비즈니스에서 AI의 진화:우리의 발전 단계

오늘 아침에 이메일을 열자 내가 보낸 오래된 메시지에 대한 경고가 표시되었습니다. 경보는 “10일 전에 보냈습니다. 팔로우 하시겠습니까?” 실제로 동료에게 응답하도록 상기시켜야 했습니다. 그 경험을 통해 우리가 얼마나 멀리 왔고 비즈니스에서 인공 지능(AI)이 앞으로 나아갈 방향에 대해 생각하게 되었습니다.

저는 거의 40년 전 Alice Agogino 교수 밑에서 버클리 학부생이었을 때 이 분야에 매료되었습니다. Agogino 교수는 칠판에 이 간단한 도표를 그렸습니다.

그 당시에는 AI 시스템을 전문가 시스템이라고 불렀습니다. 이를 통해 더 많은 사람들이 전문가 수준에서 대부분의 작업을 완료할 수 있었습니다. 그들은 사용자의 잠재력을 향상시키고 전체 비즈니스의 성과 곡선을 변화시켰습니다. 이러한 시스템을 통해 전문가는 자신만이 해결할 수 있는 가장 어려운 작업에 집중할 수 있습니다.

수년 동안 기술이 우리의 성과를 규모에 맞게 확장할 수 있다는 이 놀라운 아이디어는 제 마음을 사로잡았습니다. 그것은 내 열정을 형성했으며 내 직업적 여정은 AI 자체의 궤적을 따랐습니다.

그러나 그 과정에서 여러 가지 난관이 있었습니다. 우리 시스템의 모델은 비즈니스 변화에 뒤처지는 경향이 있습니다. 어제의 문제를 최적으로 해결하더라도 점차 진부해집니다. 사용 및 유지 관리를 위한 전담 팀이 필요했습니다.

오늘의 위치

오늘날의 AI 시스템은 다음 세 가지 면에서 초기 전문가 시스템 및 기존 비즈니스 솔루션과 근본적으로 다릅니다.

<울> <리>

우리는 그것들을 다르게 사용합니다.

<리>

지능에 대한 강조는 자동화에서 증강으로 이동했으며

<리>

AI 시스템은 사용법을 배우고 비즈니스 변화에 적응합니다.

사용 방법: 전통적인 비즈니스 솔루션은 종종 단편화되어 있습니다. 하나의 시스템 세트는 귀하의 비즈니스가 현재 어떤 상태인지 알려줍니다. 실행(기존 비즈니스 인텔리전스), 다른 하나는 방법을 결정하는 데 도움이 됩니다. 귀하의 비즈니스를 운영하기 위해 또 다른 기능을 사용하여 당신이 한 일 을 기록할 수 있습니다. 비즈니스를 운영하기 위해(엔터프라이즈 리소스 계획).

사용자는 기술 및 진단 분석에서 디지털 트윈 모델을 사용한 예측 분석 및 최적화에 이르기까지 지루하고 단절된 경로를 따라야 합니다. 그런 다음 결정이 내려지면 돌아서서 그 결정을 ERP에 기록해야 합니다.

대조적으로 AI를 사용할 때는 권장 사항으로 직접 시작하고 설명으로 예측, 진단 및 설명 통찰력을 탐색할 수 있습니다. AI는 권장 사항과 다른 결정을 내리는 경우에도 조치를 취하기 위한 단계별 지침을 제공합니다.

강조 변화: 기존의 전문가 시스템은 자동화에 지나치게 집중했습니다. 오늘날의 AI 시스템은 비즈니스 프로세스를 탐색하고 조정하는 데 도움이 될 수 있습니다. 제 생각에는 AI를 증강이라고 생각하는 것이 좋습니다. 인공지능보다 지능. 오늘날 우리는 AI를 훈련하고 필요에 맞게 조정할 수 있는 것으로 보고 있습니다.

