


Lima cara untuk menggabungkan AI generatif ke dalam strategi teknologi anda
AI Generatif telah muncul dengan cepat dalam agenda strategik banyak produk. Walaupun jauh daripada sempurna, teknologi ini telah mencapai kejayaan ketara, menawarkan potensi perubahan yang mengganggu. Ia juga mengingatkan orang ramai tentang iPhone asal pada tahun 2007 - walaupun produk itu sendiri masih mempunyai banyak ruang untuk penambahbaikan, ia menandakan ketibaan era baharu interaksi manusia-komputer.
Jadi, bagaimanakah produk teknologi menyesuaikan diri dengan populariti AI generatif yang meledak? Lima kaedah berikut mungkin patut dipertimbangkan.
1. Pemahaman mendalam tentang perkara yang perlu dilakukan oleh pelanggan
Kira-kira 20 tahun yang lalu, saya bekerja dengan Clay Christensen dari Universiti Harvard dalam projek perundingan Jobs to be Done untuk membantu syarikat gergasi Teknologi memperkenalkan elektronik mudah alih ke dalam proses perniagaan. Apa yang dipanggil "Jobs to be Done" ialah satu set kaedah pertanyaan yang dibangunkan oleh Clay Intinya adalah untuk membantu orang ramai mengetahui perbezaan antara kerja yang ada dan kerja yang mesti dilakukan. Keadaan syarikat teknologi itu pada masa itu sangat tipikal: ia tertarik dengan teknologi baharu dan mahu mengambil risiko. Idea Clay adalah untuk membantu pihak lain menyelesaikan motivasi teras untuk perubahan. Oleh itu, kami mula meneroka di mana elektronik mudah alih akan berprestasi lebih baik, akhirnya mengenal pasti segelintir jenis pelanggan dan kes penggunaan, dan kemudian menggunakan Jobs to be Done untuk menyelesaikan cara memanfaatkan sepenuhnya teknologi dan kesannya terhadap pekerjaan sedia ada.
Tetapi keadaan kini berbeza, dan transformasi teknologi bermakna lebih daripada memahami perkara yang pelanggan mahukan atau membahagikan aktiviti kepada tugas. AI Generatif malah boleh mencadangkan kemungkinan baharu yang pelanggan sendiri tidak pernah fikirkan, dengan itu membentuk semula sepenuhnya bentuk tugas. Oleh itu, kita mesti mengekalkan sikap berfikiran terbuka dan teliti ini dan meneroka langkah demi langkah peluang untuk AI untuk membentuk semula sistem perniagaan asal.
Sebagai contoh, AI pada masa ini boleh membantu menyasarkan kandungan pengiklanan kepada media digital yang paling sesuai. Ini bukan perkara baharu daripada hanya memfokuskan kepada cara AI boleh membantu perancang media menyelesaikan tugas dengan cekap (seperti membantu Facebook dan Google memperuntukkan belanjawan pengiklanan), adalah lebih baik untuk mengambil langkah ke belakang dan meneroka kemungkinan perubahan menggunakan konsep Pekerjaan. untuk Selesai. Bolehkah AI generatif menjana kreatif pengiklanan terbaik berdasarkan atribut yang berbeza, menetapkan belanjawan yang sesuai dan memodelkan pulangan pelaburan kempen pengiklanan? Ini sememangnya tidak mudah, tetapi ia boleh dilaksanakan. Apa yang akan diperoleh daripada ini ialah kandungan pengiklanan digital kreatif yang benar-benar unik dan sangat disesuaikan.
2. Fahami trend perubahan pilihan pelanggan
Dalam era baharu yang pesat berubah ini, selalunya sangat berbahaya untuk mendasarkan perancangan produk pada masa kini. Memandangkan perubahan yang dibawa oleh AI generatif kepada jangkaan pengguna, seperti subversi interaksi antara manusia dan mesin, mungkin peluang baharu ada di dalamnya. Adakah peranti akan datang masih menawarkan menu? Adakah pengguna sanggup mencari secara manual dalam perisian? Atau adakah mereka akan terbiasa memberitahu komputer apa yang mereka mahu dan kemudian menunggu jawapan yang dibuat khusus?
Perubahan dalam keutamaan ini akan memberi kesan yang ketara kepada perniagaan. Walaupun tahap gangguan tidak langsung seperti penyelesaian tulen, penumpuan keutamaan dari semua aspek juga akan mempengaruhi wawasan masa depan. Orang ramai cepat terbiasa dengan bentuk interaksi perisian baharu, jadi adalah idea yang baik untuk memerhati dan merumuskan perkara yang diterokai oleh pemimpin industri. Sebagai contoh, bagaimanakah syarikat seperti Adobe dan Shutterstock akan menggabungkan AI generatif ke dalam pengalaman suite produk kreatif mereka sendiri? Dan apakah jenis perubahan dalam jangkaan pelanggan akan datang daripada fungsi seperti mengarahkan AI melalui teks untuk mencipta imej tersuai untuk kandungan?
3. Fahami di mana kelebihan AI generatif akan bertindih dengan perniagaan
Apa yang ingin kita bincangkan di sini sebenarnya adalah masalah dengan dua sisi syiling yang sama. Secara khusus, kita perlu mempertimbangkan kedua-dua perkara yang boleh dilakukan oleh AI generatif untuk kita dan perkara yang boleh kita lakukan untuk AI generatif.
