MICROSOFT CEO: AI 시대에 회사의 모트를 정의하는 방법

원본 제목: 예 없는 정면은 안정되어 없습니다

Satya Nadella, Microsoft의 CEO

원래 언어: Peggy

편집자에 따르면: 마이크로소프트 CEO Satya Nadella, AI-era 사업의 진짜 경쟁력은 그것에 있는 가장 강한 모형의 어느 것이, 그러나 그것에 있는 그것의 자신의 일 교류, 분야 지식, 조직적인 판단 및 직원 경험을 진화 학습 체계에 침몰할 수 있다는 것을에 관하여. 다른 말에서는, 기업은 단순히 AI 기능을 살 수 없습니다, 그러나 그들의 자신의 "잠금된 반복" (인간 경험, 사업 과정 및 모델링 능력이 상호적으로 강화되는 시스템)。

이 프레임 워크의 밑에, 미래에 있는 회사는 2가지의 유형의 자본을 동시에 축적할 것입니다: 인간 자본, 즉. 그들의 직원의 지식, 판단, 네트워킹, 창의력 및 모형 승인; 그리고 토큰 캐피탈 (기업 자체에 의해 건축되고 소유하는 AI 수용량). Nadella는 AI가 인간 자본을 감당하지 않는 것을 강조하지만, 오히려 타겟팅, 크로스 커팅 연결 및 중요한 모델 식별을 더 중요하게합니다. 당기는 것은 아니고, calculus는 단순히 situ에서 회전; 그것의 자신의 지식을 침몰하는 조직도 없다, 모형은 외부 공구 보다는 더 강력하다。

이 종이의 중앙 판단은 생태 지원없이 국경을 넘어 안정적인 미래가 될 것입니다. AI의 가치는 몇몇 일반적인 모형에 의해 삼키지 않아야 합니다, 그러나 오히려 각 회사, 각 기업 및 각 국가에는 그것의 자신의 학습 반복이 있는 FRONTIER 생태계를 형성해야 합니다. BUSINESSES는 개인 평가, 향상된 개인 학습 환경 및 검색 가능한 지식 기반을 구축해야합니다. 숨겨진 경험을 재사용 할 수 있고 확장 가능한 시스템. 진정한 모트는 SE 당 모델이 아니지만 일반 모델로 교체되는 경우에도 기업은 자신의 "OLD COMPANY"경험을 잃지 않습니다。

AI 시대의 기업 간위에 대한 핵심이기도합니다. 조직적 지식을 연속 합성 시스템으로 전환 할 수 있으며, 모델의 급속하고 중요한 미래에 IP를 유지할 수 있으며 직원 역량을 확장하고 자체 비즈니스, 산업 및 커뮤니티에서 AI의 경제 가치를 남길 수 있습니다。

다음은 원본 텍스트입니다:

비즈니스의 미래가 AI 기반 경제에있을 것이라고 생각했습니다。

이 전환은 플랫폼의 이전 마이그레이션과 다릅니다. 과거에는, 우리는 인간적인 자본을 강화하기 위하여 디지털 시스템을 이용했습니다; 이번에는, 처음으로, 우리는 사람들과 디지털 방식으로 체계 사이 진실한 인식 반복을 설치할 수 있었습니다. 이것은 우리가 회사 내에서 "작업"을 이해하는 방법을 변경하기 때문에 매우 논쟁적인 일입니다。

실제 키 질문은 디지털 도구 또는 시스템이 사용되었는지 모르겠지만, 조직이 계속해서 학습하고, 지적 재산권을 축적하고, AI 모델이 지속적으로 흡수하고 인간과 조직의 전문성을 상업화 할 수 있는 세계를 다루고 있습니다。

모든 회사는 내가 인간 자본과 토큰 자본을 호출하는 것을 구축해야합니다. 인간 자본은 직원 지식, 판단, 네트워킹, 창의력 및 모델 인식을 포함합니다; 그리고 토큰 자본은 기업 자체에 의해 건축되고 소유된 AI 수용량입니다。

인간 자본이 토큰 자본으로 증가하지 않는 것이 중요합니다. 피임약에, 그것은 더 중요하게됩니다. 나는 인간 이동성이 Token 's 자본 성장의 핵심에있을 것이라고 믿는다. 인간은 야심 찬 표적, 교차 절단 연결, 관계를 설치하고 진실한 중요한 모형을 확인합니다. 인간 다변화 없이, calculus는 장소에서만 돌릴 수 있습니다。

