Par Bryan Kirschner, vice-président, stratégie chez DataStax
L’une des principales conclusions de notre étude récemment publiée Rapport sur l’état de l’innovation en IA C’est à quel point les managers et les praticiens techniques étaient optimistes quant à l’IA générative qui améliore, plutôt que menace, leur carrière.
L’une des principales raisons pour lesquelles je pense qu’ils ont raison est la capacité de l’IA générative à fonctionner de manière utile en utilisant du contenu que les gens produisent déjà – ou pourraient produire assez facilement.
J’utilise ici délibérément le mot « contenu » plutôt que « données ». Toute IA prospère grâce aux données, mais les applications d’IA générative peuvent facilement être créées à partir des documents, des e-mails, des transcriptions de réunions et d’autres contenus que les travailleurs du savoir produisent naturellement.
Ceci est rendu possible par un processus appelé « générations augmentées de récupération » ou RAG. RAG fournit des modèles de langage étendus (LLM), qui constituent la base des applications d’IA générative, avec du contenu contextuel et des données en temps réel provenant de bases de données d’entreprise. (Voici une explication plus détaillée de l’importance de RAG.)
Interrogez « tout ce que vous avez fait auparavant »
Il existe un cas d’utilisation individuel et un cas d’utilisation (potentiel) en entreprise qui donnent un aperçu de la manière dont le contenu propriétaire peut générer de puissants résultats basés sur l’IA.
Le premier est celui du technologue et consultant Luke Wroblewski : «Demandez à Luc » assistant personnel. Cela permet aux gens – y compris Wroblewski lui-même ! – de poser des questions sur plus de 2 000 articles, plus de 100 vidéos et trois livres (et plus) qu’il a produits au cours de sa carrière.
Voici comment il décrit les avantages de Ask Luke réponse robuste à une question d’utilisabilité : « Il n’est pas difficile de voir comment le processus de recherche dans des milliers de fichiers, de recherche des bonnes diapositives, des horodatages dans les vidéos et des liens vers des articles m’aurait pris beaucoup plus de temps que les 10 secondes environ qu’il faut à Ask Luke. pour générer une réponse. Déjà un gros gain de productivité personnelle.
En tant que personne qui travaille également dans ce domaine depuis longtemps et qui apprécie de donner au suivant en partageant ce que j’ai appris avec les autres, être capable d’interroger instantanément et facilement « tout ce que vous avez fait auparavant » est une idée très convaincante. .
Mais au-delà du simple gain de temps et (par exemple) de la mise à niveau plus rapide des nouvelles recrues, l’IA générative offre des opportunités intrigantes pour améliorer le jeu de chacun, si vous jouez bien vos cartes en tant qu’organisation.
Mieux comprendre votre audience
Je suis un partisan de longue date de l’approche d’Amazon consistant à « travailler à rebours à partir du client » – en particulier, le faux communiqué de presse.
Le « devis client » en particulier invite au bon type de conversation « de l’extérieur vers l’intérieur » : j’ai vu un exemple souligné par la question « un client dirait-il vraiment cela ?
Il s’agit d’un mécanisme puissant qui permet aux gens de ne plus élaborer de réactions qui « sonnent bien » en interne, dans l’espoir d’obtenir le feu vert pour quelque chose qui « sonne vrai » – et pour des raisons prouvables – de la part du public qui, en fin de compte, compte. la plupart.
Cette pratique commence à paraître encore plus excitante avec l’IA générative dans le mix. Grâce à RAG, un agent d’IA générative pourrait lire le corpus de faux communiqués de presse et les commentaires et réactions réels des clients sur (par exemple) les réseaux sociaux, ainsi que les critiques et la couverture médiatique, puis fournir des conseils significatifs.
Quelles équipes ou segments surperforment ou sous-performent ? Pour certains publics, y a-t-il une tendance au dépassement ou au sous-objectif ? En examinant la réaction des consommateurs à des produits concurrents ou adjacents, un agent genAI pourrait entrer dans le mix en produisant ce qu’il penserait qu’un client dirait d’un point de vue « extérieur-intérieur » – le but n’étant pas de remplacer le jugement des chefs de produit, mais pour lancer un dialogue plus riche qui aurait été impossible auparavant.
L’IA ne cesse de s’améliorer. Tu devrais aussi.
Cela nous amène aux implications stratégiques.
La plupart des entreprises ne publient pas de communiqués de presse prospectifs, mais n’importe quelle entreprise peut créer une autre forme de contenu qui constitue un carburant unique pour l’IA générative. La plupart des individus ne créent pas autant de contenu que Wroblewski, mais de nombreuses unités commerciales ou organisations fonctionnelles le font.
Il serait insensé de parier contre l’amélioration continue des capacités de l’IA générative. Il serait sage de miser sur des personnes qui proposent des applications ingénieuses de ces capacités, en utilisant le contenu qu’elles produisent déjà ou qu’elles pourraient facilement commencer à produire.
Comme notre enquête l’a montré, les gens sont enthousiasmés par le potentiel. Il est maintenant temps de les sauvegarder avec la permission d’expérimenter et un architecture qui est prêt et capable de mettre en production toutes ses bonnes idées sans perdre de temps.
En savoir plus sur DataStax.
À propos de Bryan Kirschner:
Bryan est vice-président de la stratégie chez DataStax. Depuis plus de 20 ans, il aide de grandes organisations à élaborer et à exécuter des stratégies lorsqu’elles recherchent de nouvelles voies d’avenir et un avenir sensiblement différent de leur passé. Il se spécialise dans l’élimination de la peur, de l’incertitude et du doute de la prise de décision stratégique grâce à des données empiriques et à la détection du marché.
mars 22, 2024
Posez-vous la question : comment genAI peut-il mettre votre contenu à profit ?
