Neapturams AI gājiens turpina apkopot tempu. Analītiķis Gartners nesen prognozēja, ka pusi no visiem biznesa lēmumiem nākamo divu gadu laikā AI aģenti tiks pilnībā automatizēti vai vismaz daļēji papildināti.
Arī: 4 veidi, kā pārvērst AI par jūsu biznesa priekšrocībām
Dažas organizācijas ir eksperimentējušas vairāk nekā citas. Četri biznesa vadītāji, kuri ir izpētījuši AI, dalījās pieredzē, kas gūta nesenajā Media apaļā galda pasākumā Snowflake Summit 2025 Sanfrancisko. Lūk, kas viņiem bija jāsaka.
1. Kāda ir mana mākoņa stratēģija?
AstraZeneca galvenais uzņēmumu arhitekts Wayne Filin-Matthews paskaidroja, kā viņa organizācija ir novatoriska AI ieviešana vairākās jomās.
Farmaceitiskā gigants ir izstrādājis AI iespējotu pētniecības asistentu, kas palielina zinātnisko pētnieku produktivitāti, koncentrējoties uz zinātnisko metožu reproducējamību un jaunu zāļu attīstību.
AstraZeneca sadarbojas ar vadošajām akadēmiskajām institūcijām, piemēram, Stenfordas universitāti, lai veiktu aģentu AI eksperimentus.
“Mēs domājam par to, kā jums var būt aģentu komanda, kas var atbalstīt tradicionālos zinātniekus, kuri veic savus pētījumus,” sacīja Filins-Matthews.
Arī: 4 veidi, kā jūsu organizācija var pielāgoties un attīstīties AI laikmetā
Uzņēmums arī pēta, kā piemērot AI komerciālajās zonās. AstraZeneca darbojas 126 tirgos, un šo dažādo vietu apkalpošana ar saturu ir sarežģīts izaicinājums. Tur ienāk AI.
“Mēs esam izmantojuši tehnoloģiju no AI perspektīvas, lai automatizētu mārketinga materiālu un informācijas radīšanu par narkotiku izstrādi,” viņš teica.
Kaut arī šie eksperimenti ir uzsvēruši AI priekšrocības, tie ir arī parādījuši cieto datu pamatus.
Arī: AI integrēšana sākas ar stabiliem datu pamatiem. Šeit ir 3 stratēģijas, kuras izmanto vadītāji
Filins-Matthews sacīja, ka uzņēmumi var atrisināt problēmas tikai ar AI, ja viņi ir izveidojuši spēcīgu pamatā esošo mākoņu infrastruktūru.
“Ir tik daudz lietošanas gadījumu, kad ieguvums kļūst skaidrs, jo mēs esam devušies šajā ceļojumā,” viņš teica.
“Mēs noteikti atrodamies lēmumu pieņemšanas laikmetā AI, kas iespējota. Bet galvenais man ir tas, ka jūs nevarat aizmirst tos citus pamatelementus. Jūs nevarat būt pirmais, ja neesat pirmais mākonis.”
2. Vai esmu pievērsusies datu pārvaldības bažām?
Truist vairumtirdzniecības banku galvenais datu virsnieks Amit Patel sacīja, ka viņš ir iemācījies divas galvenās mācības, sākot no AI lietošanas gadījumiem.
Pirmais bija pamatā esošā datu fonda nozīme.
“Mums kā bankai ir jāpierāda:” Kur radušies dati? Vai tas ir pareizi? Vai tas ir regulēts? Vai man ir cilts? Vai man ir metadati? Vai man ir datu kvalitātes pārbaudes? ” Man šie punkti ir jāpierāda ārējam regulatoram, “viņš teica.
“Es nevaru vienkārši atbrīvot lielu valodas modeli (LLM) savvaļā, vai ne? Un es to nevaru norādīt tikai uz jebkuriem avotiem, kas man ir iekšēji. Tam ir jābūt pārvaldītam avotam. Tam ir jābūt pilnvarotam nodrošināšanas punktam.”
Arī: šis bezmaksas Google rīks pārvērš AI par jūsu pētniecības palīgu
Patels sacīja, ka šī uzmanība uz regulētajiem avotiem palīdzēja noskaidrot kopīgu CDO problēmas punktu: sakārtot jūsu datus.
“Šajā procesā esmu atklājis, ka man nav tik daudz uzticamu avotu, kā es gribētu norādīt,” viņš teica. “Man vispirms ir jāatstāj šis pamats, un tad es varu uzcelt virsū.”
Patels sacīja, ka otrā lieta, ko viņš uzzināja, ir tas, ka cilvēki, kuri mājās izmanto AI, pieņem, ka LLMS būs viegli izvietot uzņēmuma vidē.
“Tas nav tik vienkārši,” viņš teica. “Jums ir jādefinē apsardzes pasākumi ap to, ko modeļi var aplūkot. Jums vajadzētu definēt metadatus, lai vadītu modeļu interpretāciju. Un šis process prasa laiku.”
Arī: Vai jūsu bizness ir gatavs? 5 veidi, kā izvairīties no atpaliekšanas
Patels sacīja, ka viņa komanda ir pievērsusies personāla nepareiziem priekšstatiem par laiku, lai izmantotu AI, izmantojot cerību noteikšanas vingrinājumus.
