🧰 IBM ເປີດຕົວ “Enterprise Advantage” ເພື່ອຊ່ວຍໃຫ້ທຸລະກິດຕ່າງໆຂະຫຍາຍການນຳໃຊ້ AI ຕົວແທນ ↗
IBM ກຳລັງສະເໜີເສັ້ນທາງ "ເນັ້ນໃສ່ແພລດຟອມກ່ອນ" ຫຼາຍຂຶ້ນເພື່ອນຳໃຊ້ AI ແບບຕົວແທນພາຍໃນອົງກອນໃຫຍ່ໆ - ການສາທິດແບບວິທະຍາສາດໜ້ອຍລົງ, ລະບົບທໍ່ນ້ຳທີ່ມີການຄຸ້ມຄອງຫຼາຍຂຶ້ນ. ແນວຄວາມຄິດແມ່ນເພື່ອນຳໃຊ້ຊັບສິນຄືນໃໝ່, ມາດຕະຖານວິທີການສ້າງທີມງານ, ແລະ ປ້ອງກັນບໍ່ໃຫ້ທຸກພະແນກສ້າງອານາຈັກ AI ຂະໜາດນ້ອຍຂອງຕົນເອງ.
ພວກເຂົາຍັງມຸ່ງໝັ້ນຢ່າງໜັກແໜ້ນໃສ່ “ການປັບຕົວເຂົ້າກັບສິ່ງທີ່ເຈົ້າໃຊ້ຢູ່ແລ້ວ” ແທນທີ່ຈະຮຽກຮ້ອງໃຫ້ມີການສ້າງໃໝ່ທັງໝົດ, ເຊິ່ງຟັງແລ້ວເຮັດໃຫ້ໝັ້ນໃຈຈົນກວ່າເຈົ້າຈະໄດ້ພົບກັບລະບົບເກົ່າໆ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ເຈດຕະນາແມ່ນຈະແຈ້ງ: ເຮັດໃຫ້ການເປີດຕົວຕົວແທນສາມາດເຮັດຊ້ຳໄດ້, ບໍ່ແມ່ນການປັບແຕ່ງຕາມຄວາມຕ້ອງການ.
🧭 e& ແລະ IBM ຝັງ AI ຕົວແທນເຂົ້າໃນຂະບວນການຄຸ້ມຄອງ ແລະ ການປະຕິບັດຕາມກົດລະບຽບ ↗
ອັນນີ້ໃຊ້ “ການສົນທະນາກັບບອທ໌” ໜ້ອຍລົງ ແລະ ໃຊ້ “ປັນຍາປະດິດທີ່ອາໄສຢູ່ໃນກົນໄກຄວາມສ່ຽງ ແລະ ການປະຕິບັດຕາມຂອງເຈົ້າ” ຫຼາຍຂຶ້ນ - ສະຖານທີ່ທີ່ບໍ່ໜ້າສົນໃຈບ່ອນທີ່ຄວາມຜິດພາດມີລາຄາແພງ ແລະ ໄວ. ການສະເໜີແມ່ນລະບົບອັດຕະໂນມັດແບບຕົວແທນ, ມີການປ້ອງກັນ ແລະ ການຕິດຕາມທີ່ຖັກແສ່ວມາຕັ້ງແຕ່ເລີ່ມຕົ້ນ.
ພວກເຂົາກຳລັງວາງກອບມັນເປັນການປ່ຽນຈາກຜູ້ຊ່ວຍທີ່ຕອບຄຳຖາມໄປສູ່ຕົວແທນທີ່ປະຕິບັດຂັ້ນຕອນຕ່າງໆ, ພາຍໃຕ້ການຄວບຄຸມທີ່ເຂັ້ມງວດ. ນັ້ນມີພະລັງຫຼາຍ - ແລະຍັງເປັນສ່ວນທີ່ເຮັດໃຫ້ຄົນນັ່ງຕົວຊື່ຂຶ້ນອີກ.
