Kirjoittanut AI Trends Staff
Organisaatiot, jotka ovat sitoutuneet kehittämään tekoälyhankkeita ja ovat kokeneet jonkin verran menestystä, kohtaavat seuraavaksi haasteet, jotka liittyvät projektin onnistuneeseen skaalautumiseen yritykselle.
Saadakseen kaikki edut organisaation on sovitettava tekoäly liiketoimintastrategiaan, varmistettava monialainen yhteistyö, investoitava oikeisiin kykyihin ja koulutukseen sekä sovellettava vahvoja tietokäytäntöjä, ehdottaa äskettäinen tili Tekninen lanka.
Nämä eivät ole pieniä tehtäviä. Äskettäin tekemä tekoälyä koskeva maailmanlaajuinen tutkimus McKinsey havaitsi, että useimmat tekoälyyn sitoutuneet vastaajat ovat saamassa arvoa, mutta jotkut saavuttavat suuria mittasuhteita, tuottojen kasvua ja kustannussäästöjä kuin muut.
Erillinen kysely Accenture havaitsi, että yritykset, jotka strategisesti skaalaavat tekoälyä, tuottavat viisi kertaa sijoitetun pääoman tuoton verrattuna yrityksiin, jotka eivät kykene skaalautumaan. Noin 86% johtajista ilmoitti, että he eivät odota saavuttavansa kasvutavoitteitaan, elleivät he pysty skaalaamaan tekoälyään. Lisäksi kolme neljäsosaa tutkituista C-tason johtajista uskoo yrityksensä todennäköisesti lopettavan toimintansa, jos ne eivät pysty käyttämään tekoälyä aggressiivisesti koko organisaatiossaan.
Joissakin tilanteissa McKinsey arvioi, että tekoäly lisää 13 biljoonaa dollaria maailmantalouteen seuraavan vuosikymmenen aikana. Tekoälyn täysi arvo voi toteutua vasta, kun yritykset ovat tasanneet tekoälyn kehittämisen alkukustannukset, ja laajalla käyttöönotolla on merkittävää hyötyä liiketoiminnalle. "Useimmat yritykset kamppailevat kuitenkin tekoälyn skaalaamiseksi", todetaan tilissä.
Tärkeimmät syyt siihen, että tekoälyn skaalaaminen on niin haastavaa, jakautuvat neljään teemaan: räätälöinti, data, kyky ja luottamus, ehdottaa äskettäisen tilin kirjoittaja VentureBeat.
Räätälöinti: Suurin osa malleista tekoälyn ongelmien ratkaisemiseksi-ML, syvällinen oppiminen ja luonnollisen kielen käsittely esimerkiksi-ovat avointa alkuperää, vapaasti kaikkien saatavilla. Yritysryhmien on mukautettava ja koulutettava kukin malli vastaamaan tiettyä ongelmaa, tietoja ja toimialueita. Malliparametrit on optimoitava vastaamaan liiketoiminnan keskeisiä tulosindikaattoreita. Mallien käyttöönotto edellyttää integrointia olemassa olevaan IT-arkkitehtuuriin.
"Tekoälyjärjestelmien rakentaminen tyhjästä jokaiseen ongelmaan ja verkkotunnukseen vaatii siis paljon räätälöintityötä", kirjoittaja totesi, Ganesh Padmanabhan on kansainvälisen liiketoiminnan kehitys- ja strategisten kumppanuuksien johtaja BeyondMinds. Tel Avivissa toimiva yhtiö toimittaa modulaarisen tekoälymoottorin, joka on tarkoitettu ratkaisemaan todelliset liiketoimintaongelmat. "Keskeinen osa tekoälyn toiminnassa on tehdä räätälöintiprosessista mahdollisimman tehokas", hän totesi.
Tiedot: Tekoälyhankkeiden ajamiseksi, valmistelemiseksi ja tietojen käyttämiseksi tarvittavia ponnisteluja aliarvioidaan usein, ja monet tekoälyhankkeet epäonnistuvat. Monissa tapauksissa organisaatio tajuaa, että niiltä puuttuu standardoidut tietomääritelmät tai asianmukaiset tietomääritykset, ja he kamppailevat hajautettujen tietolähteiden kanssa. "Tämä käynnistää monivuotisen muutosmatkan", Padmanabhan totesi. Tekoälyn pilottihankkeiden tuottamiseksi tarvitaan kehittyneitä koneoppimistekniikoita pienten tietojoukkojen ja meluisamman tiedon tuottamiseksi.
