Zadnjih osemnajst mesecev sem preživel v pogovorih z ustanovitelji, direktorji in preobremenjenimi operativnimi vodji, ki vsi pravijo nekaj podobnega: "V ekipo smo uvedli ChatGPT, vendar ne vidimo tiste 'transformacije', ki so jo vsi obljubljali." Ko pogledam pod pokrov njihove strategije UI za MSP, običajno najdem istega krivca. Svojo prihodnost gradijo na temeljih generične inteligence, s čimer nevede ustvarjajo ogromno novega tehničnega dolga.
V zgodnjih dneh katerega koli tehnološkega premika je že sama prisotnost dovolj za prednost. Leta 1995 je bila strategija imeti spletno stran. Leta 2010 je bila strategija imeti aplikacijo. Danes mnogi lastniki podjetij verjamejo, da je omogočanje dostopa osebju do velikih jezikovnih modelov (LLM) že strategija UI. Ni. To je pripomoček – kot bi jim dali prenosni računalnik ali telefonski priključek.
Prava razlika ni v modelu, ki ga uporabljate; temveč v specifični inteligenci, ki jo zgradite okoli njega. Če uporabljate ista orodja z istimi generičnimi pozivi kot vaši konkurenti, drvite naravnost v to, čemur pravim Morje enakosti – kraj, kjer je vaše trženje slišati kot vsa ostala, vaša podpora strankam je enako vljudna, a hkrati enako ohlapna, vaša operativna učinkovitost pa zadene ob trd strop, ker UI dejansko ne "pozna" vašega podjetja.
Meja pozivov in vzpon sintetične enakosti
💡 Želite, da Penny analizira vaše podjetje? Načrtuje, katere vloge lahko umetna inteligenca nadomesti, in sestavi načrt po fazah. Začnite z brezplačnim preizkusom →
Večina podjetij je trenutno obtičala pri meji pozivov (Prompt Ceiling). To je točka, kjer ne glede na to, kako močno "inženirate" poziv, izhod ostaja generičen, saj UI črpa iz svetovnih podatkov, ne pa iz vaših podatkov.
Pred kratkim sem delal z butičnim svetovalnim podjetjem, ki je uporabljalo UI za pripravo osnutkov projektnih predlogov. Bili so razočarani, ker so se osnutki zdeli "brez duše". Imeli so prav. UI je vedela, kako napisati predlog, ni pa poznala specifične metodologije podjetja, njihove 10-letne zgodovine uspešnih zgodb ali specifičnega načina, kako govorijo o donosnosti naložbe (ROI). Z uporabo generične UI so trpeli za sindromom sintetične enakosti – njihova edinstvena konkurenčna prednost se je pretvorila v pusto, z UI ustvarjeno zmes.
Ko gledam na prihranke v strokovnih storitvah, ki so možni, največje zmage ne pridejo zaradi hitrejšega pisanja e-pošte. Pridejo zaradi uporabe UI za sintezo celotne zgodovine uspešnih rezultatov podjetja za napovedovanje naslednjega. To je specifična inteligenca.
Definiranje jarka 'specifične inteligence'
Torej, kaj je jarek "specifične inteligence"? To je proces utemeljitve močnega, generičnega modela (kot sta Claude ali GPT-4) na vaših lastniških, zgodovinskih podatkih. Gre za premik od "UI, ki ve vse" k "UI, ki ve vse o vas".
Pri tisočih podjetjih sem opazil ponavljajoč se vzorec: pravilo gravitacije podatkov. To pravilo pravi, da je vrednost implementacije UI neposredno sorazmerna z njeno bližino vašim zgodovinskim zapisom.
- Generična inteligenca: Prosite UI, naj napiše politiko vračil na podlagi splošnih najboljših praks.
- Specifična inteligenca: Prosite UI, naj napiše politiko vračil na podlagi vaših zadnjih 5.000 zapisov storitev za stranke, vaših podatkov o odlivu strank v zadnjih treh letih in vaših specifičnih smernic za ton znamke.
Prvi primer ustvari dokument. Drugi ustvari strateško sredstvo. Če se sprašujete, kako se to primerja s tradicionalnimi nasveti, si lahko ogledate, kako se kosam s standardnim poslovnim svetovalcem pri krmarjenju skozi te tehnične premike.
Zakaj je generična UI novi tehnični dolg
Pri razvoju programske opreme je tehnični dolg implicitni strošek dodatne dodelave, ki nastane zaradi izbire enostavne (vendar omejene) rešitve zdaj, namesto uporabe boljšega pristopa, ki bi trajal dlje.
Uvedba generične strategije UI za MSP se danes zdi kot zmaga, ker je hitra. Vendar s tem gradite goro dolga. Zakaj? Ker vaša ekipa gradi delovne tokove okoli "pustih" izhodov. Učijo se biti uredniki povprečnosti, namesto da bi bili arhitekti specifične vrednosti.
