Miesiąc: wrzesień 2023

https://aie24.pl/

Każdy wyszukany typ modelu biznesowego został wybrany i powiązany z wieloma studiami przypadku zidentyfikowanych firm, które wdrożyły ten typ. Każdy przykład reprezentował jeden przypadek. W ramach pierwotnego projektu Business Model Zoo opracowano łącznie 106 studiów przypadków i wszystkie zostały wdrożone w nowym prototypie. Użytkownik mógł przejrzeć wszystkie przypadki powiązane z wybranym typem modelu biznesowego. Każde studium przypadku zostało opisane w formie tekstowej z nagłówkiem wprowadzającym firmę i dopasowanym do typu modelu oraz przeglądem firmy i jej działalności, historii i klientów. Przykładowy opis w prototypie studium przypadku Waze . W związku z tym prototyp zachęcał użytkowników do stosowania prostego rozumowania opartego na przypadkach – rozumowania na podstawie wcześniejszych doświadczeń, aby zrozumieć i rozwiązać nowe problemy w podobny sposób . Użytkownicy nie mogli jednak bezpośrednio wchodzić w interakcję z każdym opisem, więc prototyp zapewnił jedynie podstawowe zasoby, dzięki którym można było przeprowadzić rozumowanie na podstawie przypadków. Nie zaoferowano żadnego interaktywnego wsparcia. Niemniej jednak oczekiwano, że dostęp użytkowników do tych opisów pomoże im w generowaniu kreatywnych wyników co najmniej Pro-C i Little-c. Każdy przypadek może oferować jeden projekt rozwiązania Pro-C dla problemu związanego z modelowaniem biznesowym, a mniejsze elementy tego przypadku mogą ukierunkować myślenie w celu wygenerowania wyników Little-c, które inni mogą nie uznać za nowatorskie, ale mogą przyczynić się do przyszłych rozwiązań Pro-C. Z drugiej strony, aby za pomocą tych studiów przypadków wesprzeć bardziej ukierunkowane kreatywne myślenie, prototyp umożliwił także użytkownikom interakcję z nimi i odkrywanie możliwości, które można ocenić jako bardziej nowatorskie i przydatne. Po pierwsze, karuzela prezentowała trzy studia przypadków na interaktywnych kartach, dzięki czemu użytkownik mógł szybko przeglądać przypadki, przewijając do tyłu i do przodu oraz filtrując zaprezentowane studia przypadków . Z kolei każda interaktywna karta została podzielona na trzy części – nazwę i podsumowanie studium przypadku, opcję przeglądania pełnego opisu studium przypadku oraz interaktywne motywy generowane automatycznie przez prototyp dla każdego przypadku. Prototyp miał potencjał automatycznego generowania motywów interaktywnych dla każdego przypadku przy użyciu algorytmów wyodrębniania jednostek, chociaż w pierwszej wersji motywy były generowane ręcznie. Użytkownik może następnie kliknąć każdy motyw, aby go przesłuchać i uzyskać więcej informacji związanych bezpośrednio i pośrednio ze sprawą.  Użytkownik wybrał przypadek Credit Karma i kliknął temat „scoring kredytowy”. W odpowiedzi prototyp przedstawił interaktywne wyskakujące okienko, automatycznie wypełniane linkami do dokumentów online znalezionych za pomocą Google i innych wyszukiwań internetowych, generowanych automatycznie na podstawie prostych, kreatywnych wyszukiwań treści online. Te wyskakujące okienka i łącza zostały zaprojektowane, aby zachęcić użytkowników do odkrywania wielu możliwości nowych pomysłów, zgodnie z definicją kreatywności odkrywczej Bodena, i generować kreatywne wyniki Pro-C, Mini-C i Little-c. Zapytania generowane automatycznie przez prototyp działały jak reguły prowadzące użytkowników do odkrywania większej liczby pomysłów w przestrzeniach.

https://aie24.pl/

W oparciu o projekt wcześniejszej witryny Business Model Zoo, prosty kreator online przeprowadził użytkownika przez serię czterech pytań, z których odpowiedzi na dwa umożliwiły prototypowi zaprezentowanie użytkownikowi jednego z czterech wybranych typów modeli biznesowych. Kreator został zaprojektowany tak, aby był prosty i szybki w użyciu. Wywołało to każdą odpowiedź w skali od 1 do 4. Użytkownicy po prostu klikali jedną opcję na każdej skali – nie było potrzeby wpisywania tekstu. Przykłady dwóch z czterech pytań zadawanych przez kreatora . W pierwszym pytaniu użytkownik miał wybrać, w jakim stopniu klienci firmy płacą za produkty i usługi fizyczne lub cyfrowe. W drugim pytano użytkownika o wybór stopnia, w jakim firma dostosowuje swój produkt lub usługę do potrzeb każdego klienta. Użytkownicy mogli poruszać się w kreatorze w przód i w tył, zmieniając swoje odpowiedzi na jedno lub więcej pytań przed zażądaniem typu modelu biznesowego wybranego w prototypie. W prototypie zaimplementowano prosty algorytm, który automatycznie wybierał jeden typ modelu biznesowego w odpowiedzi na każde cztery odpowiedzi. Dane wejściowe do algorytmu stanowiły tylko cztery wartości odpowiedzi wprowadzone przez użytkownika, a wynikiem był jeden z czterech predefiniowanych typów modeli biznesowych. Algorytm został zaprojektowany tak, aby wybrać jeden i tylko jeden typ modelu w odpowiedzi na wszystkie możliwe kombinacje wartości wejściowych. Wybrany typ modelu biznesowego został opisany za pomocą krótkiego opisu tekstowego i pojedynczej grafiki zaczerpniętej z autorskiej strony internetowej BMZ. Został on przedstawiony, aby umożliwić użytkownikom przejrzenie i potwierdzenie każdego wybranego modelu przed przejściem dalej.  W razie potrzeby użytkownik mógł wrócić do kreatora pytań, aby zmienić odpowiedzi i ponownie uruchomić proces. Jeśli użytkownik zgodził się z wybranym typem modelu biznesowego, prototyp zapewniał różne funkcje umożliwiające eksplorację tego typu modelu. W pierwszej kolejności prototyp przedstawił bardziej szczegółowy opis wybranego typu modelu biznesowego w formie tekstowej. Jedną część opisu prototypu typu modelu wielostronnego. Opis ten został uzupełniony krótką animacją wideo, w której opisano również typ modelu. Film zawierał gadającego lwa pobranego z oryginalnej strony internetowej Business Model Zoo. Opis uzupełniono linkami do studiów przypadków – wyselekcjonowanych przykładów przedsiębiorstw, które wdrożyły prezentowany typ modelu biznesowego. Nazwy tych studiów przypadków pokazano po prawej stronie tekstu modelu.

