Ada kekhawatiran yang luar biasa tentang potensi AI generatif—teknologi yang dapat membuat konten baru seperti audio, teks, gambar, dan video—untuk menggantikan orang-orang di banyak pekerjaan. Tetapi salah satu peluang terbesar yang ditawarkan AI generatif kepada bisnis dan pemerintah adalah untuk meningkatkan kreativitas manusia dan mengatasi tantangan demokratisasi inovasi.
Istilah "demokratisasi inovasi" diciptakan oleh Eric von Hippel dari MIT, yang, sejak pertengahan 1970-an, telah meneliti dan menulis tentang potensi pengguna produk dan layanan untuk mengembangkan apa yang mereka butuhkan sendiri daripada hanya mengandalkan perusahaan untuk melakukannya. Dalam dua dekade terakhir atau lebih, gagasan tentang melibatkan pengguna secara mendalam dalam proses inovasi telah lepas landas, dan hari ini perusahaan menggunakan crowdsourcing dan kontes inovasi untuk menghasilkan banyak ide baru. Namun, banyak perusahaan berjuang untuk memanfaatkan kontribusi ini karena empat tantangan.
Pertama, upaya untuk mendemokratisasikan inovasi dapat mengakibatkan evaluasi yang berlebihan. Crowdsourcing, misalnya, dapat menghasilkan banjir ide, banyak di antaranya akhirnya dibuang atau diabaikan karena perusahaan tidak memiliki cara yang efisien untuk mengevaluasinya atau menggabungkan ide-ide yang tidak lengkap atau kecil yang dapat terbukti kuat dalam kombinasi.
Kedua, perusahaan mungkin menjadi mangsa kutukan keahlian. Pakar domain yang paling baik dalam menghasilkan dan mengidentifikasi ide-ide yang layak sering berjuang dengan menghasilkan atau bahkan menerima ide-ide baru.
Ketiga, orang-orang yang tidak memiliki keahlian domain dapat mengidentifikasi ide-ide baru tetapi mungkin tidak dapat memberikan rincian yang akan membuat ide-ide tersebut layak. Mereka tidak dapat menerjemahkan ide-ide yang berantakan menjadi desain yang koheren.
Dan akhirnya, perusahaan kesulitan melihat hutan untuk pepohonan. Organisasi fokus pada sintesis sejumlah kebutuhan pelanggan tetapi berjuang untuk menghasilkan solusi komprehensif yang akan menarik bagi masyarakat luas.
Alat AI generatif dapat memecahkan tantangan penting yang dihadapi dalam kontes ide: menggabungkan atau menggabungkan sejumlah besar ide untuk menghasilkan yang jauh lebih kuat.
Penelitian kami dan pengalaman kami bekerja dengan perusahaan, institusi akademik, pemerintah, dan militer pada ratusan upaya inovasi—beberapa dengan dan beberapa tanpa menggunakan AI generatif—telah menunjukkan bahwa teknologi ini dapat membantu organisasi mengatasi tantangan ini. Itu dapat menambah kreativitas karyawan dan pelanggan dan membantu mereka menghasilkan dan mengidentifikasi ide-ide baru—dan meningkatkan kualitas ide mentah. Lima cara menggunakan AI untuk meningkatkan kreativitas sebagai berikut.
1. Promosikan Pemikiran yang Berbeda
AI generatif dapat mendukung pemikiran yang berbeda dengan membuat asosiasi di antara konsep jarak jauh dan menghasilkan ide yang diambil dari mereka. Berikut adalah contoh bagaimana kami menggunakan Midjourney, algoritma text-to-image yang dapat mendeteksi kemiripan analogis antara gambar, untuk menghasilkan desain produk baru berdasarkan petunjuk tekstual dari manusia. (Kami menggunakan Midjourney, ChatGPT, dan Stable Diffusion untuk contoh dalam artikel ini, tetapi mereka hanya beberapa dari sejumlah alat AI generatif yang sekarang tersedia.) Kami meminta Midjourney untuk membuat gambar yang menggabungkan gajah dan kupu-kupu, dan itu menghasilkan chimera yang kami juluki "phantafly."
Kami kemudian menggunakan rendering terperinci dari Midjourney untuk menginspirasi petunjuk di Stable Diffusion, model text-to-image populer lainnya. Stable Diffusion menghasilkan berbagai ide untuk kategori produk yang berbeda, termasuk kursi dan permen cokelat artisanal (lihat gambar di bawah).
