OpenAI nori priversti vyriausybę įtraukti „ChatGPT“.

Lenktynės integruoti dirbtinį intelektą į valdžios mechanizmą – ir ką tai reiškia kiekvienai organizacijai

Kai technologijų įmonė nukreipia dėmesį į Vašingtoną, ji retai siekia sutarties. Ji siekia teisėtumo, masto ir kažko daug patvaresnio: institucinės priklausomybės. Agresyvus OpenAI pastangas įterpti ChatGPT federalinėje vyriausybėje – šiuo metu pasiekiantis 37 federalines agentūras ir paliečiantis maždaug 80 000 vyriausybės darbuotojų kasdienes darbo eigas – yra vienas reikšmingiausių šio dešimtmečio technologijų žaidimų. Tačiau tikroji istorija čia yra ne tik apie vieną įmonę, parduodančią programinę įrangą biurokratams. Kalbama apie tai, kas nutinka, kai dirbtinis intelektas nustoja būti įrankiu, su kuriuo retkarčiais konsultuojatės, ir tampa operacine sistema, per kurią mąsto, sprendžia ir veikia ištisos organizacijos. Įmonėms, stebinčioms tai, pasekmės yra didžiulės – langas vadovauti, o ne sekti, greitai užsidaro.

Kodėl vyriausybės yra mažai tikėtinos, bet galingos – ankstyvieji taikantys asmenys

Iš pirmo žvilgsnio federalinė vyriausybė atrodo kaip keista dirbtinio intelekto įmonės paplūdimys. Viešieji pirkimai vyksta labai lėtai. Paraštės plonos. Reguliavimo kliūtys yra didelės. Saugumo reikalavimai gali išplėsti paprastą integraciją į daugelį metų trunkančius išbandymus. Pagal daugumą komercinės logikos, dirbtinio intelekto pardavimas Vašingtonui yra sudėtingas ir mažai duodantis darbas. Tačiau OpenAI aiškiai pareiškė, kad platus federalinis pritaikymas yra labai svarbus siekiant platesnės misijos – ir kad skaičiavimas yra strategiškai prasmingesnis, nei gali pasirodyti.

Valdžios įvaikinimas daro tai, ko komercinis įvaikinimas negali lengvai atkartoti: jis suteikia didžiulio masto institucinį patikimumą. Kai 80 000 federalinių darbuotojų kasdien naudojasi šiuo įrankiu, jie sukuria intuiciją, įpročius ir lūkesčius. Pereidami į privatų sektorių, jie nešasi tuos lūkesčius. Apie tai jie autoritetingai kalba konferencijose, valdybos posėdžiuose ir pokalbiuose apie pirkimus. Vyriausybė, nepaisant savo neefektyvumo reputacijos, yra patikimumo daugiklis, kitaip nei bet kuri kita.

Taip pat yra duomenų ir grįžtamojo ryšio aspektas, kuris retai aptariamas viešai. Dešimtys tūkstančių profesionalių naudotojų, dirbančių politikos analizės, teisinės peržiūros, pirkimų dokumentacijos, finansinio modeliavimo ir viešosios komunikacijos srityse, sukuria nepaprastą realaus pasaulio naudojimo atvejų įvairovę. Šis poveikis nepalankiausiomis sąlygomis išbando dirbtinio intelekto sistemas taip, kaip vartotojams taikomos programos paprasčiausiai to nedaro. „OpenAI“ atveju kiekviena valanda, kurią federalinis analitikas praleidžia tobulindamas biudžeto prognozavimo raginimą, yra valanda netiesioginio produkto kūrimo, kurio negalėtų pakartoti jokia vidinė komanda.

Institucinio priėmimo vadovas: kaip dirbtinio intelekto įmonės laimi ilgą žaidimą

OpenAI federalinė strategija remiasi atpažįstamu, bet sudėtingu planu, kurį galiausiai atranda kiekviena įmonės technologijų įmonė: pradėkite nuo prieigos, ugdykite įprotį, tada gilinkite integraciją. Pirmasis etapas yra gana lengvas – pasiūlykite nemokamus arba labai subsidijuojamus bandomuosius projektus, demonstruokite greitus laimėjimus atliekant mažas užduotis, pvz., dokumentų apibendrinimą ar susitikimo pastabas, ir suteikite naudotojams galimybę patogiai naudotis sąsaja. 80 000 kasdienių naudotojų, kurie šiuo metu naudojasi federaliniais AI įrankiais, daugeliu atžvilgių vis dar yra ankstyvame etape.