📈 ການສຶກສາຂອງ IBM ກ່າວວ່າ AI ພ້ອມແລ້ວທີ່ຈະຊຸກຍູ້ການເຕີບໂຕຂອງທຸລະກິດທີ່ສະຫຼາດກວ່າໄປຮອດປີ 2030 ↗
ການສຳຫຼວດຂອງຜູ້ບໍລິຫານຂອງ IBM ໂດຍພື້ນຖານແລ້ວກ່າວວ່າ: ບໍລິສັດຕ່າງໆຄາດຫວັງວ່າ AI ຈະກ້າວໄປໄກກວ່າການຊະນະດ້ານປະສິດທິພາບໄປສູ່ການເຕີບໂຕທີ່ແທ້ຈິງ, ແຕ່ຜູ້ນຳຫຼາຍຄົນຍັງບໍ່ມີແຜນການທີ່ຊັດເຈນສຳລັບບ່ອນທີ່ມູນຄ່າຈະຕົກຢູ່. ຄວາມຂັດແຍ້ງນັ້ນຮູ້ສຶກສະບາຍໃຈຢ່າງແປກປະຫຼາດ - ມັນບໍ່ແມ່ນແຕ່ທ່ານເທົ່ານັ້ນ.
ຫົວຂໍ້ໃຫຍ່ແມ່ນການເຊື່ອມໂຍງ: “AI ຢູ່ຂ້າງຄຽງ” ບໍ່ໄດ້ປ່ຽນແປງຫຼາຍ. ນອກຈາກນີ້ຍັງມີການຊຸກຍູ້ຢ່າງງຽບໆໄປສູ່ຍຸດທະສາດຫຼາຍຮູບແບບ ແລະ ຮູບແບບຂະໜາດນ້ອຍກວ່າເຮັດວຽກໄດ້ຫຼາຍກວ່າ, ເຊິ່ງອ່ານຄືກັບບາດກ້າວທີ່ເປັນປະໂຫຍດຫ່າງຈາກການຂະຫຍາຍຂະໜາດຢ່າງແທ້ຈິງ... ຫຼື ເບິ່ງຄືວ່າເປັນແນວນັ້ນ.
🎓 ມະຫາວິທະຍາໄລແມນເຊສເຕີ ແລະ ໄມໂຄຣຊອບ ປະກາດການຮ່ວມມືດ້ານ AI ຄັ້ງທຳອິດຂອງໂລກ ↗
ເມືອງແມນເຊສເຕີກ່າວວ່າມັນກຳລັງຈະກາຍເປັນສາກົນ: ການເຂົ້າເຖິງ Microsoft 365 Copilot ບວກກັບການຝຶກອົບຮົມສຳລັບພະນັກງານ ແລະ ນັກສຶກສາທຸກຄົນ. ການວາງກອບແມ່ນອີງໃສ່ທັກສະ, ຄວາມສະເໝີພາບ ແລະ ການນຳໃຊ້ທີ່ມີຄວາມຮັບຜິດຊອບ - ບໍ່ພຽງແຕ່ "ຜົນຜະລິດທີ່ດີເທົ່ານັ້ນ".
ໃນທາງປະຕິບັດ, ນັ້ນອາດໝາຍເຖິງຊ່ອງຫວ່າງໜ້ອຍລົງຂອງ “ບາງຄົນຮູ້ເຄື່ອງມື, ຄົນອື່ນບໍ່ຮູ້”. ຫຼືມັນອາດຈະໝາຍເຖິງນະໂຍບາຍຫຼາຍຢ່າງ, ການໂຕ້ວາທີຫຼາຍຢ່າງ, ແລະສຸດທ້າຍ - ມາດຕະຖານທົ່ວວິທະຍາເຂດທີ່ສອດຄ່ອງກັນຫຼາຍຂຶ້ນ.
🧑💼 ປັນຍາປະດິດ (AI) ຈະທົດແທນວຽກເຮັດງານທຳບໍ? ບົດລາຍງານ Anthropic ພົບວ່າຄຳຕອບບໍ່ແມ່ນເລື່ອງງ່າຍ ↗
ວຽກງານຂອງ Anthropic ຢູ່ທີ່ນີ້ (ຜ່ານວິທີທີ່ຄົນໃຊ້ Claude ໃນການປະຕິບັດ) ຊີ້ໃຫ້ເຫັນວ່າ AI ເປັນ "ຜູ້ຊ່ວຍວຽກງານ" ຫຼາຍກວ່າ "ການລຶບວຽກ" ໃນປະຈຸບັນ. ຜູ້ຄົນກຳລັງໂອນວຽກບາງສ່ວນອອກ, ບໍ່ແມ່ນການມອບໝາຍໜ້າທີ່ທັງໝົດ.
