인공 지능 (AI)은 연구, 개발 및 혁신 (R & D & I)을 변화시켜 지속 가능성, 의료, 기후 변화, 식품 및 에너지 안보를 포함하여 세계에서 가장 시급한 문제를 해결하기위한 새로운 가능성을 잠금 해제하고 조직이 더 나은 혁신 및 획기적인 제품 및 서비스를 시작하십시오.
R & D & I의 AI는 새로운 것이 아닙니다. 그러나의 상승 생성 AI (Genai) 및 큰 언어 모델 (LLMS)는 그 기능, 획기적인 혁신 및 전반적인 혁신을 크게 증폭시켰다.
조직은 R & D & I 노력에서 AI의 혜택을 어떻게 이용할 수 있으며, 성공을 거두기 위해 채택해야 할 모범 사례는 무엇입니까? Arthur D. Little (ADL)의 Blue Shift Institute는 40 개 이상의 AI 제공 업체, 전문가 및 실무자를 인터뷰하고 공공 및 민간 부문에서 200 개 이상의 조직을 조사하는 포괄적 인 연구를 수행했습니다. 결과 보고서, 유레카! 스테로이드 : AI 중심 연구, 개발 및 혁신연구 및 혁신에서 AI의 현재 환경과 미래의 궤적에 대한 심층 분석을 제공합니다.
우리의 분석은 5 가지 주요 영역에 중점을 둡니다.
AI는 R & D & I 전반에 걸쳐 혜택을 제공하지만 인간을 대체하지는 않습니다.
R & D & I의 모든 빌딩 블록은 AI, 기술 및 시장 인텔리전스에서 혁신 전략, 아이디어, 포트폴리오 및 프로젝트 관리 및 IP 관리에 이르기까지 AI의 혜택을 누릴 수 있습니다. 우리가 이러한 이점을 이해하려고하면 세 가지 주요 요소가 나타납니다.
- AI는 연구원을 대체하고 시간을 확보하고 생산적이고 창의적이 될 수 있도록 연구원을 늘릴 것입니다.
- AI는 기술의 속도와 확장 및 학습 능력으로 인해 이전에는 시도 할 수없는 다루기 어려운 문제를 해결하여 새로운 혁신의 길을 열어줍니다.
- AI는 컨텐츠 생성을 넘어서 지식 관리자, 가설 생성기 및 R & D & I 팀의 조수와 같은보다 복잡한 역할을 다루기 위해 “플래너 테커”위치를 가정합니다.
특정 R & D & I 사용 케이스를 해결하기 위해 AI를 사용할지 여부를 결정할 때 배포 할 담요 모델이 없습니다. 어떤 AI 접근법이 최상의 결과를 제공 할 것인지 이해하려면 조직이 사용 가능한 데이터 유형과 양 (약간에서 많은 것까지)과 질문의 특성 (공개에서 구체적으로)의 두 가지 요소에 중점을 두어야합니다. 동시에 단일 AI 접근법은 최적의 결과를 제공하지 않을 수 있습니다. 지난 15 년 동안 생산 된 대부분의 최첨단 지능형 시스템은 시스템 시스템이었습니다. 이들은 특정 작업을 위해 설계된 독립적 인 AI 시스템, 모델 또는 알고리즘으로 결합 될 때 더 많은 기능과 성능을 제공합니다.
성공하려면 8 가지 모범 사례가 필요합니다
Digital, Manufacturing, Marketing 및 R & D 팀 분야의 R & D 책임자, AI 과학자, 설립자 및 R & D 책임자와의 인터뷰를 바탕으로 AI 배포가 성공적인 8 가지 모범 사례를 볼 수 있습니다. 조직은 다음을 필요로합니다.
- 애자일 방법론을 채택하여 팀이 빠르게 변화하는 AI 환경에서 빠르게 일할 수 있도록
- 데이터 품질, 조직 전체의 협업 및 독점 데이터 활용에 중점을 두어 강력한 기초 구축
- 건물, 구매 및 미세 조정 모델 사이를 전략적으로 선택하고 후자의 접근 방식은 종종 가장 효과적입니다.
- 데이터 획득 대 데이터 획득, 정밀 대 리콜, 언더 피팅 대 Overfitting과 같은 개념 증명 프로젝트에서 진행 상황을 보장하기 위해 분석 트레이드 오프를 고려하십시오.
- 필요한 기술을 습득하기 위해 조직 외부에서 파트너 관계를 포함하여 사용 가능한 데이터 과학 인재를 활용하는 데 적극적으로 참여하십시오.
- 보안 및 실험 속도 준수 균형을 맞추기 위해 그것과 일치
- 혜택을 신속하게 시연하고 사용자 바이 인을 신뢰하고 추가 투자를 잠금 해제하도록하십시오.
- 시스템 성능을 지속적으로 유지하고 모니터링하고, 특히 모델 개선을 중심으로
3. 기술 구성 요소가 제자리에 있습니다
대부분의 AI 사용 사례와 마찬가지로 R & D & I Value Chain은 인프라, 모델 개발자 및 응용 프로그램의 세 가지 계층으로 구성됩니다.
인프라 측면에서, 충분한 컴퓨팅 전력을 구현하고 유지하는 비용은 크지 만, 호스팅 제공 업체는 사내 인프라의 필요성을 제거하기 위해 클라우드에서 추론 및 쿼리를 실행하는 추론 및 쿼리를 점점 더 많이 제공하고 있습니다. AI에 대한 선행 비용 및 민주화 접근.
