Montoux Generative AI របៀបចាប់ផ្តើមការណែនាំ

របៀបចាប់ផ្តើមជាមួយ Generative AI

Montoux កំពុងធ្វើការជាមួយក្រុមហ៊ុនធានារ៉ាប់រងអាយុជីវិតឈានមុខគេនៅជុំវិញពិភពលោកដើម្បីកំណត់ កំណត់អាទិភាព និងអនុវត្តករណីប្រើប្រាស់ AI ជំនាន់ថ្មី ជាមួយនឹងគោលដៅចម្បងក្នុងការធ្វើឱ្យអ្នកធានាបាននូវផលិតភាពកាន់តែច្រើន។
ត្រូវបានទទួលស្គាល់ថាជាអ្នកដឹកនាំការគិតលើប្រធានបទអំពីរបៀបដែល AI បង្កើតនឹងមានឥទ្ធិពលលើការងារជាក់ស្តែង Montoux បានដំណើរការ webបោះសម្រាប់សង្គមនៃ Actuaries ក៏ដូចជាការចេញផ្សាយប្លក់ និងអត្ថបទលើប្រធានបទ។

ឯកសារខាងក្រោមគឺជាមគ្គុទ្ទេសក៍ 4 ជំហានដ៏សាមញ្ញ ដើម្បីជួយក្រុមអ្នកគិតលុយចាប់ផ្តើមលើដំណើរ AI ជំនាន់របស់ពួកគេ៖

កំណត់ករណីប្រើប្រាស់ AI ដែលមានតម្លៃខ្ពស់ដែលមានសក្តានុពលដោយទទួលយកក្របខ័ណ្ឌដូចខាងក្រោម

(អតីតample framework ត្រូវបានបង្កើតឡើងដោយ AI)

ក) ការយល់ដឹងអំពីមូលដ្ឋាន

បង្កើតការយល់ដឹងជាមូលដ្ឋាននៃ Generative AI រួមទាំងការពន្យល់អំពីរបៀបដែល Gen AI អាចពាក់ព័ន្ធទៅនឹងការងារជាក់ស្តែង។ ខាងក្រោមនេះជាអតីតampវគ្គសិក្សាមូលដ្ឋានឥតគិតថ្លៃនៅក្នុង Gen AI៖

1. Generative AI សម្រាប់អ្នកដឹកនាំអាជីវកម្ម
2. ផែនការសិក្សា AI ជំនាន់ថ្មីសម្រាប់អ្នកធ្វើការសម្រេចចិត្ត
3. AI Bootcamp
4. មូលនិធិ AI សម្រាប់ឯកទេសគ្រប់គ្នា
5. Generative AI សម្រាប់អ្នករាល់គ្នា
6. មូលដ្ឋានគ្រឹះ AI ជំនាន់
7. ការណែនាំអំពី Generative AI

 

ខ) កំណត់ករណីប្រើប្រាស់សក្តានុពល

ដំណើរការសិក្ខាសាលាបង្កើតគំនិត និងចាត់ថ្នាក់ករណីប្រើប្រាស់សក្តានុពលទៅជាឧទាហរណ៍។ ការអភិវឌ្ឍន៍គំរូ និងអភិបាលកិច្ច ការបង្កើនទិន្នន័យ (ការបង្កើតសំណុំទិន្នន័យសំយោគសម្រាប់ការបង្កើតគំរូ) គំរូព្យាករណ៍ និងការរាយការណ៍ (ការបង្កើតរបាយការណ៍ដោយស្វ័យប្រវត្តិ និងការវិភាគទិន្នន័យ)។

គ) វាយតម្លៃលទ្ធភាព និងផលប៉ះពាល់

លទ្ធភាពបច្ចេកទេស៖ វាយតម្លៃតម្រូវការបច្ចេកទេសសម្រាប់ករណីប្រើប្រាស់នីមួយៗ រួមទាំងភាពអាចរកបាននៃទិន្នន័យ ការបណ្តុះបណ្តាលគំរូ និងការរួមបញ្ចូលជាមួយប្រព័ន្ធដែលមានស្រាប់។
ផលប៉ះពាល់អាជីវកម្ម៖ វាយតម្លៃផលប៉ះពាល់សក្តានុពលនៃករណីប្រើប្រាស់នីមួយៗលើលទ្ធផលអាជីវកម្មសំខាន់ៗ ដូចជាការវាយតម្លៃហានិភ័យដែលប្រសើរឡើង ការកាត់បន្ថយថ្លៃដើម បទពិសោធន៍អតិថិជនកាន់តែប្រសើរ និងការអនុលោមតាមច្បាប់។