Na koncu boste morali te delovne tokove razveljaviti, da boste vanje vključili svoje podatke. Ponovno boste morali usposobiti osebje. Očistiti boste morali neurejene podatke, ki ste jih ignorirali. Dlje ko čakate, da svojo UI utemeljite v svojem specifičnem poslovnem kontekstu, težji (in dražji) bo prehod.
Okvir jarka inteligence (Intelligence Moat Framework)
Za pomoč podjetjem, ki jih vodim, sem razvil Okvir jarka inteligence. To je lestvica treh korakov za prehod od generične uporabnosti do lastniške prednosti.
1. raven: Avtomatizacija nalog (Raven uporabnosti)
Tu se nahaja večina MSP. UI uporabljate za povzetke sestankov, pripravo e-pošte ali generiranje slik. To prihrani čas, vendar ne nudi nobene konkurenčne prednosti, saj vaši konkurenti počnejo popolnoma isto za popolnoma isto ceno. To je surovina.
2. raven: Integracija procesov (Raven delovnega toka)
Tu začnete povezovati UI s svojimi orodji. Uporabljate Zapier ali Make za sprožitev dejanj UI na podlagi dogodkov v vašem CRM-ju. To je bolje. Ustvarja učinkovitost. Na primer, v kreativnih industrijah bi to lahko bil avtomatiziran delovni tok, ki vzame navodila naročnika in samodejno generira moodboard projekta na podlagi zadnjih treh nagrajenih kampanj agencije.
3. raven: Utemeljitev znanja (Raven jarka)
To je sveti gral. Tu uporabljate tehnologije, kot je RAG (generiranje z izboljšanim iskanjem), da zagotovite, da je primarni vir resnice za UI vaša interna dokumentacija, podatki o preteklih projektih, finančna zgodovina in povratne informacije strank. Na tej ravni UI ni le orodje; je digitalni dvojček vašega institucionalnega spomina.
Medindustrijski vzorci: Kaj se lahko naučimo
To se odvija različno glede na sektor, vendar je osnovna logika identična.
V zdravstvu z UI ne zmagujejo tista podjetja, ki jo uporabljajo za pisanje zapiskov o pacientih. Zmagujejo tista, ki UI utemeljujejo na specifičnih rezultatih pacientov in lokalnih kliničnih poteh, da zagotovijo "specifično inteligenco" o diagnostičnih tveganjih.
V trgovini na drobno je "morje enakosti" najbolj opazno v opisih izdelkov. Vsaka trgovina Shopify ima zdaj enaka besedila, ki jih je napisala UI. Zmagovalci? Tisti, ki svojo UI utemeljujejo na specifičnih podatkih o ocenah strank, da izpostavijo točno tiste prednosti, ki so njihovim dejanskim strankam pomembne, z uporabo jezika, ki ga njihove stranke dejansko uporabljajo.
Kako začeti graditi svoj jarek
Če ste preobremenjeni, ne poskušajte zgraditi digitalnega dvojčka celotnega podjetja do petka. Začnite majhno, vendar začnite s kontekstom.
- Določite svoj visokovredni kontekst: Kateri je tisti nabor podatkov, ki ga imate vi, vaši konkurenti pa ne? Je to zgodovina vaših projektov? Vaša specifična logika določanja cen? Vaše povratne informacije strank?
- Prenehajte z 'inženiringom pozivov' in začnite s 'kontekstnim inženiringom': Namesto da poskušate napisati popoln poziv na petih straneh, poglejte, kako lahko UI ponudite 20 primerov tega, kaj pomeni "dobro", iz vaših lastnih arhivov.
- Pravilo 90/10: Lastnikom podjetij pogosto povem, da ko UI lahko opravi 90 % funkcije z uporabo generične inteligence, preostalih 10 % (človeški nadzor, utemeljen v specifičnem kontekstu podjetja) postane najdragocenejši del vloge. Vprašajte se: ali je teh 10 % celotna delovna vloga ali je to odgovornost, ki se vključi v drug položaj?
Zaključna misel s terena
Vrzel med tem, kar je z UI mogoče, in tem, kar počne povprečno MSP, se povečuje. Vendar je vrzel med generično UI in specifično inteligenco tista, kjer se bodo oblikovali tržni voditelji naslednjega desetletja.
Ne zadovoljite se s tem, da ste najhitrejši uporabnik generičnega orodja. Bodite arhitekt sistema, ki pozna vaše podjetje bolje, kot bi ga kateri koli splošni model kdaj koli lahko. Tako boste UI spremenili iz stroškovne postavke v strukturno prednost.
Kaj bi se spremenilo v vašem podjetju, če bi vaša UI poznala vsak uspeh in neuspeh, ki ste ga imeli v zadnjih petih letih? To je točka, kjer bi morali začeti pogovor.