

Dar visai neseniai galiojo paprasta taisyklė: kas turi duomenis – tas laimi. Įmonės investuodavo mėnesius ir šimtus tūkstančių eurų į duomenų kaupimą, anotavimą ir pritaikytų modelių kūrimą, o sukauptas duomenų rinkinys tapdavo gynybine siena nuo konkurentų. Tačiau 2020–2025 m. bazinių modelių sprogimas – GPT-4, Claude, SAM ir kiti – viską pakeitė. Šie modeliai, apmokyti trilijonais duomenų vienetų, dabar atlieka užduotis, kurioms anksčiau reikėjo mėnesių pasiruošimo ir tūkstančių pavyzdžių – dažnai be jokių jūsų duomenų arba su vos keliais pavyzdžiais. Tai, ką Vidmantas vadina „duomenų infliacija": jūsų kruopščiai surinkti duomenys nuvertėja su kiekvienu nauju modelio atnaujinimu – panašiai kaip grynieji kojinėje praranda perkamąją galią dėl infliacijos. Pranešime – konkretūs „prieš ir po" pavyzdžiai iš kompiuterinės regos ir kalbos modelių sričių, aiški duomenų vertės piramidė, padėsianti atskirti, kur jūsų duomenys vis dar kuria realų pranašumą, o kur jau nebėra prasmingi, bei praktinis veiksmų planas: kaip pereiti nuo duomenų kaupimo prie duomenų aktyvavimo ir suspėti pasinaudoti galimybių langu langu, kol jis dar atviras.

Net 85 % įmonių DI projektų nepateisina lūkesčių ir neatneša matuojamo ROI. Dažniausios priežastys – ne technologija, o netinkamas startas: neaiškūs verslo tikslai, nepakankama branda, neparuošti duomenys, įsitraukimas ir per dideli lūkesčiai be realaus pagrindo. Per šį praktinį pristatymą atvirai aptarsime: Kodėl tiek daug DI iniciatyvų baigiasi „pilot paralysis“ ir niekada nepasiekia produkcijos. Ką įmonė privalo padaryti prieš pradėdama pirmąjį DI projektą. Kaip turi atrodyti sėkmingas pirmasis DI projektas, kad jis duotų realią vertę. Kaip teisingai skaičiuoti DI projekto ROI ir nuo ko priklauso jo kaina. Jei norite, kad DI taptų ne dar vienu brangiu eksperimentu, o tikru verslo augimo įrankiu – šis pristatymas skirtas Jums.

Dirbtinis intelektas versle – ne tik galimybė, bet ir teisinė atsakomybė. Šiame pranešime aptarsime dvi praktines sritis, su kuriomis susiduria kiekviena įmonė, diegianti ar naudojanti DI sistemas. Pirma – kaip įmonės viduje nubrėžti aiškias taisykles: ką leidžiama daryti su DI įrankiais, ko ne – kaip išvengti „shadow AI“ ir valdyti asmens duomenų, intelektinės nuosavybės ir konfidencialumo rizikas. Antra – ES Dirbtinio intelekto aktas: nors apie jį daug kalbama, didžiajai daliai įmonių jis tiesiogiai netaikomas. Visgi, kiekvienas DI naudotojas turi žinoti „raudonąsias linijas" – situacijas, kai įprastas DI naudojimas gali patekti į šio reguliavimo taikymo sritį.

Baigiamoji sesija su realiais verslo atstovais – kaip DI transformuoja jų kasdienę veiklą, kokie buvo lūkesčiai ir kas iš tiesų pasikeitė. Diskusija ir tiesioginiai atsakymai.