Xariant + 引导成就式 + AI + 的采用汉 _ PDFRemovePasswor

导航采用生成 AI SUKAMAL BANERJEE首席执行官前言人工智能 （ AI ） 已经改变了企业使用机器学习和智能自动化来提高组织效率的方式。虽然传统人工智能在过去几年中增强了人类的创造力 ， 但现在生成人工智能进一步帮助创造性努力并促进创新解决方案。 Gen AI 可以改变企业运营、决策和创新的方式。因此 ， 它可以提高生产力并实现跨企业职能的成本效益。Gen AI 还将极大地改变产品的设计方式以及集成到产品中的功能 ， 因为它将在整个软件生命周期中产生深远的影响 ， 从构思到开发 （ 包括越来越多地采用低代码和无代码解决方案 ） 到测试和维护。企业 - 包括 BFSI ， 医疗保健 ， 电信 ， 零售 ， 汽车 ， 高科技等在内的垂直行业 - 现在正在探索机会 ， 在整个价值链中采用生成 AI 工具和技术 ， 以引入创新方法进行研发 ， 运营 ， 数据分析和客户体验。随着 Gee AI 的快速增长以及客户和利益相关者兴趣的增加，企业发现自己不得不以更快的速度接受它的采用。然而，采用 ge AI 也带来了新的复杂性和挑战。为了释放 Gee AI 的全部潜力并最大化此类转型计划的投资，企业需要仔细评估和制定战略，以成功采用 Gee AI... 无论是优化客户体验，自动化流程还是革命性的数据分析。 最近，Xoriat 推出了其 AI 平台 ORIAN，该平台提供了各种用例和模型，使客户能够在其流程中迅速采用 AI 和 ge AI，以提高业务和运营效率并保持竞争力。该平台汇集了交钥匙行业解决方案，大型合作伙伴网络，加速器和商业就绪行业解决方案的道德设计框架。本报告提供了关键见解 ， 并为企业采用 Gene AI 以推动跨职能的有意义的转型提供了全面的路线图。鉴于其广泛的用例和跨行业的不同应用程序 ， 细致的采用策略不仅将使企业能够充分利用 Gene AI 的优势 ， 还可以减轻潜在的风险和陷阱。在一开始，确定并优先考虑战略用例，以实现每个世代 AI 的下游价值及其业务影响，使企业能够评估世代 AI 的高潜力机会。由于数据是智能企业的基础，因此企业也必须确保从数据源识别到数据策展再到数据治理的数据就绪性，以及广泛而昂贵的资源。Gene AI 的新颖性要求企业考虑进行重大的人才改革。但是 ， 除了新招聘之外 ， 组织还需要提高现有人才和利益相关者的技能 ， 以释放 Gene AI 为组织的潜力 ， 并对包括语言在内的技术堆栈进行详细的查看模型、机器学习框架、云计算服务、数据处理解决方案等。最后 ， 组织还必须认识到围绕数据集和语言模型的道德考虑因素 ， 并主动对普遍存在的风险和合规性挑战保持警惕。这对于长期成功至关重要。Ge AI 在这里，需要我们的关注。但是，鉴于其业务规模庞大，因此必须仔细考虑关键的考虑因素和先决条件，以确保成功部署以提高组织生产力，运营效率和业务增长。应该进行适当的战略分析，以评估在一代 AI 旅程结束时是否有现实的利益实现。否则，这种投资 - 在整个生命周期中实施有限且成本高昂 - 可能不是一个好选择。需要记住的另一个关键方面是一代 AI 进化的速度。今天的假设和结论在六个月内成立吗 ？ 答案很有可能是否定的。因此 ， 在 Xoriant ， 我们根据组织的业务优先级及其当前的 IT 态势创建了一个 gener AI 战略。对我们来说 ， 人工智能是 Xoriant 的中心 ； 我们的目标是利用 ORIAN 的变革性能力为客户提供非凡的成果和推动价值 ， 同时确保负责任的实践。 导航采用生成 AI成功旅程的关键因素本文档已授权XoriantAkshat Vaid, 合伙人Mayank Maria ， 副总裁 Manjul Kapoor ， 高级分析师版权所有 © 2023 ， Everest Global ， Inc. 保留所有权利。 