人工知能（AI）と機械学習（ML）は、人間ができないことのXNUMXつであるスケーラビリティを企業に提供します。 時間の経過とともに、人間は企業の拡張能力を制限します。 彼らは与えられた効率で非常に多くの時間しか働けません。 一方、AIとMLは、特定のプロジェクトにのみ焦点を当ててXNUMX時間体制で作業できます。 組織がナビゲートするとき COVID-19の影響 また、リモートワーカーの将来、スケーラビリティ、および効率は、組織の回復を成功させるための鍵となる可能性があります。

実装の課題

AIとMLのメリットは、独自の課題がなければ得られません。 ただし、最大の課題は、適切な実装のためのスキルと時間の不足です。 69月、デロイトは調査で、回答者のXNUMX％が、AI実装のスキルギャップは中程度から主要、極端に及ぶと述べていることを発見しました。 同時に、多くの企業は、企業内でAIとMLのトレーニング、テスト、デプロイ、保守を成功させるために必要なプロセスとインフラストラクチャを構築するために必要な投資を見落としています。

このような課題により、特に不確実な時期に、企業はAIおよびMLプロジェクトの優先順位を下げることがよくあります。 それはCOVID-19パンデミックを通してますます明白になっています。 しかし、一部の組織はその取り組みを後退させていますが、現在のグローバルな状態では、重要なビジネスプロセスをサポートするためにAIとMLの必要性が高まっています。 これは、遠隔地の労働力の増加、職場への復帰に関する考慮事項、および世界中のサイロで行われている作業を考えると、今日特に当てはまります。

やりがいはありますが、AIとMLを適切に実装することは不可能ではありません。 この進化するCOVIDの影響を受けたビジネス環境では、不確実性と限られたリソースにもかかわらず、重要なビジネスプロセスを合理化するのに役立つ強力なAIおよびMLシステムを効果的に実装するためのXNUMXつのステップが重要です。

解決すべき問題を特定する

一部の企業は、AIおよびMLプロジェクトを、すべての問題を解決するための「銀の弾丸」と誤って見なしています。 これはしばしば、過度に膨らんだ期待、焦点の定まらないアプローチ、そして不十分な結果をもたらします。 代わりに、企業はAIおよびMLソリューションの実装から最大の影響を与える特定の問題を特定し、それらの問題の解決に重点を置く必要があります。

データを選択してください

強力なAIおよびMLアルゴリズムを作成するためのXNUMX番目のステップは、アルゴリズムがトレーニングするソースデータを選択することです。 主なオプションはXNUMXつあります。自分のデータでトレーニングするか、大規模なデータセットでトレーニングするかです。 経験に基づいて、独自のデータでアルゴリズムをトレーニングすると、不利になります。 のトレーニングによって 大規模なデータ セットすると、データがより代表的で多様であるため、成功の可能性が高まります。 転移学習などの高度な概念を通じて、企業はより大きなデータセットに基づく半トレーニングモデルを使用し、ビジネスに固有の独自のコンテンツを使用して「ラストマイル」をトレーニングできます。

クリーンハウス

ここでは、データ管理のスタンバイルールが適用されます–ガベージイン、ガベージアウト。 最終的に、機械学習モデルの品質と精度は、代表的であることに依存します。 適切なデータが提供されるAIとMLは、運用を合理化し、企業のDXとクラウドの移行ジャーニーのメリットを高めることができます。

AIまたはMLプロジェクトを開始する場合、特に独自のデータまたはモデルを使用している場合、最も重要なステップは、アルゴリズムがトレーニングするデータをクリーンアップすることです。

トレーニングの余地を作る

AIとMLはすべて確率に関するものです。 たとえば、「これは猫ですか？」という質問をすると、「トレーニングを受けた91つのバケットのうち、この画像が猫である可能性は.72です。この画像が犬である可能性は.32であり、この画像が鳥である可能性は.XNUMXです。」

これが、さまざまなデータのトレーニングが非常に重要である理由です。 トレーニングデータに猫、犬、鳥の画像のみが含まれていて、アルゴリズムにワニの画像を分析するように依頼した場合、トレーニングされたバケット（猫、犬、鳥）に基づいてのみ応答します。

データを適切に選択してクリーンアップした場合、トレーニングは簡単な最後のステップになるはずですが、最初のXNUMXつのステップに戻って、トレーニングに基づいてさらに改善する機会でもあります。

AIおよびMLアルゴリズムのトレーニングのフロントエンドは時間がかかる場合がありますが、これらのXNUMXつの手順に従うと、重要な結果を簡単に達成できます。 業界全体で、AIとMLはすぐにROIを示すことができます。 たとえば、 保険業、AIとMLは、保険会社が契約をすばやく検索するのに役立つため、従業員は世界中の契約やリポジトリをふるいにかけて簡単な質問に答えることはありません。 これは、COVID-19が大きな影響を与えた業界の時間効率を意味します。

さらに良いことに、業界での経験を持つSaaSプロバイダーと協力することで、このプロセスをはるかに簡単かつ低コストにすることができます。 SaaSプラットフォームを使用すると、企業はインフラストラクチャ、セキュリティ、および事前にトレーニングされたモデルをすべて導入して、全体的な労力と価値実現までの時間を短縮できます。 多くのプラットフォームでは、ユーザーは事前定義されたモデルを一意の顧客データでアップトレーニングできるため、モデルの作成に必要なトレーニングの労力が軽減されます。 これにより、企業はモデルの作成自体ではなく、エコシステムやワークフローとの統合に集中できます。

大きな画像

全体として、企業はAIとMLの全体像に焦点を当てることで、COVIDの影響を和らげることができます。 AIおよびMLプロジェクトを実装すると、このような不確実な時期にもかかわらず、ビジネスの生産性が向上します。 回復への道を歩み続けるにつれ、AIやMLのようなツールが、より大きな全体像であるミッションクリティカルなタスクに集中し続ける必要があります。

コインスマート。 BesteBitcoin-ヨーロッパのBörse
出典：https：//www.iotforall.com/prioritizing-artificial-intelligence-and-machine-learning-in-a-pandemic