Üretken yapay zeka, teknolojide bir paradigma değişimidir ve önümüzdeki on yıl ve sonrasında kurumsal harcamalarda büyük bir değişimi teşvik edecektir. Bu büyüklükteki dönüşümler, özellikle üretken yapay zekanın son aylarda yaptığı gibi büyük bir sıçrama yaptıklarında, yüzeyde hızlı hissedilebilir, ancak bu, kurumsal teknoloji yığınının katmanlarına nüfuz etmek için dik ve istikrarlı bir tırmanıştır.
Altyapı katmanı, şirketler güç ve performans için yapı taşlarını bir araya getirirken ilk harcamayı karşılıyor; bugün Nvidia ve GPU toplayıcılarına akan sermaye, bunun iyi bir şekilde devam ettiğini gösteriyor. Benimseme (ve dolar) yığında yükseldikçe, geliştirme odağı, sonraki katmanları yeniden şekillendirecek yeni deneyimlere ve ürünlere doğru kayacaktır.
Bu dönüşümün uygulama katmanında nasıl ortaya çıkacağına dair yeni bir fikir ediniyoruz ve ilk sinyaller, kesintinin derin olacağını gösteriyor.
Üretken yapay zekadan çok önce kurumsal uygulamalar, kullanıcı arayüzlerini iyileştirerek ve günlük kullanıcıların ilgisini çekecek ve iş akışını hızlandıracak etkileşimli öğeler sunarak daha tüketici benzeri deneyimler sunmaya başladı. Bu, Salesforce ve Workday gibi “kayıt sistemi” uygulamalarından Slack ve Notion gibi “katılım sistemi” uygulamalarına geçişi teşvik etti.
Üretken yapay zeka, yeni nesil uygulama ürünlerini şekillendirirken, daha da kapsamlı bir evrim bekleyebiliriz.
İşbirliği, çok oyunculu mod, açıklama işlevselliği, sürüm geçmişi ve meta veriler gibi özelliklerle bu yeni tür kurumsal araçların tanımlayıcı bir özelliğiydi. Bu uygulamalar aynı zamanda benimsenmeyi artırmak ve içeriğin kuruluşlar içinde ve arasında sorunsuz bir şekilde paylaşılmasını sağlamak için tüketiciye özgü viral bileşenlerden de yararlandı. Temel kayıt, bu etkileşim sistemleri içindeki asıl değerini korudu ve etkileşim katmanında oluşturulan artan bilgi hacmi için temel taş olarak hizmet etti.
Üretken yapay zeka, yeni nesil uygulama ürünlerini şekillendirirken, daha da kapsamlı bir evrim bekleyebiliriz. İlk oyuncular, ChatGPT entegratörlerine çok benziyorlar; anında ancak geçici değer sağlayan üretken modellerin üzerine doğrudan hafif araçlar inşa ediyorlar. Başlangıçta patlayıcı bir büyümeye sahip olan, ancak aynı zamanda sınırlı iş akışı veya ek işlevsellik eksikliği nedeniyle son derece yüksek kayıplara sahip olan çeşitli üretken yapay zeka ürünlerinin ortaya çıktığını zaten gördük. Bu uygulamalar tipik olarak tek kullanımlık içerik veya medya türü olan (yani kullanıcının günlük iş akışına dahil edilmeyen) üretken bir çıktı üretir ve bunların değeri, piyasada başkalarının da yaygın olarak erişebildiği kullanıma hazır üretken modellere dayanır. pazar.
Yeni şekillenmeye başlayan üretken yapay zeka uygulamalarının ikinci dalgası, kayıt sistemi uygulamalarında yer alan yapılandırılmış verileri ve etkileşim sistemi uygulamalarında yer alan yapısal olmayan verileri entegre etmek için üretken modellerden yararlanacak.
Bu ürünlerin geliştiricileri, kalıcı şirketler yaratma konusunda ilk dalgaya girenlere göre daha fazla potansiyele sahip olacaklar, ancak yalnızca etkileşim sistemi ve kayıt sistemi uygulamalarının üzerindeki katmana “sahip olmanın” bir yolunu bulabilirlerse – hiç de zor bir başarı değil Salesforce gibi yerleşik şirketler, altta yatan katmanların etrafında koruyucu bir hendek oluşturmak için üretken yapay zekayı uygulamaya koymaya zaten çabalıyorken.