Memproduksi sejumlah besar desain dengan cepat dan murah dengan cara ini memungkinkan perusahaan untuk mengevaluasi berbagai konsep produk dengan cepat. Sebagai contoh, perusahaan pakaian yang menggunakan AI generatif untuk membuat desain baru untuk kaos dapat tetap mengikuti tren dan menawarkan pilihan produk yang terus berubah kepada pelanggan.
Pertimbangkan contoh lain tentang bagaimana teknologi ini dapat menghubungkan ide untuk menciptakan konsep yang mungkin tidak pernah muncul dengan sendirinya oleh individu atau tim. Kami menggunakan ChatGPT, jenis AI generatif yang dikenal sebagai model bahasa besar, untuk memandu produksi ide. Kami memintanya untuk menghasilkan ide melalui proses trisosiasi dengan menghubungkan tiga entitas yang berbeda (perpanjangan dari teknik kreativitas bisosiasi). Tim kami memberi ChatGPT petunjuk berikut: "Anda akan memainkan peran sebagai seorang ideator. Anda akan secara acak menghasilkan 10 kata benda umum. Anda kemudian akan secara acak memilih dua dari 10 kata benda. Anda kemudian akan meminta saya untuk kata benda ketiga. Anda akan menghasilkan ide bisnis dengan menggabungkan atau mengaitkan dua kata benda yang Anda identifikasi dan kata benda yang saya identifikasi."
ChatGPT menghasilkan kata benda "makanan" dan "teknologi." Saat diminta, kami menyediakan kata benda tambahan "mobil." ChatGPT menghasilkan ide bisnis berikut dalam waktu singkat: “Layanan pengiriman makanan- cerdas yang menggunakan mobil self-driving untuk mengangkut makanan ke pelanggan. Aspek teknologi dapat melibatkan penggunaan AI untuk mengoptimalkan rute pengiriman, melacak suhu makanan secara real time, dan memberi pelanggan pembaruan real-time tentang status pesanan mereka. Layanan ini dapat menargetkan para profesional dan keluarga yang sibuk yang menginginkan pilihan makanan yang nyaman dan sehat tanpa mengorbankan rasa dan kualitas.”
Dalam putaran terpisah, ChatGPT menghasilkan kata benda "airline" dan "chair." Ketika diminta, kami menyediakan "universitas," dan ChatGPT datang dengan konsep bisnis yang menyediakan cara yang nyaman dan hemat biaya bagi siswa dan akademisi untuk melakukan perjalanan ke konferensi dan lokakarya di seluruh dunia bersama dengan akses ke perpustakaan buku pendidikan selama penerbangan. Itu mengusulkan agar perusahaan itu disebut Fly and Study atau Edu-Fly.
2. Bias Keahlian Tantangan
Selama tahap awal pengembangan produk baru, desain atipikal yang dibuat oleh AI generatif dapat menginspirasi desainer untuk berpikir di luar prasangka mereka tentang apa yang mungkin atau diinginkan dalam suatu produk dalam hal bentuk dan fungsi. Pendekatan ini dapat mengarah pada solusi yang mungkin tidak pernah dibayangkan manusia menggunakan pendekatan tradisional, di mana fungsi ditentukan terlebih dahulu dan bentuk kemudian dirancang untuk mengakomodasi mereka. Masukan ini dapat membantu mengatasi bias seperti fiksasi desain (keandalan berlebihan pada bentuk desain standar), ketetapan fungsional (kurangnya kemampuan untuk membayangkan penggunaan di luar yang tradisional), dan efek Einstellung, di mana pengalaman individu sebelumnya menghalangi mereka untuk mempertimbangkan cara-cara baru untuk memecahkan masalah.
Berikut adalah contoh dari proses ini. Kami meminta Stable Diffusion untuk menghasilkan desain generik mainan yang terinspirasi dari crab- tetapi tidak menyediakannya dengan spesifikasi fungsional. Kemudian kami membayangkan kemampuan fungsional setelah melihat desainnya. Misalnya, dalam koleksi mainan yang terinspirasi kepiting yang ditunjukkan di bawah ini, gambar di kiri atas dapat dikembangkan menjadi mainan pendakian dinding; gambar di sebelahnya bisa menjadi mainan yang meluncurkan bola kecil melintasi ruangan. Kepiting di atas piring di dekat pusat bisa menjadi hidangan slow-feeder untuk hewan peliharaan.