ContentsIntroduction03什么是生成式AI?04gen AI 对软件05工程功能gen AI 的用例跨越06工业Gen AI 采用路线图for08企业Conclusion15 3导航对遗传 AI 的采用XoriantIntroduction人工智能 （ AI ） 彻底改变了我们的生活，改变了我们与技术互动和完成任务的方式。它的目标是复制人类的智能 — — 它可以执行复杂的活动，如语音识别和语言翻译，这些活动曾经是人类的专属领域。然而，传统的人工智能一直在与人类的创造力作斗争，阻碍了其在创意写作、音乐和艺术等领域生成原创内容的能力。生成 AI （ geerative AI ） 的引入标志着一个重要的转折点，弥合了差距，使 AI 也能够参与创造性的努力。随着企业采用 generAI 工具和技术 ， 其对工程过程的影响越来越重要。从想法生成和原型设计到算法优化和设计模式建议 ， generAI 正在重新定义传统方法并引入创新解决方案。除了其具有变革性的优势外 ， 在工程中引入 Gen AI 还为企业带来了新的复杂性和挑战 ， 包括用例和技术选择 ， 与现有系统的集成 ， 数据可用性和质量等。决策可解释性也是一个重要问题。这些因素要求采用 gen AI 的企业进行细致的计划和仔细的导航。在本报告中 ， 我们为企业提供了有关如何释放 gen AI 在运营和创新中实现变革性成果的潜力的见解和指导。我们探讨了 gen AI 对关键行业和工程流程的影响 ， 并为企业提供了关键措施 ， 以克服实施障碍并利用该技术充分发挥其潜力。 4导航对遗传 AI 的采用Xoriant图像生成文本生成图像说明音频生成视频生成PolyCoder代码生成合成数据生成3D 资产生成高Low什么是生成式 AIGen AI 是人工智能的一个子领域 ， 可以通过从大型数据集中的现有模式中学习来创建新的数据、内容和设计。通过此过程 ， AI 模型可以生成新的文本、图像、音频和设计 ， 并利用数据中的底层结构和关系。此过程释放了创造性潜力并促进了创新解决方案。Gen AI 生成新内容的能力是它与更常见的 AI 形式的区分性 AI 的区别。相比之下 ， 区分性 AI 专注于分类和预测任务 ， 旨在学习区分不同输入类别的决策函数或根据观察到的特征进行预测。新一代 AI 能力的基础在于大型语言模型 (LLM) ， 它能够从大量的数据集中学习 ， 并且可以理解语言和上下文 ， 从而产生类似于人类的输出。图表 1 提供了市场上一些顶级 AI 工具的快照。EXHIBIT 1按用例划分的顶级 AI 工具来源 ： 珠穆朗玛峰集团 （ 2023 年 ）随着企业接受 Gene AI ， 产品的设计方式和集成到其中的功能将发生重大变化 ， 正如我们在接下来的两节中讨论的那样。相对复杂程度 5导航对遗传 AI 的采用Xoriantgen AI 对软件工程功能的影响Gen AI 有望对从概念化和编码到测试和维护的软件工程活动产生深远的影响; 展览 2 显示了整个软件生命周期中的顶级 AI 用例。附件 2Gene AI 在软件生命周期中的顶级用例来源 ： 珠穆朗玛峰集团 （ 2023 年 ）Low 高舞台S / W生命周期支持和维护gen AI 的相对影响Description在概念上 ， General AI 分析数据设计和软件思想 ， 增强创造力 ， 加快思想产生 ， 并促进工程师之间的创新。在开发中 ， gen AI 自动化代码生成、 Bug 检测、重构和 UI 设计。在测试中 ， gen AI 自动化测试用例 ， 验证输出 ，和预测性能问题。在支持和维护方面 ， 它建议解决方案 ， 提供全天候聊天机器人支持 ， 自动化文档并简化代码。