ИИ-двойники обещают произвести революцию в корпоративном интеллекте. Однако на пути их внедрения существуют серьезные проблемы. О том, как их преодолеть с помощью модели «процесс-данные-знания» (Process, Data, Knowledge, PDK), на портале ITPro Today рассказывает Шьям Сундар, исполнительный директор компании Lenovo.

Искусственный интеллект стремительно развивается и уже вышел за рамки генеративных моделей и простых ИИ-помощников, перейдя на новую территорию — например, ИИ-двойников. Однако в отличие от цифровых двойников, которые имитируют физические системы, ИИ-двойники выступают в роли цифровых аналогов сотрудников, учась на их действиях и решениях.

Имитируя человеческое познание и эмоции, ИИ становится более индивидуальным, предлагая понимание, выходящее за рамки базового анализа данных. В отличие от «вторых пилотов» на базе ИИ, которые выполняют заранее определенные задачи, ИИ-двойники постоянно адаптируются и учатся, что позволяет им предлагать персонализированные рекомендации и более точно прогнозировать поведение клиентов.

Потенциал PDK

Переход на ИИ-двойников может произвести революцию в бизнесе, обеспечив принятие гиперперсонализированных решений, предиктивную аналитику и интеллектуальную автоматизацию. Нынешние «вторые пилоты» помогают выполнять повседневные задачи, тогда как ИИ-двойники рекомендуют, на что обращать внимание, предвосхищая потребности, прогнозируя решения и предоставляя ценные стратегические инсайты.

ИИ-двойники изучают составляющие модели PDK компании — процесс; данные, которые являются входными и выходными для процесса; знания, как явные, так и неявные; а также рабочие инструкции. Это секретный соус каждой компании. PDK описывает контекст, который имеет отношение к организации. Другими словами, «вторые пилоты» являются помощниками, в то время как ИИ-двойники предоставляют опыт и становятся агентами для выполнения действий.

В 1980-х компании, которые хотели обеспечить эффективную работу фабрик, обращались к системам планирования потребностей в материалах (MRP). Они создавали спецификации материалов (BOM) и составляли карты своих запасов и процессов, чтобы обеспечить контроль и масштабирование. Это привело к появлению ERP, CRM и буму корпоративного ПО.

Сегодня мы находимся в аналогичной переломной точке, но на этот раз под влиянием генеративного ИИ. Экспертные знания теперь в изобилии предоставляются с помощью больших языковых моделей (LLM). Но чтобы по-настоящему использовать ИИ, компании должны реализовать свои PDK.

Подобно тому как системы MRP оптимизировали производство, системы PDK оптимизируют интеллект, позволяя ИИ принимать более умные, быстрые и дешевые решения. Это следующая революция, и те, кто начнет организовывать свои PDK сегодня, получат выгоду от ИИ-двойников завтрашнего дня.

Препятствия на пути внедрения ИИ-двойников

Несмотря на потенциал ИИ-двойников, компании сталкиваются с рядом проблем при внедрении этой новой технологии. Создание таких двойников — это не просто внедрение инструментов. Чтобы в полной мере использовать их возможности, компании должны сначала задокументировать свою PDK и внедрить ИИ в свои процессы, например, в процессы обеспечения бизнес-возможностей. Это поможет задокументировать PDK, создать прочную техническую основу для ИИ-двойников и дать им время для обучения на основе реального поведения.

Предприятия также сталкиваются с двумя основными проблемами:

1. Дилемма между ИИ в облаке и на устройстве

ИИ-двойники нуждаются в обработке данных на устройстве, чтобы принимать решения в реальном времени без постоянного подключения к облаку, однако многие организации по-прежнему в значительной степени зависят от облачного ИИ. Поскольку для обучения и правильной работы ИИ-двойникам требуется доступ к персональным и корпоративным данным, задержки и проблемы безопасности облака вызывают опасения по поводу конфиденциальности данных, соблюдения нормативных требований и этичности использования ИИ.

