生成 AI をテクノロジー戦略に組み込む 5 つの方法
生成 AI は、多くの製品の戦略的課題に急速に登場しました。このテクノロジーは完璧には程遠いものの、目に見える進歩を遂げ、破壊的な変化の可能性をもたらしています。これは、2007 年の初代 iPhone を思い出させます。製品自体にはまだ改善の余地がたくさんありますが、人間とコンピューターの相互作用の新時代の到来を示しています。
それでは、テクノロジ製品は生成 AI の爆発的な人気にどのように適応するのでしょうか?次の 5 つの方法を検討する価値があるかもしれません。
1. 顧客が何をする必要があるのかを深く理解する
約 20 年前、私はハーバード大学のクレイ クリステンセンと一緒に、彼の Jobs to be Done コンサルティング プロジェクトに取り組みました。テクノロジー大手はモバイルエレクトロニクスをビジネスプロセスに導入しています。いわゆる「Job to be Done」は、Clay によって開発された一連のクエリ メソッドであり、その核心は、人々が目の前にある仕事とやらなければならない仕事の違いを理解できるようにすることです。当時のそのテクノロジー企業の状態は非常に典型的でした。新しいテクノロジーに惹かれ、リスクを負おうとしたのです。クレイ氏のアイデアは、相手が変化の核となる動機を整理できるように支援することです。そこで私たちは、どこでモバイル エレクトロニクスのパフォーマンスが向上するかを調査し始め、最終的にはいくつかの顧客タイプとユースケースを特定し、その後、「やるべき仕事」を使用してテクノロジーを最大限に活用する方法と、それが既存の仕事にどのような影響を与えるかを整理しました。
しかし、現在は状況が異なり、テクノロジーの変革は、顧客が何を望んでいるのかを理解したり、アクティビティをタスクに分割したりするだけではありません。生成AIは、顧客自身が思いつかなかった新たな可能性を提案することもでき、それによってタスクの形を完全に再構築します。したがって、私たちはこのオープンで厳格な思考姿勢を維持し、AI が元のビジネス システムを再形成する機会を段階的に探求する必要があります。
たとえば、AI は現在、広告コンテンツを最も適切なデジタル メディアにターゲット設定するのに役立ちます。これは何も新しいことではありません。メディア プランナーがタスクを効率的に完了するために AI がどのように役立つか (Facebook や Google の広告予算の割り当てを支援するなど) だけに焦点を当てるのではなく、一歩下がって、ジョブの概念を使用して変化の可能性を探ったほうがよいでしょう。行われなければ。生成 AI は、さまざまな属性に基づいて最適な広告クリエイティブを生成し、適切な予算を設定し、広告キャンペーンの投資収益率をモデル化できるでしょうか?これは確かに単純ではありませんが、実現可能です。そこから生み出されるのは、真にユニークで高度にカスタマイズされたクリエイティブなデジタル広告コンテンツになります。
2. 顧客の好みの変化傾向を理解する
この急速に変化する新しい時代において、現在に基づいて製品計画を立てることは多くの場合非常に危険です。人間と機械の間の相互作用の破壊など、生成 AI がユーザーの期待にもたらす変化を考慮すると、おそらくそこには新たなチャンスが潜んでいるでしょう。将来のデバイスでもメニューは提供されますか?ユーザーはソフトウェア内で手動で検索したいと思っていますか?それとも、コンピュータに自分の欲しいものを伝えて、その人に合わせた答えを待つことに慣れてしまうのでしょうか?
この好みの変化はビジネスに大きな影響を与えます。破壊の程度は純粋な解決策ほど直接的ではありませんが、あらゆる側面からの好みの収束も将来のビジョンに影響を与えます。人々は新しい形式のソフトウェア インタラクションにすぐに慣れてしまうため、業界のリーダーが何を模索しているのかを観察し、要約することをお勧めします。たとえば、Adobe や Shutterstock のような企業は、自社のクリエイティブな製品スイートのエクスペリエンスに生成 AI をどのように組み込むのでしょうか?そしてAIにテキストで指示してコンテンツに合わせた画像を作成する機能などは、顧客の期待にどのような変化をもたらすのでしょうか?
