Nhân viên xu hướng AI  

Các tổ chức đã cam kết phát triển các dự án AI và đã đạt được một số thành công tiếp theo sẽ phải đối mặt với những thách thức xung quanh việc nhân rộng thành công dự án cho doanh nghiệp.   

Để trải nghiệm tất cả các lợi ích, tổ chức cần điều chỉnh AI phù hợp với chiến lược kinh doanh, đảm bảo sự hợp tác giữa các chức năng, đầu tư vào nhân tài và đào tạo phù hợp, đồng thời áp dụng các thực tiễn dữ liệu hiệu quả, một tài khoản gần đây cho biết trong dây công nghệ.   

Đây không phải là những nhiệm vụ nhỏ. Một cuộc khảo sát toàn cầu gần đây về AI được thực hiện bởi McKinsey nhận thấy rằng hầu hết những người được hỏi đã cam kết với AI đều đang đạt được giá trị, nhưng một số đạt được quy mô lớn, tăng doanh thu và tiết kiệm chi phí hơn những người còn lại.  

Một cuộc khảo sát riêng của Accenture nhận thấy rằng các công ty mở rộng quy mô AI một cách chiến lược tạo ra lợi tức đầu tư gấp năm lần so với các công ty không thể mở rộng quy mô. Khoảng 86% giám đốc điều hành báo cáo rằng họ không mong đợi đạt được các mục tiêu tăng trưởng trừ khi họ có thể mở rộng quy mô AI của mình. Hơn nữa, XNUMX/XNUMX giám đốc điều hành cấp C được khảo sát tin rằng công ty của họ có khả năng phá sản nếu họ không tích cực triển khai AI trong toàn tổ chức của mình.   

Đối với một số bối cảnh, McKinsey ước tính rằng AI sẽ bổ sung 13 nghìn tỷ đô la cho nền kinh tế toàn cầu trong thập kỷ tới. Giá trị đầy đủ của AI chỉ có thể thành hiện thực khi các công ty đã bù đắp chi phí phát triển AI ban đầu của họ, với lợi ích kinh doanh đáng kể từ việc triển khai rộng rãi AI. Tuy nhiên, “Hầu hết các công ty đang gặp khó khăn trong việc mở rộng quy mô AI,” tài khoản cho biết.  

Những lý do chính khiến việc mở rộng quy mô AI trở nên khó khăn thuộc bốn chủ đề: tùy chỉnh, dữ liệu, tài năng và niềm tin, gợi ý của người viết về một tài khoản gần đây trong VentureBeat.   

Customization: Hầu hết các mô hình để giải quyết các vấn đề AI-ML, học sâu và xử lý ngôn ngữ tự nhiên chẳng hạn-có mã nguồn mở, sẵn có miễn phí cho bất kỳ ai. Các nhóm doanh nghiệp cần tùy chỉnh và đào tạo từng mô hình để phù hợp với vấn đề, dữ liệu và miền cụ thể. Các tham số mô hình cần được tối ưu hóa để phù hợp với các chỉ số hiệu suất chính của doanh nghiệp. Để được triển khai, các mô hình cần được tích hợp vào kiến ​​trúc CNTT hiện có.   

Tác giả cho biết: “Việc xây dựng các hệ thống AI từ đầu cho mọi vấn đề và miền đòi hỏi rất nhiều công việc tùy chỉnh. Ganesh Padmanabhan là Phó Chủ tịch, Phát triển Kinh doanh Toàn cầu & Đối tác Chiến lược tại BeyondMinds. Có trụ sở tại Tel Aviv, công ty cung cấp một công cụ AI mô-đun nhằm giải quyết các vấn đề kinh doanh trong thế giới thực. Ông nói: “Một phần quan trọng trong việc vận hành AI là làm cho quá trình tùy chỉnh trở nên hiệu quả nhất có thể.  

ngày: Nỗ lực cần thiết để khai thác, chuẩn bị và truy cập dữ liệu để thúc đẩy các dự án AI thường bị đánh giá thấp và là lý do khiến nhiều dự án AI thất bại. Trong nhiều trường hợp, tổ chức nhận ra rằng họ thiếu định nghĩa dữ liệu được tiêu chuẩn hóa hoặc định nghĩa dữ liệu phù hợp và họ gặp khó khăn với các nguồn dữ liệu phân tán. Padmanabhan nói: “Điều này khởi đầu cho một hành trình chuyển đổi kéo dài nhiều năm. Các kỹ thuật máy học tiên tiến để làm việc với các tập dữ liệu nhỏ hơn và dữ liệu ồn ào hơn trong quá trình sản xuất là cần thiết để đưa các dự án thử nghiệm AI vào sản xuất.  

