Η προσέγγιση της IBM στην τεχνητή νοημοσύνη: Οπτιμισμός και προσοχή

Η στρατηγική του Matt Lyteson για την τεχνητή νοημοσύνη

Όπως πολλοί διευθυντές πληροφορικής, ο CIO της IBM, Matt Lyteson, προσεγγίζει την τεχνητή νοημοσύνη με προσοχή αλλά και αισιοδοξία. Σε πρόσφατη διαδικτυακή συνέντευξη, ο Lyteson τόνισε ότι κανένας CIO δεν μπορεί να αλλάζει κατεύθυνση με κάθε νέα τάση, όμως η τεχνητή νοημοσύνη δεν είναι απλώς μια παροδική μόδα. “Η προσέγγισή μου στην τεχνητή νοημοσύνη περιλαμβάνει την παραδοσιακή AI, τη γενετική AI, την agentic AI και την αυτοματοποίηση επιχειρήσεων – χρησιμοποιώντας όλα αυτά τα εργαλεία σε συνδυασμό για να μεταμορφώσουμε την IBM σε ένα ψηφιακό επιχειρησιακό μοντέλο,” εξηγεί ο Lyteson. “Παρά τις απίστευτες νέες δυνατότητες της AI, ένα πράγμα παραμένει αμετάβλητο – είναι καλύτερο να έχουμε μια ολιστική προσέγγιση παρά απλώς να εφαρμόζουμε ένα ακόμη εργαλείο.”

Η δύναμη της γενετικής τεχνητής νοημοσύνης

Ο Lyteson σημειώνει ότι η γενετική τεχνητή νοημοσύνη έχει τη δυνατότητα να επηρεάσει κάθε τομέα επιχειρηματικής δραστηριότητας. “Από μόνη της μπορεί να είναι ένα αμβλύ εργαλείο – ένα σφυρί για τη δουλειά ενός σκαρπέλου.” Για να αξιοποιηθεί πλήρως η γενετική AI, πιστεύει ότι οι νέοι χρήστες πρέπει να επικεντρωθούν στους συγκεκριμένους τομείς της επιχείρησης που είναι έτοιμοι για μετασχηματισμό.

Ένα αρχικό έργο

Το πρώτο έργο AI του Lyteson ήταν η ανάπτυξη γενετικής AI, εκπαιδευμένης με τα δεδομένα της ίδιας της εταιρείας, για όλο το εργατικό δυναμικό, με ασφαλή και αξιόπιστο τρόπο. “Ήδη είχαμε αρκετούς βοηθούς και αυτοματοποιήσεις με AI, και οι χρήστες ήταν εξοικειωμένοι με αυτά για συγκεκριμένες εργασίες ή λειτουργίες,” εξηγεί. Αν και σχετικά απλό και χωρίς επιπλοκές, το νέο έργο αντιπροσώπευε ένα σημαντικό βήμα προς τα εμπρός, παρέχοντας μια γενική, εταιρική λύση με γενετικές δυνατότητες προσαρμοσμένες στο πλαίσιο.

Προγραμματισμός και υλοποίηση

Η επιτυχής υλοποίηση της AI απαιτεί προσεκτικό σχεδιασμό από την αρχή, λέει ο Lyteson. “Το σχέδιό μας ξεκίνησε με τη συγκέντρωση των βασικών ενδιαφερόμενων μερών και την εστίαση σε σαφείς στόχους,” εξηγεί. “Δεν επιτρέψαμε την επέκταση του έργου πέρα από τον αρχικό του σκοπό και αποφύγαμε την είσοδο σε πολύπλοκα περιβάλλοντα χωρίς συγκεκριμένο σχέδιο.”

Αναμενόμενα αποτελέσματα

Ο Lyteson επισημαίνει ότι το έργο είχε ως στόχο να αναδείξει το απίστευτο δυναμικό της γενετικής AI σε όλο το εύρος των εργαζομένων της IBM – πάνω από 200.000 άτομα που εργάζονται σε διάφορους τομείς παγκοσμίως. “Αυτό ήταν ένα βασικό πρώτο βήμα για να γίνει η AI ένας ενισχυτής, και τώρα έχουμε αναπτύξει περισσότερους AI-powered agents και αυτοματισμούς επιχειρήσεων σε όλη την επιχείρηση.”

Μαθήματα και προκλήσεις

Ο Lyteson σημειώνει ότι ήταν ενδιαφέρον να δει πώς η γενετική AI συχνά παρέχει μη καθοριστικές απαντήσεις όταν ορισμένες επιχειρηματικές λειτουργίες απαιτούν απολύτως καθοριστικές απαντήσεις. “Αυτό ήταν ένα σημαντικό μάθημα για εμάς,” λέει. “Ως αποτέλεσμα, λάβαμε μέτρα για να βοηθήσουμε τις διάφορες βάσεις χρηστών μας να κατανοήσουν το ζήτημα – παρέχοντας εκπαίδευση και ενσωματώνοντας το σωστό μήνυμα στη διεπαφή χρήστη.”

Τελικές σκέψεις

Ένα τέτοιο έργο θα πρέπει να είναι βασικό για κάθε CIO, λέει ο Lyteson. “Η μάθηση για την έναρξη έργων AI, η γρήγορη πειραματική διαδικασία και η αξιοποίηση των δεδομένων είναι το κλειδί για τη συνεχή επιτυχία,” παρατηρεί. “Αυτό ήταν ένα όμορφο παράδειγμα όλων αυτών των στοιχείων συνδυασμένων σε ένα πακέτο.”