AI 트렌드 스태프
AI 프로젝트 개발에 전념하고 성공을 거둔 조직은 기업을 위해 프로젝트를 성공적으로 확장하는 문제에 직면합니다.
모든 이점을 경험하려면 조직은 AI를 비즈니스 전략에 맞추고, 부서 간 협업을 보장하고, 올바른 인재와 교육에 투자하고, 강력한 데이터 관행을 적용해야합니다. 테크 와이어.
이것은 작은 작업이 아닙니다. 최근 AI에 대한 글로벌 설문 조사는 맥킨지 AI에 전념 한 대부분의 응답자가 가치를 얻고 있지만 일부는 나머지보다 큰 규모, 수익 증가 및 비용 절감을 달성하고 있음을 발견했습니다.
별도의 설문 조사 Accenture AI를 전략적으로 확장하는 회사는 확장 할 수없는 회사에 비해 투자 수익이 86 배 더 높다는 사실을 발견했습니다. 경영진의 약 XNUMX %는 AI를 확장 할 수 없으면 성장 목표를 달성 할 것으로 기대하지 않는다고보고했습니다. 또한 설문 조사에 참여한 최고 경영진의 XNUMX/XNUMX은 조직 전체에 AI를 적극적으로 배포하지 않으면 회사가 파산 할 가능성이 있다고 생각합니다.
어떤 맥락에서 McKinsey는 AI가 향후 13 년 동안 세계 경제에 XNUMX 조 달러를 추가 할 것으로 예상합니다. AI의 전체 가치는 기업이 개발 AI의 초기 비용을 상쇄하고 광범위한 배포를 통해 상당한 비즈니스 이익을 얻을 때만 실현 될 수 있습니다. 그러나 "대부분의 회사는 AI 확장에 어려움을 겪고 있습니다."라고 계정은 말합니다.
AI 확장이 그토록 어려운 주된 이유는 커스터마이징, 데이터, 재능 및 신뢰라는 네 가지 주제에 속합니다. VentureBeat.
사용자 지정 : AI 문제 해결을위한 대부분의 모델-예를 들어 ML, 딥 러닝 및 자연어 처리-누구나 자유롭게 사용할 수있는 오픈 소스입니다. 엔터프라이즈 팀은 특정 문제, 데이터 및 도메인에 맞게 각 모델을 사용자 지정하고 교육해야합니다. 모델 매개 변수는 비즈니스의 핵심 성과 지표에 맞게 최적화되어야합니다. 배포하려면 모델을 기존 IT 아키텍처에 통합해야합니다.
저자는“모든 문제와 도메인에 대해 처음부터 AI 시스템을 구축하려면 수많은 사용자 정의 작업이 필요합니다. Ganesh Padmanabhan은 글로벌 비즈니스 개발 및 전략적 파트너십 담당 부사장입니다. 비욘드마인드. 텔 아비브에 본사를 둔이 회사는 실제 비즈니스 문제를 해결하기위한 모듈 식 AI 엔진을 제공합니다. "AI 운영의 핵심 부분은 사용자 정의 프로세스를 가능한 한 효율적으로 만드는 것입니다."라고 그는 말했습니다.
날짜 : AI 프로젝트를 추진하기 위해 데이터를 활용, 준비 및 액세스하는 데 필요한 노력은 종종 과소 평가되며 많은 AI 프로젝트가 실패하는 이유입니다. 대부분의 경우 조직은 표준화 된 데이터 정의 나 적절한 데이터 정의가 부족하고 분산 된 데이터 소스로 어려움을 겪고 있음을 인식합니다. Padmanabhan은“이는 다년간의 전환 여정을 시작합니다. AI 파일럿 프로젝트를 프로덕션으로 가져 오려면 프로덕션에서 더 작은 데이터 세트와 시끄러운 데이터로 작업하는 고급 머신 러닝 기술이 필요합니다.