AI Generatif mempunyai satu siri kelebihan yang jelas, seperti keupayaan penyepaduan, pemperibadian dan penglibatan yang sangat baik. Kita perlu menilai kesan kelebihan ini pada pengalaman pengguna dan juga fungsi teras produk, dan menggunakan kuasa AI untuk membawanya ke peringkat seterusnya. Sebagai contoh, bolehkah AI generatif mencadangkan tindakan baharu yang mungkin dicuba oleh pengguna sebelum ini? Bolehkah saya melihat kemungkinan keputusan operasi ini?
Sebaliknya, kita juga mungkin berfikir tentang cara sistem sedia ada boleh membantu AI generatif menjadi lebih baik. Sistem AI bergantung pada data Jika semua orang menggunakan data yang sama, tidak akan ada kelebihan daya saing sama sekali. Sebaliknya, selepas pengenalan data proprietari, AI generatif peringkat perusahaan untuk beribu-ribu orang adalah hala tuju umum masa depan. Bagaimanakah kita boleh menggunakan sistem kita sendiri untuk mengumpul dan menjana data yang boleh membantu membina kelebihan daya saing? Contohnya, bolehkah pengalaman yang diperibadikan lebih baik dibina dengan data proprietari, atau penyelesaian dioptimumkan dengan maklumat berasaskan nilai yang lebih tepat? Bolehkah sistem sedia ada digunakan untuk melabel dan mengklasifikasikan data untuk membantu AI memanfaatkannya dengan lebih baik? Perang data akan bermula, dan sesiapa yang mempunyai data terbaik akan menang.
4. Periksa semula perjalanan pelanggan dan pengalaman pengguna secara asasnya
Potensi besar AI generatif tidak terhad kepada meningkatkan interaksi antara pelanggan dan perisian (ini hanya kesan awal), tetapi akhirnya berubah ini semua. Oleh itu, kita harus mempertahankan pemikiran reka bentuk profesional dan bersedia untuk mengemas kini pelan reka bentuk asal pada bila-bila masa. Selepas mengumpul sejumlah penyelesaian pengoptimuman pengalaman sedia ada, anda boleh memikirkan secara beransur-ansur ke arah mana gangguan revolusioner akan berlaku.
Untuk tujuan ini, kita masih perlu kembali kepada "kerja yang mesti dilakukan" yang ditekankan oleh Jobs to be Done. Ini termasuk bukan sahaja kandungan kerja itu sendiri, tetapi juga faktor seperti motivasi dan halangan untuk menerima pakai penyelesaian baharu, berdasarkan reka bentuk standard terperinci yang dibuat. Bagaimanakah AI generatif boleh membawa keupayaan yang tidak pernah berlaku sebelum ini kepada tugas kritikal? Bagaimanakah anda boleh memberikan pelanggan laluan yang berbeza untuk mencapai kejayaan pada tahap emosi dan fungsian? Di manakah anda boleh mencipta detik kemuncak anda?
5. Nilai semula strategi persaingan
Walaupun data proprietari boleh membantu kami mengekalkan kelebihan tertentu dalam persaingan AI, ia adalah sukar untuk dikekalkan untuk masa yang lama. Memandangkan AI boleh meningkatkan kecekapan penulisan kod dan penyahpepijatan ke tahap yang tidak pernah berlaku sebelum ini, persaingan pasaran dijangka terus meningkat. Jadi apakah maksud semua ini untuk strategi produk kami?
Tekanan persaingan akan datang dari semua aspek. Kami perlu mempertimbangkan dengan teliti semua kenderaan inovasi yang boleh dilaksanakan, seperti sama ada kami boleh menyediakan perkhidmatan profesional dibantu AI untuk memastikan pelanggan boleh berjaya dengan produk kami dan bahawa penyelesaian boleh disepadukan rapat dengan cara pelanggan menjalankan perniagaan. Di samping itu, kita juga harus mempertimbangkan cara mewujudkan ekosistem produk pelengkap yang sukar dipadankan oleh pesaing. Penambahan AI generatif bukan sahaja akan mengubah keamatan persaingan pasaran, tetapi juga mengubah wajah khusus kelebihan perniagaan yang mampan.
Kemunculan AI generatif telah mempercepatkan kemunculan ramai orang pada malam sebelum kelahiran Internet. Ya, tetapi bezanya kali ini semuanya akan berubah lebih cepat. Memandangkan revolusi AI berkembang pesat, anda mungkin ingin membuat pelarasan perancangan pada strategi produk anda terlebih dahulu melalui lima kaedah di atas.
Atas ialah kandungan terperinci Lima cara untuk menggabungkan AI generatif ke dalam strategi teknologi anda. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Kumpulan Kerja Generatif AI yang ditubuhkan oleh Majlis Penasihat Presiden mengenai Sains dan Teknologi direka untuk membantu menilai peluang dan risiko utama dalam bidang kecerdasan buatan dan memberi nasihat kepada Presiden untuk memastikan teknologi ini dibangunkan dan digunakan secara adil, selamat. , dan bertanggungjawab yang mungkin. Ketua Pegawai Eksekutif AMD Lisa Su dan Ketua Pegawai Keselamatan Maklumat Google Cloud Phil Venables juga merupakan ahli kumpulan kerja. Ahli matematik Cina-Amerika dan pemenang Pingat Fields Terence Tao. Pada 13 Mei, waktu tempatan, ahli matematik China-Amerika dan pemenang Pingat Fields Terence Tao mengumumkan bahawa dia dan ahli fizik Laura Greene akan mengetuai bersama Kumpulan Kerja Kecerdasan Buatan Generatif bagi Majlis Penasihat Presiden AS mengenai Sains dan Teknologi (PCAST) .

