


Cinq façons d'intégrer l'IA générative dans votre stratégie technologique
L'IA générative est rapidement apparue à l'agenda stratégique de nombreux produits. Bien que loin d’être parfaite, la technologie a réalisé des avancées tangibles, offrant un potentiel de changement disruptif. Cela rappelle même l'iPhone original de 2007 - même si le produit lui-même a encore beaucoup à faire, il marque l'arrivée d'une nouvelle ère d'interaction homme-machine.
Alors, comment les produits technologiques s’adaptent-ils à la popularité explosive de l’IA générative ? Les cinq méthodes suivantes méritent d’être envisagées.
1. Comprendre profondément ce que les clients doivent faire
Il y a environ 20 ans, j'ai travaillé avec Clay Christensen de l'Université de Harvard sur son projet de conseil Jobs to be Done. Le contenu principal était d'aider un géant de la technologie à introduire des produits électroniques mobiles dans le secteur. processus commercial. Les « tâches à effectuer » sont un ensemble de méthodes de requête développées par Clay. L'objectif principal est d'aider les gens à comprendre la différence entre les tâches à accomplir et celles qui doivent être effectuées. La situation de cette entreprise technologique à l’époque était très typique : elle était attirée par les nouvelles technologies et voulait prendre des risques. L'idée de Clay est d'aider l'autre partie à déterminer les principales motivations du changement. Nous avons donc commencé à explorer les domaines où l'électronique mobile serait plus performante, pour finalement identifier une poignée de types de clients et de cas d'utilisation, puis nous avons utilisé Jobs to be Done pour déterminer comment tirer le meilleur parti de la technologie et quel impact elle aurait sur les tâches existantes.
Mais la situation est différente désormais. Le sens de la transformation technologique ne consiste pas seulement à comprendre ce que veulent les clients ou à diviser les activités en tâches. L’IA générative peut même proposer de nouvelles possibilités auxquelles les clients eux-mêmes n’avaient jamais pensé, remodelant ainsi complètement la forme des tâches. Par conséquent, nous devons maintenir cette attitude de réflexion ouverte et rigoureuse et explorer étape par étape les opportunités permettant à l’IA de remodeler le système commercial d’origine.
Par exemple, l'IA peut actuellement aider à cibler le contenu publicitaire sur les supports numériques les plus appropriés. Ce n’est pas nouveau. Au lieu de se concentrer uniquement sur la façon dont l’IA peut aider les planificateurs média à accomplir des tâches efficacement (comme aider Facebook et Google à allouer des budgets publicitaires), il est préférable de prendre du recul et d’explorer la possibilité de changement en utilisant le concept d’emplois. à faire. L'IA générative peut-elle générer la meilleure création publicitaire en fonction de différents attributs, définir des budgets appropriés et modéliser le retour sur investissement des campagnes publicitaires ? Ce n’est certes pas simple, mais c’est faisable. Ce qui en résultera sera un contenu publicitaire numérique créatif véritablement unique et hautement personnalisé.
2. Comprendre l'évolution des préférences des clients
Dans cette nouvelle ère en évolution rapide, il est souvent très dangereux de baser la planification des produits sur le présent. Compte tenu des changements que l’IA générative apporte aux attentes des utilisateurs, comme la subversion de l’interaction entre les humains et les machines, de nouvelles opportunités pourraient peut-être s’ouvrir. Les futurs appareils proposeront-ils encore des menus ? Les utilisateurs sont-ils prêts à effectuer une recherche manuelle dans le logiciel ? Ou vont-ils s’habituer à dire à l’ordinateur ce qu’ils veulent et ensuite attendre une réponse sur mesure ?
Ce changement de préférence aura un impact significatif sur les affaires. Bien que le degré de perturbation ne soit pas aussi direct que celui des solutions pures, la convergence des préférences sous tous les aspects influencera également la vision future. Les gens s’habituent rapidement aux nouvelles formes d’interaction logicielle. C’est donc une bonne idée d’observer et de résumer ce qu’explorent les leaders de l’industrie. Par exemple, comment des entreprises comme Adobe et Shutterstock vont-elles intégrer l’IA générative dans l’expérience de leurs propres suites de produits créatifs ? Et quel genre de changements dans les attentes des clients proviendront de fonctions telles que demander à l’IA, via du texte, de créer des images personnalisées pour le contenu ?
3. Comprendre où les avantages de l'IA générative se chevaucheront avec les affaires
Ce dont nous voulons parler ici est en fait un problème avec les deux faces d'une même médaille. Plus précisément, nous devons réfléchir à la fois à ce que l’IA générative peut faire pour nous et à ce que nous pouvons faire pour l’IA générative.