Năng lực: Kỹ sư ML và nhà khoa học dữ liệu kết hợp các kỹ năng thống kê (ML), kiến ​​thức chuyên môn về miền và kinh nghiệm phát triển phần mềm. “Nhu cầu tăng cường một nhóm làm trì hoãn việc nhận ra giá trị của bạn với AI,” anh ấy nói và nói thêm, “Phải mất nhiều năm để các nhóm này bắt đầu tạo ra kết quả thực sự.” Ông đề xuất, một số tổ chức tăng cường các nhóm AI nội bộ với các đối tác bên ngoài để có lộ trình thử nghiệm đến sản xuất nhanh hơn.   

Tin tưởng: Do lo ngại AI có thể khiến công việc trở nên lỗi thời, các hệ thống AI cần được thiết kế với sự cộng tác giữa người và máy làm nền tảng. Padmanabhan cho biết: “Để áp dụng AI trên quy mô lớn trong toàn tổ chức, bạn cần mua, hỗ trợ và tích hợp trên nhiều quy trình kinh doanh, hệ thống CNTT và quy trình làm việc của các bên liên quan.  

Duy trì sự tuân thủ với kiểm toán nội bộ và các yêu cầu quy định là một lĩnh vực phát triển nhanh chóng, cũng cần thiết. Bất kỳ quyết định thiên vị nào do AI hộp đen đưa ra đều có thể gây rủi ro. Ông nói: “Đây là một trở ngại quan trọng mà ngay cả những nhóm tiên tiến nhất cũng gặp phải khi cố gắng mở rộng quy mô AI trong các tổ chức của họ.  

“Văn hóa làm việc độc lập” xung quanh nhu cầu quản lý dữ liệu  

Một phần của nỗ lực mở rộng quy mô AI trong doanh nghiệp có thể yêu cầu chuyển đổi “văn hóa làm việc đơn điệu”, đặc biệt là về quản lý dữ liệu, người sáng lập một công ty giúp các công ty đẩy nhanh việc áp dụng AI gợi ý.   

"Sumanth Vakada, người sáng lập và CEO của phẩm chất Data Machines, có trụ sở tại Skillman, NJ, trong một bài viết trên blog. "Dữ liệu của tổ chức cần được mở khóa để đảm bảo dữ liệu được lưu chuyển tự do trong toàn tổ chức. Điều này không thể xảy ra trong một nền văn hóa làm việc im lặng và các tổ chức phải xây dựng một nhóm liên ngành để thúc đẩy AI trong tổ chức,” ông gợi ý.  

Nỗ lực cần kết hợp nhiều luồng dữ liệu từ các nhóm làm việc, ứng dụng, khách hàng, sản phẩm và dịch vụ. “Mỗi khu vực này đều có khả năng tạo dữ liệu có tác động đến các khu vực khác về sau,” Vakada tuyên bố, đồng thời cho biết thêm rằng cần phải vượt qua rào cản để tận dụng dữ liệu đa chức năng. 

Nếu không có sẵn, tổ chức đang cố gắng mở rộng quy mô AI cần có “Mô hình quản trị AI”, với sự tham gia của C-suite, phù hợp với chiến lược kinh doanh và cấu trúc vai trò cũng như trách nhiệm thực thi. Ông đề xuất một cách tiếp cận hiệu quả là mô hình “trung tâm và nan hoa: với trung tâm chịu trách nhiệm về chiến lược và lập kế hoạch, và các nhóm nhỏ trong các phòng ban khác nhau xử lý việc thực hiện. 

Vakada cho biết: “Việc mở rộng quy mô AI ngày nay mang lại cho các tổ chức một khởi đầu thuận lợi không chỉ trong việc hái những thành quả tiềm ẩn của tự động hóa và trí thông minh, mà còn trong việc xây dựng năng lực cho tương lai. 

Đọc các bài viết nguồn và thông tin in dây công nghệ, trong các báo cáo từ McKinsey và  Accenture, in VentureBeat và trong blog đăng bài từ phẩm chất Máy dữ liệu.

Thanh toán PrimeXBT
Giao dịch với các Đối tác CFD chính thức của AC Milan
Cách dễ nhất để giao dịch tiền điện tử.
Nguồn: https://www.aitrends.com/infrastructure-for-ai/how-to-meet-the-enterprise-grade-challenge-of-scaling-ai/