Μεγάλο μέρος της συζήτησης σχετικά με την τεχνητή νοημοσύνη (AI) στην επιχείρηση, ειδικά το Generative AI (Gen AI), επικεντρώνεται σε στατιστικά στοιχεία, όπως ο αριθμός των έργων υπό ανάπτυξη ή η προβλεπόμενη εξοικονόμηση πόρων από την αυτοματοποίηση. ακόμα πολύ υποθετικό.
Για να κατανοήσετε μερικά από τα στατιστικά στοιχεία και τη θεωρία, μπορεί να είναι χρήσιμο να ακούτε χρήστες τεχνητής νοημοσύνης γενιάς, όπως έκανα σε ένα δείπνο την περασμένη εβδομάδα στη Νέα Υόρκη που διοργάνωσε ο πάροχος αποθήκης δεδομένων Snowflake.
Επίσης: 5 Συμβουλές για να επιλέξετε το σωστό μοντέλο AI για την επιχείρησή σας
Η εταιρεία κάλεσε εξέχοντες πελάτες να μιλήσουν για τις εμπειρίες τους από την εφαρμογή εφαρμογών τεχνητής νοημοσύνης στην παραγωγή.
Η συνολική εντύπωση ήταν ότι υπήρχαν σημαντικές περιπτώσεις χρήσης για τεχνητή νοημοσύνη, συμπεριλαμβανομένης της αναζήτησης εγγράφων, που θα μπορούσαν να αρχίσουν να παρέχουν αξία εντός έξι μηνών ή λιγότερο από την εφαρμογή.
Οι συνομιλίες είχαν ανέκδοτο χαρακτήρα και η Snowflake ενδιαφέρεται να προωθήσει τα καλύτερα σενάρια από τους πελάτες της για να προωθήσει τις υπηρεσίες αποθήκης δεδομένων cloud.
Ωστόσο, έχοντας κατά νου αυτή την προειδοποίηση, τα προσεκτικά σχόλια και από τους δύο πελάτες υποδηλώνουν ότι οι εταιρείες δημιουργούν αξία κάνοντας το άλμα για να αξιοποιήσουν την τεχνητή νοημοσύνη ακόμη και στις πιο απλές περιπτώσεις χρήσης μετά από λίγες ημέρες, εβδομάδες ή μήνες στην παραγωγή.
Επίσης: Το σημερινό οικοσύστημα AI δεν είναι βιώσιμο για τους περισσότερους εκτός από την Nvidia, προειδοποιεί κορυφαίος επιστήμονας
Ο Thomas Bodensky, διευθύνων σύμβουλος και επικεφαλής αναλύσεων στην TS Imagine, που πουλά μια πλατφόρμα συναλλαγών τίτλων βασισμένη στο cloud, είπε ότι η εταιρεία του απαιτεί παραδοσιακά 4.000 «εργατοώρες» για να κάνει τους ανθρώπους να διαβάζουν μηνύματα ηλεκτρονικού ταχυδρομείου για σημαντικά αποτελέσματα . εκδηλώσεις.
«Λαμβάνω 100.000 email κάθε χρόνο από το άτομο από το οποίο αγοράζουμε δεδομένα λέγοντας ότι θα κάνουμε μια αλλαγή σε τρεις μήνες», εξήγησε ο Bodensky. “Εάν δεν είμαι προετοιμασμένος, 500 πελάτες δεν θα είναι διαθέσιμοι”, που σημαίνει ότι δεν θα μπορούν να κάνουν συναλλαγές, είπε. “Έτσι είναι πολύ σημαντικό να διαβάζετε κάθε email που λαμβάνετε.”
Ο Μποντένσκι συνέχισε, «Αυτό το email έρχεται, πρέπει να το κατηγοριοποιήσω, πρέπει να το καταλάβω, πρέπει να το αναθέσω στους κατάλληλους ανθρώπους σε διαφορετικά τμήματα για να αναλάβουν δράση — αυτή η εργασία μου κοστίζει 4.000 ώρες το χρόνο. ”
«Απλώς κάντε τα μαθηματικά», λέει ο Thomas Bodensky, επικεφαλής επιχειρησιακός διευθυντής της TS Imagine.
TS φανταστείτε
Αυτό το καθήκον ήταν παραδοσιακά ευθύνη της «παγκόσμιας ομάδας» που επιβλέπει. Υπάρχουν τουλάχιστον δυόμισι ισοδύναμοι άνθρωποι πλήρους απασχόλησης, είπε, «και πρέπει να είναι έξυπνοι άνθρωποι».