L'IA générative présente une série d'avantages évidents, tels que d'excellentes capacités d'intégration, de personnalisation et d'engagement. Nous devons évaluer l’impact de ces avantages sur l’expérience utilisateur et même sur les fonctions essentielles du produit, et utiliser la puissance de l’IA pour passer au niveau supérieur. Par exemple, l’IA générative pourrait-elle suggérer de nouvelles actions que les utilisateurs pourraient essayer auparavant ? Puis-je prévisualiser les résultats possibles de ces opérations ?
D’un autre côté, autant réfléchir à la manière dont les systèmes existants peuvent aider l’IA générative à s’améliorer. Les systèmes d’IA reposent sur des données. Si tout le monde utilise les mêmes données, il n’y aura aucun avantage concurrentiel. Au contraire, après l’introduction de données propriétaires, l’IA générative au niveau de l’entreprise pour des milliers de personnes constitue l’orientation générale de l’avenir. Comment pouvons-nous utiliser nos propres systèmes pour collecter et générer des données susceptibles de contribuer à créer un avantage concurrentiel ? Par exemple, des expériences personnalisées peuvent-elles être mieux construites avec des données propriétaires, ou des solutions optimisées avec des informations plus précises basées sur la valeur ? Les systèmes existants peuvent-ils être utilisés pour étiqueter et classer les données afin d’aider l’IA à en faire un meilleur usage ? La guerre des données est sur le point de commencer, et celui qui disposera des meilleures données gagnera.
4. Réexaminer fondamentalement le parcours client et l'expérience utilisateur
L'énorme potentiel de l'IA générative ne se limite pas à améliorer l'interaction entre les clients et les logiciels (ce n'est que l'impact initial), mais à terme, tout changer. Par conséquent, nous devons maintenir une réflexion professionnelle en matière de conception et être prêts à mettre à jour le plan de conception original à tout moment. Après avoir accumulé un certain nombre de solutions d’optimisation d’expérience existantes, vous pouvez progressivement déterminer dans quelle direction une rupture révolutionnaire va se produire.
Pour cela, il faut encore revenir aux « métiers incontournables » soulignés par Jobs to be Done. Cela inclut non seulement le contenu du travail lui-même, mais également des facteurs tels que les motivations et les obstacles à l'adoption de nouvelles solutions, sur la base desquels une conception standard détaillée est élaborée. Comment l’IA générative peut-elle apporter des capacités sans précédent aux tâches critiques ? Comment pouvez-vous offrir à vos clients différentes voies vers le succès sur le plan émotionnel et fonctionnel ? Où pouvez-vous créer vos moments forts ?
5. Réévaluer la stratégie concurrentielle
Bien que les données propriétaires puissent nous aider à conserver un certain avantage dans la concurrence de l'IA, elles ne peuvent pas durer longtemps. Étant donné que l’IA peut augmenter l’efficacité de l’écriture de code et du débogage à des niveaux sans précédent, la concurrence sur le marché devrait continuer de s’intensifier. Alors, qu’est-ce que tout cela signifie pour notre stratégie produit ?
La pression concurrentielle viendra de tous les aspects. Nous devons examiner attentivement tous les véhicules d'innovation possibles, par exemple si nous pouvons fournir des services professionnels assistés par l'IA pour garantir que les clients peuvent réussir avec nos produits et que les solutions peuvent être étroitement intégrées à la façon dont les clients font des affaires. En outre, nous devrions également réfléchir à la manière de créer un écosystème de produits complémentaires difficile à égaler pour les concurrents. L’ajout de l’IA générative modifiera non seulement l’intensité de la concurrence sur le marché, mais changera également le visage spécifique des avantages commerciaux durables.
L’émergence de l’IA générative a accéléré l’émergence de nombreuses personnes à la veille de la naissance d’Internet. Oui, mais la différence cette fois, c’est que tout va changer plus vite. À mesure que les changements en matière d’IA s’enracinent rapidement, vous souhaiterez peut-être apporter des ajustements de planification à votre stratégie produit à l’avance grâce aux cinq méthodes ci-dessus.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Le groupe de travail sur l'IA générative établi par le Conseil présidentiel des conseillers en science et technologie est conçu pour aider à évaluer les principales opportunités et risques dans le domaine de l'intelligence artificielle et fournir des conseils au président pour garantir que ces technologies sont développées et déployées de manière équitable et sûre. , et de la manière la plus responsable possible. Lisa Su, PDG d'AMD, et Phil Venables, responsable de la sécurité des informations de Google Cloud, sont également membres du groupe de travail. Terence Tao, mathématicien sino-américain et lauréat de la médaille Fields. Le 13 mai, heure locale, le mathématicien sino-américain et lauréat de la médaille Fields Terence Tao a annoncé que lui et la physicienne Laura Greene codirigeraient le groupe de travail sur l'intelligence artificielle générative du Conseil présidentiel américain des conseillers en science et technologie (PCAST).