ឃ) ម៉ាទ្រីសអាទិភាព

តម្លៃធៀបនឹងម៉ាទ្រីសលទ្ធភាព៖ បង្កើតម៉ាទ្រីសដើម្បីចាត់ចំណាត់ថ្នាក់ករណីប្រើប្រាស់ដោយផ្អែកលើតម្លៃអាជីវកម្មរបស់ពួកគេ (ផលប៉ះពាល់) និងលទ្ធភាព (បច្ចេកទេស និងប្រតិបត្តិការ)។ វាជួយក្នុងការកំណត់អត្តសញ្ញាណគម្រោងដែលមានឥទ្ធិពលខ្ពស់ និងលទ្ធភាពខ្ពស់សម្រាប់ការផ្តោតអារម្មណ៍ភ្លាមៗ។
លក្ខណៈវិនិច្ឆ័យសម្រាប់ចំណាត់ថ្នាក់៖ រួមបញ្ចូលលក្ខណៈវិនិច្ឆ័យដូចជា ROI សក្តានុពល ពេលវេលាសម្រាប់ការអនុវត្ត ការតម្រឹមជាមួយគោលដៅយុទ្ធសាស្ត្រ និងតម្រូវការធនធាន

កំណត់អត្តសញ្ញាណ AI champអ៊ីយ៉ុង - តើអ្នកណាដែលដឹកនាំការអនុម័ត AI នៅកម្រិតអង្គការ នាយកដ្ឋាន និងក្រុម?

លោក Ernst និង Young ផ្តល់យោបល់ថា អង្គការគួរតែ "ដាក់មនុស្សជាកណ្តាលនៃយុទ្ធសាស្រ្ត Gen AI ដើម្បីទទួលបានជោគជ័យ" ។

នាយកដ្ឋាន Actuarial គួរតែកំណត់អត្តសញ្ញាណមនុស្សសំខាន់ៗដែលនឹងដឹកនាំការអនុម័ត AI ។ យើងបានបង្កើតការស្ទង់មតិដ៏សាមញ្ញនេះ ដែលអាចត្រូវបានចែកចាយជុំវិញក្រុមអ្នកគិតលុយ ដើម្បីកំណត់អត្តសញ្ញាណសមាជិកក្រុមដែលមានចំណាប់អារម្មណ៍ និងសក្តានុពលបំផុតសម្រាប់ការក្លាយជាអ្នកដឹកនាំស្មុំកូន AI ។

1. នៅលើមាត្រដ្ឋាន 1 ដល់ 10 តើអ្នកគិតថា AI នឹងមានការផ្លាស់ប្តូរយ៉ាងណាចំពោះអាជីព actuarial?
2. នៅលើមាត្រដ្ឋាន 1 ដល់ 10 តើអ្នកគិតថា AI នឹងប៉ះពាល់ដល់អាជីពរបស់អ្នកប៉ុណ្ណា?
3. នៅលើមាត្រដ្ឋាន 1 ដល់ 10 តើអ្នកនឹងវាយតម្លៃជំនឿរបស់អ្នកលើ AI ជាកាតាលីករសម្រាប់ការផ្លាស់ប្តូរក្នុងស្ថាប័នរបស់អ្នកយ៉ាងដូចម្តេច?

ឈាន​ទៅ​មុខ​នៃ​សុវត្ថិភាព គុណភាព និង​ការ​ធ្វើ​មាត្រដ្ឋាន

Gen AI PoCs និងការពិសោធន៍គឺជាមធ្យោបាយដ៏ល្អសម្រាប់ស្ថាប័នមួយដើម្បីយល់ពីសមត្ថភាព ប៉ុន្តែបទពិសោធន៍របស់យើងគឺថាការផ្លាស់ប្តូរពីដំណាក់កាល PoC ទៅជាការផលិតអាចជាបញ្ហាប្រឈមមួយ។ ដើម្បីជៀសវាងហានិភ័យនៃ PoC ជោគជ័យដែលមិនបកប្រែទៅជាដំណោះស្រាយផលិតកម្មដែលទទួលបានជោគជ័យ (និងកាត់បន្ថយពេលវេលាដែលវាត្រូវការដើម្បីសម្រេចបាន) យើងសូមណែនាំឱ្យនាយកដ្ឋាន actuarial ពិចារណាសំណួរខាងក្រោមនៅពេលពួកគេវាយតម្លៃដំណោះស្រាយសក្តានុពលមួយ៖

• តើដំណោះស្រាយ AI ដែលត្រូវបានស្នើឡើងបំពេញតាមតម្រូវការសុវត្ថិភាពសហគ្រាស និងទិន្នន័យឯកជនភាពរបស់អង្គការដែរឬទេ? g. SOC2 + ធ្វើសេចក្តីយោងការគ្រប់គ្រងទិន្នន័យជាក់លាក់
• តើដំណោះស្រាយ AI ដែលបានស្នើឡើងត្រូវបានគាំទ្រក្រោយ PoC ដែរឬទេ ពោលគឺវាអាចដាក់ពង្រាយដោយជោគជ័យក្នុងផលិតកម្មដែរឬទេ? តើ​នេះ​មាន​ភស្តុតាង​យ៉ាង​ណា?
• តើដំណោះស្រាយដែលបានស្នើឡើងគ្រប់គ្រងគុណភាព និងភាពត្រឹមត្រូវនៃគំរូយ៉ាងដូចម្តេច?
• តើដំណោះស្រាយដែលបានស្នើឡើងទំនងជាអាចធ្វើមាត្រដ្ឋានបាន និងអាចរួមបញ្ចូលជាមួយប្រព័ន្ធអេកូឡូស៊ីបច្ចេកវិជ្ជាដែលមានស្រាប់ដែរឬទេ? តើបច្ចេកវិទ្យាបើកឬបិទនៅក្នុងធម្មជាតិ?
• តើអង្គការត្រៀមខ្លួនរួចរាល់ហើយក្នុងការទិញបច្ចេកវិទ្យា Gen AI - តើមានលក្ខខណ្ឌកិច្ចសន្យាស្តង់ដារ ឬគំរូ។ល។