재능: 통계 (ML) 기술, 도메인 전문 지식 및 소프트웨어 개발 경험을 결합한 ML 엔지니어 및 데이터 과학자. "팀을 강화해야 할 필요성은 AI를 통한 가치 실현을 지연시킵니다. 이러한 팀이 실제 결과를내는 데는 몇 년이 걸립니다." 일부 조직은 더 빠른 파일럿-프로덕션 경로를 위해 외부 파트너와 함께 내부 AI 팀을 보강한다고 그는 제안했습니다.
신뢰 : AI가 일자리를 쓸모 없게 만들 수 있다는 두려움을 감안할 때 AI 시스템은 기초에서 인간-기계 협업을 통해 설계되어야합니다. Padmanabhan은“조직 전체에서 AI를 대규모로 채택하려면 여러 비즈니스 프로세스, IT 시스템 및 이해 관계자의 워크 플로에 대한 동의, 지원 및 통합이 필요합니다.
내부 감사 및 규제 요구 사항을 준수하는 것도 빠르게 발전하는 영역입니다. 블랙 박스 AI가 내리는 편향된 결정은 위험을 초래할 수 있습니다. "이것은 가장 진보 된 팀조차도 조직 전체에서 AI를 확장하려고 할 때 직면하게 될 중요한 장애물입니다."라고 그는 말했습니다.
데이터 관리 필요성에 대한“단일화 된 업무 문화”
기업에서 AI를 확장하려는 노력의 일부는 특히 데이터 관리와 관련된 "사일로 화 된 업무 문화"의 변화를 필요로 할 수 있다고 기업이 AI 채택을 가속화하는 데 도움이되는 회사의 설립자가 제안합니다.
"기업에서 AI를 확장하려면 비즈니스, 기술 및 데이터의 결합이 필요합니다.”라고 설립자이자 CEO 인 Sumanth Vakada는 말했습니다. 자질 Skillman, NJ에 기반을 둔 데이터 머신 블로그 게시물. "조직 전체의 자유로운 흐름을 보장하려면 조직 데이터를 잠금 해제해야합니다. 이는 사일로 화 된 업무 문화에서는 발생할 수 없으며 조직에서 AI를 추진하기 위해 학제 간 팀을 구축해야합니다.”라고 그는 제안합니다.
작업 팀, 애플리케이션, 클라이언트, 제품 및 서비스의 여러 데이터 스트림을 결합해야합니다. Vakada는 "이러한 각 영역은 측면으로 다른 영역에 영향을 미치는 데이터를 생성 할 수 있습니다."라고 말하면서 교차 기능 데이터를 활용하려면 장애물을 극복해야한다고 덧붙였습니다.
적절하지 않은 경우 AI를 확장하려는 조직은 최고 경영진의 동의, 비즈니스 전략과의 조정, 실행을위한 역할 및 책임 구조를 갖춘 "AI 거버넌스 모델"이 필요합니다. 한 가지 효율적인 접근 방식은 "허브 앤 스포크 : 전략 및 계획을 담당하는 허브가있는 모델과 실행을 처리하는 여러 부서의 소규모 팀이있는 모델"이라고 그는 제안합니다.
Vakada는“오늘날 AI를 확장하면 조직이 자동화 및 인텔리전스의 낮은 결실을 선택하는 것뿐만 아니라 미래를위한 역량을 구축하는 데있어 큰 유리한 출발을 할 수 있습니다.
소스 기사 및 정보 읽기 in 테크 와이어, 보고서에서 맥킨지 과 Accenture, in VentureBeat 과의 블로그 게시물 에 자질 데이터 머신.
PrimeXBT 결제
AC Milan의 공식 CFD 파트너와 거래
암호 화폐를 거래하는 가장 쉬운 방법.
출처 : https://www.aitrends.com/infrastructure-for-ai/how-to-meet-the-enterprise-grade-challenge-of-scaling-ai/