Простое решение — хранить персональную информацию на устройстве, а для обработки бизнес-информации использовать защищенное облако, когда это необходимо. Такой подход обеспечивает защиту конфиденциальных личных данных и баланс между конфиденциальностью и производительностью.

2. Проблемы управления и сопротивление сотрудников

Предприятия должны обеспечить функционирование ИИ-двойников в строгих рамках управления, однако неизбежно столкнутся с сопротивлением сотрудников, связанным в том числе с опасениями, что ИИ-двойники отберут их рабочие места, а не расширят возможности человека.

Учитывая обе эти проблемы, структурированная стратегия имеет решающее значение для минимизации барьеров на пути внедрения. Не решив эти проблемы, компании рискуют столкнуться с низкой производительностью, медленным внедрением и этическими проблемами.

Ваша дорожная карта к успеху

Как только вы справитесь с этими проблемами, сосредоточьтесь на трех ключевых областях для успешного внедрения ИИ-двойников:

1. Технические основы

Поскольку ИИ-двойники должны эффективно функционировать как с облаком, так и без него, важно создать комплексную техническую основу, которая включает в себя:

  • Оптимизированное аппаратное обеспечение с возможностями обработки данных с помощью ИИ.
  • Интегрированные программные платформы ИИ, которые работают с существующими моделями в персональных, корпоративных и публичных средах.
  • Готовые наборы инструментов ИИ для ускорения развертывания без необходимости заново изобретать колесо.
  • Внедрение периферийных вычислений для принятия решений в режиме реального времени.

Удовлетворение этих технических требований обеспечивает организациям успешный переход к ИИ-двойникам — переход эффективный и экономичный.

2. Этические рамки ответственного проектирования

ИИ-двойники должны с самого начала разрабатываться прозрачно, чтобы пользователи могли легко понять, почему были приняты те или иные решения. Политика управления ИИ должна быть четкой и отвечать самым высоким этическим стандартам, использовать непредвзятые данные для обучения, чтобы решения принимались справедливо. Кроме того, встроенный «выключатель» поможет сохранить человеческий надзор и контроль, а также предотвратить любые непреднамеренные действия.

3. Максимальное воздействие с помощью партнера

Чтобы стимулировать внедрение, начните с областей с высокой степенью воздействия, таких как обслуживание клиентов и маркетинг, где ИИ-двойники могут принести немедленную пользу. Рассмотрите возможность поэтапного подхода с четко определенными показателями успеха на каждом этапе, такими как стоимость процесса до и после внедрения ИИ, что позволит командам увидеть ощутимые преимущества перед дальнейшим развитием.

Кроме того, сотрудничество с ведущими экспертами по управлению изменениями в области ИИ для проведения комплексного практического обучения сотрудников не только повысит их уверенность в себе, но и поможет им понять истинную ценность ИИ-двойников. Это повысит качество и скорость их работы.

Наконец, регулярные сеансы обратной связи позволят усовершенствовать технологию, одновременно обеспечив заинтересованность сотрудников. Внедрите культуру сотрудничества как с коллегами, так и с ИИ-двойниками — это укрепит доверие во всей организации.

Успех в этих трех ключевых областях может создать импульс, необходимый для успешного внедрения ИИ-двойников.

Время действовать пришло

Современным предприятиям необходима модель типа PDK. Давая нам четкое представление о том, какими возможностями мы располагаем, как они работают в рамках процессов, какие данные они потребляют и генерируют, а также какие задействуются знания — как явные, так и неявные — она способствует принятию решений.

ИИ-двойники больше не являются футуристической концепцией — предприятия активно внедряют их в рабочие процессы для повышения эффективности и принятия решений. Организации, инвестирующие в ИИ-двойников сегодня, получают конкурентное преимущество, а те, кто медлит, уже отстают.

Построив правильную техническую базу, решив этические проблемы и применив стратегический подход к внедрению, организации смогут начать раскрывать потенциал ИИ-двойников.