Ini bukan cara yang sepenuhnya baru untuk menghasilkan produk yang tidak biasa: Sebagian besar arsitektur dan fungsionalitas wahana di taman hiburan seperti Disney World telah didorong oleh keinginan untuk menciptakan kembali adegan dan karakter dari sebuah cerita. Tetapi alat AI generatif dapat membantu memulai desain imajinatif perusahaan.
3. Membantu dalam Evaluasi Ide
Alat AI generatif dapat membantu dalam aspek lain dari ujung depan inovasi, termasuk dengan meningkatkan kekhususan ide dan dengan mengevaluasi ide dan terkadang menggabungkannya. Pertimbangkan tantangan inovasi di mana tujuannya adalah untuk mengidentifikasi cara untuk meminimalkan limbah makanan. ChatGPT menilai pro dan kontra dari tiga ide mentah: (1) kemasan dengan tanggal kedaluwarsa dinamis (label yang secara otomatis mengubah tanggal atau warna berdasarkan kondisi lingkungan di tempat penyimpanannya); (2) aplikasi untuk membantu pengguna menyumbangkan makanan; dan (3) kampanye untuk mendidik orang tentang jenis tanggal kedaluwarsa dan apa yang mereka wakili dalam hal kesegaran dan kesesuaian untuk digunakan. ChatGPT menghasilkan analisis seimbang tentang pro dan kontra yang mencerminkan apa yang mungkin kita harapkan dari pertukaran antara dua orang yang tertarik yang mendiskusikan manfaat dari ide-ide tersebut.
Ketika ChatGPT mengevaluasi konsep kemasan tanggal kedaluwarsa dinamis, misalnya, itu menentukan bahwa itu akan membantu konsumen lebih memahami umur simpan produk dan mendorong produsen makanan untuk memproduksi batch yang lebih kecil yang akan diisi ulang lebih sering di rak bahan makanan. Selain itu, ChatGPT menunjukkan bahwa tanggal kedaluwarsa dinamis mungkin memerlukan perubahan signifikan pada proses manufaktur dan pengemasan dan sebagai hasilnya, dapat meningkatkan biaya bagi produsen dan konsumen.
ChatGPT menentukan bahwa aplikasi food-donation dapat mendorong orang untuk menghabiskan makanan mereka sebelum menjadi buruk dan mengurangi limbah makanan dengan memberikan makanan yang belum dibuka dan dapat dimakan kepada mereka yang membutuhkan. Ini memperingatkan bahwa aplikasi mungkin memerlukan basis pengguna yang besar untuk menjadi efektif dan bahwa transportasi dan distribusi makanan dari berbagai sumber yang tidak diatur dapat menimbulkan masalah keamanan.
Potensi terbesar AI Generatif bukanlah menggantikan manusia; itu adalah untuk membantu manusia dalam upaya mereka untuk menciptakan solusi yang sampai sekarang tak terbayangkan.
Ini menyatakan bahwa pro dari program pendidikan untuk konsumen adalah meningkatkan kesadaran konsumen tentang arti label kedaluwarsa yang berbeda dan membantu mereka membuat keputusan yang lebih tepat tentang pembelian dan limbah makanan. Tetapi ChatGPT memperingatkan bahwa program pendidikan ini bisa terlalu rumit karena tanggal kedaluwarsa tidak terstandarisasi di semua produk makanan. Dan itu memperingatkan bahwa mendidik pengguna tentang berbagai jenis tanggal kedaluwarsa dapat menjadi mahal jika program memiliki cakupan yang luas, terutama jika itu melibatkan kampanye atau materi pendidikan yang tersebar luas.
AI Generatif dapat melampaui pro dan kontra sederhana dan membantu manusia mengevaluasi dimensi kreativitas seperti kebaruan, kelayakan, kekhususan, dampak, dan kemampuan kerja. Kami meminta ChatGPT untuk menilai contoh yang sama menggunakan kriteria ini.
Berikut adalah penilaiannya terhadap konsep pengemasan tanggal kedaluwarsa dinamis:
Kebaruan: Agak baru. Telah ada upaya untuk mengembangkan kemasan pintar yang dapat memperpanjang umur simpan produk makanan, tetapi gagasan tanggal kedaluwarsa dinamis adalah konsep yang muncul.