Sumber imej@visualchinesewen|Wang Jiwei Daripada "manusia + RPA" kepada "manusia + generatif AI + RPA", bagaimanakah LLM mempengaruhi interaksi manusia-komputer RPA? Dari perspektif lain, bagaimanakah LLM mempengaruhi RPA dari perspektif interaksi manusia-komputer? RPA, yang menjejaskan interaksi manusia-komputer dalam pembangunan program dan automasi proses, kini akan turut diubah oleh LLM? Bagaimanakah LLM mempengaruhi interaksi manusia-komputer? Bagaimanakah AI generatif mengubah interaksi manusia-komputer RPA? Ketahui lebih lanjut mengenainya dalam satu artikel: Era model besar akan datang, dan AI generatif berdasarkan LLM sedang mengubah interaksi manusia-komputer RPA dengan pantas mentakrifkan semula interaksi manusia-komputer, dan LLM mempengaruhi perubahan dalam seni bina perisian RPA. Jika anda bertanya apakah sumbangan RPA kepada pembangunan program dan automasi, salah satu jawapannya ialah ia telah mengubah interaksi manusia-komputer (HCI, h

AI Generatif ialah sejenis teknologi kecerdasan buatan manusia yang boleh menjana pelbagai jenis kandungan, termasuk teks, imej, audio dan data sintetik. Jadi apakah kecerdasan buatan? Apakah perbezaan antara kecerdasan buatan dan pembelajaran mesin? Kecerdasan buatan ialah disiplin, cabang sains komputer, yang mengkaji penciptaan agen pintar, yang merupakan sistem yang boleh menaakul, belajar, dan melakukan tindakan secara autonomi. Pada terasnya, kecerdasan buatan adalah berkenaan dengan teori dan kaedah membina mesin yang berfikir dan bertindak seperti manusia. Dalam disiplin ini, pembelajaran mesin ML ialah bidang kecerdasan buatan. Ia adalah program atau sistem yang melatih model berdasarkan data input Model terlatih boleh membuat ramalan berguna daripada data baharu atau tidak dilihat yang diperoleh daripada data bersatu yang model itu dilatih.

▲Gambar ini dijana oleh AI Kujiale, Sanweijia, Dongyi Risheng, dsb. telah mengambil tindakan Rangkaian industri hiasan dan hiasan telah memperkenalkan AIGC secara besar-besaran ? Apakah kesannya kepada pereka bentuk? Satu artikel untuk memahami dan mengucapkan selamat tinggal kepada pelbagai perisian reka bentuk untuk menjana rendering dalam satu ayat Generative AI meruntuhkan bidang hiasan dan hiasan Menggunakan kecerdasan buatan untuk meningkatkan keupayaan AI Generatif sedang merevolusikan industri hiasan dan hiasan kesan AI generatif terhadap industri hiasan dan hiasan? Apakah trend pembangunan masa depan? Satu artikel untuk memahami cara LLM merevolusikan hiasan dan hiasan 28 alat reka bentuk hiasan AI generatif yang popular ini patut dicuba. Collov melancarkan alat reka bentuk dikuasakan AI generatif Col