Antrasis etapas – įpročio formavimas – yra ta vieta, kur atsiranda tikrasis svertas. Kai darbuotojai, naudodamiesi dirbtinio intelekto pagalba, pradeda refleksiškai rengti politikos trumpus planus arba per pokalbių sąsają nukreipia reglamentavimo klausimus, prieš pasikonsultavę su vyresniuoju kolega, keitimo išlaidos smarkiai išauga. Tai nėra manipuliacija; tai natūrali darbo eigos integravimo ekonomika. Tas pats reiškinys įvyko, kai 2000-ųjų pradžioje „Salesforce“ įsijungė į pardavimų komandas, kai „Slack“ pakeitė paskirstytų komandų bendravimą ir kai „Google Workspace“ tapo profesionalaus bendradarbiavimo sinonimu.

Trečias etapas – gili integracija: API, tiekiamos į esamas sistemas, AI padedama analizė, įterpta į prietaisų skydelius, automatizuotos darbo eigos, suaktyvintos natūralios kalbos komandomis. Šiame etape AI pardavėjas nebėra programinės įrangos tiekėjas – tai yra struktūrinė organizacijos veikimo sudedamoji dalis. Jį pakeisti tampa ne tik brangu, bet ir pavojinga eksploatacijai. Išmanios organizacijos, nesvarbu, ar tai būtų viešasis, ar privatus sektorius, turi suprasti šį lanką, kol dar nėra jos viduje.

Paslėptos fragmentuoto AI pritaikymo išlaidos

Viena iš labiausiai nepakankamai praneštų dabartinės AI priėmimo bangos pavojų yra ne saugumas ar haliucinacijos, o susiskaidymas. Kadangi dirbtinio intelekto įrankiai daugėja skyriuose ir funkcijose, daugelis organizacijų atsiduria tokioje situacijoje, kai rinkodara naudoja vieną AI platformą, finansai naudoja kitą, HR eksperimentuoja su trečia, o operacijos tyliai kuria savo automatizavimo krūvą su ketvirta. Kiekvienas įrankis tinkamai veikia atskirai. Kartu jie sukuria informacijos archipelagą, kuriame duomenys nekeliauja, įžvalgos nesijungia, o žadėtą efektyvumo padidėjimą praryja papildomos integracijos išlaidos.

Ši susiskaldymo problema jau matoma federalinio AI diegimo pradžioje. Skirtingos agentūros, naudojančios skirtingas platformas, turinčias skirtingą saugos konfigūraciją, skirtingą duomenų tvarkymo praktiką ir skirtingus išvesties standartus, negali lengvai bendradarbiauti ar palyginti rezultatų. Dėl vyriausybės masto ši problema tampa labiau matoma, tačiau ji tokia pat reali – ir dažnai dar žalingesnė – vidutinio dydžio įmonėse, kur IT ištekliai yra riboti, o nesuderinamų sistemų suderinimo išlaidos tenka jau įtemptoms komandoms.

Organizacijos, kurios laimės dirbtinio intelekto dešimtmetį, yra ne tos, kurios pirmą kartą priėmė dirbtinį intelektą, o tos, kurios jį pritaikė taip, kad laikui bėgant viskas susiformuotų. Suskaidyti įrankiai sukuria fragmentuotą intelektą. Integruotos platformos sukuria organizacinį mokymąsi, kuris paspartėja su kiekviena sąveika.

Sprendimas yra nesipriešinti dirbtinio intelekto pritaikymui – konkurencinė susilaikymo kaina ir taip yra per didelė. Sprendimas – dirbtinio intelekto pritaikymas vieningoje veiklos sistemoje, leidžiančiai žvalgybai skleisti funkcijas, o ne kaupti atjungtuose silosuose. Būtent tokia yra platformų, tokių kaip Mewayz, architektūrinė filosofija, kuri integruoja 207 verslo modulius – nuo ​​CRM ir sąskaitų faktūrų išrašymo iki žmogiškųjų išteklių valdymo, darbo užmokesčio, parko valdymo ir analizės – į vieną veiklos aplinką. Kai dirbtinio intelekto pagalba teikiama ant vieningo duomenų pagrindo, kiekviena viename skyriuje sugeneruota įžvalga tampa prieinama, kad būtų galima priimti sprendimus kiekviename kitame.