Επίσης: Η Microsoft αποκαλύπτει 10 αντιπροσώπους AI για πωλήσεις, οικονομικά και εφοδιαστική αλυσίδα στο Dynamics 365
Ο Bodenski είπε, «Τώρα το κάνω για το 3% του κόστους των ανθρώπων που θα κάνουν τη δουλειά», χρησιμοποιώντας μια γενετική εφαρμογή AI.
«Απλά κάνε τα μαθηματικά», είπε ο Μποντένσκι. «Παίρνεις τον μέσο μισθό και μετά υπολογίζεις πόσα ξοδεύεις για το Snowflake, και είναι μόνο το 3% αυτού του κόστους».
Σύμφωνα με τον Bodenski, ο αναγνώστης email ήταν η πρώτη εφαρμογή που δημιούργησε το TS Imagine χρησιμοποιώντας το Snowflake. Κατασκευάστηκε χρησιμοποιώντας τα μοντέλα ανοιχτού κώδικα Llama μεγάλων γλωσσών από τις Meta Platforms και την εναλλακτική λύση Snowflake ανοιχτού κώδικα, Arctic. Αυτά τα μεγάλα μοντέλα γλώσσας χρησιμοποιούν επαυξημένη παραγωγή ανάκτησης (RAG) όπου το μοντέλο είναι συνδεδεμένο σε μια εξωτερική βάση δεδομένων.
«Δεν νομίζω ότι μπορώ να επιστρέψω», είπε ο Daniel Sanberg της S&P Global Market Intelligence.
S&P Global Market Intelligence
Η εφαρμογή «απαίτησε έξι μήνες εκμάθησης δοκιμών και σφαλμάτων», είπε ο Μποντένσκι. Αυτή η διαδικασία ξεκίνησε πριν ακόμη το TS Imagine είχε σχέση με τον Snowflake.
Στη συνέχεια, η Snowflake παρουσίασε το Cortex AI, μια διαχειριζόμενη υπηρεσία συμπερασμάτων LLM που διαχειρίζεται η Snowflake, «μεταφέραμε ολόκληρο τον αγωγό RAG σε τέσσερις ημέρες και τώρα μπορούμε να συλλάβουμε μια διαφορετική ιστορία».
Επίσης: Η Snowflake λέει ότι το νέο της LLM κερδίζει το Meta’s Llama 3 στις μισές προπονήσεις
Η υπηρεσία Cortex AI επέτρεψε στον Bodenski να κατηγοριοποιήσει τα εισερχόμενα email πελατών με βάση τη σημασία, τον επείγοντα χαρακτήρα και άλλες παραμέτρους, κάτι που προηγουμένως ήταν αδύνατο “επειδή, ξέρετε, δεν διαβάζω και τα 5.000 email πελατών που έρχονται κάθε μήνα”. », είπε.
Ως αποτέλεσμα της ταξινόμησης, ο Bodenski είπε, «Βρίσκω τη φωτιά πριν γίνει φωτιά», που σημαίνει αποτυχία με τον πελάτη. “Είναι αξιόπιστο, δεν έχω κανένα πρόβλημα, δεν χάνω ούτε ένα email.”
Σύμφωνα με τον Bodensky, το TS Imagine έχει τώρα έξι εφαρμογές που υποστηρίζονται από τη Gen AI, «και θα κάνω πολλά περισσότερα. Η τεχνητή νοημοσύνη θα συνεχίσει να χτίζει τον εγκέφαλό μας», είπε: «Λειτουργεί».
Ο πελάτης Snowflake S&P Global Market Intelligence είχε παρόμοια εμπειρία, σύμφωνα με τον Daniel Sanberg, επικεφαλής του τμήματος «ποσοτικής έρευνας» της εταιρείας, ο οποίος ήταν επίσης καλεσμένος στο δείπνο.
Επίσης: Το μονοπάτι προς πλήρως αυτόνομους πράκτορες AI και τους Venture Capitalists που τους χρηματοδοτούν
Η εταιρεία του Sanberg έχει εφαρμόσει τη δική της εφαρμογή που ονομάζεται Spark Assist πάνω από τις εφαρμογές της Microsoft Office. Η εταιρεία μπορεί πλέον να δημιουργεί αυτόματα περιλήψεις email.
«Η τεχνητή νοημοσύνη γενιάς είναι αρκετά έξυπνη για να γνωρίζει ποιες είναι πιο σχετικές και απαιτούν την άμεση προσοχή μου και ποιες μπορεί να χρειαστεί να τεθούν σε προτεραιότητα, και λέω απλώς: [to the AI model]«Προχώρα και γράψε μια απάντηση σε αυτό», και μετά θα τα ελέγξω».