ສິ່ງທີ່ໜ້າສົນໃຈແມ່ນຄວາມແຕກຕ່າງເລັກນ້ອຍ: ຜົນກະທົບແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍໄປຕາມອາຊີບ ແລະ ສ່ວນໃດຂອງວຽກທີ່ສາມາດເຮັດວຽກໂດຍອັດຕະໂນມັດໄດ້. ມັນຄືກັບການພະຍາຍາມຄາດຄະເນພາຍຸໂດຍການເບິ່ງເມກກ້ອນດຽວ - ທ່ານສາມາດເຫັນບາງສິ່ງບາງຢ່າງ, ແຕ່ບໍ່ແມ່ນລະບົບສະພາບອາກາດທັງໝົດ.
🧪 ຫຼັກການ AI ຮ່ວມກັນຂອງ EU ແລະ ສະຫະລັດ ສຳລັບອຸດສາຫະກຳຢາ ↗
ຜູ້ຄວບຄຸມຢາຂອງ EU ແລະ ສະຫະລັດ ເຫັນດີເປັນເອກະພາບກັນກ່ຽວກັບຫຼັກການຮ່ວມກັນສຳລັບ "ການຄຸ້ມຄອງ AI ທີ່ດີ" ໃນພື້ນທີ່ວິທະຍາສາດຊີວິດ - ຄິດເຖິງການຕິດຕາມກວດກາ, ການຄຸ້ມຄອງຄວາມສ່ຽງ, ແລະ ຄວາມຮັບຜິດຊອບທີ່ຊັດເຈນກວ່າ. ບໍ່ແມ່ນເລື່ອງທີ່ໜ້າຕື່ນເຕັ້ນ, ແຕ່ມັນເປັນສິ່ງທີ່ສ້າງຮູບຮ່າງຢ່າງງຽບໆໃນສິ່ງທີ່ຖືກສ້າງຂຶ້ນ.
ຈຸດສຳຄັນແມ່ນໂດຍພື້ນຖານແລ້ວ: ແນ່ນອນ, ໃຫ້ໃຊ້ AI, ແຕ່ເຮັດໃຫ້ມັນສາມາດກວດສອບໄດ້ຢ່າງໜ້າເບື່ອ ແລະ ໂປ່ງໃສກ່ຽວກັບບ່ອນທີ່ມັນເໝາະສົມ, ມັນໃຊ້ເພື່ອຫຍັງ, ແລະ ໃຜຮັບຜິດຊອບເມື່ອມັນໄປຂ້າງໆ.
ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ
ການບໍລິການ Enterprise Advantage ຂອງ IBM ສຳລັບ AI ແບບຕົວແທນແມ່ນຫຍັງ?
“ຂໍ້ໄດ້ປຽບຂອງວິສາຫະກິດ” ຂອງ IBM ຖືກນຳສະເໜີໃຫ້ເປັນເສັ້ນທາງທີ່ເນັ້ນໃສ່ແພລດຟອມກ່ອນເພື່ອນຳໃຊ້ AI ແບບຕົວແທນໃນທົ່ວອົງກອນຂະໜາດໃຫຍ່, ໂດຍບໍ່ປະຕິບັດຕໍ່ການນຳໃຊ້ແຕ່ລະຄັ້ງເປັນການລິເລີ່ມທີ່ສ້າງຂຶ້ນເປັນພິເສດ ແລະ ເຮັດຄັ້ງດຽວ. ຈຸດສຸມແມ່ນຢູ່ທີ່ການນຳໃຊ້ຊັບສິນຮ່ວມກັນຄືນໃໝ່, ການມາດຕະຖານວິທີການສ້າງຕົວແທນຂອງທີມງານ, ແລະ ການຫຼີກລ່ຽງການແບ່ງແຍກແບບ “ແຕ່ລະພະແນກ”. ມັນຍັງເນັ້ນໜັກເຖິງການປັບຕົວເຂົ້າກັບສະພາບແວດລ້ອມທີ່ມີຢູ່ແລ້ວແທນທີ່ຈະຮຽກຮ້ອງໃຫ້ມີການກໍ່ສ້າງຄືນໃໝ່ຢ່າງເຕັມທີ່, ໂດຍມີຈຸດປະສົງເພື່ອເຮັດໃຫ້ການເປີດຕົວສາມາດເຮັດຊ້ຳໄດ້, ຄວບຄຸມໄດ້, ແລະ ງ່າຍຕໍ່ການຂະຫຍາຍ.