R & D & I의 AI의 가치 사슬은 Meta, Microsoft 및 Nvidia와 같은 플레이어의 주요 오픈 소스 모델에 크게 의존합니다. 그러나 Mistral 및 Cohere와 같은 소규모 플레이어는 학술 기관과 마찬가지로 생태계의 핵심 부분을 형성합니다.
체인의 응용 프로그램에서 일반 및 전문가 R & D & I 앱은 이미 대부분의 사용 사례를 충족시키기 위해 만들어졌으며 500 개가 넘는 R & D & I 프로세스를 다루고 있습니다.
미래는 불분명하지만 시나리오 계획은 이해에 도움이됩니다.
R & D & I의 AI가 진화하는 방법은 성능, 신뢰 및 경제성의 세 가지 주요 요인의 결과에 달려 있습니다. 이러한 요소를 결합하면 R & D & I의 모든 측면을 선택적이고 낮은 위험 사용 사례에서만 사용하도록 AI 사이의 스펙트럼에서 6 개의 그럴듯한 미래 시나리오로 이어집니다. 최대에서 최소 충격으로 규모 로이 시나리오는 다음과 같습니다.
- 블록버스터 : AI는 R & D주기 전체에서 마음의 최상위가되어 조직을 재구성합니다. 데이터는 새로운 국경이됩니다.
- 크라우드 플레 이저 : AI는 편리하고 저렴하며 일상 생산성 작업에 채택되지만 과학적/창의적 가치를 제공하지 못합니다.
- 크라운 보석 : AI는 생산성과 과학적 돌파구를 제공하지만이를 감당할 수있는 조직에만 R & D & I의 2 단 세계로 이어집니다.
- 문제 아이 : 일부 특징 사용 사례와 저렴한 솔루션에도 불구하고 AI는 그 가치를 입증하지 못합니다. R & D & I 조직은 데이터 보안, 신학 및 해석 성 부족에 대해 여전히 우려하고 있습니다.
- 최고의 비밀 : AI 성능이 향상되지만 높은 비용으로 인해 조직이 더 위험을 증가시킵니다. 새로운 대담한 실험이 거의없는 낮은 신뢰 및 빨간 테이프 한계 채택.
- 저렴하고 불쾌한 : AI는 저 지분 사용 사례에서 광범위하게 사용되지만 프로토 타이핑 또는 브레인 스토밍 도구로만 사용됩니다. 신뢰할 수없는 시스템은 엄격하게 검증되며 출력이 검증되어 생산성 향상이 줄어 듭니다.
이러한 시나리오를 이해하는 것은 R & D & I 조직이 AI 채택을위한 길을 차트로 작성하기 때문에 중요합니다.
R & D & I 조직이 행동 할 시간은 이제입니다
일부 상황에서 AI는 이미 제 시간, 비용 및 공식화, 제품 개발, 인텔리전스 및 기타 R & D & I 작업의 효율성을 두 자리 수로 개선하고 있습니다. 즉, 시나리오가 어떤 시나리오를 재생하든 6 개의 반복되지 않은 움직임이 R & D & I 조직이 탄력성을 구축하고 AI의 이점을 활용하는 데 도움이 될 것입니다. 그들은 필요합니다 :
- 인재를 관리하고 권한을 부여하고, 인력이 중기에 외부 공급자에게 하도급 구현을 할 수있는 교육 및 전문 지식을 보장합니다.
- AI 생성 컨텐츠 제어, 위험 관리 프로세스 업데이트 및 유효성 검사 방법론을 공개하여 신뢰 구축
- 성공적인 AI 채택을 주도하기 위해 더 넓은 공공 및 민간 부문 생태계와 협력하여 데이터 공유 및 협업 구축
- AI 기초, 필수 기술 및 잠재적 위험에 대해 가능한 가장 넓은 사용자 인구를 교육하고 장기적으로 훈련
- 조직과 거버넌스를 다시 생각하고, 그 너머로 이동하여 시니어 레벨에 초점을 맞추고 사일로를 분해하여 공동 작업을 부드럽게합니다.
- 현재 및 미래의 인프라 요구를 충족시키기 위해 자원 계산, 파트너와 협력하거나 내부적으로 리소스를 공유하기 위해 자원을 상호 공유
이러한 비정규 움직임 외에도 성공은 기업 목표와 일치하는 AI 기반 R & D & I 투자의 균형 잡힌 포트폴리오를 만드는 데있어 성공이 될 것입니다. 이는 특정 AI 사용 사례의 범위, 비용 및 이점을 고려하고이를 사용하여 혁신 프로젝트 포트폴리오의 최적화를 유도하는 것을 의미합니다. 결정은 전략적 목표, 기능 및 시장 인텔리전스, 조직이 운영되는 맥락을 기반으로해야합니다.
연구, 개발 및 혁신 가치 사슬의 모든 단계는 AI를 통해 잠재적으로 변화 될 수 있으며, 인간 연구자들은 생산성을 변화시키고 획기적인 혁신을 가능하게합니다. 이러한 기회는 성과, 신뢰 및 경제성과 관련된 다양한 과제와 균형을 이루어야합니다. 즉, 조직은 미래가 가져 오는 것에 관계없이 성공을 위해 R & D & I AI 노력을 배치하기 위해 집중해야합니다.
이 기사는 Albert Meige, Zoe Huczok, Arnaud Siraudin 및 Arthur D. Little의 도움으로 작성되었습니다.
게시물 연구, 개발 및 혁신에서 AI의 영향을 제공합니다 먼저 나타났습니다 Unite.ai.