이것은 실제 기회는 최고의 모델을 선택하지 못한다는 것을 의미하지만, 인간 자본과 토큰 자본이 함께 성장할 수있는 모델에 학습 루프를 만들기. 직업 또는 직업을 아웃 할 수 있지만, 공부를 결코 아웃 할 수 없습니다. 기업의 미래는 인류와 AI 사이의 이 학습의 지속 가능성에 있습니다。

이것은 새로운 구조 접근을 요구합니다: 각 기업은 지적 재산권에 아직도 통제를 유지하면서 시간 이상 개량할 것이다 지적인 체계를 건설할 수 있어야 합니다. 회사는 학습 시스템에서 썬크가 있는 “올드 회사 직원” 전문 경험을 잃지 않고 “generalist” 모델을 대체할 수 있어야 합니다. 이것은 기업 통제와 미래에 대 한 중요한 시험이 될 것입니다。

기업은 자신의 작업 흐름, 현장 지식 및 각 사용에서 지속적으로 개선 될 수있는 AI 시스템에 긴 설치 판단을 번역해야합니다. 개인 평가는 모델이 실제로 기업에 대한 관심의 비즈니스 결과에 더 나은 여부를 측정해야합니다. 외부 벤치 마크 테스트. 개인 집중 학습 환경은 조직 내에서 실제 트랙을 기반으로 모델을 강하게 만듭니다. 기업 지식 기반은 기관 기억 검색 및 토큰을 더 효율적으로 만듭니다。

이 루프는 기업의 새로운 지적 재산이 될 것입니다. 나는 그것을 상승 기계 생각한다. 또한, 대부분의 자산과는 달리, 그것은 가치에서 증가할 것입니다. 작업의 흐름에 대한 각 개선은 더 나은 훈련 신호를 생산, 이는 기업의 독특하고 숨겨진 지식의 축적을 가속화합니다. 시스템 이전을 설립 한 이러한 회사는 개인 모델 기능이 미래에 끊어지지 않고 복제하기 어려운 이점을 얻을 것이다。

우리가 보고 싶은 마지막 것은 우리가 보는 것은 세계 어느 모든 회사에서 생활의 모든 도보가 모든 것을 DEVOUR 하는 몇몇 모형에 가치를 줍니다. 모든 값이 결국 몇 가지 모델에 의해 캡처 된 경우, 정치 경제 구조는 그러한 결과물을 전혀 견딜 수 없습니다. 미래의 전체 산업을 비우는 AI는 사회적 수준에서 허가되지 않습니다。

글로벌화의 첫 단계에 무슨 일이 있었는지 생각하십시오: 전체 산업 경제는 OUTSOURCED. 그것의 얼굴에, GDP는 좋은 것 같다, 하지만 실제 산업 교대 및 고용 충격은 존재하고 그 결과는 여전히 느꼈다. 우리는 AI 시대에 이 역동적을 가져올 수 없습니다 - 전체 산업 지식이 발에 투입되고 EMPTIED 동안 몇 가지 AI 시스템을 캡처 할 수 있습니다。

내 전망에서, 우리의 우선권은 frontier 생태를 건설해야, 뿐만 아니라 국경 모델. 그 후에 가치 교류는 각 회사, 기업 및 국가에 넓게 할 수 있습니다. 이러한 생태학에서 각 조직은 자신의 학습 루프를 가질 수 있으며 자체 기관 지식을 인코딩하고 토큰 자본과 함께 성장하는 인적 자본을 허용합니다。

이것은 항상 공유 한 플랫폼의 정신이기도합니다. 플랫폼 위에 생성 된 값은 플랫폼 자체에 의해 캡처 된 값보다 크아야합니다. 각 회사는 혁신하고 자신의 가치를 창출 할 수 있어야합니다。

이 달성될 때, 기업은 그들에 있는 경제 환경을 위한 가치를 창조할 것입니다. 직원의 전문 역량은 증폭되고, 그들의 판단은 체계의 일부가 되고 복제되고 확장될 수 있고, 이 이득은 회사와 그 주변 지역 사회로 돌아갑니다。

이것은 기업이 스스로 가치를 창조하고 더 넓은 경제를 만드는 방법입니다. 그것은 또한 우리가 함께 구축해야 안정적인 균형입니다。

원본 링크