この記事では、GenAI やその他のテクノロジーへの投資が 2024 年までにどのように変化するかについて説明します。 デジタル密度変化の 1 つは、デジタル密度を中心に展開されています。ほぼすべての大企業のテクノロジー業界は、デジタル密度が高いか低いかに分類できます。デジタル密度が高い企業は、過去 10 年間に資産の大部分をクラウドに移行することに投資してきました。 2024 年には、人々はデジタル密度の低い資産をクラウドに移行し、これらの企業は移行可能なものをすでに移行しています。残ったものは、さらなる資金が確保されるまで、しばらくそこに残ることになるでしょう。まだクラウドに移行してデジタル変革の旅に乗り出していない不動産が大量にある一方で、資金は現在逼迫しており、今後も逼迫したままになる可能性が高い。 企業は現在、投資が不足している分野に多額の投資をすることに関心がなく、より大きな価値を得るためにさらなる技術投資を行うことには意欲的ですが、ワークロードのクラウドへの移行に資金を継続的に投入することには関心がありません。 これは、企業がすでに行った投資から価値を引き出せるように IT を近代化するというものではなく、根本的な考え方の変化です。 資金調達の意思決定者GenAI は、テクノロジー投資の決定を下し、その投資の潜在的価値を決定する経営幹部の感情に変化をもたらしています。 歴史的に、投資の目的は効率性を生み出すことでした。クラウドへの移行により、テクノロジー スタック内の摩擦が効果的に軽減されます。これらの決定は IT ベースで、CEO と CFO が主導し、IT の実装、最新化、クラウドへの移行に資金を提供するよう取締役会に要求します。 対照的に、GenAI は企業が物事を異なる方法で行うことを可能にし、これらの投資の価値は効率性に基づいて判断されるのではなく、テクノロジーがビジネスに価値を生み出すことができるかどうかが問題となります。 その結果、GenAI の資金提供の決定は、ビジネス活動を担当する部門の予算担当者によって行われることが多くなっています。彼らは、前進の決定を下す前にテクノロジーに関する情報を必要とする幹部です。特定のビジネス活動を担当するビジネス リーダーは、GenAI がどのように使用されるかについて明確なビジョンを持っている必要があります。 過去 10 年間、IT 投資の差し迫った課題となってきたクラウド問題について考えてみましょう。これは主に技術的な問題であり、アプリケーションをクラウドにどう配置するかという問題です。 しかし、GenAI は主にビジネス上の問題です。これをどのように活用できるでしょうか? このツールでビジネス価値を生み出すにはどうすればよいのでしょうか? 学際的アプローチGenAI の成功には、AI やデータの専門家とその専門知識だけでは不十分であり、GenAI の価値を完全に実現するには、あるいは何らかの価値を獲得するためにも、多分野にわたるチームが必要であることがますます明らかになっています。 ツールが利用可能であること、必要な情報があること、あるいは個人がツールの使い方を知っていることだけが重要なのではありません。使用する場合は、望ましいビジネス成果を生み出すために他のテクノロジーと連携して動作する必要があります。 これはほとんどの企業にとって難しい問題です。ほとんどの企業は特定のスキルセットを採用しており、通常は複数の専門分野にわたるチームを通じて問題を解決していません。 たとえば、企業が GenAI ツールを財務および会計機能に適用する場合、チームのメンバーは財務と会計を理解する必要があり、また、これが企業内で独自に機能する方法、データの使用方法、そして AI と他のテクノロジーとの適合性を理解して、それを正常に実装できるようにする必要があります。 GenAI を実装するまでの道のりは、特定の専門知識を高度に集中して組み合わせる以上のものを必要とする、学際的な道のりです。 これは、サードパーティのサービス プロバイダーや技術サービス組織、社内 IT、外部コンサルティング、システム インテグレーターなどにとっても問題です。現在使用されているエキスパート モデルは、多分野にわたる取り組みでは機能しないか、実現が困難な場合がよくあります。 サードパーティのテクノロジー サービス プロバイダーが GenAI を取り巻く収益の波に参加したい場合は、市場への参入方法を再考する必要があります。 ベンダーや企業はさらなる投資が必要であることを認識していますが、それらの投資に対する明確な見通しを求めており、これは CIO、CTO、企業が 2024 年にテクノロジー資金の決定をどこでどのように行うかについての考え方を変えつつあることを示しています。 |
マルチエージェント経路探索 (MAPF) は、人工知能、ロボット工学、理論計算機科学、実践的オペレー...
人工知能は将来の技術開発の最前線分野として、ディープラーニング、レコメンデーションエンジン、コンピュ...
最近、復旦大学の自然言語処理チーム (FudanNLP) が LLM ベースのエージェントに関するレ...
この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...
TensorFlow 2.4 が利用可能になりました!このリリースには、新しい機能、パフォーマンス...
こんにちは、みんな。今日は、GPT-4 コード インタープリターがデータ分析、科学研究の描画、機械学...
米国の制御された核融合実験は、再び純エネルギー増加を達成しました!昨年12月14日、ローレンス・リバ...
ARMベースのハードウェア実装3DESアルゴリズムと一般的な組み込みアプリケーションの要件に応じて...
概要グラフィカル モデルは通常、問題自体に複数の相互に関連する変数があるシナリオで使用され、これらの...
ケビン・ケリー氏は「人工知能は人類社会を混乱させる次のものだ」と語った。 2020年は、全世界が前例...
[[419917]]多くの大規模医療機関は現在、デジタル化を実現するためにロボティック・プロセス・オ...
背景マルチデバイス、マルチパーソン、マルチノイズなどのさまざまな複雑なオーディオおよびビデオ通信シナ...
10年前、IBMのWatsonがクイズ番組「Jeopardy!」で優勝し、IBMは当時、「Wats...