关键用例 （ 按当前牵引力的降序 ）根据需求生成原型自动生成文档用户故事生成创建设计模式微调算法代码生成代码翻译为 Bug 解决创建代码段建议生成代码重构建议建议 UI 设计代码说明基于需求的测试用例创建生成测试用例的报告软件输出报告验证用于代码更新验证的回归测试通过报告瓶颈实现的性能增强发布诊断建议Chatbot 支持自动生成文档为 XR 培训支持创建教程代码汇总它 （ 生成 AI ） 是一个超级助手 ... ... 比火 ， 电或我们过去所做的任何事情都更深刻 ... ... 这将影响每家公司的每个产品。- Sundar Pichai 6导航对遗传 AI 的采用Xoriant如图表 2 所示，Gee AI 可以在整个软件工程生命周期中找到不同的应用程序，并有能力彻底改变传统方法。然而，即使 geerAI 在软件工程中发现了广泛的应用，人类工程师的专业知识对于评估其输出与项目需求的一致性、可行性和正确性仍然至关重要，突出了人机合作对这项技术充分发挥潜力的必要性。Ge AI 在软件工程中的能力和适用性也导致了低代码和无代码 （ LC / NC ） 解决方案的采用增加。借助 Gee AI，用户可以使用自然语言编程创建软件，而不仅仅是拖放式 UI 和 GitHb Copilot 等代码完成软件的预构建组件。几个平台正在利用 geerAI 的力量来增强 LC / NC 开发环境并提供改进的用户体验，包括 Bbble，K2 和 Retool 等公司。Gene AI 跨行业的用例在当今充满活力和快速发展的市场中，企业寻求效率和创新，诸如 geAI 之类的新兴技术已成为实现其目标的重要工具。Ge AI 具有解决一系列问题的潜力，包括提高客户满意度，优化流程和扩大收入来源。除了在软件工程中的应用外，生成 AI 还释放了一个广阔的行业机会领域，利用其潜力推动企业走向卓越。从医疗保健和金融到电信和汽车 ， Gene AI 正在改变企业运营、决策和创新的方式。图表 3 （ 下一页 ） 重点介绍了各个行业的关键一代 AI 用例。 7导航对遗传 AI 的采用Xoriant附件 3跨行业的新一代 AI 用例来源 ： 珠穆朗玛峰集团 （ 2023 年 ）行业用例采用示例银行、金融服务和保险 (BFSI)通过分析市场趋势 ， 帮助最大限度地减少暴露于市场风险的资产配置机会基于个人需求和偏好的个性化投资建议用于缓解金融风险决策中预测分析的综合数据Swedbank 已培训了用于预防欺诈和洗钱的生成对抗神经网络 （ GAN ）摩根士丹利的财富管理将使用 OpenAI 技术进行内部服务南方国家银行已经部署了 “泰特 ” ， 一个由 ChatGPT 驱动的 AI 聊天机器人 ， 用于客户信息、风险分析和定价高科技 创新的半导体设计可提高性能和效率通过数据分析优化半导体制造 ， 以获得更好的产量、效率和减少缺陷的建议分析数据和用于实验研究的新半导体材料Cadence 的 Virtuoso Studio 已将 General AI 用于模拟 ， RF 和自定义硅设计西门子和微软在 Gene AI 上合作 ， 以提高工业公司的创新和效率医疗保健 通过分析医疗数据和识别模式提出个性化医疗建议通过分析来自临床试验和不同来源的数据来发现药物通过分析生成诊断报告数据集和患者的状况 Google Cloud 和 Mayo Clinic 合作开展了具有对话功能的 General AI 驱动的医疗保健数据搜索 Insilico 已将 Gene AI 用于临床前药物发现过程的每个步骤 Zepp Health 已将生成 AI 集成到可穿戴设备中 ， 以增强健康管理CPG &零售 为零售平台编写产品说明 通过竞争对手分析、需求预测和有针对性的促销进行动态定价 通过分析客户购买行为进行个性化推荐Shopify 推出了 Shopify Magic ， 它可以自动生成产品说明Tesco 正在探索 Gene AI 以进行准确的需求预测 ， 促销等。雀巢利用 AI 助手与 OpenAI 进行商业智能发现汽车 通过客户偏好、市场趋势和性能分析进行创新设计个性化的路线预测和服务建议可增强用户体验生成用于模拟的合成数据以加快自动驾驶汽车的研究宝马已经实施了一个