Bu, girenlerin kendi savunulabilir “istihbarat sistemi” katmanını yarattığı üçüncü dalgaya yol açar. Startup’lar öncelikle mevcut kayıt sistemi ve etkileşim sistemi yeteneklerini kullanarak değer sağlayan yeni ürün tekliflerini tanıtacak. Güçlü bir kullanım senaryosu oluşturulduktan sonra, gerçek bir kurumsal uygulama olarak tek başına ayakta kalabilecek iş akışları oluşturulacak.
Bu mutlaka mevcut etkileşimli katmanların veya veritabanı katmanlarının değiştirilmesi anlamına gelmez; bunun yerine, üretken modellerin ürün deneyimini geliştirmek için bu yeni veri kümelerini kullandığı yeni yapılandırılmış ve yapılandırılmamış veriler oluşturacaklar – esasen yeni bir “süper veri kümeleri” sınıfı yaratacaklar.
Bu ürünler için temel odak noktası, verileri alma, temizleme ve etiketleme becerisine sahip entegrasyonlar olmalıdır. Örneğin, yeni bir müşteri destek deneyimi oluşturmak için mevcut müşteri destek bildirimlerinin bilgi tabanını kullanmak yeterli değildir. Gerçekten ilgi çekici bir ürün aynı zamanda hata takibini, ürün dokümantasyonunu, dahili ekip iletişimlerini ve çok daha fazlasını içermelidir. Yeni içgörüler yaratmak için ilgili bilgiyi nasıl çıkaracağını, etiketleyeceğini ve tartacağını bilecek. Yalnızca bir kuruluş içinde değil, birden fazla kuruluş genelinde eğitim ve kullanımla daha iyi hale gelmesini sağlayacak bir geri bildirim döngüsüne sahip olacaktır.
Bir ürün tüm bunları başardığında rakibe geçiş çok zorlaşır; ağırlıklandırılmış, temizlenmiş veriler son derece değerlidir ve yeni bir ürünle aynı kaliteye ulaşmak çok uzun zaman alır.
Bu noktada akıl yalnızca ürün veya modelde değil aynı zamanda ilgili hiyerarşide, etiketlerde ve ağırlıklarda da yatmaktadır. Sadece bilgi sentezi yerine eylem ve kararlara odaklanan içgörülerin sunulması günler yerine dakikalar alacak. Bunlar, aşağıdaki tanımlayıcı özelliklerle işaretlenen, üretken yapay zekadan yararlanan gerçek zeka sistemi ürünleri olacaktır:
- Şirket iş akışlarıyla derin entegrasyona sahip olun ve yeni oluşturulan yapılandırılmış ve yapılandırılmamış verileri yakalama becerisine sahip olun.
- Verilerin hiyerarşi, etiketler ve ağırlıklar yoluyla karakterizasyonu ve sindirimi konusunda bilgili olun.
- Ürün deneyimini geliştirmek için müşteriler içinde ve arasında veri geri bildirim döngüleri oluşturun.
Müşterilere sormayı sevdiğim önemli sorulardan biri şu: “Yeni bir ürün grubu, kullandığınız diğer araçlarla nerede sıralanıyor?” Normalde kayıt sistemi ürünü en önemlisidir, onu katılım sistemi ürünü takip eder ve ek araçlar listenin en altında yer alır.
Bütçe kısıtlı olduğunda en az öneme sahip olan ürün ilk kesilecek ürün olacaktır; dolayısıyla yeni ortaya çıkan istihbarat sistemi ürünlerinin hayatta kalabilmek için kalıcı değer sağlaması gerekir. Ayrıca, ürünlerine üretken yapay zeka destekli zeka yetenekleri yerleştirecek olan yerleşik şirketlerle de sert bir rekabetle karşı karşıya kalacaklar. Tekliflerini yüksek değerli iş akışları, işbirliği ve kalıcı süper veri kümelerinin tanıtımıyla birleştirmek yeni dalga istihbarat sistemine bağlı olacaktır.
Yapay zeka alanının dönüşümü son 12 ayda hızlandı ve sektör hızla öğreniyor. Açık kaynak modelleri çoğalıyor ve kapalı özel modeller de alışılmadık derecede hızlı bir şekilde gelişiyor. Hızla değişen bu ortamda kalıcı istihbarat sistemi ürünleri oluşturmak artık kuruculara kalmış ve bu doğru yapıldığında işletmeler üzerindeki etkisi olağanüstü olacaktır.