https://aie24.pl/

Pierwsza pełna wersja interaktywnego prototypu BOB została zaprojektowana, aby pomóc profesjonalistom biznesowym w kreatywnym myśleniu o swoich modelach biznesowych i strategiach przy użyciu różnych wspólnie zaprojektowanych funkcji. Został opracowany jako interaktywna aplikacja internetowa dostępna za pośrednictwem adresu URL, aby umożliwić użytkownikom wyrażanie opinii na jej temat bez konieczności pobierania oprogramowania lub logowania się do niego. Po kolei opisano każdą z kluczowych funkcji prototypu oraz, w razie potrzeby, algorytmy stanowiące ich podstawę.

Opis wyzwania

Prototyp oferował użytkownikowi prostą funkcję jednowierszowego wprowadzania tekstu, za pomocą której mógł wpisać bieżące wyzwanie biznesowe w celu zbadania (patrz rysunek 6.2). Aby pomóc użytkownikom, w prototypie wymieniono także przykłady wyzwań, które można wykorzystać jako wskazówkę dotyczącą tego, co należy wprowadzić.

https://aie24.pl/

Następnie, aby zbadać, jak automatycznie wnioskować o skodyfikowanej wiedzy o kreatywności i informacjach o modelach biznesowych, zaprojektowaliśmy, wdrożyliśmy i oceniliśmy prosty cyfrowy prototyp. Prototyp nazwano Business Opportunity Builder, w skrócie BOB. Rozwój BOB był zgodny z ustalonym podejściem do nauk o projektowaniu – takim, które miało na celu projektowanie i badanie artefaktów, które wchodzą w interakcję z kontekstem problemowym i z nim, aby ulepszyć coś w tym kontekście (Wieringa, 2014). Zaprojektowaliśmy nową wersję artefaktu do interakcji z BOB, która została następnie przeanalizowana w kontekście użycia przez użytkowników biznesowych w celu sprawdzenia, czy ma on potencjał wspierania ich twórczego myślenia i generowania Pro-C, Mini-C i Little- c twórcze rezultaty. Do opracowania prototypu autorzy wykorzystali techniki wspólnego projektowania. Główny autor wspólnie opracował z użytkownikami biznesowymi serię prostych schematów kluczowych interakcji. Te modele szkieletowe wykorzystano następnie do opracowania niewielkiej liczby częściowych prototypów, które udostępniono innym użytkownikom biznesowym w celu zebrania ich opinii na temat zaprojektowanej treści, wskazówek i ścieżki użytkownika. Szczegóły tego procesu wspólnego projektowania opisano w Dowsett (2020).