Ko iš tikrųjų mokosi 80 000 vyriausybės dirbtinio intelekto naudotojų

Federalinis AI diegimas generuoja realaus pasaulio pamokas, iš kurių privataus sektoriaus organizacijos gali pasimokyti nekartodamos tų pačių brangių eksperimentų. Stebint, kas veikia – o kas ne – naudojant didelio masto viešąjį sektorių, atskleidžia modelius, kurie taikomi visuotinai.

Pirma, priėmimas priklauso nuo konkrečios užduoties, o ne su vaidmenimis. Nėra taip, kad tam tikros darbo kategorijos būtų imlesnės dirbtinio intelekto pagalbai; tai yra tai, kad tam tikri užduočių tipai duoda tiesioginę, akivaizdžią vertę. Dokumentų rengimas, informacijos gavimas, ilgų ataskaitų apibendrinimas ir pirmojo juodraščio struktūrinio turinio generavimas yra nuosekliai plačiai naudojami tiek vyriausybės, tiek įmonės kontekste. Užduotys, kurioms reikalingas niuansuotas sprendimas, santykių valdymas ar atskaitomybės grandinės, daugiausia lemia žmogaus – ne todėl, kad dirbtinis intelektas negali padėti, o todėl, kad organizacijos dar nesukūrė valdymo sistemų, skirtų dirbtiniu intelektu integruoti į tas aukštesnio lygio darbo eigas.

Antra, mokymas yra svarbesnis už technologijas. Agentūros, kurios mato didžiausią įsitraukimą į federalinius AI įrankius, nebūtinai yra tos, kurios turi sudėtingiausią techninę infrastruktūrą – jos investavo į struktūrinį įdiegimą, aiškias naudojimo atvejo gaires ir nuolatines raštingumo programas. Vidutinio lygio politikos analitikas, suprantantis, kaip rašyti veiksmingus nurodymus dėl reguliavimo analizės, pranoks doktorantūros mokslų daktarą ekonomistą, kuriam niekada nebuvo parodyta, kaip panaudoti dirbtinį intelektą literatūros apžvalgai. Į DI pritaikymo žmogiškąjį aspektą nuolat nepakankamai investuojama, palyginti su technologijų aspektu.

Įmonės pasekmės: penkios Vašingtono AI eksperimento pamokos

Stebėdami, kaip federalinė vyriausybė imasi didelio masto AI pritaikymo, pateikiama suglaudinta atvejo analizė, kurią privataus sektoriaus vadovai gali nedelsiant pritaikyti. Vašingtono eksperimento metu išryškėję modeliai tiesiogiai paverčiami veiksmingomis strateginėmis gairėmis bet kuriai organizacijai, kuri svarsto AI transformaciją arba jau yra jos viduryje.

• Pradėkite nuo darbo eigos integravimo, o ne atskirų įrankių. Dirbtinio intelekto įrankius, kurie yra už esamų operacinių sistemų ribų, naudotojai turi nuolat keisti kontekstą. Įrankiai, įterpti į platformas, kuriose iš tikrųjų vyksta darbas – CRM, projektų valdymas, finansinės informacijos suvestinės – pastebimai populiarėja ir sukuria naudingesnių rezultatų.
• Apibrėžkite sėkmės metrikas prieš įdiegimą, o ne po jo. Federalinės agentūros, įdiegusios dirbtinį intelektą be aiškių našumo etalonų, stengiasi pateisinti tolesnius investicijas. Organizacijos, kurios apibrėžė konkrečius, išmatuojamus rezultatus – sutrumpino X apdorojimo laiką, pagerino Y tikslumą – turi aiškesnę IG ir stipresnį vidinį propagavimą.
• Valdymo infrastruktūra nėra neprivaloma. Duomenų tvarkymo politika, rezultatų peržiūros protokolai ir atskaitomybės sistemos turi būti nustatytos prieš pradedant platų diegimą, o ne modifikuoti po incidentų. Aktyvaus valdymo infrastruktūros kūrimo išlaidos sudaro tik dalį išlaidų, susijusių su gedimo, kurio galima išvengti, valdymo nuosėdomis.
• Kelių funkcijų DI koordinavimas pranoksta padalinių AI savarankiškumą. Organizacijos, kuriose centrinė funkcija koordinuoja DI strategiją, standartus ir ryšius su pardavėjais, nuosekliai lenkia tas, kuriose atskiri skyriai priima nepriklausomus pirkimo sprendimus. Tai nereiškia centralizuotos kontrolės – tai reiškia centralizuotą darną.
• Vertei sujungti reikia vieningų duomenų. Organizacijos, kurios iš AI išgauna didžiausią vertę, yra tos, kuriose dirbtinis intelektas turi prieigą prie kuo platesnio duomenų konteksto – klientų istorijos, finansinės veiklos, veiklos metrikos, darbuotojų įrašų, o ne siaurų skyrių duomenų.

