Yönetim danışmanlığı sektörü, kuruluşlara tüm alanlardaki belirli sorunları çözmeleri için uzmanlar sağlar. Verimliliği ve genel performansı iyileştirmeleri için veya bazen bunu şirket içinde yapacak kaynaklara sahip olmadığımız için onları çağırıyoruz. Büyük Anglosakson danışmanlık firmaları bu modeli sanayileştirmeyi başardılar. McKinsey, Boston Danışmanlık Grubu Veya Banyo ve Şirketve dünya çapında tüm sektörlere hizmet sağlamak. Ancak belirli bir alanda veya belirli bir sektörde uzmanlaşmış niş firmalar da vardır.
Şimdiye kadar, danışmanlık sektörü yılda %10’dan fazla büyüyor. Ancak bir yeniden yapılanmanın işaretleri ortaya çıkıyor.
Nitekim haberlerde de okuyabiliriz ki dev McKinsey iş gücünü azalttı (iş gücünün %3’ü, yani 1.400 kişi) ve destek ekiplerini yeniden organize etti. Danışmanlıktaki zorluklarla ilgili bu tür bir makale on yıllardır mevcut değil. Yine de bu yılın Şubat ayından bu yana yönetim kurulundaki diğer büyük isimler benzer düzenlemeler yaptı. Accenture 19.000 işten çıkarma ve yine pek çok destek işi, ama aynı zamanda KPMG başlangıçta duyurulan 700 kişiyle (iş gücünün %2’sinden azı) geçen hafta iletişimde (%5) 1950’de yeniden değerlendirildi. Açıkça görülüyor ki, konsey kapasite fazlası. İşgücü büyüklüğüne dayalı bir üretim. Belki de sağlık krizi sırasında çok fazla işe alım yaptıkları için veya (“büyük istifaya” rağmen) daha az ayrılma olduğu için, ancak YeşilSI sana sunacak başka bir ışığı var.
YeşilSI ikna oldu tavsiye şiddetle gider olmak yapay zekanın ve daha özel olarak üretken yapay zekanın gelişmesiyle alt üst oldu.
Bu işgücü yeniden ayarlamaları, henüz yapay zekada yaklaşan bu karışıklığın değil, temkinli liderler tarafından öngörüldüğünün habercisi olabilir. Elbette ayakkabıcıların en kötü ayakkabıcılar olduğu söyleniyor, ancak konseyin bu üretken yapay zeka konusunu radarında tutmaması, müşterilerine bunun her şeyi neyin değiştireceğini açıklamakla çok meşgul olması pek olası değildir 😉
Generative AI, mevcut verilerden yeni veriler oluşturmaya odaklanır.
Ancak düşündüğünüzde, önceki bilgilerden öğrenmeye dayalı analizler üreten danışmanlık işinin de iyi bir özeti. Son olarak, üretken bir yapay zeka ve bir danışman birbirine benzer!
Gerçekten de, genellikle yalnızca kendi şirketlerini tanıyan dahili ekiplere kıyasla danışmana bu avantajı sağlayan, aynı sektördeki birden çok şirketin durumlarının bilgisi ve analizidir (mevcut veriler). Daha sonra daha ayrıntılı öneriler (yeni veriler) üretebilir. Danışmanlık, bu nedenle, aynı endüstride veya aynı enine alanda önceki müşterilerde özümsediği her şeyle birlikte yeni veriler üreten bir makinedir. Firmalar ayrıca üretim araçlarının merkezinde yer alan bu bilgiden yararlanmak için genellikle endüstri ve uygulama/alan bazında organize olurlar.
Üretken yapay zekaların bir başka özelliği de, modelin önceden tanımlanmış kategorilere (insanlar tarafından doğrulanmış) ihtiyaç duymadan verilerdeki yapıları ve kalıpları tanımlamayı öğrendiği denetimsiz öğrenme tekniklerini nasıl kullanacaklarını bilmeleridir. Burada yine danışmanla paralellik ilginçtir, çünkü yönetim kurulu (her zaman) ezbere ve otomatik olarak öğrenilen tarifleri uygulamaz, bunun yerine şirkete özgü nedenleri belirlemek için bilgisine güvenir.