https://aie24.pl/

Strategię definiowano na wiele sposobów, ale prawie wszystkie definicje mają wspólny rdzeń – sposób, w jaki firma wykorzystuje swoje zasoby, aby osiągnąć korzystny wynik . Skupimy się na strategiach pojedynczych firm i jednostek większych firm, a nie większych korporacji obejmujących wiele oddziałów. Kluczowymi czynnikami determinującymi powodzenie strategii firmy jest sposób, w jaki firma projektuje i tworzy swoją podstawową ofertę, wprowadza ją na rynek, aby przyciągnąć klientów, i sprawia, że klienci płacą. Chodzi o to, jak tworzona jest wartość w oczach klientów, a następnie ujmowana w formie przychodów. Istnieją oczywiście inne kwestie istotne dla menedżerów w firmie, które są również strategiczne, takie jak umowy o pracę, umowy dotyczące łańcucha dostaw i organizacja firmy, ale zazwyczaj mają one charakter pomocniczy w stosunku do szerszego pytania: co oferujemy, komu i w jaki sposób prosimy ich o zapłatę za ofertę? Nadejście ery cyfrowej oznacza, że tradycyjnie rozdzielone problemy połączyły się. W przeszłości większość firm skupiała się na tym, jak ich oferta jest projektowana i wytwarzana. Wyzwanie związane ze sprzedażą było zazwyczaj postrzegane jako ważne, ale taktyczne i możliwe do rozwiązania, jeśli pozostałe wyzwania zostaną rozwiązane. Dziś tego podziału nie da się już uzasadnić. Sposób, w jaki firmy nawiązują kontakt z klientami na granicy klient-firma, nie jest już kwestią taktyczną – ma charakter strategiczny. Co więcej, wybór tego, co dzieje się na granicy klient-firma, wpływa na całą firmę. To, co wcześniej było problemem modułowym lub dającym się oddzielić, teraz stało się zintegrowane lub systemowe. Duża część istniejącej literatury na temat modeli biznesowych skupia się na tym ważnym powiązaniu pomiędzy podstawowymi procesami firmy a działaniami na granicy między klientem a firmą . Inicjatywa Business Model Zoo (BMZ) powstała, aby zaprezentować przedsiębiorstwom różne formy tego połączenia. Określono cztery kluczowe wybory, z których każdy reprezentował inny sposób tworzenia tych powiązań: produkt, rozwiązania, dobieranie partnerów i wielostronność zapośredniczona. W przypadku modelu biznesowego produktu decyzję o granicach można oddzielić od podstawowych procesów firmy, ponieważ relacja między firmą a jej klientem ma charakter transakcyjny . Oznacza to, że twórcze obawy dotyczące tego, co dzieje się wewnątrz firmy w zakresie projektowania oferty i jej produkcji, można całkowicie oddzielić od dystrybucji, marketingu i sprzedaży. W przypadku modelu biznesowego rozwiązań nie można ich tak uporządkować – sposób, w jaki firma sprzedaje, krytycznie wpływa na konstrukcję oferty i odwrotnie. Cyfrowa platforma streamingowa Spotify jest przykładem tych powiązań – metoda strumieniowego przesyłania treści głęboko wpływa na wrażenia widza, a jej zdolność do sugerowania odpowiedniego filmu do obejrzenia i zapamiętania, kiedy przestałeś oglądać, jest równie ważna dla przyjemności jak wybory biblioteczne. Podobnie fizyczne doświadczenie atmosfery potrzebnej do wykonania wysokiej jakości fryzury lub golenia jest równie ważne jak samo strzyżenie. W tych dwóch ostatnich przypadkach jasne jest, że wszystkie zdecydowane decyzje muszą uwzględniać całościowe podejście do tego, co dzieje się we wszystkich częściach łańcucha wartości, łącznie z przechwytywaniem wartości. Pozostałe dwa typy modeli biznesowych replikują dwie pierwsze sytuacje, ale dotyczą firm, które mają wiele grup klientów. Czy te firmy oddzielnie zarządzają różnymi grupami? Dzieje się tak w przypadku hodowcy owiec, który sprzedaje wełnę i mięso, nie przejmując się interakcjami między kupującymi, oraz przypadku swata, który ma relację transakcyjną z kupującymi i sprzedającymi. Dotyczy to również firm, które stoją w obliczu interakcji między obiema stronami, na przykład nie tylko firmy zajmującej się grami platformowymi, która sprzedaje reklamy wbudowane w gry, ale także tradycyjnej organizacji charytatywnej pomagającej biednym, próbując zaangażować jego dwie strony – darczyńcy i beneficjenci – współdziałają w celu stymulowania większej liczby datków i upewnienia się, że beneficjenci uznają jakość podstawowej oferty charytatywnej. Kolejną warstwą złożoności jest rozważenie, czy relacje między firmą a każdą jej stroną lub grupą klientów powinny mieć charakter transakcyjny (jak w przypadku Amazona i jego relacji ze sprzedawcami zlokalizowanymi w Chinach), czy relacyjny (jak w przypadku Google i jego reklamodawcy, którzy są głęboko związani z maszyną Google poprzez złożone zachęty). Inicjatywa BMZ uruchomiła swoją stronę internetową jako narzędzie do urzeczywistnienia tego poglądu na różne typy modeli biznesowych. Zawiera opisy czterech typów i przykłady umożliwiające dalsze zrozumienie na podstawie rzeczywistych przykładów.

https://aie24.pl/

Procesy twórczego rozwiązywania problemów można opisać jako iteracje myślenia rozbieżnego i zbieżnego. Myślenie rozbieżne ma na celu manipulowanie informacjami w celu wygenerowania wielu możliwości, a myślenie zbieżne w celu wygenerowania ich mniejszej liczby, bardziej kompletnych. W tym ujęciu Boden (1990) rozróżnił dwa podstawowe typy kreatywności – eksploracyjną i transformacyjną. Twórczość eksploracyjna zakłada określoną przestrzeń częściowych i całkowitych możliwości eksploracji – przestrzeń, która implikuje także istnienie reguł ją definiujących. Zmiany w tych zasadach powodują coś, co można uznać za zmianę paradygmatu, zwaną kreatywnością transformacyjną . Pomysły, które są nowatorskie i użyteczne, są osiągane w przestrzeni poprzez zestaw generatywnych reguł myślenia rozbieżnego i myślenia zbieżnego. Boden zidentyfikowała także trzecią formę – specyficzną formę twórczości eksploracyjnej, którą nazwała kreatywnością kombinacyjną, która jest procesem tworzenia nieznanych połączeń między znanymi elementami w z góry określonej przestrzeni poszukiwań przy użyciu innego zestawu reguł generatywnych. Te trzy typy kreatywności mogą dostarczyć cennych ram nie tylko tego, jak techniki manipulują wiedzą podczas twórczego rozwiązywania problemów, ale także tego, jak ta wiedza jest kodyfikowana w celu manipulacji przez algorytmy.