Source de l'image@visualchinesewen|Wang Jiwei De « humain + RPA » à « humain + IA générative + RPA », comment le LLM affecte-t-il l'interaction homme-machine RPA ? D'un autre point de vue, comment le LLM affecte-t-il la RPA du point de vue de l'interaction homme-machine ? La RPA, qui affecte l'interaction homme-machine dans le développement de programmes et l'automatisation des processus, sera désormais également modifiée par le LLM ? Comment le LLM affecte-t-il l’interaction homme-machine ? Comment l’IA générative modifie-t-elle l’interaction homme-machine de la RPA ? Apprenez-en davantage dans un article : L'ère des grands modèles arrive, et l'IA générative basée sur LLM transforme rapidement l'interaction homme-machine RPA ; l'IA générative redéfinit l'interaction homme-machine, et LLM affecte les changements dans l'architecture logicielle RPA. Si vous demandez quelle est la contribution de la RPA au développement et à l’automatisation des programmes, l’une des réponses est qu’elle a modifié l’interaction homme-machine (HCI, h).

L'IA générative est un type de technologie d'intelligence artificielle humaine qui peut générer différents types de contenu, notamment du texte, des images, de l'audio et des données synthétiques. Alors, qu’est-ce que l’intelligence artificielle ? Quelle est la différence entre l’intelligence artificielle et l’apprentissage automatique ? L'intelligence artificielle est la discipline, une branche de l'informatique, qui étudie la création d'agents intelligents, c'est-à-dire des systèmes capables de raisonner, d'apprendre et d'effectuer des actions de manière autonome. À la base, l’intelligence artificielle concerne les théories et les méthodes de construction de machines qui pensent et agissent comme des humains. Au sein de cette discipline, le machine learning ML est un domaine de l'intelligence artificielle. Il s'agit d'un programme ou d'un système qui entraîne un modèle basé sur des données d'entrée. Le modèle entraîné peut faire des prédictions utiles à partir de données nouvelles ou invisibles dérivées des données unifiées sur lesquelles le modèle a été entraîné.

▲Cette image a été générée par AI. Kujiale, Sanweijia, Dongyi Risheng, etc. ont déjà pris des mesures. La chaîne industrielle de la décoration et de la décoration a introduit l'AIGC à grande échelle. Quelles sont les applications de l'IA générative dans le domaine de la décoration et de la décoration. ? Quel impact cela a-t-il sur les designers ? Un article pour comprendre et dire au revoir à divers logiciels de conception pour générer des rendus en une phrase. L'IA générative bouleverse le domaine de la décoration et de la décoration. L'utilisation de l'intelligence artificielle pour améliorer les capacités améliore l'efficacité de la conception. Quel est l'impact de l'IA générative sur l'industrie de la décoration et de la décoration ? Quelles sont les futures tendances de développement ? Un article pour comprendre comment LLM révolutionne la décoration et la décoration. Ces 28 outils populaires de conception de décoration par IA générative valent la peine d'être essayés Article/Wang Jiwei Dans le domaine de la décoration et de la décoration, il y a eu beaucoup de nouvelles liées à l'AIGC récemment. Collov lance l'outil de conception générative basé sur l'IA Col

