Generatywna sztuczna inteligencja zyskała na popularności. Od momentu uruchomienia ChatGPT w listopadzie 2022 roku, firmy chętnie wdrażają duże modele językowe (LLM) i generatywną AI do rozwiązywania złożonych, pracochłonnych wyzwań. Technologie te oferują potencjał do zrewolucjonizowania obsługi klienta, korzystając z zaawansowanych platform czatowych, które potrafią diagnozować problemy i dostarczać przystępne opinie techniczne. Ponadto umożliwiają firmom przetwarzanie i analizowanie ogromnych ilości nieustrukturyzowanych danych, takich jak filmy i pliki PDF, co budzi duże zainteresowanie wśród przedsiębiorstw. Entuzjazm ten przekłada się na działanie. Według McKinsey, odsetek firm używających generatywnej AI w co najmniej jednej funkcji niemal się podwoił i w tym roku wyniósł 65%. Deloitte informuje, że zdecydowana większość (91%) przewiduje wzrost produktywności dzięki generatywnej AI, zwłaszcza w IT, cyberbezpieczeństwie, marketingu, obsłudze klienta i rozwoju produktów. Jednak trudności w efektywnym wdrażaniu generatywnej AI hamują postępy.

Choć firmy dostrzegają transformacyjny potencjał generatywnej AI i ryzyko pozostania w tyle, jeśli jej nie wdrożą, napotykają wyzwania podczas implementacji. W rezultacie dwie trzecie liderów biznesu jest niezadowolonych z postępów wdrażania AI. W trzecim kwartale 2023 roku, mimo że 79% firm planowało rozpoczęcie projektów związanych z AI w ciągu następnego roku, tylko 5% miało praktyczne przypadki użycia w produkcji do maja 2024 roku. "Dopiero zaczynamy rozumieć, jak skutecznie wdrożyć AI w produkcji, " zauważa Rowan Trollope, CEO Redis, firmy specjalizującej się w platformach danych w czasie rzeczywistym i akceleratorach AI. "Implementacja tych systemów nie jest ani prosta, ani tania. " Prognozy dotyczące wpływu generatywnej AI na PKB wahają się od nieco poniżej 1 biliona dolarów do imponujących 4, 4 biliona dolarów rocznie, z potencjalnymi wzrostami produktywności porównywalnymi do Internetu, automatyzacji robotycznej i maszyny parowej. Pomimo pokusy szybkiego wzrostu przychodów i oszczędności kosztów, osiągnięcie tych rezultatów wymaga skomplikowanych i często kosztownych procesów. Firmy muszą opracować efektywne strategie budowy i wdrażania projektów AI na dużą skalę z jasno określonymi komponentami, podkreśla Trollope. Pobierz pełny raport. Treść została stworzona przez Insights, dział zamówień specjalnych MIT Technology Review, a nie przez redakcję magazynu.