Opublikowano wiele technik kreatywnego myślenia opracowanych w celu manipulowania informacjami o problemach i rozwiązaniach. Zbiór tych technik jest szeroko omawiany w artykułach naukowych , książkach  i stronach internetowych . Zaobserwowaliśmy, że większość technik wspiera jeden z trzech typów kreatywności Bodena i zapewnia reguły generatywne, na podstawie których użytkownicy mogą wnioskować, aby generować nowe pomysły. Na przykład techniki usuwania ograniczeń  i obalenia założeń  kierują ich użytkowników do kwestionowania ograniczeń i założeń związanych z problemem, a tym samym do zmiany zasad wyznaczających przestrzeń możliwości w celu wspierania kreatywności transformacyjnej . Zasady wynalazczości TRIZ  i technika wyzwalająca kreatywność kierują użytkowników do odkrywania możliwości w przestrzeni, która ma cechy kojarzone historycznie z bardziej kreatywnymi wynikami – cechy takie jak asymetria  i zabawa . Każdą jakość można przełożyć na jedną lub więcej reguł generatywnych, dzięki którym można odkrywać możliwości i wspierać kreatywność odkrywczą. Natomiast techniki takie jak scenorysy  i myślenie heurystyczne  wykorzystują osie czasu historii i macierze kombinacji do wdrażania reguł, dzięki którym można tworzyć nieznane połączenia między znanymi elementami i wspierać kreatywność kombinacyjną. Te obserwacje skłoniły nas do wysnucia ważnego twierdzenia – że manipulowanie regułami wyznaczającymi ramy przestrzeni i/lub odkrywanie w nich możliwości jest otwarte na automatyzację za pomocą algorytmów z korzyścią dla przedsiębiorstw. Oprócz tego, że wiedza o kreatywności staje się bardziej dostępna dla użytkowników biznesowych, algorytmy, które mogą manipulować tą wiedzą po jej skodyfikowaniu, mogą szybko generować dużą liczbę możliwych pomysłów, zwiększając w ten sposób ich liczbę. Co więcej, algorytmy mogą wykorzystywać informacje i dane niedostępne dla poszczególnych osób, aby zwiększyć jakość pomysłów. Narzędzia dostępne za pośrednictwem komputerów stacjonarnych w miejscu pracy lub inteligentnych urządzeń mobilnych mogą skuteczniej integrować kreatywne myślenie z istniejącymi procesami pracy.

https://aie24.pl/

Cyfrowe narzędzia wspierające kreatywność pomagają ludziom twórczo kontaktować się ze światem i są przedmiotem znacznych badań i rozwoju. Większość wspierała generowanie kreatywnych wyników Pro-C i Little-c  i stosowała różne formy interakcji, aby pomóc użytkownikom być bardziej kreatywnymi. Na przykład system CombinFormation przeszukiwał informacje internetowe, aby wesprzeć kreatywne myślenie użytkownika, a aplikacja Carer wyszukiwała przypadki dobrych praktyk, aby zachęcić opiekunów do przemyślenia kwestii opieki nad osobami starszymi z demencją . Zarówno Dynamic HomeFinder, jak i cyfrowy blat do dokonywania odkryć biologicznych (Wu i inni wykorzystywali interaktywne wizualizacje do wspierania twórczego myślenia. Narzędzia wspierające kreatywność zespołową zostały wdrożone w wielu sektorach, w tym w edukacji , produkcji telewizyjnej oraz pracy projektowej w czasie rzeczywistym z publicznością . Inne narzędzia wykorzystują różne technologie cyfrowe, aby zachęcać do kreatywnego myślenia (np. , narzędzie Trigger Shift do stosowania w sztuce performatywnej w teatrze). Jednakże chociaż wykazano, że niektóre z nich wzmacniają twórcze myślenie człowieka, wdrożono mniej narzędzi wspierających kreatywność cyfrową w celu wspierania pracy w nietwórczych domenach zawodowych, takich jak Jedynym wyjątkiem była aplikacja Risk Hunting, która wspierała kreatywne myślenie w celu rozwiązywania zagrożeń dla zdrowia i bezpieczeństwa podczas tworzenia skodyfikowanej wiedzy na temat wybranych zasad TRIZ . Innym był projekt JECT.AI, który integrował wiedzę na temat strategii kreatywnych stosowanych przez doświadczonych dziennikarzy z informacjami z dziesiątek milionów opublikowanych wiadomości i artykułów naukowych, aby wspierać dziennikarzy w tworzeniu bardziej kreatywnych perspektyw dla nowych historii. W ramach projektu Sport Sparks skodyfikowano wiedzę na temat technik kreatywnego myślenia, takich jak usuwanie ograniczeń, aby pomóc trenerom w tworzeniu nowatorskich i przydatnych planów działania pozwalających pokonać wyzwania sportowców . Co więcej, wykazano, że wykorzystanie tej kodyfikacji wiedzy w narzędziach JECT.AI i Sport Sparks przyczynia się do kreatywnego myślenia profesjonalnych dziennikarzy  i trenerów sportowych . Co więcej, nowsze narzędzia cyfrowe wspierające kreatywne myślenie człowieka wykorzystują różne formy rozumowania maszynowego i często określa się je jako narzędzia współtwórczej sztucznej inteligencji . Narzędzia te można potraktować jako przykłady „ludzi w pętli” wokół systemów sztucznej inteligencji . Badania skupiają się na projektowaniu inteligencji maszyn, a nie na ulepszaniu ludzkich zachowań. Na przykład Calliope wdrożyła algorytmy projektowania generatywnego w celu przeszukiwania dużych możliwych przestrzeni projektowych ( Davis, 2021 ), Shelley wdrożyła algorytmy głębokiego uczenia się w celu generowania horrorów , a model obliczeniowy zachęcał do zmian koncepcyjnych w oparciu o grupowanie głębokich cechy z bazy szkiców . Nic dziwnego, że raporty dotyczące tych narzędzi uwydatniły możliwości rozumowania maszynowego i niewiele wspomniały o wspieraniu kreatywnego myślenia przez użytkowników końcowych. Jednak raporty te ujawniają potencjał rozumowania maszynowego do manipulowania wiedzą i informacjami w celu generowania wyników, które mogą kierować i informować ludzkie twórcze myślenie. Wracając do trzech wymaganych komponentów kreatywnego myślenia w dowolnej dziedzinie Amabile i Pratt (2016), stwierdzamy, że rozumowanie maszynowe na temat skodyfikowanej wiedzy o kreatywności może potencjalnie zastąpić przynajmniej część wiedzy o kreatywności, której brakuje wielu użytkownikom biznesowym. Aby zbadać tę możliwość, skodyfikowano wybraną wiedzę na temat kreatywnego rozwiązywania problemów w celu automatycznego manipulowania nią w nowym cyfrowym prototypie, który został wypełniony informacjami o modelach biznesowych i strategiach. Dwie kolejne sekcje omawiają formy wiedzy o kreatywności, które można było skodyfikować, oraz cyfrowe informacje na temat modeli biznesowych i strategii, na podstawie których można automatycznie rozumować.