Kelayakan: Mungkin sulit untuk diterapkan karena membutuhkan pengembangan bahan dan teknologi pengemasan baru. Itu juga akan membutuhkan kolaborasi dengan produsen makanan, regulator, dan distributor.
Kekhususan: Ini spesifik karena mengatasi masalah limbah makanan dengan memberi konsumen tanggal kedaluwarsa yang lebih akurat untuk makanan mereka.
Dampak: Dapat memiliki dampak yang signifikan dalam mengurangi limbah makanan dan meningkatkan keamanan pangan. Ketika diberikan tanggal kedaluwarsa yang lebih akurat, konsumen akan lebih cenderung menggunakan makanan mereka sebelum menjadi buruk.
Kemampuan kerja: Kemungkinan besar akan membutuhkan sumber daya dan keahlian yang signifikan untuk mengembangkan dan menerapkan dan mungkin membutuhkan beberapa tahun untuk sepenuhnya menyadari potensinya.
Berikut adalah penilaian ChatGPT terhadap aplikasi untuk menyumbangkan makanan yang hampir kedaluwarsa:
Kebaruan: Tidak terlalu baru. Sudah ada banyak program dan organisasi yang didedikasikan untuk mengurangi limbah makanan dan menyumbangkan kelebihan makanan kepada mereka yang membutuhkan.
Kelayakan: Sangat layak. Ada banyak model yang mapan dan infrastruktur yang ada untuk mendukung upaya donasi makanan.
Kekhususan: Spesifik dalam tujuannya untuk mengurangi limbah makanan dan mengatasi masalah kerawanan pangan.
Dampak: Memiliki potensi untuk membuat dampak yang signifikan karena mengatasi limbah makanan dan kelaparan. Dengan mengarahkan lebih banyak makanan kepada mereka yang membutuhkan, itu dapat membantu mengurangi limbah makanan sementara juga meningkatkan ketahanan pangan untuk populasi yang rentan.
Kemampuan kerja: Sangat bisa diterapkan karena dapat diimplementasikan dengan cepat dan dengan biaya yang relatif rendah. Itu akan membutuhkan kemitraan dengan produsen makanan, distributor, dan bank makanan, serta sukarelawan untuk mengumpulkan dan mendistribusikan makanan yang disumbangkan.
Akhirnya, inilah bagaimana ChatGPT mengevaluasi ide untuk mendidik pengguna tentang berbagai jenis tanggal kedaluwarsa:
Kebaruan: Tidak terlalu baru. Ada upaya untuk mendidik konsumen tentang arti tanggal kedaluwarsa dan cara menyimpan makanan dengan benar untuk memperpanjang umur simpannya.
Kelayakan: Sangat layak. Ini dapat diimplementasikan melalui berbagai cara, seperti kampanye kesadaran publik, materi pendidikan, dan penjangkauan media.
Kekhususan: Spesifik dalam tujuannya untuk mendidik konsumen tentang tanggal kedaluwarsa yang berbeda dan cara menyimpan makanan dengan benar untuk mengurangi limbah makanan.
Dampak: Berpotensi signifikan. Mendidik konsumen tentang tanggal kedaluwarsa yang berbeda dan cara menyimpan makanan dengan benar akan membuat mereka lebih memperhatikan limbah makanan dan mengambil langkah-langkah untuk menguranginya.
Kemampuan kerja: Sangat bisa diterapkan dan dapat diimplementasikan dengan biaya yang relatif rendah. Ini akan membutuhkan kolaborasi dengan kelompok industri makanan, lembaga pemerintah, dan organisasi lain untuk mengembangkan dan mendistribusikan materi pendidikan.
Menggunakan penilaian ChatGPT, akan relatif mudah untuk mengevaluasi ketiga konsep ini, atau dengan cepat menilai atau mengaturnya berdasarkan kriteria yang paling penting.
