부동산 거대 기업 CBRE CDTO가 AI 야망을 가속화하는 방법에 대해 이야기합니다.
Sandeep Davé는 누구보다도 실험의 가치를 이해하고 있습니다. CBRE의 최고 디지털 및 기술 책임자인 Davé는 상업용 부동산 산업이 AI 및 기계 학습 향상을 채택할 준비가 되어 있다는 것을 일찍부터 인식했으며 그 이후로 그와 그의 팀은 수많은 사용 사례를 테스트해 왔습니다.
이 실험은 성과를 거두었습니다. 시간이 지남에 따라 CBRE는 기계 학습과 AI를 활용하여 수동 임대 처리 시간을 25% 단축하고 관리 상업 시설에서 오탐지를 65% 줄이는 데 성공했습니다. CBRE는 또한 AI를 사용하여 여러 고객을 위한 포트폴리오를 최적화하고 최근 직원이 CBRE 및 외부 데이터와 대화할 수 있는 셀프 서비스 생성 AI 제품을 출시했습니다.
최근 CBRE는 20,000개 이상의 글로벌 업무 공간 솔루션 고객 사이트, 총 10억 평방피트에 CBRE의 AI 지원 스마트 시설 관리 솔루션을 배포한다는 중요한 이정표를 발표했습니다. 그럼에도 불구하고 다베는 인공지능에 관해 “우리는 아직 초기 단계에 있다”고 말했다.
Davé와 그의 팀이 AI 분야에서 달성한 성과는 주로 실험 기회를 창출하고 이러한 실험이 CBRE의 비즈니스 전략과 일치하도록 보장한 데서 비롯되었습니다. 많은 CIO가 여전히 조직의 AI 여정을 시작하는 방법을 궁금해할 수 있지만, Dave가 CBRE에서 수행한 작업은 실패가 있더라도 실험을 추진하면 큰 성공으로 이어질 수 있음을 보여줍니다.
다음은 CBRE에서 AI 실험을 수익성 있게 수행하는 방법에 대한 Davé의 견해와 조직에서 동일한 작업을 수행하려는 IT 리더를 위한 조언입니다.
셀프 서비스 기반을 구축하고 혁신적인 아이디어를 포착하세요
많은 조직이 AI 배포를 열망하고 있으므로 먼저 사용 사례를 정의하고 우선순위를 지정하세요. 그러나 AI에서 성공하고 싶은 사람들은 훈련 데이터가 핵심이라는 것을 알고 있습니다. 따라서 더 나은 접근 방식은 데이터 기반을 구축하고 직원들이 주도적으로 가능성을 탐색할 시간을 주는 것일 수 있습니다.
Dave와 그의 팀은 대규모 데이터의 잠재력을 깨달았을 때 이 계획을 실행하기 시작했습니다. CBRE는 방대한 양의 거래 데이터는 물론 센서, 워크플로우, 전 세계적으로 관리하는 수십억 평방피트의 물리적 공간에서 생성된 방대한 양의 자산 인텔리전스를 보유하고 있습니다. 이러한 초기 작업을 통해 그들은 임대 추상화 또는 작업 주문 분류와 같은 비즈니스 영역을 성공적으로 자동화했습니다.
생성 AI에 대한 모든 과대광고가 뜨거워지는 동안 CBRE 팀은 다국어 셀프 서비스 생성 AI를 개발했습니다. 이 플랫폼을 통해 직원들은 다음을 수행할 수 있습니다. 생성 AI를 사용하여 독점 데이터 및 문서에서 통찰력을 얻고, 챗봇을 사용하여 다양한 문제를 해결하고, 새로운 콘텐츠를 생성하고 양식을 변환하는 등 다양한 작업을 수행합니다. Davé는 플랫폼의 광범위한 사용을 통해 "우리는 조직 전반에 걸쳐 관심과 관심을 불러일으켰고, [제품]은 이제 수백 명의 사용자를 보유하고 있으며 매주 성장하고 있으며 많은 생산성을 발휘하고 있습니다"라고 말했습니다. 회사 전체에 더 많은 혁신이 이루어졌습니다.
이에도 불구하고 Davé는 여전히 AI 안전 제한의 중요성을 강조했습니다. 그는 “(AI가) 어떻게 사용되는지, 사용자를 교육하는 방법에는 주의가 많다”며 “아직 인간의 개입이 필요하고 검증이 필요하다”고 말했다. ”
비즈니스 우선순위에 맞는 사용 사례를 선택하세요
직원들에게 실험할 시간과 리소스를 제공하고 훌륭한 아이디어를 얻었다면 이제 최고의 기회를 선택해야 합니다. 이를 구현하려면 실체와 구별되는 플래시를 탑재하는 것이 핵심이다. Davé는 “기술을 위해 수행되는 많은 이니셔티브가 실패로 이어지는 것을 봅니다.”라고 Davé는 이러한 실수를 방지하는 두 가지 방법을 제안했습니다. 비즈니스 전략 및 전략적 파트너십과 일치하는 우선 순위 지정 모델을 설정하는 것입니다.