https://aie24.pl/

Coraz więcej prac ma na celu zrozumienie ZZOZ. Wielu autorów i instytucji jest zgodnych co do celów opieki zdrowotnej, polegającej na wzmacnianiu pozycji człowieka, a nie zastępowaniu go (np. korzystanie z agentów konwersacyjnych wspierających społeczności) . Jednak jak dotąd poczyniono niewielkie postępy w operacjonalizacji trzech kluczowych pomysłów Shneidermana (2020) dotyczących zapewniania bardziej skutecznej opieki zdrowotnej. Zamiast tego większość raportów skupiała się na potrzebie opracowania procesów skoncentrowanych na użytkowniku w celu projektowania systemów sztucznej inteligencji, które uczą się i ewoluują. Na przykład Yang i in. (2020) zbadali, dlaczego systemy, które uczą się i ewoluują, są trudniejsze do zaprojektowania niż konwencjonalne, poprzez odwzorowanie różnych wyzwań związanych z projektowaniem interakcji człowiek-AI na procesy projektowania skoncentrowane na użytkowniku. Podobnie Xu (2019) zaproponował ramy HCAI umożliwiające opracowywanie skuteczniejszych narzędzi sztucznej inteligencji w oparciu o nowe wyzwania dla użytecznych i użytecznych systemów, które Olsson i Väänänen (2021) rozszerzyli o swój model sztucznej inteligencji 4P (produkt, ludzie, zasady i proces) design, aby opisać oczekiwaną dynamikę w praktykach projektowania UX jako podstawę dla nowych procesów projektowych. Podobnie jak większość zgłoszonych prac, w ramach Xu (2019) założono, że narzędzia sztucznej inteligencji wykorzystują systemy uczenia maszynowego czarnej skrzynki z sieciami neuronowymi do rozpoznawania wzorców w systemach głębokiego uczenia się, które wymagają możliwości wyjaśnienia użytkownikom powodów uzyskiwanych wyników. Rzeczywiście, Yang i in. (2020) podkreślili brak wspólnej definicji sztucznej inteligencji w dyskursie badawczym dotyczącym interakcji człowiek-sztuczna inteligencja. Przegląd ujawnił szereg słabo zdefiniowanych terminów, takich jak uczenie maszynowe, systemy inteligentne i systemy oparte na sztucznej inteligencji, co skłoniło ich do zaproponowania mapy złożoności projektu AI, definiującej cztery poziomy systemów AI. Zgodnie z tą mapą proste systemy probabilistyczne na poziomie 1 wykorzystują samodzielne zbiory danych do wygenerowania małego, stałego zestawu wyników, podczas gdy rozwijające się systemy adaptacyjne na poziomie 4 uczą się na nowych danych nawet po wdrożeniu, aby wygenerować adaptacyjne, otwarte wyniki, które oprzeć się abstrakcji. Na wszystkich czterech poziomach zakładano wykorzystanie algorytmów uczenia maszynowego czarnej skrzynki, które muszą wyjaśniać swoje wyniki użytkownikom końcowym – podejście, które jak dotąd spotkało się z jedynie ograniczonym sukcesem . Z kolei inne rodzaje systemów sztucznej inteligencji, które mogą dostarczać użytkownikom wyjaśnień (np. systemy eksperckie oparte na regułach), są w dalszym ciągu skuteczne i zapewniają cenne wyniki w takich dziedzinach, jak rachunki medyczne i e-administracja . Jak zaprezentujemy, wiedzę na temat procesów i technik twórczego myślenia można skodyfikować w formie reguł generatywnych. Podobnie różne odmiany systemów rozumowania opartego na przypadkach  okazały się również skuteczne w rozwiązywaniu problemów w takich dziedzinach, jak opieka zdrowotna i prawo . Rzeczywiście, znaczenie studiów przypadków w myśleniu i edukacji biznesowej ujawnia potencjalną wartość rozumowania opartego na przykładach. Systemy sztucznej inteligencji, które wdrażają rozumowanie oparte na regułach i przypadkach, można traktować jako mieszczące się w zakresie narzędzi związanych z opieką zdrowotną i współtwórczymi narzędziami sztucznej inteligencji oraz umożliwiają podejście bardziej skoncentrowane na człowieku, wymagane dla bardziej zrozumiałej sztucznej inteligencji, jak wskazano w Ehsan i inni. Dlatego w oparciu o wyniki poprzednich badań staraliśmy się opracować alternatywny prototyp HCAI, który automatycznie manipulowałby skodyfikowaną wiedzą o kreatywności i dostępnymi informacjami cyfrowymi na temat typów modeli biznesowych.

