आधे से अधिक उद्यम एआई अपनाने के "परिपक्व" चरण में हैं - जो वर्तमान में परिभाषित हैं ऐ का उपयोग करना विश्लेषण के लिए या उत्पादन में - जबकि लगभग एक तिहाई एआई का मूल्यांकन कर रहे हैं, और 15% रिपोर्ट एआई के साथ कुछ भी नहीं कर रहे हैं, ओ'रेली सर्वेक्षण से पता चलता है।

ओ'रेली की 2019 रिपोर्ट की तुलना में ये संख्याएँ वृद्धि दर्शाती हैं, जिसमें केवल 27% संगठन "परिपक्व" पाए गए गोद लेने का चरण और मूल्यांकन चरण में 54%।

औपचारिक डेटा प्रशासन स्थापित करने के लिए संगठन

जब डेटा गवर्नेंस की बात आती है, तो 26% से अधिक उत्तरदाताओं का कहना है कि उनके संगठन 2021 तक औपचारिक डेटा गवर्नेंस प्रक्रियाओं और/या उपकरणों को स्थापित करने की योजना बना रहे हैं और लगभग 35% को उम्मीद है कि अगले तीन वर्षों में ऐसा हो जाएगा।

वर्तमान में, उत्तरदाता संगठनों में से केवल एक-पाँचवें ने बताया है कि उनके पास समर्थन और पूरक के लिए औपचारिक डेटा प्रशासन प्रक्रियाएँ और/या उपकरण हैं एआई परियोजनाओं, में उजागर निष्कर्षों के समान सर्वेक्षण.

संगठन एआई प्रथाओं का विस्तार और विस्तार करने के लिए संघर्ष कर रहे हैं

एआई कौशल वाले लोगों को काम पर रखने और बनाए रखने में कठिनाइयों को एक बार फिर उद्यम में एआई अपनाने में एक शीर्ष बाधा के रूप में देखा गया, जो 18 में 2019% से थोड़ा कम है। 2019 में, एआई अपनाने में सबसे बड़ी बाधा संस्थागत की कमी बताई गई थी समर्थन (22%), इसके बाद 20% पर "उचित व्यावसायिक उपयोग के मामलों की पहचान करने में कठिनाइयाँ"।

"एआई प्रथाएं परिपक्व हो रही हैं, और अपनाने वाले परिष्कृत एआई तकनीकों और उपकरणों के साथ प्रयोग कर रहे हैं, जो उद्यम में एआई की भविष्य की प्रगति के लिए अच्छा संकेत है," ओ'रेली स्ट्रेटा डेटा और एआई सम्मेलन के सह-अध्यक्ष और रणनीतिक सामग्री निदेशक राचेल रूमेलियोटिस ने कहा। पर ओ रेली.

"हालांकि, यदि संगठन एमएल और एआई विकास में डेटा गवर्नेंस और डेटा कंडीशनिंग के महत्व को संबोधित नहीं करते हैं, तो वे अपनी एआई प्रथाओं का विस्तार और स्केल करने के लिए संघर्ष करना जारी रखेंगे।"

2:1 के अंतर से, कंपनियों में उत्तरदाता एआई का मूल्यांकन एआई को अपनाने के लिए प्राथमिक आधार के रूप में एक असमर्थित संस्कृति का हवाला दिया गया, उन संगठनों के लिए बढ़ते प्रतिरोध का सुझाव दिया गया जिन्होंने अभी तक एआई को उत्पादन में नहीं डाला है। इसके विपरीत, एआई अपनाने वालों में लापता या असंगत डेटा की समस्याओं को सबसे बड़ी बाधा के रूप में उद्धृत करने की संभावना लगभग एक तिहाई अधिक है।

एआई प्रयास: अन्य निष्कर्ष

• परिपक्व अपनाने वालों में, पर्यवेक्षित शिक्षण को सबसे लोकप्रिय मशीन लर्निंग तकनीक (73%) बताया गया है, जबकि एआई के मूल्यांकन चरण में अभी भी संगठनों के बीच गहन शिक्षण (55%) सबसे लोकप्रिय है।
• एआई का अधिकांश उपयोग अनुसंधान और विकास में होता है - सभी उत्तरदाताओं में से केवल आधे से कम द्वारा उद्धृत - इसके बाद आईटी का स्थान आता है, जिसे केवल एक तिहाई से अधिक द्वारा उद्धृत किया गया था। एआई का एक और उच्च उपयोग वाला कार्यात्मक क्षेत्र ग्राहक सेवा है, जिसकी हिस्सेदारी केवल 30% से कम है।
• उत्तरदाताओं ने अपने संगठनों में एमएल मॉडलर्स और डेटा वैज्ञानिकों (58%) की कमी के रूप में सबसे महत्वपूर्ण एमएल- और एआई-विशिष्ट कौशल अंतराल की पहचान की, जो लगभग 2019 के निष्कर्षों के बराबर है। इसके बाद समझने और बनाए रखने की चुनौती थी व्यावसायिक उपयोग के मामलों का सेट (49%) और डेटा इंजीनियरिंग (40%)।
• एमएल मॉडल का निर्माण और तैनाती करते समय अप्रत्याशित परिणाम/भविष्यवाणियां सबसे आम जोखिम कारक थीं, जिसका हवाला लगभग दो-तिहाई परिपक्व और लगभग 53% अभी भी मूल्यांकन कर रहे एआई चिकित्सकों द्वारा दिया गया है।
• TensorFlow एआई-संबंधित कार्यों में उपयोग के लिए सबसे लोकप्रिय उपकरण बना हुआ है, जैसा कि 55 और 2019 दोनों में लगभग 2020% उत्तरदाताओं ने बताया है। इसके अतिरिक्त, एआई-संबंधित कार्यों के लिए पांच सबसे लोकप्रिय उपकरणों में से चार या तो पायथन-आधारित हैं या पायथन का वर्चस्व है। उपकरण, लाइब्रेरी, पैटर्न और प्रोजेक्ट।

स्रोत: https://www.helpnetsecurity.com/2020/03/23/ai-efforts/