Kepintaran buatan generatif (GenAI) dijangka menjadi trend teknologi yang menarik menjelang 2023, membawa aplikasi penting kepada perniagaan dan individu, termasuk pendidikan, menurut laporan baharu daripada firma penyelidikan pasaran Omdia. Dalam sektor telekomunikasi, kes penggunaan GenAI tertumpu terutamanya pada menyampaikan kandungan pemasaran yang diperibadikan atau menyokong pembantu maya yang lebih canggih untuk meningkatkan pengalaman pelanggan Walaupun aplikasi AI generatif dalam operasi rangkaian tidak jelas, EnterpriseWeb telah membangunkan konsep yang menarik potensi AI generatif dalam bidang, keupayaan dan batasan AI generatif dalam automasi rangkaian Salah satu aplikasi awal AI generatif dalam operasi rangkaian ialah penggunaan panduan interaktif sebagai pengganti manual kejuruteraan untuk membantu memasang elemen rangkaian, daripada

Gu Fan, Pengurus Besar Jabatan Pembangunan Perniagaan Strategik Teknologi Awan Amazon Greater China Pada tahun 2023, model bahasa besar dan AI generatif akan "melonjak" dalam pasaran global, bukan sahaja mencetuskan "tindakan yang luar biasa" dalam AI dan industri pengkomputeran awan, tetapi juga menarik minat syarikat gergasi pembuatan untuk menyertai industri. Pusat Reka Bentuk Inovasi Haier mencipta penyelesaian reka bentuk industri AIGC yang pertama di negara ini, yang memendekkan kitaran reka bentuk dengan ketara dan mengurangkan kos reka bentuk konseptual Ia bukan sahaja mempercepatkan reka bentuk konsep keseluruhan sebanyak 83%, tetapi juga meningkatkan kecekapan rendering bersepadu sebanyak kira-kira 90%, dengan berkesan. menyelesaikan Masalah termasuk kos buruh yang tinggi dan output konsep rendah dan kecekapan kelulusan dalam peringkat reka bentuk. Pangkalan pengetahuan pintar Siemens China dan robot perbualan pintar "Xiaoyu" berdasarkan modelnya sendiri mempunyai pemprosesan bahasa semula jadi, perolehan pangkalan pengetahuan dan latihan bahasa besar melalui data

Pelaksanaan model besar semakin pantas, dan "praktikal industri" telah menjadi konsensus pembangunan. Pada 17 Mei 2024, Sidang Kemuncak Aplikasi Industri AI Generatif Awan Tencent telah diadakan di Beijing, mengumumkan satu siri kemajuan dalam pembangunan model besar dan produk aplikasi. Keupayaan model besar Hunyuan Tencent terus dinaik taraf Berbilang versi model hunyuan-pro, hunyuan-standard, dan hunyuan-lite terbuka kepada orang ramai melalui Tencent Cloud untuk memenuhi keperluan model pelanggan dan pembangun perusahaan dalam senario yang berbeza, dan untuk melaksanakan. penyelesaian model kos efektif yang optimum. Tencent Cloud mengeluarkan tiga alat utama: enjin pengetahuan untuk model besar, enjin penciptaan imej dan enjin penciptaan video, mencipta rantaian alat asli untuk era model besar, memudahkan akses data, penalaan halus model dan proses pembangunan aplikasi melalui perkhidmatan PaaS untuk membantu perusahaan

Peningkatan kecerdasan buatan memacu perkembangan pesat pembangunan perisian. Teknologi berkuasa ini berpotensi untuk merevolusikan cara kami membina perisian, dengan kesan yang meluas pada setiap aspek reka bentuk, pembangunan, ujian dan penggunaan. Bagi syarikat yang cuba memasuki bidang pembangunan perisian dinamik, kemunculan teknologi kecerdasan buatan generatif memberikan mereka peluang pembangunan yang belum pernah terjadi sebelumnya. Dengan menggabungkan teknologi canggih ini ke dalam proses pembangunan mereka, syarikat boleh meningkatkan kecekapan pengeluaran dengan ketara, memendekkan masa produk untuk memasarkan dan melancarkan produk perisian berkualiti tinggi yang menonjol dalam pasaran digital yang sangat kompetitif. Menurut laporan McKinsey, saiz pasaran kecerdasan buatan generatif dijangka mencecah AS$4.4 trilion menjelang 2031. Ramalan ini bukan sahaja menggambarkan arah aliran, tetapi juga menunjukkan teknologi dan landskap perniagaan.