https://aie24.pl/

Kreatywność, modele biznesowe i strategie biznesowe

Kreatywność definiuje się jako zdolność do tworzenia pracy, która jest nowatorska i oryginalna, a także odpowiednia i użyteczna (Sternberg, 1999). Potrzeba bardziej kreatywnego myślenia w celu rozwiązywania złożonych problemów jest dobrze udokumentowana . Problemy te mogą być różnorodne. Kreatywne rozwiązywanie problemów było wielokrotnie stosowane do rozwiązywania złożonych problemów, od umożliwienia ludziom efektywnej pracy z domu w czasie pandemii (np. Weigelt et. 2021 ), po umożliwienie załodze statku kosmicznego Apollo 13 bezpiecznego powrotu na Ziemię. Nic więc dziwnego, że kreatywność jest coraz bardziej pożądana przy rozwiązywaniu problemów biznesowych. Światowe Forum Ekonomiczne uznaje kreatywność i złożone rozwiązywanie problemów za dwie podstawowe i powiązane umiejętności, a badania przeprowadzone przez Nestę wykazały, że kreatywność jest konsekwentnie uznawana za najważniejszy czynnik prognostyczny prawdopodobieństwa wzrostu liczby zawodów zawodowych do roku 2030 . . Kreatywne myślenie od początku jest również niezbędnym warunkiem wstępnym innowacji na niższym szczeblu, ponieważ generuje pomysły, dzięki którym można projektować i rozwijać innowacje biznesowe (Design Council, 2011). Problemy biznesowe stały się znacznie bardziej złożone i wymagające w epoce cyfrowej, częściowo ze względu na zmiany w obszarach, w których potrzebna jest kreatywność. W XIX i XX wieku fortunę zbiły firmy, które stały się bardziej kreatywne w zakresie swoich usług i dostaw poprzez łańcuch dystrybucji. Wyraźnie widoczne są nowe produkty, procesy i formy sprzedaży hurtowej i detalicznej. Jednak w większości przypadków zaangażowanie klientów nie uległo zmianie. Klientom oferowano wstępnie zaprojektowany produkt lub usługę, ale nie mieli oni wyboru, w jaki sposób nawiązać kontakt z firmą. Z drugiej strony, od początku tego tysiąclecia nowe firmy oferują nowatorskie i cenione oferty, które w różny sposób angażują klientów, zarówno w przestrzeni cyfrowej, jak i fizycznej. Ofiary te często stanowiły twórcze rezultaty Wielkiego C, definiowane jako wybitny i stosunkowo rzadki wkład w społeczeństwo w oparciu o rozróżnienie Kaufmana i Beghetto (2009) pomiędzy różnymi stopniami twórczych wyników. Mamy zatem wyszukiwarki wspierane reklamami (takie jak Google), telefony komórkowe z obsługą aplikacji (takie jak Apple) oraz nowatorskie formy rozrywki (takie jak streaming z Spotify), sposoby robienia zakupów (takie jak Amazon) i sposoby komunikacji (np. WhatsApp). W świecie B2B mamy nowatorskie formy zaangażowania, takie jak oferowanie dóbr kapitałowych na podstawie „zapotrzebowań” z gwarantowaną wydajnością (np. Rolls Royce’s Power by the Hour). Wszystkie te firmy łączyło coś wspólnego – kontaktowały się z klientami w nowatorski sposób. W wyniku tych zmian wyzwanie, jakim jest bycie kreatywnym w biznesie, stało się znacznie bardziej złożone. Firmy muszą myśleć nie tylko o kreatywnych produktach i procesach, ale także o tym, jak nawiązać kontakt z klientami i powiązaniach, które mogą istnieć pomiędzy nowatorskimi formami zaangażowania klientów a nowatorskimi produktami, usługami i procesami. Często formy te są wynikiem kreatywności Pro-C, która wykazuje profesjonalną wiedzę specjalistyczną niezbędną do zarabiania na życie (Kaufman i Beghetto, 2009), np. usługa wdrażania nowych klientów i bardziej innowacyjne formy angażowania klientów w celu wspólnego opracowywania nowych produktów. Generowanie tych form kreatywnych wyników jest często możliwe dzięki kreatywności Mini-C, innej formie wyników, które są nowatorskimi i osobiście znaczącymi interpretacjami własnych doświadczeń ludzi, takimi jak poznawanie nowych form zaangażowania klientów w innych kulturach. Umożliwia to także kreatywność Little-c, która prowadzi do generowania nowatorskich, codziennych wyników, takich jak nowe spostrzeżenia na temat angażowania klientów poprzez praktyki konkurencji. Terminem używanym do opisania sposobu tworzenia i przechwytywania wartości w sensie holistycznym przy użyciu zdarzeń na granicy klient-firma jest model biznesowy. Typowe firmy stoją przed poważnymi wyzwaniami w zakresie planowania kolejnych kroków i strategii wykorzystania zasobów w celu osiągnięcia korzystnych wyników. Zawsze muszą obserwować, czy obecne, pozornie taktyczne, drobne wyzwanie twórcze nie jest sygnałem do istotnej zmiany podejścia do modelu biznesowego. Jednak pomimo tych uznanych trendów i możliwości, kreatywne myślenie stosowane w modelach biznesowych