Σύμφωνα με τον Sanberg, 14.000 εργαζόμενοι της S&P Global χρησιμοποιούν την εφαρμογή. «Δεν νομίζω ότι μπορώ να επιστρέψω», είπε, αναφερόμενος στον παλιό τρόπο ταξινόμησης και κοσκίνισης των email με το χέρι.
Αλλά η απόδοση της επένδυσης σε τέτοιες εφαρμογές δικαιολογεί το κόστος δημιουργίας των εφαρμογών και το κόστος εξαγωγής συμπερασμάτων; «Θα έλεγα, ναι, το δάχτυλο στον άνεμο», είπε ο Σάνμπεργκ, αν και πρόσθεσε, «νομίζω ότι ακόμα αξιολογούμε πολλά από αυτά τα πράγματα».
Ο Sanberg συνέχισε: «Το ερώτημα είναι πώς μοιάζει συνολικά αυτή η επιστροφή; Αυτό δεν έχει ακόμη καθοριστεί. Αλλά σε ορισμένες περιπτώσεις, φυσικά. πράγματα που προηγουμένως χρειάζονταν μέρες ή περισσότερες για τη μεταγλώττιση μπορούν τώρα να γίνουν εντός μιας ημέρας. [using Gen AI]”
Συνέκρινε το Gen AI με τις πρώτες μέρες του Διαδικτύου, όταν οι ταχύτητες μέσω τηλεφώνου μείωσαν τις αποδόσεις για τον μέσο χρήστη.
Επίσης: Μελέτη της Bank of America προβλέπει σημαντική αύξηση των εταιρικών κερδών με AI
“Αν καθόμαστε εδώ και πρέπει να περιμένουμε 15 λεπτά για να συνδεθούμε στο διαδίκτυο μέσω ενός μόντεμ μέσω τηλεφώνου, αξίζει τον κόπο;” – σημείωσε ο Σάνμπεργκ.
«Αλλά δεν είμαστε εκεί τώρα», είπε. «Εδώ θα είμαστε σε πέντε χρόνια. Νομίζω ότι πολλά από αυτά θα διευθετηθούν».
Ο επικεφαλής της τεχνητής νοημοσύνης του Snowflake, Baris Gultekin, ήταν επίσης στο δείπνο και είπε ότι η Gen AI μπορεί ήδη να προσφέρει καλύτερα οικονομικά στοιχεία για την αυτοματοποίηση ορισμένων εργασιών.
Επίσης: Η Asana λανσάρει ένα εργαλείο χωρίς κώδικα για την ανάπτυξη πρακτόρων τεχνητής νοημοσύνης – τους νέους «συμπαίκτες» σας.
«Το Cortex Analyst είναι ένα προϊόν που επιτρέπει σε κάποιον να κάνει μια ερώτηση και να λάβει άμεσες απαντήσεις βάσει δεδομένων», εξήγησε.
«Η τρέχουσα τιμή για 1.000 ερωτήσεις είναι 200 $, που είναι 20 σεντς ανά ερώτηση. [human] αναλυτής. Θα έγραφαν SQL [database] αίτημα για καθένα από αυτά. Φανταστείτε λοιπόν 1000 ερωτήματα SQL. Το καθένα χρειάζεται, ας πούμε, 10 λεπτά. Μπορείτε να δείτε το ROI: 10 λεπτά ανά ερώτηση, 1.000 ερωτήσεις έναντι 200 $.”
Το προϊόν Cortex της Snowflake προσφέρει ήδη εξοικονόμηση κόστους, δήλωσε ο Baris Gultekin, επικεφαλής τεχνητής νοημοσύνης της Snowflake.
Νιφάδα χιονιού
«Σίγουρα, είκοσι σεντ εδώ και είκοσι σεντ εκεί μπορούν να αθροιστούν», είπε ο Κρις Τσάιλντ, αντιπρόεδρος διεθνών πωλήσεων για το Snowflake, καλεσμένος στο δείπνο. Το κλειδί, είπε, είναι οι επιχειρήσεις να μπορούν να προβλέψουν πώς θα συσσωρευτούν τα κόστη όταν αρχίσουν οι αναλήψεις.
«Τις περισσότερες φορές, οι άνθρωποι κάνουν οικονομία σε έναν προϋπολογισμό», είπε ο Τσάιλντ. “Σκέφτονται για μεγάλα πράγματα και είναι πολύ περισσότερο για το “Πώς μπορώ να καταλάβω πόσο θα μου κοστίσει αυτό σε μια περίοδο μηνών και πώς μπορώ να ξέρω πότε αυτός ο αριθμός υπερβεί αυτό το ποσό;”
Επίσης: Οι τάσεις τεχνολογίας 2025 της Gartner δείχνουν πώς η επιχείρησή σας πρέπει να προσαρμοστεί — και γρήγορα.