Lahjakkuus: ML-insinöörit ja datatieteilijät, jotka yhdistävät tilastolliset (ML) taidot, osaamisalueet ja ohjelmistokehityskokemuksen. "Tarve lisätä joukkuetta viivästyttää arvosi toteuttamista tekoälyllä", hän totesi ja lisäsi: "Kestää vuosia, ennen kuin nämä joukkueet alkavat tuottaa todellisia tuloksia." Jotkut organisaatiot lisäävät sisäisiä tekoälytiimejä ulkopuolisten kumppaneiden kanssa nopeamman pilotin ja tuotannon välillä, hän ehdotti.
Trust: Ottaen huomioon pelot, että tekoäly saattaa tehdä työpaikoista vanhentuneita, tekoälyjärjestelmät on suunniteltava ihmisen ja koneen yhteistyöllä säätiössä. "Tekoälyn laajamittaiseen käyttöönottoon organisaatiossa tarvitaan sisäänosto, tuki ja integrointi useisiin liiketoimintaprosesseihin, IT-järjestelmiin ja sidosryhmien työnkulkuihin", Padmanabhan totesi.
Sisäisen tarkastuksen ja sääntelyvaatimusten noudattamisen ylläpitäminen on myös nopeasti kehittyvää aluetta. Kaikki mustan laatikon tekoälyn tekemät puolueelliset päätökset voivat aiheuttaa riskin. "Tämä on kriittinen este, johon edes edistyneimmät joukkueet törmäävät yrittäessään skaalata tekoälyä organisaatioidensa yli", hän sanoi.
"Siled Work Culture" -ympäristö tiedonhallinnan on jatkettava
Osa ponnisteluista tekoälyn skaalaamiseksi yrityksessä saattaa vaatia "hiljaisen työkulttuurin" muuttamista etenkin tiedonhallinnan suhteen, ehdottaa yrityksen perustajaa, joka auttaa yrityksiä nopeuttamaan tekoälyn käyttöönottoa.
"Tekoälyn skaalaaminen yrityksissä edellyttää liiketoiminnan, teknologian ja datan yhdistämistä ”, totesi Sumanth Vakada, perustaja ja toimitusjohtaja Laatu Data Machines, kotipaikka Skillman, NJ, a blogipostaus. "Organisaation tiedot on avattava, jotta niiden vapaa virtaus organisaatiossa voidaan varmistaa. Tätä ei voi tapahtua hiljaisessa työkulttuurissa, ja organisaatioiden on rakennettava poikkitieteellinen tiimi ajamaan tekoälyä organisaatioissa ", hän ehdottaa.
Ponnistelun on yhdistettävä useita työryhmiä, sovelluksia, asiakkaita, tuotteita ja palveluita sisältäviä tietovirtoja. "Kukin näistä alueista pystyy tuottamaan tietoa, jolla on vaikutusta muihin alueisiin sivusuunnassa", Vakada totesi ja lisäsi, että este on voitettava ristiin toimivien tietojen hyödyntämiseksi.
Jos tekoälyä ei skaalata, organisaatio tarvitsee "tekoälyn hallintamallin", jossa on sisäänostot C-paketista, linjaus liiketoimintastrategiaan ja jäsennelty rooli ja vastuut toteutuksessa. Yksi tehokas lähestymistapa on "napa ja puhe: malli, jossa keskittymä ottaa vastuun strategiasta ja suunnittelusta, ja pienet tiimit eri osastoilla, jotka hoitavat toteutusta", hän ehdottaa.
"Tekoälyn skaalaaminen antaa organisaatioille tänään valtavan etumatkan paitsi automaation ja älykkyyden matalien hedelmien poimimisessa myös tulevaisuuden valmiuksien rakentamisessa", Vakada totesi.
Lue lähdeartikkelit ja tiedot in Tekninen lanka, raporteissa McKinsey ja Accenture, in VentureBeat ja blogi alkaen Laatu Datakoneet.
Kassalle PrimeXBT
Kaupankäynti AC Milanin virallisten CFD-kumppaneiden kanssa
Helpoin tapa käydä salausta.
Lähde: https://www.aitrends.com/infrastructure-for-ai/how-to-meet-the-enterprise-grade-challenge-of-scaling-ai/