Kodėl modulinės integruotos platformos laimi AI lenktynes

Federalinės vyriausybės AI pritaikymo trajektorija iš esmės yra hipotezės, kuri įgauna pagreitį įmonių programinės įrangos pasaulyje, testas nepalankiausiomis sąlygomis: verslo operacijų ateitis yra ne geriausi įrankiai, nepatogiai bendraujantys per API, o visiškai integruota operacinė aplinka, kurioje kiekviena funkcija turi bendrą duomenų sluoksnį ir bendrą žvalgybos infrastruktūrą. Hipotezė pasitvirtina, o organizacijos, kurios tai anksti pripažino, jau mato vis didesnę naudą.

Apsvarstykite, ką praktiškai reiškia augančiam verslui valdyti CRM, sąskaitų faktūrų išrašymą, personalo valdymą, darbo užmokestį, projektų valdymą ir klientų rezervavimą vienoje platformoje, pvz., Mewayz, kuri aptarnauja daugiau nei 138 000 naudotojų visame pasaulyje per 207 integruotus modulius. Kai pardavimo komanda užbaigia sandorį CRM modulyje, tas įvykis gali automatiškai suaktyvinti sąskaitos faktūros darbo eigą, atnaujinti pajamų prognozę analizės prietaisų skydelyje ir pranešti HR apie būsimus personalo poreikius – visa tai be rankinio duomenų įvedimo ar sistemos derinimo. Padėti dirbtinio intelekto lygmeniu per šį vieningą veiklos pagrindą, o žvalgybos laimėjimai yra daugybiniai, o ne suminiai.

Tai yra strateginė logika, kurios OpenAI siekia su federaline vyriausybe didžiuliu mastu – giliai įterpkite, plačiai integruokite, kad žvalgyba būtų neatskiriama nuo operacijų. Įmonėms, norinčioms konkuruoti dirbtinio intelekto paspartintoje ekonomikoje, pamoka yra aiški: lenktynės nėra priimti daugumą AI įrankių. Varžybose siekiama sukurti nuosekliausią veiklos pagrindą, kuriuo remdamasis AI galėtų atlikti savo galingiausią darbą.

Organizacijos, kurios nulems kitą dešimtmetį

OpenAI federalinis postūmis bus sėkmingas arba susidoros, remiantis vienu kintamuoju, kurio visiškai nekontroliuoja jokia technologijų įmonė: ar organizacijos, kurioms ji tarnauja, AI traktuoja kaip ypatybių sluoksnį, viršijantį įprastą verslą, ar kaip esminį permąstymą, kaip organizuojama ir taikoma institucinė žvalgyba. Įmonės ir agentūros, kurios pasirinks pastarąjį kelią, po kelerių metų pastebės, kad turi sukaupusios veiklos pranašumą, kurio užsidaryti vėluojantiems asmenims beveik neįmanoma.