AI ແບບຕົວແທນແຕກຕ່າງຈາກ chatbot ຫຼື ຜູ້ຊ່ວຍ AI ເຊັ່ນ Copilot ແນວໃດ?
ປັນຍາປະດິດແບບຕົວແທນ (Agent AI) ຖືກກຳນົດວ່າເປັນ "ການຕອບຄຳຖາມ" ໜ້ອຍກວ່າ ແລະ ເປັນການ "ປະຕິບັດຂັ້ນຕອນຕ່າງໆ" ພາຍໃນຂະບວນການເຮັດວຽກ. ແທນທີ່ຈະຢຸດຢູ່ທີ່ຄຳແນະນຳ, ຕົວແທນສາມາດປະຕິບັດການກະທຳຕ່າງໆພາຍໃຕ້ກົດລະບຽບທີ່ໄດ້ກຳນົດໄວ້. ການປ່ຽນແປງດັ່ງກ່າວເຮັດໃຫ້ເກີດຄວາມສ່ຽງ, ຊຶ່ງເປັນເຫດຜົນທີ່ການສົ່ງຂໍ້ຄວາມອີງໃສ່ລະບົບປ້ອງກັນ, ການຕິດຕາມ, ແລະ ການຄວບຄຸມຢ່າງຫຼວງຫຼາຍ - ໂດຍສະເພາະເມື່ອຕົວແທນດຳເນີນງານພາຍໃນຂະບວນການທີ່ສຳຄັນທາງທຸລະກິດ.
“platform-first” ໝາຍຄວາມວ່າແນວໃດເມື່ອຂະຫຍາຍ AI ຂອງຕົວແທນໃນທົ່ວທີມງານ?
ວິທີການທີ່ເນັ້ນໃສ່ແພລດຟອມກ່ອນໝາຍເຖິງການສ້າງພື້ນຖານຮ່ວມກັນ - ເຄື່ອງມື, ຮູບແບບ, ການຄຸ້ມຄອງ, ແລະອົງປະກອບທີ່ນຳໃຊ້ຄືນໄດ້ - ດັ່ງນັ້ນທີມງານຈຶ່ງບໍ່ໄດ້ສ້າງຄວາມສາມາດຂອງຕົວແທນດຽວກັນຄືນໃໝ່ໂດຍໂດດດ່ຽວ. ຈຸດປະສົງແມ່ນເພື່ອຫຼຸດຜ່ອນການສ້າງແບບກຳນົດເອງ ແລະ ຮັກສາການນຳໃຊ້ໃຫ້ສອດຄ່ອງກັນໃນທົ່ວພະແນກຕ່າງໆ. ໃນທາງປະຕິບັດ, ມັນແມ່ນ "ລະບົບປະປາທີ່ຖືກຄວບຄຸມ" ທີ່ຊ່ວຍໃຫ້ການເປີດຕົວຂອງຕົວແທນຂະຫຍາຍອອກໄປ, ໂດຍບໍ່ຕ້ອງໃຫ້ແຕ່ລະກຸ່ມປະກອບ AI stack ແຍກຕ່າງຫາກຂອງຕົນເອງ.
ລະບຽບການຄຸ້ມຄອງ ແລະ ການປະຕິບັດຕາມກົດລະບຽບຖືກລວມເຂົ້າໃນຂະບວນການເຮັດວຽກຂອງ AI ຕົວແທນແນວໃດ?