“Tā kā mēs esam sākuši iespējot lietošanas gadījumus, cilvēki ir sākuši saprast, ka tas nav tik vienkārši kā procesa un klikšķa process,” viņš teica.
“Lai arī tehnoloģiju ieviešana ir ātrāka nekā tā bija agrāk, tā joprojām ir izaicinoša, un tas prasa laiku un pārdomā, kā jūs ievietojat pārvaldību un struktūru ap AI, pirms to iespējojat darbam.”
3. Kāda ir manu rezultātu kvalitāte?
Anahita Tafvizi, Snowflake galvenā datu un analītiskā virsniece, sacīja, ka viņas komanda palīdz tehnoloģiju uzņēmumam attīstīt produktus, kurus klienti izmanto AI.
Tomēr Tafvizi sacīja, ka viņas uzņēmums ne tikai pārdod šos produktus – organizācija arī eksperimentē ar šīm tehnoloģijām.
“Interesanta lieta, ka tā ir CDO datu uzņēmumā, ir tā, ka es saņemu privilēģiju būt pašam mūsu produktu pirmajam klientam,” viņa sacīja.
Tafvizi pievērsa uzmanību Snowflake Intelligence – Summit uzsāktai tehnoloģijai, kas ļauj biznesa lietotājiem izveidot datu aģentus.
Arī: 2025. gada 20 labākie AI rīki – un Nr. 1, kas jāatceras, kad tos izmantojat
Viņas komanda cieši sadarbojās ar produktu komandu, lai izstrādātu AI iespējotu palīgu iekšējā pārdošanas organizācijā.
Viņa atzina, ka jaunu AI rīku ieviešana rada izaicinājumus, it īpaši, ja runa ir par inovācijas ātruma līdzsvarošanu ar pārvaldības prasībām.
Viens būtisks apsvērums ir kvalitāte. Tā kā viņas komanda piespieda rīku pārdošanas komandai, viņi apdomāja svarīgus jautājumus, piemēram, “Vai 95% kvalitāte ir pietiekami laba?”
Tafvizi ieteica citiem biznesa vadītājiem rūpīgi domāt par šiem izaicinājumiem, jo personālam ir jāuzticas AI eksperimenta rezultātiem.
“Koncentrēšanās uz kvalitāti mums ir bijusi svarīga,” viņa sacīja. “Kritiski ir arī pareizās pārvaldības struktūras, piekļuves kontroles, cilts, metadati un semantiskie modeļi. Mēs pastāvīgi domājam par šīm lietām kā daļu no spriedzes starp inovācijām un ātrumu.”
4. Vai esmu apsvēris neparedzētus ieguvumus?
Finanšu tehnoloģiju speciālista TS Imagine galvenais datu un analītikas inspektors Tomass Boķenskis sacīja, ka viņa uzņēmums kopš 2023. gada oktobra ir izmantojis AI, lai samazinātu darbinieku darba slodzi.
Tomēr, lai arī AI uzmanības centrā bieži ir manuālu procesu automatizēšana, viņa pieredze liek domāt, ka biznesa vadītājiem vajadzētu atpazīt tehnoloģiju, tas rada arī citas priekšrocības.
“AI izmantošana nozīmē ne tikai centienu samazināšanu,” viņš teica. “Jums jādara viss ātrāk, labāk, un jums ir arī neticami uzlabojumi.”
Viņš paskaidroja, kā TS iedomājieties, ka pērk datus no specializētajiem pārdevējiem, kuri sūta e -pastus par gaidāmajām produktu izmaiņām.
Arī: 10 stratēģijas Openai izmanto, lai izveidotu spēcīgus AI aģentus – jums arī jāizmanto
Uzņēmums gadā saņem 100 000 no šiem e -pastiem. Katrs e -pasts ir jālasa un jāizprot tā ietekme. Tradicionāli šis darba intensīvais process ir patērējis vidēji divarpus pilna laika ekvivalentus gadā.
“Tas ir saspringts, jo jūs nevarat pieļaut kļūdas,” viņš teica. “Ja mēs nokavējam informāciju e -pastā, mūsu sistēmas samazināsies. Tūkstošiem tirgotāju nevar tirgoties un tūkstošiem riska pārvaldītāju nevar novērtēt to iedarbību, tāpēc tas ir potenciāli katastrofāls.”
Lai izvairītos no šī scenārija, Boderski sacīja, ka uzņēmums izmanto Snowflake AI modeļus, lai pabeigtu šo laiku intensīvu darbu.
“Tagad mēs nekad nepalaižam garām rezultātu,” viņš teica. “Šie divarpus pilna laika ekvivalenti var veikt zināšanu darbu, nevis manuālu datu veidošanu vai ieeju.”
Boderski sacīja, ka AI var arī pārvaldīt to, kas iepriekš bija vāja vieta: sestdienās tiek izskatīti klientu pieprasījumi.
“Tajās dienās neviens nedarbojās. Tagad ir AI, un viņa atbildēs uz klientu jautājumiem un piešķirs biļeti īstajai personai,” viņš sacīja.
Vai vēlaties vairāk stāstu par AI? Reģistrējieties inovācijāmmūsu iknedēļas biļetens.
