Nowe technologie
Masz obawy o bezpieczeństwo komercyjnej AI? Korzystaj ze źródeł open source
Komercyjne usługi związane z wykorzystywaniem sztucznej inteligencji mogą narażać firmowe dane wrażliwe na ryzyko ujawnienia. Istnieją jednak alternatywy.
Jak grać, by wygrywać
Gorączka złota wokół generatywnej sztucznej inteligencji skłania wielu liderów i menedżerów do rozważenia, w jaki sposób mogliby bezpośrednio wykorzystać ją w swoich organizacjach. Półtora roku po debiucie ChatuGPT dzięki algorytmom możemy ułatwić sobie pracę poprzez automatyzację tłumaczeń, pisanie prostych tekstów i programów, generowanie grafik czy materiałów wideo. Ale na razie nie ma mowy o rewolucji AI.
Kto najwięcej zyskuje dzięki generatywnej AI?
Analiza budowy i wdrażania dużych modeli językowych ujawnia, które podmioty mogą najwięcej zyskać oraz gdzie nowi gracze odnajdą najlepsze perspektywy.
Praktyczne ograniczenia dużych modeli językowych
Zawyżanie potencjału modeli sztucznej inteligencji, takich jak ChatGPT, może skutkować tworzeniem zawodnych aplikacji.
Dlaczego sztuczna inteligencja powinna być odpowiedzialna
Zagrożenia i porażki wywołane przez zewnętrzne algorytmy sztucznej inteligencji sprawiają firmom problemy natury komercyjnej, prawnej i reputacyjnej. Większość organizacji ignoruje to ryzyko.
Sztuczna inteligencja i prawdziwa odpowiedzialność
Technologia zdemokratyzowała się jak nigdy wcześniej. Sztuczna inteligencja jest powszechnie dostępna, więc jej odpowiedzialne stosowanie staje się kluczową kwestią. Ponieważ już w tej chwili zaczyna ona wpływać na wszystko, co dotyczy naszego życia, musimy zadbać o to, żeby jej rozwój i wykorzystanie odbywały się w sposób zgodny z naszymi wartościami oraz z poszanowaniem praw i godności ludzi.
Jak AI pomaga odróżnić dobrych od złych
O tym, jak uczenie maszynowe pomaga platformie do krótkoterminowego wynajmu wykrywać podejrzane rezerwacje, chroniąc gospodarzy oraz gości przed oszustami, opowiada Naba Banerjee z Airbnb w rozmowie z autorami podcastu Me, Myself, and AI, Shervinem Khodabandehem i Samem Ransbothamem. Przedstawiamy zredagowany zapis tej rozmowy.
Jak AI i inteligentne wskaźniki KPI wspierają realizację strategii
Wykorzystanie sztucznej inteligencji do tworzenia przyszłościowych i inteligentnych wskaźników efektywności pozwala na lepsze dostosowanie działań operacyjnych do strategii.
Co warto wiedzieć o mierzeniu wartości projektów AI
Większość projektów AI bądź uczenia maszynowego raportuje tylko parametry techniczne, które nie informują liderów, ile wartości biznesowej mogą dostarczyć organizacji. Aby zapobiec niepowodzeniom projektów, domagaj się wskaźników biznesowych.
Jak połączyć ludzką ekspertyzę z rozwiązaniami prognozowania proponowanymi przez AI?
Nowe podejście do prognozowania zapotrzebowania pomoże menedżerom w organizowaniu pracy ludzi wykorzystujących narzędzia AI. Umożliwi ono dokładniejsze przewidywanie popytu na produkty w zmiennym i niestabilnym otoczeniu rynkowym.
Trzy lekcje płynące z rozmów z ChatemGPT na temat strategii
Gdy zdolność generatywnej sztucznej inteligencji do tworzenia strategii zostaje poddana próbie, okazuje się, na czym polegają jej mocne strony – i w jakich obszarach ludzie wciąż mają przewagę.
Nie daj się zwieść szumowi wokół generatywnej AI
Bańki technologiczne są złym środowiskiem informacyjnym.
Wpływ GenAI na Hollywood i branżę rozrywkową
Jednym z aspektów generatywnej sztucznej inteligencji, którym poświęca się dużo uwagi, jest jej potencjalne oddziaływanie na Hollywood i przemysł rozrywkowy. Obawy dotyczące tej kwestii są oczywiste, ponieważ GenAI potrafi kreować dane wyjściowe, z których korzysta ten sektor – teksty w formie opowiadań, scenariuszy, tekstów reklamowych i recenzji; kampanie marketingowe oraz ruchome i statyczne obrazy. Niektóre segmenty tego sektora odczuwają obecnie presję ekonomiczną, co zwiększa zapotrzebowanie na produktywność i tańsze „produkty”. A duża część współczesnych wytworów przemysłu rozrywkowego powstała na podstawie już istniejących treści. Stwarza to duże szanse dla generatywnych technologii, które są trenowane na już istniejących treściach.
Strategiczna rola AI
Od momentu pojawienia się na rynku Chatu GPT dyskusja wokół sztucznej inteligencji skupia się głównie na tym, kogo, gdzie i kiedy zastąpią algorytmy w miejscu pracy. Owszem, jest to bardzo ważne, ale zupełnie odwraca uwagę od tego, jak naprawdę AI może pomóc firmom w budowaniu wzrostu.
Jak ChatGPT może (i nie może) pomóc menedżerom lepiej projektować stanowiska
Liderzy nie zawsze potrafią projektować zdrowe, produktywne stanowiska pracy w organizacji. ChatGPT może przyjść im z pomocą, pod warunkiem że będzie stosowany mądrze i rozważnie.
Etyka a AI w praktyce Unilevera: od polityki do wdrożenia
Obecnie wiele dużych firm – globalnie ok. 70% – doszło do przekonania, że sztuczna inteligencja jest ważna, więc szuka zastosowań dla technologii w różnych obszarach swojej działalności. W większości przedsiębiorstwa te mają również świadomość, że zastosowanie AI ma wymiar etyczny i że muszą dopilnować, aby systemy, które tworzą lub wdrażają, były przejrzyste, bezstronne i sprawiedliwe.
Jak uczenie maszynowe może pomóc w trenowaniu modeli AI
Nowe obiecujące podejście do trenowania modeli sztucznej inteligencji pozwala organizacjom o niewielkich zbiorach danych współpracować przy zachowaniu bezpieczeństwa informacji zastrzeżonych.
Raport: Nowe technologie napędzają ekspansję zagraniczną
Nowa technologiczna rzeczywistość zmienia model obecności na rynku międzynarodowym i kierunki globalnej ekspansji. Rozwój sztucznej inteligencji umożliwia polskim firmom skuteczniejsze i szybsze wejście na zagraniczny rynek, zacierając granicę tradycyjnej gospodarki.
Najważniejsze pytania dotyczące narzędzi opartych na AI
Decyzja, czy dane rozwiązanie z zastosowaniem sztucznej inteligencji jest warte wdrożenia, wymaga od menedżerów nie tylko zapoznania się z wynikami raportów, ale bezpośredniej obserwacji, na podstawie jakich danych wzorcowych trenowano oraz testowano konkretny model AI.
Komentarz eksperta: Trening algorytmów
Menedżerowie odpowiedzialni za wdrażanie systemów AI w organizacji powinni dokonać ewaluacji ryzyka i kosztów związanych z błędnym działaniem wdrażanego systemu. Jeżeli koszty (nie tylko finansowe) związane z błędną klasyfikacją danego przypadku przez model są wysokie, to oznaczanie danych treningowych powinno zostać powierzone ekspertom.