w celu generowania wyników Pro-C, Mini-C i Little-c nie wzbudziło większego zainteresowania większości firm i naukowców piszących o biznesie. Uważamy, że jest to stracona szansa. Jednym z powodów straconej szansy jest to, że wielu firmom brakuje wystarczającej wiedzy na temat kreatywności. W tym rozdziale definiujemy wiedzę o kreatywności jako wiedzę operacyjną na temat ram, procesów, technik i narzędzi umożliwiających kreatywne, systematyczne i regularne myślenie, a także ustalonych praktyk stosowania tej wiedzy w różnych kontekstach. Amabile i Pratt (2016) przyjęli trzy główne komponenty niezbędne do kreatywności w dowolnej dziedzinie: wiedza specjalistyczna, wewnętrzna motywacja do wykonywania zadań i umiejętność kreatywnego myślenia. Zaobserwowaliśmy, że większość liderów biznesu ma wiedzę specjalistyczną i wewnętrzną motywację do opracowywania nowych modeli i strategii biznesowych, ale większości brakuje wiedzy o kreatywności potrzebnej do skutecznego i regularnego rozwiązywania problemów. Tradycyjne sposoby wprowadzania tej wiedzy (np. szkolenia lub facylitacja) nie były skuteczne. Istnieje wiele możliwych przyczyn takiego stanu rzeczy, m.in. brak dostępu do wiedzy o tym, jak być kreatywnym, w artykułach akademickich, podręcznikach i na stronach internetowych; niewystarczająca ilość czasu na organizację ułatwionych zajęć, takich jak warsztaty; oraz brak zaangażowanego wsparcia kierownictwa. Nowe technologie cyfrowe stanowią alternatywny sposób udostępniania wiedzy o kreatywności liderom biznesu. Wykazano, że technologie sztucznej inteligencji, które rozumują automatycznie, wykorzystując skodyfikowaną wiedzę o kreatywności, wspierają ludzkie twórcze myślenie w różnych dziedzinach zawodowych .  Ta kodyfikacja przekłada wiedzę operacyjną na temat ram, procesów, technik i narzędzi kreatywnego myślenia na formy czytelne maszynowo, które są zaimplementowane w oprogramowaniu, jak na przykład algorytmy, reguły i interaktywne wskazówki dla użytkownika. Technologie oparte na tej wiedzy są jedną z form sztucznej inteligencji skupionej na człowieku (HCAI), która ma na celu wzmocnienie pozycji ludzi, a nie automatyzację ludzkiej pracy (Xu, 2019; Yang i in., 2020), aczkolwiek z wykorzystaniem rozumowania maszynowego zaprojektowanego w celu generowania wsparcia dla ludzkiego rozumowania. Ben Shneiderman argumentuje, że opieka zdrowotna musi przeformułować sztuczną inteligencję, aby działała „w pętli” wokół ludzi i wspierała poczucie własnej skuteczności, kreatywność i uczestnictwo ludzi w życiu społecznym ( Shneiderman, 2021 ). Aby kierować rozwojem nowych narzędzi cyfrowych, w których centrum jest człowiek, zaproponował, jak to określił, trzy świeże pomysły: (a) zapewnienie wysokiego poziomu kontroli ze strony człowieka oraz automatyzacji, (b) zaprojektowanie tak, aby zapewnić ludziom potężne narzędzia – podobnych urządzeń, zamiast naśladować ludzką wiedzę, oraz (c) promowanie struktury zarządzania opisującej, w jaki sposób opracowywać bardziej niezawodne systemy i utrzymywać kulturę bezpieczeństwa. Nowoczesne aparaty w smartfonach, termostaty, windy i zmywarki to nowe narzędzia z możliwościami sztucznej inteligencji, które wdrażają te pomysły. Dlatego w tym rozdziale opisujemy trwające badania, które skodyfikowały wiedzę o kreatywności w nowym cyfrowym prototypie, który dostarczył formę sztucznej inteligencji skupionej na człowieku, wspierającej ludzkie kreatywne myślenie o modelach i strategiach biznesowych. Podsumowujemy najnowsze osiągnięcia w dziedzinie opieki zdrowotnej i technologii cyfrowych w celu zwiększenia ludzkiej kreatywności i różnych form wiedzy o kreatywności, którą można skodyfikować w celu wspierania kreatywnego myślenia. Następnie wprowadzamy koncepcje modeli biznesowych i strategii oraz wyjaśniamy Zoo Modeli Biznesowych jako jedno ze źródeł informacji o modelach, którymi można manipulować automatycznie za pomocą algorytmów sztucznej inteligencji. Po tych przeglądach informujemy o opracowaniu przez nas nowatorskiego prototypu o nazwie Business Opportunity Builder, który wykorzystuje algorytmy sztucznej inteligencji, aby zachęcać do kreatywnego myślenia o modelach biznesowych i strategiach. Informujemy również o naszych kontaktach ze starszymi specjalistami biznesowymi, którzy zapoznali się z prototypem i przekazali nam opinie na temat jego potencjału. Rozdział kończy się zarysem kroków niezbędnych do zapewnienia przedsiębiorstwom skutecznego wsparcia opartego na sztucznej inteligencji na rzecz kreatywnego myślenia o modelach biznesowych.