L’intelligence artificielle générative (GenAI) devrait devenir une tendance technologique incontournable d’ici 2023, apportant des applications importantes aux entreprises et aux particuliers, notamment dans le domaine de l’éducation, selon un nouveau rapport du cabinet d’études de marché Omdia. Dans le domaine des télécommunications, les cas d'utilisation de GenAI se concentrent principalement sur la fourniture de contenu marketing personnalisé ou sur la prise en charge d'assistants virtuels plus sophistiqués pour améliorer l'expérience client. Bien que l'application de l'IA générative dans les opérations réseau ne soit pas évidente, EnterpriseWeb a développé un concept intéressant : la validation. démontrant le potentiel de l'IA générative sur le terrain, les capacités et les limites de l'IA générative dans l'automatisation des réseaux. L'une des premières applications de l'IA générative dans les opérations de réseau a été l'utilisation de conseils interactifs pour remplacer les manuels d'ingénierie pour aider à installer les éléments du réseau, de

Gu Fan, directeur général du département de développement commercial stratégique d'Amazon Cloud Technology Grande Chine En 2023, les grands modèles linguistiques et l'IA générative « augmenteront » sur le marché mondial, déclenchant non seulement un suivi « écrasant » dans l'IA et l'industrie du cloud computing, mais aussi attirer vigoureusement les géants de la fabrication à rejoindre l'industrie. Le Haier Innovation Design Center a créé la première solution de conception industrielle AIGC du pays, qui a considérablement raccourci le cycle de conception et réduit les coûts de conception conceptuelle. Elle a non seulement accéléré la conception conceptuelle globale de 83 %, mais a également augmenté l'efficacité du rendu intégré d'environ 90 %, de manière efficace. Les problèmes de résolution incluent des coûts de main-d'œuvre élevés et une faible production de concepts et une faible efficacité d'approbation au stade de la conception. La base de connaissances intelligente et le robot conversationnel intelligent « Xiaoyu » de Siemens Chine, basés sur son propre modèle, disposent d'un traitement du langage naturel, d'une récupération de la base de connaissances et d'une grande formation linguistique grâce aux données.

La mise en œuvre de grands modèles s'accélère et la « praticité industrielle » est devenue un consensus de développement. Le 17 mai 2024, le Tencent Cloud Generative AI Industry Application Summit s'est tenu à Pékin, annonçant une série de progrès dans le développement de grands modèles et de produits d'application. Les capacités des grands modèles Hunyuan de Tencent continuent d'être mises à niveau. Plusieurs versions des modèles hunyuan-pro, hunyuan-standard et hunyuan-lite sont ouvertes au monde extérieur via Tencent Cloud pour répondre aux besoins de modèles des entreprises clientes et des développeurs dans différents scénarios et les mettre en œuvre. la solution modèle optimale et rentable. Tencent Cloud propose trois outils majeurs : un moteur de connaissances pour les grands modèles, un moteur de création d'images et un moteur de création vidéo, créant une chaîne d'outils native pour l'ère des grands modèles, simplifiant l'accès aux données, le réglage fin des modèles et les processus de développement d'applications via les services PaaS. pour aider les entreprises

L’essor de l’intelligence artificielle entraîne le développement rapide du développement de logiciels. Cette technologie puissante a le potentiel de révolutionner la façon dont nous construisons des logiciels, avec des impacts considérables sur tous les aspects de la conception, du développement, des tests et du déploiement. Pour les entreprises qui tentent de se lancer dans le domaine du développement dynamique de logiciels, l’émergence de la technologie de l’intelligence artificielle générative leur offre des opportunités de développement sans précédent. En intégrant cette technologie de pointe dans leurs processus de développement, les entreprises peuvent augmenter considérablement l’efficacité de la production, réduire les délais de mise sur le marché des produits et lancer des produits logiciels de haute qualité qui se démarquent sur le marché numérique extrêmement concurrentiel. Selon un rapport de McKinsey, la taille du marché de l’intelligence artificielle générative devrait atteindre 4 400 milliards de dollars d’ici 2031. Ces prévisions reflètent non seulement une tendance, mais montrent également le paysage technologique et commercial.
