在我們的專業實踐中，我們遇到了關於AI及其對工作角色和業務模型的影響的兩種兩極分化的意見。一方面擔心失業率飆升和人工智能接管，而另一方則認為AI不會帶來任何重大變化，最終將成為泡沫。
隨著64％的CIO寄予厚望，希望使用AI提升其業務運營並發展企業，因此了解技術的強大能力和局限性變得尤為重要。人工智能可以真正引入全新的商業模式，還是這些期望源於偏見？
與往常一樣，真正的答案在介於兩者之間。
隨後，每一次技術革命都會轉變工作角色和工作場所常規。 AI的演變承諾將迅速改變工作場所並推動社會變化。事實證明，AI並沒有像預期的那樣影響社會，但是社會可以並且應該影響AI。
LLM開發的放緩以及AI幻覺的持續報導清楚地表明，我們知道今天的AI系統不僅遠非完美 – 他們沒有提供預期的東西，而且開發人員知道這一點。重要的是要了解問題不是在人工智能上，而是圍繞它的炒作。開發人員沒有放慢腳步並專注於改善現有功能，而是開始瞄準下一個目標。結果，許多潛在的問題仍然被忽視和忽視，引起了許多問題，例如Google經歷了1000億美元的股份下降，因為其Bard AI犯了一個事實錯誤，沒有人檢查過。
這些結果表明，如果AI需要控制和監視以執行基本任務，那麼通過複雜的任務來信任它還為時過早。許多工作角色需要人工智能缺乏的深刻見解，批判性思維和靈活性 – 這不會很快改變。
正如Openai的AGI準備小組的前負責人所說，AI的真正效率將是企業，政府，行業聲音，專業人士和公民之間強大的對話的結果。目前，這次對話尚未開始，這將需要所有有關的對話。
業務模型中的AI：探索當前價值
儘管AI驅動的商業模式的時代並不是我們在一兩年內應該期望的，但不可否認的是，人工智能極大地影響了公司運營和管理其工作流程的方式。
通常，這一切都歸結為任何企業的三個支撐支柱：
1。數據分析
我們的聯繫越多，數據就越多。對於企業而言，尤其如此 – 每年商務旅程都會生成多種數據庫，文檔，論文和屏幕截圖。這些位中的每一個都具有巨大的價值，但必須首先找到。對於人類專家，開采和組織所有數據將需要幾個月（即使不是幾年）。但是，對於人工智能而言，這是幾天的時間，即使不是幾秒鐘。通過深入研究大量數據，對它們進行整理並組織它們（包括非結構化數據），AI將重要信息與員工，決策者和高管聯繫起來，刪除數據瓶頸並在每個級別啟用Sharper決策。有了人工智能，企業之旅的歷史和整個觀點變得更加清晰，增加了更多的確定性，並幫助企業領導者意識到自己所處的里程碑以及未來需要的里程碑。
2。客戶互動個性化
隨著客戶體驗的質量，美國的經驗質量達到了歷史最低，減少響應時間，實現個性化互動，並儘快解決客戶的擔憂，從未對企業更重要。但是，實現這些目標意味著要收集每個客戶數據：人口統計，購買歷史，品牌互動頻率以及許多其他因素。對於呼叫中心或支持團隊而言，該規模的任務太多了，但這是AI助手的日常活動。通過在AI驅動的平台上工作，以及人類員工可以通過立即研究各個客戶歷史並滿足其特定需求來提供卓越的客戶服務。這種方法提供了客戶在品牌中尋求的個性化和同理心的水平，從而加強了與供應商的關係並培養忠誠度。
3。風險管理
風險管理對於企業來說是一個不斷且不斷變化的疼痛點 – 它將永遠保持這種狀態。業務格局越強烈，高管需要評估以適當評估財務和聲譽風險的情況就越多。一些評估是基於批判性思維和經驗，而另一些則需要大量的歷史數據以揭示模式。在後一種情況下，人工智能通過處理異常檢測，識別模式和檢測可疑行為提供了巨大的幫助。這些能力減輕了經理，分析師和高管的壓力，允許他們在出現之前識別威脅並進行相應的準備。
AI業務模型的未來：請繼續關注更多
要考慮的最重要的一點之一是，在發現人工智能的全部價值之前，AI驅動的商業模型的類型將保持不確定。由於業務領導者仍在計算AI ROI的圍欄上，因此需要進行探索和研究。
人工智能的採用並不是很小的變化。它引入了一個全新的工作流程。因此，業務領導者需要對該工作流程有充分的了解，確定其KPI，並確定與以前的例程不同的原因，並根據他們的分析來推導變革價值。
例如，在許多情況下，AI不僅改善了企業流程，還可以創建允許達到預期結果的新企業流程。但是，為了最大限度地提高這些結果的價值並為全新模型奠定了基礎，任何企業都需要三個不可或缺的組成部分：過程，技術和使用它的人。
