Dołącz do grona liderów, którzy chcą więcej
Premium
Komunikacja
Magazyn (Nr 26, październik - listopad 2024)

Jak GenAI może wspierać zaawansowaną analitykę

1 października 2024 14 min czytania
JoÃo Alves
Zdjęcie Pedro Amorim - Adiunkt inżynierii przemysłowej na Universidade do Porto i współzałożyciel LTPlabs.
Pedro Amorim
Jak GenAI może wspierać zaawansowaną analitykę

Streszczenie: Wzrost zainteresowania generatywną sztuczną inteligencją (GenAI) może prowadzić do zaniedbania zaawansowanej analityki, która sprawdziła się w usprawnianiu decyzji i procesów biznesowych, takich jak prognozowanie ofert dla klientów czy optymalizacja łańcuchów dostaw. Przekierowanie zasobów na projekty związane z GenAI, często forsowane przez liderów obawiających się przegapienia kolejnej innowacji, może osłabić inicjatywy dostarczające wartość dla całej organizacji. Jednak zaawansowana analityka i duże modele językowe (LLM-y) oferują uzupełniające się możliwości. LLM-y mogą wspierać użytkowników w integracji nieustrukturyzowanych źródeł danych, lepszym tłumaczeniu problemów biznesowych na modele analityczne oraz w interpretacji wyników. W artykule przedstawiono eksperymenty z wykorzystaniem LLM-ów do usprawnienia zaawansowanej analityki oraz omówiono najlepsze praktyki w monitorowaniu i weryfikowaniu wyników, zważywszy na potencjalne ryzyko dostarczania niewiarygodnych danych przez LLM-y.

Pokaż więcej

Duże modele językowe mogą usprawnić pracę z danymi i nad analityką, wspierając ludzi na każdym etapie – od przygotowania danych, przez optymalizację modeli, po interpretację wyników.

Rozbłysk zainteresowania generatywną sztuczną inteligencją (GenAI) grozi przyćmieniem zaawansowanej analityki. Firmy, które przeznaczają swoje zasoby na szeroko reklamowane duże modele językowe (LLM‑y), takie jak ChatGPT, mogą zaniedbać zaawansowaną analitykę o sprawdzonej skuteczności w poprawie decyzji i procesów biznesowych, takich jak prognozowanie następnych najlepszych ofert dla klientów lub optymalizacja łańcuchów dostaw.

Konsekwencje tego dla alokacji zasobów i tworzenia wartości są znaczące. Zespoły zajmujące się danymi i analityką, z którymi współpracujemy, zgłaszają, że projekty związane z generatywną AI, często forsowane przez liderów obawiających się przegapienia kolejnej wielkiej innowacji, pochłaniają fundusze z ich budżetów. Ta redystrybucja środków może osłabić inicjatywy mające na celu dostarczenie wartości dla całej organizacji, mimo że wiele przedsiębiorstw wciąż nie znalazło przekonujących argumentów biznesowych przemawiających za LLM‑ami.

Zostało 93% materiału do przeczytania

Materiał dostępny tylko dla subskrybentów

Dołącz do subskrybentów MIT Sloan Management Review Polska Premium!

Kup subskrypcję
O autorach
Tematy

Może Cię zainteresować

Wdrażanie AI z ludzkiej perspektywy. Praktyczne lekcje

Dlaczego w wielu branżach AI wciąż budzi opór zamiast entuzjazmu? Ten tekst pokazuje, że o sukcesie wdrożeń decydują nie algorytmy, lecz ludzie, ich nawyki i sposób pracy.

Dlaczego niektórzy pracownicy zawsze odpowiadają jako ostatni i co to tak naprawdę sygnalizuje

Opóźnione odpowiedzi w pracy rzadko są przypadkowe. To często subtelny sygnał statusu i kontroli, który wpływa na tempo pracy zespołu i poziom zaufania.