Son olarak, üretken yapay zeka, üretilen verilerin kalitesini kontrol etme (mantığı nasıl açıklayacağımızı bilmiyoruz), mahremiyete ve telif hakkına saygı ve hatta yanıltıcı bilgi (“deepfakes”) oluşturma olasılığı açısından bir zorluk teşkil ediyor.
Esprili bir notla bitirmek için, bazen tavsiye aynı olabilir!
Gerçekten de, bir danışmanlık görevinin sonundaki şirketler, tavsiyenin uygun olup olmadığını (genel kabul görmüş iyi uygulamanın ötesinde) her zaman tam olarak açıklayamasa da, belki de onları öldürecek (ve birçok örnek vardır) tavsiyeler uygulamaya koymak isteyebilir. Hatta bazen, başka bir ülkedeki bir rakip için yazılmış başka bir raporu kopyalayıp yapıştırarak, aşılarla ilgili kriz sırasında Elysée’ye tavsiyede bulunan McKinsey’e sitem edildi 😉
Bu nedenle anlamış olduğunuz gibi, GreenSI’nin hipotezi, danışmanlıkta bilgi üretiminin doğasının, üretici yapay zeka ile güçlü benzerlikleri olan bir işleyişi temel aldığıdır.
Ancak insan beyninin bir yapay zekadan daha fazla enerji verimli olmasına (çok enerji yoğun) rağmen, çok daha hızlı, ölçeklenebilir ve bir insan için inandırıcı ve makul hissettiren bir şey üretmenin üstesinden gelmede angaryadır. Üretken yapay zekanın tanımı bu olduğundan, bir insanın inandırıcı ve makul bulduğu bir şeyi üretebilen bir algoritma.
Bu nedenle danışmanlık sektörü, hem “otomatikleştirmek” için dönüşecek ve bu kesinlikle başlayan işgücü azalmalarının açıklamalarından biri, hem de müşterilerinde üretken yapay zekalarla yer değiştirme zorluğunu karşılamak için. Sonuç olarak, stratejist firmalar, üretici yapay zekanın daha az alakalı olduğu ve müşterilerinin onlara hala ihtiyaç duyacağı yerlerde kesinlikle kendilerini yeniden konumlandıracak ve yeni bir model arayacaktır.
Üretken yapay zeka, danışmanlık mesleklerinin dönüşümünü tetikleyecek.
Ve gibi yeşilSI Dönüşmenin kelimenin tam anlamıyla biçim değiştirmek olduğunu size sık sık hatırlatmak isterim. Yani AI yeni bir araç değil, ama kesinlikle danışmanlık işinin daha hibrit bir modelibir kısmı yapay zeka tarafından daha verimli bir şekilde üretilecek ve diğer kısmı, müşteri ile ilişkinin “insan” kısmını ve görevlerin yürütülmesini güçlendirecek.
Dolayısıyla bu dönüşüm, yalnızca bir operasyonel verimlilik veya maliyet azaltma sorunu değil, aynı zamanda bir model değişikliği sorunudur.
2023’ün başında alınan ilk iş gücü azaltma kararları basitçe böyle yorumlansa bile, yeşil SI bunun, danışmanlığın müşterilerine nasıl değer sağlayacağı konusunda temel bir değişim olduğuna inanıyor. Üretken yapay zekanın anlık faydaları, kişiselleştirme, pazarları ve trendleri algılamada daha fazla hassasiyet ve elbette strateji ve yeniliğe odaklanmak için tekrarlayan görevleri otomatikleştirmedir. Ancak bunu söyledikten sonra, onları kullanacak modeli bulmayı başarmak gerekiyor ve bu birkaç yıl alacak.
Ne kadar paradoksal olsa da, üretken yapay zeka, çok yüksek düzeyde empatiye ve insanlara karşı anlayışa sahiptir. Bu aynı zamanda AI korkutucu olduğunda rahatsız eden ve bunu yapması istendiğinde esprili olmasına izin veren şeydir (geeks için, StarTreckinsan ve makine arasındaki farkı yaratan mizahtır – Data)
Örneğin, ChatGPT, şu anda en yüksek performansı almak için metin oluşturmak, doğru kelimeleri bulmayı ve doğru bilgileri dokunmaya getirmeyi bilir. Ve karşılaştığı tüm insan “tiplerine” uygun, çok yönlü bir ifade kapasitesine sahiptir. Cevabını bir oyun, yerel bir gazeteden bir makale, bir resim, seçilmiş bir Millet Meclisi üyesinin konuşması, anaokulundaki çocuklar için bir tartışma ve tabii ki bir de powerpoint şeklinde vermesini isteyebiliriz!