ຈຸດສຸມຢູ່ທີ່ນີ້ແມ່ນການເຮັດວຽກອັດຕະໂນມັດພາຍໃນເຄື່ອງຈັກທີ່ຄວບຄຸມຄວາມສ່ຽງ ແລະ ການປະຕິບັດຕາມກົດລະບຽບ, ບ່ອນທີ່ຄວາມຜິດພາດອາດຈະມີຄ່າໃຊ້ຈ່າຍສູງ. ການສະເໜີເນັ້ນໜັກເຖິງການປ້ອງກັນ ແລະ ການຕິດຕາມໄດ້ຕັ້ງແຕ່ເລີ່ມຕົ້ນ, ດັ່ງນັ້ນການກະທຳຕ່າງໆຈຶ່ງຍັງຄົງຖືກຄວບຄຸມ ແລະ ສາມາດກວດສອບໄດ້ແທນທີ່ຈະເປັນແບບ ad hoc. ສິ່ງນີ້ສອດຄ່ອງກັບການຊຸກຍູ້ທີ່ກວ້າງຂວາງຈາກຜູ້ຄວບຄຸມ - ເຊັ່ນຜູ້ຄວບຄຸມຢາຂອງ EU ແລະ ສະຫະລັດ - ໄປສູ່ຄວາມຮັບຜິດຊອບ, ການຕິດຕາມກວດກາ ແລະ ການຄຸ້ມຄອງຄວາມສ່ຽງທີ່ຊັດເຈນກວ່າສຳລັບ AI ໃນສະພາບແວດລ້ອມທີ່ມີຄວາມສ່ຽງຕໍ່ການສ່ຽງສູງ.
ການສຶກສາຂອງ IBM ໄດ້ແນະນຳຫຍັງກ່ຽວກັບ AI ທີ່ຊຸກຍູ້ການເຕີບໂຕທາງທຸລະກິດຈົນຮອດປີ 2030?
ຫົວຂໍ້ການສຳຫຼວດແມ່ນວ່າ ຜູ້ນຳຄາດຫວັງວ່າ AI ຈະກ້າວໄປໄກກວ່າຜົນປະໂຫຍດດ້ານປະສິດທິພາບໄປສູ່ຜົນໄດ້ຮັບການເຕີບໂຕທີ່ແທ້ຈິງ, ແຕ່ຫຼາຍຄົນຍັງຂາດແຜນການທີ່ຊັດເຈນສຳລັບບ່ອນທີ່ມູນຄ່າຈະມາຮອດ. ການເຊື່ອມໂຍງໄດ້ຖືກເນັ້ນໃຫ້ເຫັນ: “AI ຢູ່ຂ້າງຄຽງ” ຈະບໍ່ປ່ຽນແປງຫຼາຍຖ້າມັນບໍ່ໄດ້ຖືກຝັງຢູ່ໃນວິທີການເຮັດວຽກ. ມັນຍັງເປັນການອ້າງອີງເຖິງຍຸດທະສາດຫຼາຍຮູບແບບ, ໂດຍຮູບແບບຂະໜາດນ້ອຍກວ່າຈະຮັບເອົາວຽກງານຫຼາຍຂຶ້ນໃນການນຳໃຊ້ຕົວຈິງ.
AI ຈະທົດແທນວຽກເຮັດງານທຳ ຫຼື ສ່ວນໃຫຍ່ແມ່ນອັດຕະໂນມັດສ່ວນໜຶ່ງຂອງວຽກເຫຼົ່ານັ້ນ?
ອີງຕາມວິທີທີ່ຜູ້ຄົນໃຊ້ Claude ໃນການປະຕິບັດ (ດັ່ງທີ່ລາຍງານໂດຍ Anthropic ແລະ ໄດ້ກ່າວເຖິງຢູ່ນີ້), ຜົນກະທົບໃນປະຈຸບັນເບິ່ງຄືວ່າເປັນການຊ່ວຍເຫຼືອໃນລະດັບໜ້າວຽກຫຼາຍກວ່າການທົດແທນວຽກທັງໝົດ. ຜູ້ຄົນໂອນວຽກບາງສ່ວນອອກ, ບໍ່ແມ່ນບົດບາດທັງໝົດຕັ້ງແຕ່ຕົ້ນຈົນຈົບ. ຜົນກະທົບແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍຕາມອາຊີບ ແລະ ພາກສ່ວນໃດຂອງວຽກທີ່ເປັນອັດຕະໂນມັດ, ເຮັດໃຫ້ຜົນໄດ້ຮັບບໍ່ສະເໝີພາບ ແລະ ຂຶ້ນກັບສະພາບການສູງ.