3. 生成 AI の利点がどの側面でビジネスと重なるかを理解する
ここで話したいことは、実際には 2 つの側面を持つ問題です。具体的には、生成 AI が私たちに何をしてくれるのか、そして私たちが生成 AI に対して何ができるのか、両方を考慮する必要があります。
生成 AI には、優れた統合、パーソナライゼーション、エンゲージメント機能など、一連の明白な利点があります。これらの利点がユーザー エクスペリエンスや製品の中核機能に与える影響を評価し、AI の力を利用して次のレベルに引き上げる必要があります。たとえば、生成 AI は、ユーザーがこれまでに行ったことのない新しいアクションを提案できるでしょうか?これらの操作の考えられる結果をプレビューできますか?
一方で、既存のシステムが生成 AI の向上にどのように役立つかを考えたほうがよいかもしれません。 AI システムはデータに依存するため、全員が同じデータを使用すると、競争上の優位性はまったく得られません。それどころか、独自データの導入後は、数千人を対象としたエンタープライズレベルの生成 AI が将来の一般的な方向性となります。独自のシステムを使用して、競争上の優位性を構築するのに役立つデータを収集および生成するにはどうすればよいでしょうか?たとえば、独自のデータを使用してパーソナライズされたエクスペリエンスをより適切に構築したり、より正確な価値ベースの情報で最適化されたソリューションを構築したりできるでしょうか?既存のシステムを使用してデータにラベルを付け、分類し、AI がデータをより有効に活用できるようにすることはできますか?データ戦争が始まろうとしています。最も優れたデータを持っている人が勝ちます。
4. カスタマー ジャーニーとユーザー エクスペリエンスを根本的に再検討する
生成 AI の大きな可能性は、顧客とソフトウェア間のインタラクションの改善 (これは初期の効果にすぎません) に限定されず、最終的には変化します。これがすべて。したがって、私たちは専門的な設計思考を維持し、いつでも元の設計計画を更新できるように準備しておく必要があります。既存のエクスペリエンス最適化ソリューションを一定数蓄積すると、革命的な破壊がどの方向に起こるか徐々に把握できるようになります。
この目的を達成するためには、私たちは、「やるべき仕事」で強調されている「やらなければならない仕事」に立ち返る必要があります。業務内容そのものだけでなく、新たなソリューションを導入する動機や障害などの要素も含めて詳細な標準設計を行います。生成 AI はどのようにして重要なタスクに前例のない機能をもたらすことができるのでしょうか?顧客に感情的および機能的レベルで成功へのさまざまな道筋を提供するにはどうすればよいでしょうか?ハイライトの瞬間をどこで作成できますか?
5. 競争戦略を再評価する
独自のデータは AI 競争において一定の優位性を維持するのに役立ちますが、それは長く続くものではありません。 AI によってコード作成とデバッグの効率が前例のないレベルまで向上する可能性があることを考慮すると、市場競争は今後も激化していくことが予想されます。それでは、これらすべては当社の製品戦略にとって何を意味するのでしょうか?
競争圧力はあらゆる面からかかってきます。私たちは、顧客が当社の製品で確実に成功できるかどうか、ソリューションが顧客のビジネスのやり方と緊密に統合できるかどうかなど、実現可能なすべてのイノベーション手段を慎重に検討する必要があります。さらに、競合他社が追随するのが難しい補完的な製品エコシステムを構築する方法も検討する必要があります。生成 AI の追加は、市場競争の激しさを変えるだけでなく、持続可能なビジネス上の利点の具体的な側面も変えるでしょう。
生成型 AI の出現により、インターネット誕生前夜に多くの人々の出現が加速しました。はい、しかし今回の違いは、すべてがより速く変化するということです。 AI 革命が急速に定着する中、上記の 5 つの方法で製品戦略を事前に計画調整するとよいでしょう。
以上が生成 AI をテクノロジー戦略に組み込む 5 つの方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