https://aie24.pl/

Ponieważ zaawansowane technologie cyfrowe szybko zmieniają krajobraz biznesowy, firmy powinny ponownie rozważyć, w jaki sposób i gdzie zastosować kreatywność, uznając, że może ona równie dobrze wykraczać poza kontekst reklamy oraz projektowania produktów i usług. Chociaż większość współczesnych organizacji biznesowych postrzega sztuczną inteligencję jako kluczowe narzędzie umożliwiające osiągnięcie przewagi konkurencyjnej , mają trudności z jej skutecznym wykorzystaniem w dążeniu do doskonałości korporacyjnej . Firmy powinny zidentyfikować obszary (punkty styku) w podróży klienta, które najbardziej skorzystałyby na kreatywności – na przykład marketing treści, słuchanie w mediach społecznościowych, chatboty i treści konwersacyjne asystenta cyfrowego. Rodzaj i poziom kreatywności potrzebny w tych obszarach może znacznie różnić się od tej związanej z tradycyjnymi metodami marketingowymi. Dlatego też nowe umiejętności wymagane do kreatywności wśród pracowników mogą być również inne. Na przykład firmy mogłyby skoncentrować się na wykorzystaniu kreatywności wspomaganej sztuczną inteligencją w celu zwiększenia empatii pracowników, komunikacji werbalnej, umiejętności inteligencji emocjonalnej oraz umiejętności radzenia sobie w nowych i złożonych sytuacjach. Postawy pracowników wobec miejsca pracy mogą się zmienić w wyniku automatyzacji, gdy skierują oni swoje umiejętności i uwagę na inne, być może bardziej satysfakcjonujące, przedsięwzięcia. Jedną z największych obaw związanych z atakiem nowszych technologii (w tym sztucznej inteligencji) jest to, że może on mieć negatywny wpływ na kreatywność interesariuszy biznesowych, a w konsekwencji także na kreatywność biznesową . Firmy mogą pokonać te bariery, przyjmując strategie integracyjne, a nie izolacyjne. Na przykład w odniesieniu do wytwarzania nowych produktów pomysły oparte na sztucznej inteligencji mogą być przydatne twórcom, szczególnie jeśli obejmują pomoc w projektowaniu, która może pobudzić kreatywność. Na przykład sztuczna inteligencja może umożliwić zespołom ds. reklamy i marketingu zaoszczędzenie znacznych ilości pieniędzy, czasu i wysiłku. Rozpoczęcie nowych kampanii wymagałoby niewiele czasu, ponieważ przedsiębiorstwa byłyby w stanie szybko reagować na zmieniającą się sytuację, reagować na najświeższe informacje i trendy oraz proaktywnie opracowywać nowe produkty i usługi dzięki wykorzystaniu innowacji opartych na sztucznej inteligencji. Dzięki sztucznej inteligencji wszelkie materiały i zasoby można łatwo odtworzyć w kilku językach, umożliwiając firmom szybkie dotarcie do odbiorców na całym świecie, bez wysiłku i niedrogo. Z tych powodów kluczowe byłoby inwestowanie w sztuczną inteligencję do innowacyjnych zastosowań. Ponadto przyjęcie sztucznej inteligencji w biznesie wymagałoby od przedsiębiorstw utrzymywania odpowiedniego poziomu wyposażenia, zarówno w odniesieniu do najnowszych technologii lub narzędzi, jak i wykwalifikowanych pracowników. Szkolenie i zatrudnianie kreatywnych osób posiadających wiedzę w zakresie sztucznej inteligencji, uczenia maszynowego i głębokiego uczenia się stanowiłoby wielki krok naprzód w świecie korporacji. Co więcej, firmy musiałyby zadbać o to, aby wszyscy potencjalni pracownicy wykazywali się chęcią i dociekliwością niezbędną do przekraczania granic, ponieważ ludzkie intuicyjne rozumowanie w coraz większym stopniu łączy się z dokładnością i precyzją maszyn. Połączenie sztucznej inteligencji z kreatywnością pomogłoby poprawić wyniki biznesowe pod względem operacyjnym, finansowym, rynkowym i zrównoważonym. Firmy musiałyby jednak pielęgnować kreatywność różnych interesariuszy, integrować ją ze sztuczną inteligencją i osadzać ją w modelu biznesowym.