Ve her biçimde AI, hitap ettiği insanın bağlamına uyarlanmış kelimeleri özetleyecek ve kullanacaktır. Ama o zaman, bir oyun biçimindeki bir danışman tavsiye raporunun ne işe yaradığını merak ediyor olmalısınız?
Dönüşümün ikinci bölümünde, değişikliklerin yönetiminde oraya geçiyoruz.
Tahta sadece powerpoint değildir. Başarılı uygulama desteği bunlardan biridir. Ve bu arada powerpoint raporu kesinlikle belirli çevrelerin ötesinde insanları etkilemek için en iyi iade biçimi değildir.. Bu nedenle, bu örnekte AI’nın en başından fikirleri çok değişken biçimlerde, farklı durumlara uyarlanmış ve mesleği mesleklere ve denkleme entegre edilen çalışanların duyarlılığına göre kişiselleştiren fikirleri test etme yeteneği sunduğunu görebiliriz. Öyleyse neden daha fazla etkiye sahipse, bir oyun şeklinde bir ilk iade toplantısı düzenlemiyorsunuz?
Her durumda, bu fikir üretken bir yapay zekayı rahatsız etmez!
Bu örnek aynı zamanda, metinlerin, videoların veya fotoğrafların üretimi ile ilgili olarak, görevlerin otomasyonunun ve özellikle belgelerin üretiminin, üretici yapay zekaların erişimi dahilinde olduğunu da göstermektedir. Ve tabii ki üçünün kombinasyonu da. İki cümleyle ifade edilen bir fikirden yola çıkarak kitap yazmayı test ettim ve kitabın adının, kapağının, arka kapağın özetinin ve reklam videosunun oluşturulmasını, taraflar arasındaki tüm tutarlılığı istedim, etkileyici! Bu, danışmanları daha önemli görevlere odaklamak için raporlama ve veri analizi gibi yinelenen görevlerin otomatikleştirilmesine yardımcı olur.
Buradan, Bu otomasyonu uygulamanın en iyi yolunun şu olup olmadığı merak ediliyor. şu anda azaltılmış olan destek yapılarıyla merkezi bir yaklaşım veya doğrudan danışmanlar tarafından kullanılabilen araçlarla merkezi olmayan bir şekilde. Takip edilecek konu ilk kim gelişecek.
Son olarak, stratejik karar vermede yardımcı olabilecek tarihsel verilere dayalı olarak gelecekteki eğilimleri tahmin etmek için üretken modeller eğitilebilir. Burada yine farkı yaratan, her görev için daha fazla müşteri verisini daha hızlı entegre edebilme yeteneğidir. Bu, önerilerin kesinliği ve kişiselleştirilmesi yönünde gider.
Son olarak, bir ChatGPT’ye, bir şirkete tavsiye vermek için insanın kendisinden daha verimli olduğu alanların hangileri olduğunu sorduğumuzda, nüansları doğal ve sezgisel bir şekilde yakalayarak bağlamın anlaşılmasını, müşterileriyle olan kişisel ilişkileri vurguluyor. ve etik ve yargıya dayalı karar verme. Etten kemikten danışman henüz ortadan kaybolmaya hazır değil.
Bu nedenle, büyük Amerikan danışmanlık gruplarında işlenen işten çıkarmalar, yeşil SI üretici yapay zekaların potansiyelinden yararlanmaya yönelik daha derin bir dönüşümün ilk işaretleri. Bu oyuncular, yeni bir hizmet düzeyi geliştirmek ve rekabet gücünü artırmak için ilerlemeye çalışıyor. Bu nedenle konsey, böylesine güçlü bir kopuş karşısında kendi dönüşümünden kesinlikle bağışık değildir.