4. Mendukung Penyempurnaan Ide
Alat AI generatif dapat memecahkan tantangan penting yang dihadapi dalam kontes ide: menggabungkan atau menggabungkan sejumlah besar ide untuk menghasilkan yang jauh lebih kuat. Sebagai contoh, sebuah organisasi yang mencoba memenangkan kontrak atau hibah untuk mengembangkan program pengurangan limbah makanan dapat menggunakan alat untuk menggabungkan tiga konsep yang dibahas sebelumnya. Kami melakukan ini dalam dua langkah. Pertama, kami meminta ChatGPT untuk menyempurnakan setiap konsep:
- “Tanggal kedaluwarsa dinamis adalah solusi yang ditujukan untuk mengurangi limbah makanan. Ini melibatkan penggabungan teknologi ke dalam kemasan yang dapat melacak dan menyesuaikan umur simpan produk secara real time. Dengan menggunakan sensor, tanggal kedaluwarsa dapat diperbarui berdasarkan perubahan faktor lingkungan, memberikan konsumen perkiraan yang lebih akurat tentang kapan suatu produk akan rusak."
- "Sebuah aplikasi yang memungkinkan konsumen untuk menyumbangkan makanan yang mendekati tanggal kedaluwarsanya bertujuan untuk mengurangi limbah makanan dengan memberikan makanan yang dapat dimakan yang belum dibuka kepada mereka yang membutuhkan. Aplikasi ini menghubungkan individu yang memiliki kelebihan makanan ke organisasi lokal yang dapat menggunakannya. Dengan menggunakan teknologi untuk memfasilitasi donasi makanan, aplikasi dapat membantu mengurangi limbah makanan dan menyediakan bagi mereka yang membutuhkan."
- “Mendidik pengguna tentang berbagai jenis tanggal kedaluwarsa dapat membantu pengguna membuat keputusan berdasarkan informasi tentang pembelian dan konsumsi makanan, mengurangi limbah, dan menghemat uang. Dengan mengklarifikasi arti "terbaik sebelum," "digunakan oleh," dan label kedaluwarsa lainnya, kampanye pendidikan dapat membantu pengguna lebih memahami bagaimana menentukan apakah makanan aman untuk dimakan dan kapan saatnya untuk membuangnya."
Selanjutnya kami meminta ChatGPT untuk menggabungkan ketiga ide menjadi satu program limbah makanan. Dalam waktu singkat itu menghasilkan deskripsi berikut: "Solusi pengurangan limbah makanan yang komprehensif melibatkan pembuatan kemasan pintar dengan tanggal kedaluwarsa dinamis, membangun program untuk menyumbangkan kelebihan makanan, dan mendidik masyarakat tentang pentingnya memahami tanggal kedaluwarsa makanan. Kemasan cerdas membantu konsumen membuat keputusan berdasarkan informasi tentang kesegaran makanan, program donasi memastikan kelebihan makanan dimanfaatkan dengan baik, dan pendidikan meningkatkan kesadaran tentang dampak limbah makanan. Solusi ini memiliki potensi untuk secara signifikan mengurangi limbah makanan dan menciptakan masa depan yang lebih berkelanjutan dengan memberdayakan konsumen, bekerja dengan industri dan pemerintah, dan memanfaatkan kelebihan makanan dengan lebih baik.”
5. Memfasilitasi Kolaborasi dengan dan Di Antara Pengguna
Saat mengembangkan ide atau desain produk baru, AI generatif dapat memfasilitasi kolaborasi antara desainer perusahaan dan pengguna produk prospektif dan di antara pengguna itu sendiri. Dengan kata lain, teknologi membuat co-creation dari penawaran baru jauh lebih mudah dan lebih murah. Misalnya, bisnis dapat memberi pengguna akses ke alat untuk menghasilkan desain dan kemudian membuat versi produk yang dipersonalisasi berdasarkan preferensi pelanggan. Sebagai alternatif, desain pengguna dapat diposting di platform crowdsourcing di mana mereka dievaluasi oleh komunitas. Desain teratas kemudian dapat dikembangkan lebih lanjut oleh kolaborator tambahan.
Untuk mengilustrasikan potensinya, kami menunjukkan bagaimana mobil terbang—sesuatu yang telah dicoba dikembangkan orang selama lebih dari 100 tahun tanpa banyak keberhasilan—mungkin dirancang. Kami memberikan Stable Diffusion prompt ini: "Desain produk yang bisa terbang tetapi juga mengemudi di jalan, mobil terbang." Difusi Stabil menghasilkan beberapa desain, dan kami memilih apa yang kami anggap paling menjanjikan: kendaraan di sudut kanan bawah gambar di bawah.
Kemudian kami meminta Stable Diffusion untuk mengambil desain itu dan menata ulang konsepnya sehingga mobil "menyeripa robot elang." Gambar di bawah ini menunjukkan variasi yang dihasilkan oleh program AI generatif dengan cepat—dari desain kiri atas yang paling mirip elang robot hingga konsep mobil terbang yang lebih layak di sudut kanan bawah.