Η πρότασή του: «Δοκιμάστε το, εκτελέστε το μια φορά, δείτε και μετά αξιολογήστε τι θα χρειαστείτε για να κλιμακώσετε σε κλίμακα».
Ο Τσάιλντ συνέχισε, “Το κόστος της δοκιμής μιας υπόθεσης είναι υψηλό” έναντι “Εάν πρόκειται να ξοδέψω 1.000 $ για να εκτελέσω την πρώτη δοκιμαστική περίπτωση, εξακολουθεί να είναι ακριβό, αλλά είναι σημαντικά φθηνότερο” από το να δοκιμάσουν οι άνθρωποι την ίδια υπόθεση.
Chris Child: «Δοκιμάστε το, εκτελέστε το μία φορά, δείτε και, στη συνέχεια, αξιολογήστε τι θα χρειαστείτε για να κλιμακώσετε σε κλίμακα».
Νιφάδα χιονιού
Όταν η S&P Global ανέπτυξε μια εφαρμογή για τους πελάτες της χρησιμοποιώντας το Snowflake, το εργαλείο σχεδιάστηκε για να ταξινομεί 12.000 ιστορικές τριμηνιαίες οικονομικές καταστάσεις που εκδόθηκαν από εταιρείες στο Russell 3000, έναν δείκτη αμερικανικών επενδυτικών εταιρειών, σε διάστημα 10 ετών, για συνολικά 120.000 έγγραφα.
«Το πρώτο πράγμα που κάναμε όταν μπήκαμε στην πλατφόρμα ήταν να γράψουμε ένα σενάριο για να μας βοηθήσει να καταλάβουμε το κόστος πριν ξεκινήσουμε, και μπορέσαμε να το κάνουμε αυτό», είπε ο Sanberg.
«Μου αρέσει το μοντέλο που βασίζεται στην κατανάλωση», είπε, αναφερόμενος στην πρακτική του Snowflake να χρεώνει τους πελάτες για τον συνολικό πραγματικό χρόνο χρήσης αντί για μια παραδοσιακή άδεια λογισμικού, «επειδή υπάρχει διαφάνεια στην τιμολόγηση γιατί, κατά τη γνώμη μου, νομίζω ότι αυτό είναι δίκαιο. προς όλες τις κατευθύνσεις».
Επίσης: Σύμφωνα με έρευνα της Deloitte, υπάρχουν πολλοί λόγοι για τους οποίους οι εταιρείες δυσκολεύονται να χρησιμοποιήσουν γενετική τεχνητή νοημοσύνη.
Ο Bodensky του TS Imagine είπε ότι η ευελιξία στην τιμολόγηση για την εκτέλεση συμπερασμάτων στο Cortex ανταποκρίνεται στις ανάγκες του.
«Μπορώ να εκτελέσω μια διαδικασία όπου μπορώ να περιμένω τρία λεπτά για κάθε αίτημα, αλλά μπορώ επίσης να εκτελέσω μια διαδικασία όπου δεν είναι καλό να περιμένω τρία λεπτά, το θέλω σε πέντε δευτερόλεπτα», εξήγησε.
«Και παίρνω αποφάσεις εν κινήσει, απλώς κλιμακώνοντας τα πράγματα από εξαιρετικά μικρά σε μεσαία», εννοώντας την κλίμακα του υπολογισμού.
Ο Bodenski είπε ότι η εφαρμογή που χρησιμοποιείται από το TS Imagine για την αναζήτηση email έδειξε γρήγορα την αξία της. «Είδαμε πραγματικά έναν αντίκτυπο τέσσερις ημέρες αφότου το αναπτύξαμε», είπε, «επειδή τόνισε τα στοιχεία στα οποία έπρεπε να εστιάσουμε και βελτίωσε την εμπειρία για τους πελάτες μας».
Η εφαρμογή βρίσκεται σε εξέλιξη εδώ και τέσσερις μήνες. «Αυτό είναι πολύ, πολύ σημαντικό για εμάς», είπε. «Με βοηθά να ανακαλύψω ένα θέμα με το οποίο θα έπρεπε να ασχοληθώ, ή τον περιφερειακό διευθυντή μου, τον παγκόσμιο διευθυντή μου», είπε ο Μποντένσκι.
“Λειτουργεί αυτόματα, παράγει αποτελέσματα, καταγράφουμε αντικείμενα” στα οποία διαφορετικά μπορεί να χρειαστούν εβδομάδες για να λάβουμε μια απάντηση μέσω email, “και δεν χρειάστηκε να προσλάβω ή να αναδιατάξω ένα άτομο για να κάνω τη διαδικασία. “