Davé와 그의 팀은 모델부터 시작하여 사용 사례를 필터링하는 간단하고 오래된 방법을 채택했습니다. 즉, "가치"와 "타당성"을 축으로 하여 2차원 그리드에 플롯하는 것입니다. Davé는 가치가 높고 타당성이 높은 사례로 시작하여 빠르게 성공을 거두며 이해관계자들의 흥미와 인정을 불러일으켰습니다. 그는 "이러한 기술은 우리가 액세스할 수 있고 이미 활용하고 있는 데이터를 활용하는 경우가 많기 때문에 가장 큰 잠재력을 가지고 있습니다. 인공 지능의 경우 이러한 기술 중 상당수는 생산성을 높이고 수동적이고 반복적인 프로세스를 제거할 수 있습니다."라고 말했습니다.
다음으로 Davé는 "높은 가치, 낮은 타당성"과 "낮은 가치, 높은 타당성"이라는 두 가지 사분면에 관심을 두었습니다. 선택은 쉬운 결과와 상당한 투자 사이에서 선택이 필요한 목표에 따라 다릅니다. 인공 지능의 경우 가장 높은 예측 모델을 찾을 수 있는 곳이 고가치 사분면입니다. Davé는 "쉽지는 않지만 올바르게 수행하면 큰 영향을 미칠 수 있습니다."라고 Davé는 말했습니다. 그리고 IT 리더는 두 사분면에서 사용 사례를 선택하는 것을 고려해야 한다고 덧붙였습니다. 하나는 가치가 높고 하나는 실행 가능성이 높습니다. 이런 방식으로 팀은 초기 결과를 보여주고 더 큰 계획을 위한 추진력을 제공할 수 있습니다.
이 가치-타당성 매트릭스는 훌륭하지만 심각한 단점이 있습니다. 거의 모든 우선순위 모델과 마찬가지로 이 매트릭스도 모호함으로 인해 어려움을 겪습니다. 결국, 잘 알려지지 않은 신기술에 의존하거나 즉각적인 이점을 얻을 수 없는 기능 구축이 필요한 사용 사례의 가치와 실행 가능성을 어떻게 평가합니까? 여기서 파트너십은 위험을 완화하고 출시 시간을 단축하는 데 큰 역할을 할 수 있습니다.
전략적 파트너십의 중요성
적합한 기술 파트너를 찾으면 가치와 타당성에 대한 평가를 크게 향상시킬 수 있습니다. 가장 적합한 파트너는 각자의 기술 및 도구에 대한 심층적인 경험을 활용하여 너무 어려운 사용 사례나 빨리 성공할 수 있는 사용 사례를 과소평가하지 않도록 할 수 있습니다.
훌륭한 파트너는 불가능할 가치를 창출하도록 도울 수 있습니다. 스스로 달성하십시오. 이것이 바로 파트너십이 CBRE 전략의 필수적인 부분이 된 이유입니다. Davé는 다음과 같이 말했습니다. “우리는 항상 '구축-구매-파트너'라는 개념을 고수해 왔습니다. 우리는 가치 창출 시간을 가속화하기 위해 모든 것을 다 할 필요는 없습니다. 우리는 CBRE를 사용할 수 있는 기회가 있는 일련의 우선 순위 영역을 식별했습니다. 흥미로운 AI 혁신과 각 영역의 잠재적 파트너 식별을 위한 센터로서 Alison과 그녀의 팀은 이에 중요한 역할을 했습니다.”
재작성된 내용: 그는 디지털 및 기술 전략 가속화 및 디지털 파트너십 책임자인 CBRE의 글로벌 Bell을 언급했습니다. Bell과 그녀의 팀은 다른 많은 회사들이 업무 공간에 구축하려고 하는 많은 강력한 기능을 지원하기 위해 최선을 다하고 있습니다. 그녀와 그녀의 팀은 디지털 및 기술 전략을 개발하고, proptech 공간에서 새로운 기술과 비즈니스를 연구하며, 최고의 기술과 비즈니스를 CBRE 생태계에 긴밀하게 통합하는 방법을 평가합니다.
Bell은 다음과 같이 말했습니다. 부동산 기술 분야에서 파트너십을 맺거나 투자할 때 우리가 전략적 가치를 포착하기 위해 협력하거나 투자한다는 사실을 알게 됩니다. 우리의 모든 파트너십이나 투자는 핵심 비즈니스와 고객 성과를 달성하는 데 중점을 두고 있습니다."
이러한 전략적 관계를 통해. , CBRE 및 파트너는 스스로 구축하거나 구매할 수 없는 무언가, 두 당사자가 서로에게서 배우고 서로를 더욱 경쟁력 있고 더 독특하게 만드는 공생 관계를 만들었습니다. Davé는 이것이 현재의 디지털 리더와 미래의 디지털 리더를 차별화하는 진화하는 트렌드라고 믿습니다. 그는 "전통적인 CIO 역할은 실행에 관한 것이고, 디지털은 전략과 신뢰할 수 있는 비즈니스 조언자가 되어 수익 성장을 가속화하고 핵심 비즈니스를 변화시키는 기술을 내장하는 것에 관한 것입니다."라고 말했습니다.
AI를 전략 주도에 통합합니다. Davé, Bell 및 그들의 팀은 운영 워크플로우를 데이터 기반과 긴밀하게 통합된 전략적 파트너 네트워크와 결합하여 CBRE를 비용 절감과 일상적인 아이디어를 넘어 더욱 강력한 혁신으로 이끌고 있습니다. 이 기능은 새로운 기술이 등장함에 따라 그들에게 도움이 될 것입니다
위 내용은 부동산 거대 기업 CBRE CDTO가 AI 야망을 가속화하는 방법에 대해 이야기합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다

1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품