Contoh kedua mengilustrasikan bagaimana desainer dapat menggunakan alat-alat tersebut untuk berkolaborasi pada variasi tematik dari desain struktural. Mereka mulai dengan desain mobil terbang yang dihasilkan oleh AI dan meminta alat tersebut untuk menghasilkan versi yang menyerupai capung, harimau, kura-kura, dan elang (lihat gambar di bawah).
Pendekatan alternatif adalah bagi kolaborator manusia untuk menggunakan alat seperti ChatGPT untuk mengembangkan detail produk dan kemudian menggunakan satu seperti Difusi Stabil untuk mendapatkan desain visual berdasarkan serangkaian petunjuk yang dibangun di atas satu sama lain. Kami memberi ChatGPT prompt yang mirip dengan apa yang telah kami berikan kepada Stable Diffusion: "Jelaskan produk yang bisa terbang tetapi juga mengemudi di jalan, mobil terbang."
ChatGPT memberikan deskripsi ini: “Mobil terbang adalah kendaraan yang ramping dan futuristik yang dibangun untuk petualangan pamungkas. Ini memiliki tampilan mobil sport bergaya dengan lekukan halus dan eksterior yang dipoles tetapi dengan rotor tersembunyi yang memungkinkannya terbang."
Ketika kami memberikan deskripsi itu kepada Stable Diffusion, itu memberikan gambar di bawah di sebelah kiri. Selanjutnya kami meminta ChatGPT untuk membayangkan kembali deskripsi untuk memasukkan informasi bahwa produk tersebut harus menyerupai capung dan memiliki penanda iluminasi untuk terbang di malam hari. Itu kembali dengan yang berikut: "Dengan tubuhnyaa yang ramping, sayap yang diperpanjang, dan rotor tersembunyi, kendaraan ini mengingatkan pada capung yang hidup. Penanda yang diterangi yang terletak di sepanjang sayap dan bodi menciptakan efek visual yang menakjubkan, membantu membuat kendaraan terlihat dalam kegelapan.”
Stable Diffusion menerjemahkan deskripsi itu ke dalam berbagai versi yang mempertahankan desain yang layak dan menambahkan elemen iluminasi berdasarkan pola sayap capung. Gambar di bawah di sebelah kanan adalah contoh.
Pengelompokan dua gambar. Yang pertama menunjukkan desain mobil terbang yang menyerupai mouse komputer ramping dengan roda. Itu terlihat aerodinamis, dengan hidung meruncing dan tidak ada sayap lateral yang jelas. Gambar kedua adalah kisi dua kali dua; masing-masing dari empat desain mobil terbang adalah variasi dari desain pertama. Setiap mobil memiliki perbedaan unik dalam desain permukaannya, menyerupai sayap serangga atau garis-garis cahaya neon.
Penulis menggunakan ChatGPT untuk menggambarkan mobil terbang dan meminta Stable Diffusion untuk menghasilkan desain dari deskripsi itu (kiri) dan kemudian variasi pada desain yang menggabungkan detail dan iluminasi capung (kanan). Difusi Stabil
. . .
Manusia memiliki kreativitas tanpa batas. Namun, tantangan untuk mengkomunikasikan konsep mereka dalam bentuk tertulis atau visual membatasi sejumlah besar orang untuk menyumbangkan ide-ide baru. AI generatif dapat menghilangkan hambatan ini. Seperti halnya kemampuan yang benar-benar inovatif, tidak diragukan lagi akan ada perlawanan terhadapnya. Proses inovasi jangka panjang harus berubah. Orang-orang dengan kepentingan pribadi dalam cara lama melakukan sesuatu—terutama mereka yang khawatir menjadi usang—akan menolak. Tetapi keuntungannya—peluang untuk secara dramatis meningkatkan jumlah dan kebaruan ide dari dalam dan luar organisasi—akan membuat perjalanan itu berharga. Potensi terbesar AI generatif bukanlah menggantikan manusia; itu adalah untuk membantu manusia dalam upaya individu dan kolektif mereka untuk menciptakan solusi yang sampai sekarang tak terbayangkan. Itu benar-benar dapat mendemokratisasikan inovasi.
Tidak ada komentar:
Posting Komentar