著者の詳細については、ここをクリックしてください デビッドタルビー.
技術者の不足は長い間
AIプロジェクトを軌道に乗せるための課題でした。 研究が示している間
これはまだ当てはまるかもしれませんが、それはすべてではなく、確かにそうではありません
非常に多くのAIイニシアチブが最初から運命づけられている唯一の理由。
デロイトの最近 企業におけるAIの状態 調査では、最も需要の高い人材のタイプが見つかりました— AI開発者とエンジニア、AI研究者、 データサイエンティスト —AIの習熟度のすべてのレベルでかなり一貫していた。 ただし、ビジネスリーダー、ドメインエキスパート、およびプロジェクトマネージャーはリストの下位にランクインしました。 技術的な才能が価値があり、必要であることに異論はありませんが、後者のタイトルへの注目の欠如は、会話の大きな部分を占めるはずです。
大学のプログラムがAIの実際のアプリケーションに追いつき、組織が内部トレーニングを実施するか、 完全にアウトソーシング。 これは、企業がこれらの問題が解決するのを待つことや、人材プールが拡大するのを待つことができるという意味ではありません。 のXNUMXつになることを避けるために 85パーセント 意図した約束を果たせないAIプロジェクトのうち、組織がプロジェクトに戦いのチャンスを与えるために焦点を当てることができるXNUMXつの領域があります。
1.
組織の賛同：AI主導の製品、収益、および顧客の成功
理解する AIがどのように機能するか プロフェッショナルおよび製品環境内で、それがより良い顧客体験と新しい収益機会にどのように変換されるかが重要であり、それはITチームをはるかに超えています。 正確なAIモデルをトレーニングして展開できるからといって、それらを最も効果的に使用して顧客を支援する方法の問題に対処することはできません。 これを行うには、これが有用である理由と、それが職務にどのように影響するかについて、販売、マーケティング、製品、設計、法務、顧客の成功など、すべての組織分野を教育する必要があります。
うまくいけば、新しい機能
AIによってロックが解除されると、製品チームはユーザーエクスペリエンスを完全に再考できます。
NetflixとSpotifyの推奨事項をサイドとして追加することの違いです
機能とコンテンツ検出に関するユーザーインターフェイスの設計。 もっと
意欲的に、それは車線逸脱警報をに追加することの違いです
新しい車とペダルのない自動運転車の構築
ホイール。 AIプロジェクトへの部門横断的なコラボレーションと賛同は不可欠です
成功とスケーリングの一部であり、最初から優先する必要があります。
2.
現実的な期待：ラボと現実の世界
私たちはAI開発のエキサイティングな時期にあり、「新しい光沢のあるオブジェクト」の精神に巻き込まれるのは簡単です。 新しいAI対応の効率を実装することへの熱意は良いことですが、期待を設定する前に飛び込むことは、失望することになる確実な方法です。 AIプロジェクトを実装およびスケーリングするときに組織が直面する課題の実際の例は、最近の Googleリサーチ 患者の目の画像から糖尿病性網膜症を検出するために使用される新しい深層学習モデルに関する論文。 糖尿病性網膜症は、未治療の場合、失明を引き起こしますが、早期に発見されれば、しばしば予防することができます。 応答として、科学者は、検出と予防を加速するために、病気の症状の初期段階を特定するための深層学習モデルを訓練しました。
Googleはモデルトレーニングのために高度なマシンにアクセスできました
テスト用の適切なプロトコルに従った環境からのデータ。 そう、
テクノロジー自体は人間と同じくらい正確でしたが、
専門家、これはタイの田舎の診療所に適用されたときは問題ではありませんでした。
そこでは、機械の品質、診療所の部屋の照明、そして
多くの理由で参加する患者の意欲はかなり異なっていました
モデルが訓練された条件よりも。 適切なインフラストラクチャの欠如
実用的な制限の理解は不和の典型的な例です
データサイエンスの成功とビジネスの成功の間。
3.
適切な基盤：安全に運用するためのツールとプロセス
成功するAI製品とサービス
XNUMX層の応用スキルが必要です。 まず、データサイエンティストは
利用可能で、生産的にツール化されており、ドメインの専門知識とアクセス権を持っています
関連データ。 AIテクノロジーがよく理解されるようになっている一方で、バイアスから
予防、説明可能性、概念のドリフト、および同様の問題、多くのチームは
技術的な問題のこの最初の層にまだ苦労しています。 第二に、
組織は、AIモデルを本番環境にデプロイして運用する方法を学ぶ必要があります。
これには、DevOps、SecOps、および新たに登場した「AIOps」ツールとプロセスが必要です。
設置されるので、モデルは生産において正確に機能し続けます
時間。 第三に、製品マネージャーとビジネスリーダーは
新しい技術的能力とそれらがどのようになるかを再設計するために開始します
顧客とエンドユーザーを成功させるために適用されます。
で途方もない進歩がありました
過去XNUMX年間の教育とツールですが、まだ初期の段階です
本番環境でAIモデルを運用しています。 残念ながら、設計と製品管理
はるかに遅れており、AIの成功に対する最も一般的な障壁のXNUMXつになっています。
これが、前述のデロイトの回答者にとっての時期かもしれない理由です。
全体的なビジネスの成功と組織の賛同を得るための調査
道をリードする最高の技術的才能を見つける前に。 これに対する解毒剤
実践的な教育とトレーニングに投資していますが、幸いなことに、
教室から技術トレーニングコースまで、これらはより広くなりつつあります
にアクセスできるようにしています。
比較的新しいテクノロジーですが、AIには
私たちの働き方や生き方を変えてください。 とはいえ、他のテクノロジーと同様に、AI
成功は、適切なトレーニング、教育、賛同、そしてよく理解されていることにかかっています
期待とビジネス価値。 これらすべての要素を調整するには時間がかかるため、
辛抱強く、AIの取り組みを確実にするための戦略を立ててください
配信します。