Zasady przywództwa: jak procentuje inspiracja

Jak stworzyć zasady przywództwa, które naprawdę działają? Dwie szkoły biznesu pokazują, że kluczem jest współtworzenie, autentyczność i konsekwencja w działaniu – a nie same deklaracje wartości.

Gdy odpowiedzialność zespołu spada: cztery trudne pytania dla liderów

Brak odpowiedzialności w zespole rzadko wynika ze złej woli pracowników. Częściej jest skutkiem przeciążenia, niejasnych ról, nadmiaru osób i zadań oraz stylu zarządzania, który nie sprzyja otwartości. Cztery pytania pomagają liderce zdiagnozować prawdziwe źródło problemu i wprowadzić konkretne zmiany.

Dlaczego sukcesja na stanowisku CEO rzadko przynosi rzeczywistą zmianę

Chociaż firmy głośno deklarują potrzebę głębokiej transformacji, proces sukcesji na stanowisku dyrektora generalnego często sprowadza się do wyboru najbezpieczniejszej opcji. Odkryj, dlaczego zarządy wpadają w pułapkę „homospołecznej reprodukcji”, powielając znane profile menedżerskie i nieświadomie blokując strategiczny rozwój swojej organizacji.

Praca w erze AI: Zaskakująca lekcja biznesu z książki dla dzieci

Rozwój sztucznej inteligencji budzi uzasadnione obawy o przyszłość rynku pracy i stabilność zatrudnienia. Odkryj, dlaczego eksperci od zarządzania szukają odpowiedzi w klasycznej literaturze i w jaki sposób historia o przestarzałej koparce parowej może pomóc Ci zaplanować udaną reorientację kariery w nowej, technologicznej rzeczywistości.

Jak czerpać skumulowane korzyści z generatywnej sztucznej inteligencji

Jak sprawić, aby każda interakcja z generatywną sztuczną inteligencją zwiększała kompetencje organizacji, a nie tylko przyspieszała pracę? Kluczem jest przejście od konsumpcji wyników AI do systematycznego uczenia się na ich podstawie.

Cieśnina Ormuz: Które sektory i regiony najmocniej odczują skutki kryzysu?

Trwający kryzys na Bliskim Wschodzie i zakłócenia w żegludze przez Cieśninę Ormuz uderzają w globalne łańcuchy dostaw, uderzając w rynki daleko poza sektorem energetycznym. Poznaj najnowsze analizy i dowiedz się, które branże są najbardziej narażone na straty oraz w jaki sposób liderzy biznesu powinni zabezpieczyć swoje organizacje przed eskalacją ryzyka operacyjnego.

Ropa, wojna i gospodarka. Jak rynki wyceniają kryzys w Zatoce Perskiej

Szok naftowy, widmo powrotu uporczywej inflacji i geopolityczne trzęsienie ziemi na Bliskim Wschodzie. Atak USA i Izraela na Iran poddał globalne rynki brutalnej próbie stresu, jednak zamiast ślepej paniki, kapitał rozpoczął chłodną kalkulację zawirowań. Jak brzmi rynkowa narracja  na parkietach i w jaki sposób liderzy biznesu powinni nawigować w epoce nowej, ekstremalnej niepewności?

Multimedia
Hype na AI: Kto naprawdę zyskuje na narracjach o sztucznej inteligencji?

Czy sztuczna inteligencja naprawdę zrewolucjonizuje rynek pracy, czy to tylko zręczna manipulacja gigantów z Doliny Krzemowej? W najnowszym odcinku podcastu „Limity AI” Jacek Mańko dekonstruuje technologiczny hype i wyjaśnia, kto tak naprawdę zarabia na opowieściach o świadomych maszynach.

Materiał dostępny tylko dla subskrybentów

Jeszcze nie masz subskrypcji? Dołącz do grona subskrybentów i korzystaj bez ograniczeń!

Subskrybuj

Otrzymuj najważniejsze artykuły biznesowe — zapisz się do newslettera!