ដៃគូដើម្បីជោគជ័យ

កម្រិតនៃភាពជាដៃគូផ្នែកបច្ចេកវិទ្យាមួយចំនួនទំនងជាតម្រូវការសម្រាប់នាយកដ្ឋានជាក់ស្តែងដែលស្វែងរកការអនុវត្ត Gen AI ។ នេះអាចជាភាពជាដៃគូជាមួយអ្នកផ្តល់កម្មវិធី Gen AI ដែលមានគោលបំណងដូចជា Montoux ក្រុមហ៊ុនផ្តល់ហេដ្ឋារចនាសម្ព័ន្ធពពកដូចជា AWS ឬភាពជាដៃគូផ្ទៃក្នុងជាមួយសហការីក្នុងក្រុមបច្ចេកវិទ្យា។ ការធ្វើឱ្យជម្រើសភាពជាដៃគូត្រឹមត្រូវគឺអាស្រ័យលើសក្ដានុពលនៃក្រុមសកម្មភាពជាក់ស្តែង។ វាមានតម្លៃពិចារណាសំណួរខាងក្រោមទាក់ទងនឹងយុទ្ធសាស្ត្រភាពជាដៃគូ៖

ប្រសិនបើស្វែងរកដំណោះស្រាយ Gen AI ដោយខ្លួនឯង តើក្រុម ឬស្ថាប័នរបស់អ្នកមានជំនាញអ្វី? បទពិសោធន៍របស់ Montoux គឺថា ដំណោះស្រាយ Gen AI ដែលទទួលបានជោគជ័យ តម្រូវឱ្យមានការលាយបញ្ចូលគ្នានៃ actuaries បច្ចេកទេស វិស្វករ AI សម្រាប់ការទាញយក augmented generation (RAG) និងរចនាសម្ព័ន្ធទិន្នន័យ វិស្វករភ្លាមៗ និងវិស្វករកម្មវិធី (ដើម្បីបង្កើតដំណោះស្រាយ)។

• ប្រសិនបើពិចារណាលើដំណោះស្រាយដៃគូ តើដៃគូអាចបញ្ជាក់ពីភាពជឿជាក់តាមរយៈការបង្ហាញ និងករណីសិក្សាបានទេ?
• តើដៃគូ/អ្នកលក់បានផលិតខ្លឹមសារនៃគំនិតដឹកនាំក្នុងឧស្សាហកម្មដែលពាក់ព័ន្ធដែរឬទេ?
• តើដៃគូស្របនឹងវប្បធម៌ និងវិធីធ្វើការរបស់ក្រុមអ្នកគិតគូរដែរឬទេ?

ជាមួយនឹង Gen AI ការមើលឃើញគឺជាការជឿ។ យើងលើកទឹកចិត្តយ៉ាងមុតមាំចំពោះអ្នកដឹកនាំផ្នែកជាក់ស្តែង ដើម្បីបង្កើតបរិយាកាសមួយដែលការចង់ដឹងចង់ឃើញរបស់ Gen AI ត្រូវបានជំរុញ ហើយក្រុមត្រូវបានលើកទឹកចិត្តឱ្យធ្វើការពិសោធន៍ (ណែនាំដោយក្របខ័ណ្ឌដូចអ្វីដែលបានរៀបរាប់នៅក្នុងការណែនាំនេះ)។ ជំនឿរបស់យើងគឺថាជំហានដ៏សាមញ្ញចំនួន 4 ដែលមាននៅក្នុងការណែនាំនេះនឹងរៀបចំនាយកដ្ឋានគណនេយ្យបានយ៉ាងល្អដើម្បីចាប់ផ្តើមដំណើរជោគជ័យរបស់ Gen AI ។

 

 

សូមអានបន្ថែមអំពីសៀវភៅណែនាំនេះ និងទាញយក PDF៖

ឯកសារ/ធនធាន

Montoux Generative AI របៀបចាប់ផ្តើម [pdf] សេចក្តីណែនាំ Generative AI របៀបចាប់ផ្តើម, Generative AI, របៀបចាប់ផ្តើម, ដើម្បីចាប់ផ្តើម, ចាប់ផ្តើម

ឯកសារយោង

• សៀវភៅណែនាំអ្នកប្រើប្រាស់