大統領の科学技術顧問評議会によって設立された生成 AI ワーキング グループは、人工知能分野における主要な機会とリスクの評価を支援し、これらの技術が公正かつ安全に開発および導入されるようにするためのアドバイスを大統領に提供することを目的としています。 、そして可能な限り責任を持って。 AMD CEOのLisa Su氏とGoogle Cloudの最高情報セキュリティ責任者Phil Venables氏もワーキンググループのメンバーだ。中国系アメリカ人の数学者であり、フィールズ賞受賞者のテレンス・タオ氏。現地時間の5月13日、中国系アメリカ人の数学者でフィールズ賞受賞者のテレンス・タオ氏は、物理学者のローラ・グリーン氏と米国大統領科学技術諮問委員会(PCAST)の生成人工知能作業部会の共同リーダーに就任すると発表した。

画像出典@visualchinesewen|Wang Jiwei 「人間 + RPA」から「人間 + 生成 AI + RPA」へ、LLM は RPA の人間とコンピューターのインタラクションにどのような影響を与えますか?別の観点から見ると、人間とコンピューターの相互作用の観点から、LLM は RPA にどのような影響を与えるのでしょうか?プログラム開発やプロセス自動化における人間とコンピューターの対話に影響を与える RPA も、LLM によって変更される予定ですか? LLM は人間とコンピューターの相互作用にどのような影響を与えますか?生成 AI は RPA と人間とコンピューターのインタラクションをどのように変えるのでしょうか?詳細については、次の記事をご覧ください: 大規模モデルの時代が到来し、LLM に基づく生成 AI が RPA の人間とコンピューターのインタラクションを急速に変革しています。生成 AI は人間とコンピューターのインタラクションを再定義し、LLM は RPA ソフトウェア アーキテクチャの変化に影響を与えています。 RPA がプログラム開発と自動化にどのような貢献をしているかを尋ねると、答えの 1 つは人間とコンピューターの相互作用 (HCI、h) を変えたことです。

生成 AI は、テキスト、画像、音声、合成データなどのさまざまな種類のコンテンツを生成できる人間の人工知能テクノロジーの一種です。では、人工知能とは何でしょうか?人工知能と機械学習の違いは何ですか?人工知能は、コンピューター サイエンスの一分野であり、自律的に推論し、学習し、アクションを実行できるシステムであるインテリジェント エージェントの作成を研究する学問です。人工知能の核心は、人間のように考え、人間のように行動する機械を構築する理論と方法に関係しています。この分野では、機械学習 ML は人工知能の分野です。入力データに基づいてモデルをトレーニングするプログラムまたはシステムです。トレーニングされたモデルは、モデルがトレーニングされた統合データから派生した新しいデータまたは未確認のデータから有用な予測を行うことができます。

▲この写真はAIによって生成されたもので、九家楽、三味家、東宜日生などがすでに行動を起こしており、装飾・装飾業界チェーンはAIGCを大規模に導入している・装飾・装飾分野における生成AIの応用は何なのか?それはデザイナーにどのような影響を与えますか?レンダリングを生成するためのさまざまなデザイン ソフトウェアを 1 つの文で理解して別れを告げるための 1 つの記事です。ジェネレーティブ AI は、装飾と装飾の分野を破壊しています。人工知能を使用して機能を強化し、デザインの効率を向上させます。ジェネレーティブ AI は、装飾と装飾業界に革命をもたらしています。生成 AI は装飾および装飾業界に影響を与えますか?今後の開発動向はどうなるのでしょうか? LLM が装飾と装飾にどのような革命をもたらしているかを理解するための記事 1 つ. これらの 28 の人気の生成 AI 装飾デザイン ツールは試してみる価値があります. 記事/Wang Jiwei 装飾と装飾の分野では、最近 AIGC に関連するニュースがたくさんあります。 Colov が AI を活用した生成デザイン ツール Colov を発表

