De personalul AI Trends  

Organizațiile care și-au asumat angajamentul de a dezvolta proiecte de inteligență artificială și au înregistrat succese se confruntă în continuare cu provocările legate de scalarea cu succes a proiectului pentru întreprindere.   

Pentru a experimenta toate beneficiile, organizația trebuie să alinieze AI la strategia de afaceri, să asigure colaborarea interfuncțională, să investească în talentul și formarea potrivite și să aplice practici solide de date, sugerează un cont recent în Sârmă tehnică.   

Acestea nu sunt sarcini mici. Un sondaj global recent despre AI realizat de McKinsey a constatat că majoritatea respondenților care s-au angajat în AI câștigă valoare, dar unii ating o amploare mare, crește veniturile și economii de costuri decât restul.  

Un sondaj separat de Accenture a constatat că companiile care scalează strategic AI generează de cinci ori mai mult rentabilitatea investiției, comparativ cu companiile care nu sunt capabile să se extindă. Aproximativ 86% dintre directori au raportat că nu se așteaptă să-și atingă obiectivele de creștere decât dacă își pot scala AI. În plus, trei sferturi dintre directorii de nivel C intervievați cred că companiile lor sunt susceptibile de a înceta activitatea dacă nu reușesc să implementeze AI în mod agresiv în organizația lor.   

Într-un anumit context, McKinsey estimează că AI va adăuga 13 trilioane de dolari la economia globală în următorul deceniu. Valoarea completă a IA se poate materializa numai atunci când firmele și-au compensat costurile inițiale ale dezvoltării AI, cu câștiguri comerciale substanțiale din implementarea sa pe scară largă. Cu toate acestea, „Majoritatea companiilor se luptă să extindă AI”, se arată în contul.  

Principalele motive pentru care scalarea AI este atât de dificilă se încadrează în patru teme: personalizare, date, talent și încredere, sugerează scriitorul unui cont recent în VentureBeat.   

Personalizare: Majoritatea modelelor pentru rezolvarea problemelor AI-ML, învățarea profundă și procesarea limbajului natural, de exemplu-sunt open source, disponibile gratuit pentru oricine. Echipele întreprinderilor trebuie să personalizeze și să antreneze fiecare model pentru a se potrivi problemei, datelor și domeniului specific. Parametrii modelului trebuie optimizați pentru a se alinia la indicatorii cheie de performanță ai afacerii. Pentru a fi implementate, modelele trebuie să fie integrate în arhitectura IT existentă.   

„Construirea sistemelor AI de la zero pentru fiecare problemă și domeniu necesită, prin urmare, multă muncă de personalizare”, a declarat autorul, Ganesh Padmanabhan este VP, Global Business Development & Strategic Partnerships la Dincolo de minți. Cu sediul în Tel Aviv, compania furnizează un motor AI modular menit să rezolve problemele de afaceri din lumea reală. „O parte cheie a operaționalizării AI este ca procesul de personalizare să fie cât mai eficient posibil”, a spus el.  

Date: Efortul necesar pentru valorificarea, pregătirea și accesarea datelor pentru a conduce proiecte AI este adesea subestimat și este motivul pentru care multe proiecte AI eșuează. În multe cazuri, organizația realizează că le lipsesc definițiile standardizate de date sau definițiile adecvate ale datelor și se luptă cu sursele de date distribuite. „Acest lucru începe o călătorie de transformare de mai mulți ani”, a declarat Padmanabhan. Sunt necesare tehnici avansate de învățare automată pentru a lucra cu seturi de date mai mici și date mai zgomotoase în producție pentru a duce proiectele-pilot AI la producție.  

Talent: Ingineri ML și oameni de știință ai datelor care combină abilitățile statistice (ML), expertiza în domeniu și experiența în dezvoltarea de software. „Nevoia de a intensifica o echipă întârzie realizarea valorii cu AI”, a declarat el, adăugând: „Este nevoie de ani pentru ca aceste echipe să înceapă să producă rezultate reale.” Unele organizații măresc echipele interne de inteligență artificială cu parteneri externi, pentru o cale mai rapidă de la pilot la producție, a sugerat el.   

Trust: Având în vedere temerile că AI ar putea face locurile de muncă învechite, sistemele AI trebuie proiectate cu colaborare om-mașină la fundație. „Pentru adoptarea la scară largă a AI într-o organizație, aveți nevoie de acceptare, asistență și integrare în mai multe procese de afaceri, sisteme IT și fluxuri de lucru ale părților interesate”, a declarat Padmanabhan.  

Menținerea conformității cu auditul intern și cerințele de reglementare este un domeniu în evoluție rapidă, de asemenea necesar. Orice decizie părtinitoare luată de IA cutie neagră poate reprezenta un risc. „Acesta este un obstacol critic cu care se vor întâlni chiar și cele mai avansate echipe atunci când încearcă să extindă AI în organizațiile lor”, a spus el.  

„Cultura de lucru în siloz” în jurul managementului datelor trebuie să meargă  

O parte din efortul de a scala AI în întreprindere poate necesita o transformare a unei „culturi de lucru izolate”, în special în ceea ce privește gestionarea datelor, sugerează fondatorul unei companii care ajută companiile să accelereze adoptarea AI.   

Scalarea AI în întreprinderi necesită reunirea afacerilor, tehnologiei și datelor”, a declarat Sumanth Vakada, fondator și CEO al Qualetics Data Machines, cu sediul în Skillman, NJ, în a postare pe blog.  Datele organizaționale trebuie deblocate pentru a asigura fluxul lor liber în întreaga organizație. Acest lucru nu se poate întâmpla într-o cultură de lucru separată, iar organizațiile trebuie să construiască o echipă interdisciplinară pentru a conduce AI în organizații”, sugerează el.  

Efortul trebuie să combine mai multe fluxuri de date de la echipe de lucru, aplicații, clienți, produse și servicii. „Fiecare dintre aceste zone este capabilă să genereze date care au un impact lateral asupra altor zone”, a declarat Vakada, adăugând că obstacolul trebuie depășit pentru a valorifica datele interfuncționale. 

Dacă nu este în vigoare, organizația care încearcă să extindă AI are nevoie de un „Model de guvernare AI”, cu acceptare din partea C-suite, aliniere la strategia de afaceri și structurarea rolurilor și responsabilităților pentru execuție. O abordare eficientă este un „hub and spoke: model în care hub-ul își asumă responsabilitatea pentru strategie și planificare, iar echipele mici din diferite departamente se ocupă de execuție”, sugerează el. 

„Scalarea AI de astăzi oferă organizațiilor un avans uriaș nu numai în alegerea fructelor de jos ale automatizării și inteligenței, ci și în construirea capacităților pentru viitor”, a declarat Vakada. 

Citiți articolele și informațiile sursă in Sârmă tehnică, în rapoartele de la McKinsey și  Accenture, in VentureBeat și, în blog din Qualetics Mașini de date.

Verificați PrimeXBT
Tranzacționează cu partenerii oficiali CFD ai AC Milan
Cea mai ușoară cale de a tranzacționa cripto.
Sursa: https://www.aitrends.com/infrastructure-for-ai/how-to-meet-the-enterprise-grade-challenge-of-scaling-ai/