Par Bryan Kirschner, vice-président, stratégie chez DataStax
L’une des principales conclusions de notre étude récemment publiée Rapport sur l’état de l’innovation en IA C’est à quel point les managers et les praticiens techniques étaient optimistes quant à l’IA générative qui améliore, plutôt que menace, leur carrière.
L’une des principales raisons pour lesquelles je pense qu’ils ont raison est la capacité de l’IA générative à fonctionner de manière utile en utilisant du contenu que les gens produisent déjà – ou pourraient produire assez facilement.
J’utilise ici délibérément le mot « contenu » plutôt que « données ». Toute IA prospère grâce aux données, mais les applications d’IA générative peuvent facilement être créées à partir des documents, des e-mails, des transcriptions de réunions et d’autres contenus que les travailleurs du savoir produisent naturellement.
Ceci est rendu possible par un processus appelé « générations augmentées de récupération » ou RAG. RAG fournit des modèles de langage étendus (LLM), qui constituent la base des applications d’IA générative, avec du contenu contextuel et des données en temps réel provenant de bases de données d’entreprise. (Voici une explication plus détaillée de l’importance de RAG.)
Interrogez « tout ce que vous avez fait auparavant »
Il existe un cas d’utilisation individuel et un cas d’utilisation (potentiel) en entreprise qui donnent un aperçu de la manière dont le contenu propriétaire peut générer de puissants résultats basés sur l’IA.
Le premier est celui du technologue et consultant Luke Wroblewski : «Demandez à Luc » assistant personnel. Cela permet aux gens – y compris Wroblewski lui-même ! – de poser des questions sur plus de 2 000 articles, plus de 100 vidéos et trois livres (et plus) qu’il a produits au cours de sa carrière.
Voici comment il décrit les avantages de Ask Luke réponse robuste à une question d’utilisabilité : « Il n’est pas difficile de voir comment le processus de recherche dans des milliers de fichiers, de recherche des bonnes diapositives, des horodatages dans les vidéos et des liens vers des articles m’aurait pris beaucoup plus de temps que les 10 secondes environ qu’il faut à Ask Luke. pour générer une réponse. Déjà un gros gain de productivité personnelle.
En tant que personne qui travaille également dans ce domaine depuis longtemps et qui apprécie de donner au suivant en partageant ce que j’ai appris avec les autres, être capable d’interroger instantanément et facilement « tout ce que vous avez fait auparavant » est une idée très convaincante. .
Mais au-delà du simple gain de temps et (par exemple) de la mise à niveau plus rapide des nouvelles recrues, l’IA générative offre des opportunités intrigantes pour améliorer le jeu de chacun, si vous jouez bien vos cartes en tant qu’organisation.
Mieux comprendre votre audience
Je suis un partisan de longue date de l’approche d’Amazon consistant à « travailler à rebours à partir du client » – en particulier, le faux communiqué de presse.
Le « devis client » en particulier invite au bon type de conversation « de l’extérieur vers l’intérieur » : j’ai vu un exemple souligné par la question « un client dirait-il vraiment cela ?
Il s’agit d’un mécanisme puissant qui permet aux gens de ne plus élaborer de réactions qui « sonnent bien » en interne, dans l’espoir d’obtenir le feu vert pour quelque chose qui « sonne vrai » – et pour des raisons prouvables – de la part du public qui, en fin de compte, compte. la plupart.
Cette pratique commence à paraître encore plus excitante avec l’IA générative dans le mix. Grâce à RAG, un agent d’IA générative pourrait lire le corpus de faux communiqués de presse et les commentaires et réactions réels des clients sur (par exemple) les réseaux sociaux, ainsi que les critiques et la couverture médiatique, puis fournir des conseils significatifs.
Quelles équipes ou segments surperforment ou sous-performent ? Pour certains publics, y a-t-il une tendance au dépassement ou au sous-objectif ? En examinant la réaction des consommateurs à des produits concurrents ou adjacents, un agent genAI pourrait entrer dans le mix en produisant ce qu’il penserait qu’un client dirait d’un point de vue « extérieur-intérieur » – le but n’étant pas de remplacer le jugement des chefs de produit, mais pour lancer un dialogue plus riche qui aurait été impossible auparavant.
L’IA ne cesse de s’améliorer. Tu devrais aussi.
Cela nous amène aux implications stratégiques.
La plupart des entreprises ne publient pas de communiqués de presse prospectifs, mais n’importe quelle entreprise peut créer une autre forme de contenu qui constitue un carburant unique pour l’IA générative. La plupart des individus ne créent pas autant de contenu que Wroblewski, mais de nombreuses unités commerciales ou organisations fonctionnelles le font.
Il serait insensé de parier contre l’amélioration continue des capacités de l’IA générative. Il serait sage de miser sur des personnes qui proposent des applications ingénieuses de ces capacités, en utilisant le contenu qu’elles produisent déjà ou qu’elles pourraient facilement commencer à produire.
Comme notre enquête l’a montré, les gens sont enthousiasmés par le potentiel. Il est maintenant temps de les sauvegarder avec la permission d’expérimenter et un architecture qui est prêt et capable de mettre en production toutes ses bonnes idées sans perdre de temps.
En savoir plus sur DataStax.
À propos de Bryan Kirschner:
Bryan est vice-président de la stratégie chez DataStax. Depuis plus de 20 ans, il aide de grandes organisations à élaborer et à exécuter des stratégies lorsqu’elles recherchent de nouvelles voies d’avenir et un avenir sensiblement différent de leur passé. Il se spécialise dans l’élimination de la peur, de l’incertitude et du doute de la prise de décision stratégique grâce à des données empiriques et à la détection du marché.
Source link
Partager :
Articles similaires