市場調査会社オムディアの新しいレポートによると、生成人工知能(GenAI)は2023年までに魅力的な技術トレンドとなり、教育を含む企業や個人に重要な応用をもたらすと予想されている。通信分野では、GenAI のユース ケースは主に、パーソナライズされたマーケティング コンテンツの配信や、顧客エクスペリエンスを向上させるためのより洗練された仮想アシスタントのサポートに焦点を当てています。ネットワーク運用における生成 AI の適用は明らかではありませんが、EnterpriseWeb は興味深いコンセプトを開発しました。現場での生成 AI の可能性、ネットワーク オートメーションにおける生成 AI の機能と限界の実証 ネットワーク運用における生成 AI の初期の応用例の 1 つは、ネットワーク要素のインストールを支援するエンジニアリング マニュアルに代わる対話型ガイダンスの使用でした。

Amazon Cloud Technology Greater China 戦略事業開発部ゼネラルマネージャー、Gu Fan 氏 2023 年には、大規模言語モデルと生成 AI が世界市場で「急増」し、AI における「圧倒的な」後続を引き起こすだけでなく、クラウドコンピューティング業界だけでなく、製造大手の業界への参入も精力的に誘致しています。ハイアール イノベーション デザイン センターは、国内初の AIGC 工業デザイン ソリューションを作成し、設計サイクルを大幅に短縮し、概念設計コストを削減しました。全体の概念設計が 83% 高速化されただけでなく、統合レンダリング効率が約 90% 向上しました。問題の解決には、人件費が高く、設計段階でのコンセプトの成果と承認の効率が低いことが含まれます。シーメンス中国のインテリジェント知識ベースと独自モデルに基づくインテリジェント会話ロボット「Xiaoyu」は、自然言語処理、知識ベース検索、データによるビッグ言語トレーニングを備えています

大型モデルの実装が加速しており、「産業上の実用性」が開発のコンセンサスとなっています。 2024 年 5 月 17 日、Tencent Cloud Generative AI Industry Application Summit が北京で開催され、大規模モデル開発とアプリケーション製品における一連の進歩が発表されました。 Tencent の Hunyuan ラージ モデル機能はアップグレードを続けており、モデル hunyuan-pro、hunyuan-standard、および hunyuan-lite の複数のバージョンが Tencent Cloud を通じて外部に公開されており、さまざまなシナリオで企業顧客や開発者のモデル ニーズを満たし、実装されています。最適なコスト効率の高いモデル ソリューション。 Tencent Cloud は、大規模モデル用のナレッジ エンジン、画像作成エンジン、ビデオ作成エンジンの 3 つの主要ツールをリリースし、大規模モデル時代のネイティブ ツール チェーンを作成し、PaaS サービスを通じてデータ アクセス、モデルの微調整、およびアプリケーション開発プロセスを簡素化します。企業を助けるために

人工知能の台頭により、ソフトウェア開発の急速な発展が促進されています。この強力なテクノロジーは、ソフトウェアの構築方法に革命をもたらす可能性があり、設計、開発、テスト、展開のあらゆる側面に広範囲に影響を与えます。動的なソフトウェア開発の分野に参入しようとしている企業にとって、生成人工知能テクノロジーの出現は、前例のない開発の機会を提供します。この最先端のテクノロジーを開発プロセスに組み込むことで、企業は生産効率を大幅に向上させ、製品の市場投入までの時間を短縮し、競争の激しいデジタル市場で目立つ高品質のソフトウェア製品を発売することができます。マッキンゼーのレポートによると、生成人工知能の市場規模は 2031 年までに 4 兆 4,000 億米ドルに達すると予測されています。この予測はトレンドを反映しているだけでなく、テクノロジーとビジネスの状況も示しています。