학습 및 적응 :기존의 비즈니스 시스템은 정적이며 시간이 지남에 따라 부실해지는 경향이 있습니다. 피드백이나 비즈니스 변경 사항을 통합하려면 개선 및 수정이 필요합니다. 대조적으로 AI 시스템은 동적입니다. 그들은 변화하는 비즈니스 요구 사항을 배우고 적응합니다. 더 많이 사용할수록 시간이 지남에 따라 더 똑똑해지고 더 효과적입니다.

기존 BI	AI
사용자는 설명 및 진단 분석에서 시작하여 대안을 탐색하고, 결과를 예측하고, 선택하고, 결국에는 비즈니스를 운영하기 위한 조치를 취하는 지루하고 종종 연결이 끊긴 경로를 따라야 합니다.	사용자에게 권장 조치와 예측, 진단 및 설명 통찰력을 설명으로 탐색할 수 있는 기능을 제공합니다. AI는 이미 일반적인 분석 단계에서 모든 어려운 작업을 수행했습니다.
설명 대시보드, 보고서 및 알림으로 제한됩니다.	사용자가 일상적인 작업을 수행하는 방식에 통합됩니다. 있는지조차 모를 수 있습니다.
더 많은 청중이 발전함에 따라 더 많은 청중을 대상으로 하기 위해 점점 더 일반화되는 경향이 있습니다.	사용자의 범위가 시간이 지남에 따라 증가하더라도 개인화되고 개별 사용자의 행동과 선호도에 점점 더 구체적이 되는 방법을 배웁니다.
데이터 분석에 중점을 둡니다.	결정을 내리는 데 중점을 둡니다.
정적이며 시간이 지남에 따라 부실해질 수 있습니다. 변화하는 비즈니스 요구와 선호도를 따라잡기 위해서는 개선과 수정이 필요합니다.	역동적이고 변화를 배우고 적응하도록 설계되었습니다. 더 많이 사용할수록 시간이 지날수록 더 똑똑해지고 더 효과적입니다.

앞으로 닥칠 일

강력하지만 AI 기능은 몇 가지 문제를 야기합니다.

첫째, AI에서 최대한의 가치를 얻으려면 기술에 대한 행동과 태도 모두에서 부지런한 변화 관리가 필요합니다. 사람들이 기술을 위협이나 성과 목표를 확장하는 수단으로 여긴다면 기술의 성공을 방해하기 위해 노력할 것입니다. 또한 AI 채택이 통제력 상실 또는 고객 및 공급업체와의 개인적인 접촉을 의미하거나 교차 기능적 사고를 방해하는 경우 실패합니다.

반면에 사람들이 AI를 삶을 더 쉽게 만들고, 더 똑똑하게 만들고, 조직 전체에서 협업하고, 더 많은 것을 성취하는 새로운 도구 세트로 여긴다면 성공을 위해 노력할 것입니다.

두 번째 문제는 AI의 윤리에 관한 것입니다. 우리는 AI를 더 투명하고 윤리적으로 만들어야 합니다. 머신 러닝 모델은 배우고 노출된 내용을 배웁니다. 데이터가 편향되면 AI도 편향될 것입니다. 또한 블랙박스의 추천을 따르는 것을 좋아하는 사람은 없습니다. AI 모델은 권장 사항, 가정한 사항, 감지된 패턴 및 투명하게 탐색된 옵션을 설명해야 합니다.

마지막으로 우리는 AI로 해결하기 위해 노력하고 있는 문제가 처음부터 해결해야 할 올바른 문제인지 자문해야 합니다. 우리는 인간을 통제하기보다 AI를 활용하여 인간의 범위를 확장하고 삶을 개선하기 위해 노력해야 합니다.

지금까지 AI의 변화는 한마디로 혁명적이었습니다. 이 기술을 더 많이 수용하고 활용하고 개선할수록 우리 비즈니스는 더 많이 개선될 것입니다.

Adeel Najmi는 LevaData의 최고 제품 책임자입니다.