Geriausia verslui pasirinkti antrąjį kelią yra tos, kurios jau veikia integruotose platformose, kuriose duomenys yra suvienodinti, darbo eigos sujungtos, o dirbtinio intelekto didinimo infrastruktūra jau sukurta. Atotrūkis tarp organizacijų, kurios sukūrė nuoseklius veiklos pagrindus prieš AI bangos viršūnę, ir tų, kurios stengiasi suderinti suskaidytas sistemas ir tuo pat metu bando įdiegti AI, kas ketvirtį didėja. Laikas sukurti tą pagrindą – arba pereiti prie platformos, kurioje jis jau yra – dabar, kol banga nenutrūksta ir iniciatyvios architektūros langas susiaurėja iki reaktyvaus krizių valdymo.

Vašingtono AI eksperimentas nėra tik istorija apie viešuosius pirkimus ar vienos įmonės misijos pareiškimą. Tai ankstyvas signalas apie tai, kaip kiekviena didelė institucija – viešoji ir privati ​​– pereis nuo dirbtinio intelekto kaip naujovės prie AI kaip infrastruktūros. Organizacijos, atkreipiančios dėmesį į šį signalą ir taikančios jį laikydamosi architektūrinės disciplinos, o ne reaktyvaus įrankio pritaikymo, bus tos, kurios rašys atvejų tyrimus, kurie apibrėžia kitą įmonės veiklos dešimtmetį.

Dažniausiai užduodami klausimai

Kodėl OpenAI teikia pirmenybę vyriausybinėms sutartims prieš kitas rinkas?

Vyriausybės patvirtinimas rodo teisėtumą ir sukuria ilgalaikę institucinę priklausomybę – agentūroms sukūrus darbo eigą pagal įrankį, pakeitimo išlaidos tampa milžiniškos. 37 federalinės agentūros ir 80 000 darbuotojų jau naudoja ChatGPT, todėl OpenAI įsilieja į viešojo administravimo mechanizmus. Tai atspindi, kaip įmonės programinės įrangos leistuvai, tokie kaip „Microsoft“ ir „Salesforce“, įgijo dominavimą: paverskite jūsų platformą nepakeičiama mastu, kol konkurentai gali įsitvirtinti.

Kokią riziką kelia gili dirbtinio intelekto integracija vyriausybinėse agentūrose?

Pagrindiniai rūpesčiai yra tiekėjo blokavimas, duomenų suverenumas ir atskaitomybės spragos. Kai svarbius viešojo sektoriaus sprendimus įtakoja patentuotas AI modelis, vyriausybės atsisako tam tikro veiklos nepriklausomumo. Taip pat kyla skaidrumo klausimų: jei dirbtinio intelekto sistema formuoja politikos darbo eigą, piliečiai nusipelno suprasti, kaip tai padaryti. Bet kokio dydžio organizacijos dirbtinio intelekto pritaikymą turėtų vertinti taip pat atidžiai, užtikrindamos, kad jų pasirinktos priemonės tarnautų jų interesams ilgą laiką.

Kaip mažos ir vidutinės įmonės gali konkuruoti dirbtinio intelekto skatinamoje aplinkoje, kurią vis dažniau formuoja dideli žaidėjai?

Mažesnių organizacijų konkurencinis pranašumas yra judrumas ir išmanūs įrankiai. Tokios platformos kaip Mewayz – 207 modulių verslo operacinė sistema, kainuojanti nuo 19 USD per mėnesį – suteikia įmonėms prieigą prie įmonės lygio galimybių be įmonės biudžeto. Užuot perdavusios darbo eigas vienam dominuojančiam AI pardavėjui, organizacijos gali kurti integruotas, įvairias skaitmenines operacijas, kurios išlieka lanksčios ir visiškai kontroliuojamos.

Ar vyriausybės pasitikėjimas „ChatGPT“ rodo, kaip visos didelės institucijos pritaikys dirbtinį intelektą?

Beveik tikrai. Federalinės vyriausybės pritaikymo modelis – pradėkite nuo produktyvumo įrankių, išplėskite iki darbo eigos integravimo, tada pasiekite struktūrinę priklausomybę – yra tas pats planas, besiskleidžiantis sveikatos priežiūros, finansų ir švietimo srityse. Kiekviena organizacija turėtų aktyviai galvoti apie savo AI strategiją dabar, o ne reaguoti vėliau. Modulinių, keičiamo dydžio platformų kūrimas užtikrina, kad augsite kartu su technologijomis, o ne būsite priblokšti į pasirinkimus, kuriuos priimate esant spaudimui.