Когда в 2022 году Openaai попал в заголовки газет в 2022 году, стало ясно, что его развитие в рабочей силе было лишь вопросом времени. По словам Сэма Альтмана, технология настолько быстрая, что мы можем ожидать этого изменения в ближайшие несколько месяцев. Но заменит ли это людям на сотрудников ИИ, блестящим бизнес -поездом или наймом непредсказуемых стажеров?
В то время как человеческие работники идут рука об руку с дополнительными затратами, такими как обучение, болезни и зарплату, работники искусственного искусства занимаются этими расходами. Вместо этого вы задаете свои собственные уникальные проблемы, которые могут быть столь же тревожными для работодателей.
Основатель и технический директор от Enate.
Содержание
Праздники против обновлений системы
Виртуальные работники не должны отдыхать так же, как люди, и это часто считается наибольшим преимуществом работников ИИ. ИИ не спит и может работать в любое время, в отличие от сотрудников, которые устанавливали часы и нуждаются в разрывах. Хотя ИИ никогда не нуждается в необходимости за пределами офиса, ему требуется многочисленное обслуживание и обновления для выполнения.
Для виртуальных сотрудников время простоя системы является эквивалентом ИИ отпуска, в то время как запланированное обслуживание или неожиданные сбои может мешать компании, а также человека, который требует времени для встреч или заболеваний. Обещание наличия во время часов не совсем так, если есть проблемы в инфраструктуре.
Согласно недавнему отчету Splunk, незапланированное время простоявшиеся расходы в мире крупнейших в мире 2000 компаний с 400 миллиардами долларов в год, что составляет в среднем 200 миллионов долларов на компанию. От дохода утерянного дохода, регулирующих ног и скрытых затрат, таких как медленное время на рынке и ухудшение использования бренда, время для погашения может быть очень дорогостоящей задачей.
Хотя ИИ не нуждается в свободном времени, чтобы гарантировать, что ваша производительность должна быть главным приоритетом для каждой организации, которая вводит сотрудников ИИ. Модели ИИ должны регулярно обновляться, чтобы избежать ухудшения точности, что приводит к устаревшим или ложным выходам. Последний сдвиг в сторону генерации вызовов (RAG)-это попытка бороться с этим, позволяя крупным языковым моделям (LLMS) для получения данных из проверенных внешних источников, но это не простое решение и все еще требует близкого мониторинга.
Болезнь против галлюцинаций
Сотрудник ИИ не будет называть больным, но он может страдать от ошибок и галлюцинаций, которые также могут быть тревожными. Ki -Hallucination возникает, когда модель создает ложные или неверновые выходы, и это происходит больше, чем вы думаете. Например, Microsoft AI Chatbot Tay должен был быть закрыт в 2017 году после того, как он сгенерировал менее чем через день после начала.
Так же, как человеческий иммунитет, различные модели ИИ различаются по своей надежности к ошибкам. OpenAI, Anpropic и Google -это все расы, чтобы уменьшить модель галлюцинаций, но даже модели «Верхний» все еще все еще остаются ненадежными. Для организаций с сотрудниками искусственного интеллекта приоритет должен состоять в том, чтобы решить эти проблемы, а также работать над распознаванием потенциальных будущих проблем, прежде чем нанести ущерб. Поэтому продолжающееся управление так же происходит от администрирования исполнения сотрудников с целью определения проблем или отсутствия квалификации.
Ежемесячный платеж по сравнению с обновлениями
Это широко распространенное недоразумение, что ИИ навсегда использует контракт с оплатой. Стоимость предоставления решений искусственного интеллекта не установлена на просторном рынке. На него влияют крупные игроки, такие как Сэм Альтман и генеральный директор Google, Sundar Pichai. Если модели искусственного интеллекта развиваются, компании, возможно, придется продолжать инвестировать в дорогостоящие обновления или создавать совершенно новые системы, чтобы не отставать от конкурентов. Эти текущие инвестиции могут быть такими же, как обеспечение повышения заработной платы или профессионального развития для человеческих работников.
Например, CHATGPT недавно представила решение для бизнес-животных и уже интегрирует пилотов AI-CO в свои рабочие процессы. Эти инструменты часто связаны с разработкой лицензионных сборов, затрат на облачные вычисления и требования к переподготовке, что означает, что ИИ, который они реализуют сегодня, может быть сильно устаревшим всего за два года, чтобы требовать дополнительных инвестиций для поддержания того же уровня эффективности.
Обучение против ввода данных
Точно так же, как человеческие сотрудники нуждаются в обучении, чтобы улучшить и развиваться в своей роли, LLMS требуют больших данных для повышения производительности. Чем сложнее модель, тем больше данных она нуждается. Например, некоторым моделям может потребоваться не менее 10 миллионов помеченных элементов. Речь идет не только о объеме данных; Качество и актуальность этих данных также имеют решающее значение, поскольку ИИ может быть только таким же хорошим, как и данные, которым они обучены. Плохой ввод данных означает плохой вывод данных.
Связывание абстрактных знаний с практическими примерами, также называемыми «Земля Ки», является способом улучшить способность моделей ИИ, создавать лучшие прогнозы и реакции. Для этой цели многие компании обращаются к задержке, чтобы повысить точность ИИ, исходя из моделей из проверенных внешних источников, а не полагаться только на полученные данные.
Как и человеческое развитие, навыки обучения должны проводиться регулярно и последовательно, чтобы достичь наилучших результатов. Особенно, если правила для ужесточения и изменения ИИ усиливают и изменяются, для компаний важно соответствовать законам о защите данных, требованиях предвзятости и отраслевых стандартов. Особенно для компаний, работающих в строго регулируемых отраслях, таких как финансы, компании, использующие ИИ Это означает регулярные аудиты, управление и переподготовка.
Так в чем же приговор?
Правда не в том, чтобы выбирать, лучше ли ИИ или человеческие работники для компании. Вместо этого реальная сила приходит с помощью оба. Такие темы, как управление, обучение, галлюцинации и обновления, могут быть такими же, как и время, затрагивающие и дорогие для компаний, как управление человеческими талантами. Ценность ИИ заключается в том, чтобы позволить людям уделять больше времени для того, что они могут сделать. Более глубокое мышление, креативность и структура подлинных человеческих связей — навыки, которые просто нет, независимо от того, насколько он развивается и развивается.
По общему признанию, реализация инструментов ИИ в бизнес -процессах выпустит время и повысит эффективность, но это не означает, что людям все еще нет места. Если эффективность и интеллект ИИ составляются вместе с творчеством, сочувствием и стратегическим мышлением людей, возможности безграничны. Вместе они могут стимулировать инновации, повысить производительность и привести к тому, что компании к долгосрочному устойчивому успеху.
Мы перечисляем лучшее управление задачами -AppПолем
Эта статья была произведена в рамках канала Expert Insights Techradarpro, в котором мы сегодня предлагаем лучшие и умные руководители в технологической индустрии. Взгляды, выраженные здесь, относятся к авторскому и не обязательно мнениям Techradarpro или Future PLC. Если вы заинтересованы в том, чтобы определить больше здесь:
