Öt unalmas, de kulcsfontosságú feladat szükséges a nagyléptékű sikerhez az AI-vel

Az együttműködés a kulcsa annak, hogy az AI és az IoT működjön. A vállalatoknak együtt kell működniük és biztosítaniuk kell a felvásárlást ahhoz, hogy sikeres legyen az olyan transzformációs technológiákkal, mint a mesterséges intelligencia és a tárgyak internete.

A mesterséges intelligencia méretbeli megvalósításának legnagyobb akadálya nem a technológiát, hanem az embereket és az üzleti gyakorlatokat érinti. Egy új jelentésben a PwC megállapította, hogy a vállalatok visszaszorítják az AI ambícióit.

Mi a kihívás? A ROI mérése, a költségvetés jóváhagyása és a jelenlegi alkalmazottak képzése. A PwC a 2020-as AI-előrejelzésekről szóló jelentésben rámutat az operatív akadályokra és hangsúlyozza a vezetők tartós elkötelezettségének szükségességét.

A magas rangú vezetők tudják, hogy a hullám jön: "A megkérdezett vezetők kilencven százaléka úgy gondolja, hogy az AI több lehetőséget kínál, mint kockázatot, és csaknem felének számít arra, hogy az AI megzavarja akár földrajzi piacát, akár azokat az ágazatokat, amelyekben működnek, vagy mindkettőt."

Ugyanakkor az 1062 felmérésben részt vevő válaszadóknak csak 12% -a mondta, hogy megzavarja saját iparát, ami azt mutatja, hogy "csaknem négyszer annyi válaszadó fél a zavartól, mint a tervek, hogy maguk is zavarják".

A jelentés a következő öt fő prioritást javasolja az AI-projektek számára 2020-ban:

  1. Szálljon fel az unalmas AI-vel
  2. Gondolkodjon továbbképzésre
  3. Vezet a kockázatért és a felelősségért
  4. Működtesse az AI-t - integrált és méretarányban
  5. Újra feltalálja üzleti modelljét

A jelentés legérdekesebb és legkézenfekvőbb része az egyes prioritásokhoz kapcsolódó feladatokra vonatkozik. Ezeket a feladatokat könnyű késleltetni vagy figyelmen kívül hagyni. E lépések nélkül sokkal nehezebb az AI méretarányos működése, a napi tevékenységek, valamint a hosszú távú üzleti modell átalakítása. Itt található öt AI-feladat, amelynek szerepelnie kell a projektlistában.

Hozzon létre egy AI beviteli stratégiát

Ez az egyik leg unalmasabb, de fontos elem: Határozza meg, hogy az AI miként érheti el a legnagyobb üzleti hatást, és építje fel a sikerhez szükséges műszaki és emberi képességeket. Mutassa az AI erőfeszítéseit a papírmunkára, amelyet senki sem akarja elolvasni.

A távorvoslás, az AI és a mélyreható tanulás forradalmasítja az egészségügyi ellátást (ingyenes PDF)

A jelentés szerzői szerint az AI hatékony felhasználása a hatékony működéshez és a termelékenység növeléséhez az, ha az információ kinyerésére kerül sor az adólevelekből, a konosaurokból, a számlákból és más dokumentumokból. Keressen olyan feladatokat, amelyek az üzleti életben gyakoriak, és hozzon létre újrafelhasználható AI-megoldásokat, például egy modellt a nem strukturált szöveg feldolgozására.

Állítson be többnyelvű célt

Ez a továbbképzés részét képezi - ha csak technikai képzést kínál nem-tech alkalmazottainak, rosszul teszel.

Az üzleti egységek közötti együttműködés általában kritikus jelentőségű a transzformációs technológiák szempontjából, és ennek része a csoportok közötti átképzés is.

A jelentés azt ajánlja, hogy prioritássá tegye a különféle szakemberek számára a más specialitások nyelvének beszédképességét. A funkcionális együttműködés ösztönzése érdekében a vállalatoknak "többnyelvű" csoportokat kell létrehozniuk, amelyekben az adatmérnökök, az adat etikusok, az adattudósok és az MLOps mérnökei az alkalmazásfejlesztési és üzleti csapatok részét képezik. " Továbbá, kiképeld a technológiai csoport tagjait az üzleti oldalra, hogy mindenki ugyanazt a nyelvet beszélje.

Amint a felmérés vezetõinek 50% -a elismerte, a csapat tagjainak "azonnali lehetõségeket és ösztönzõket kell adniuk az embereknek arra, hogy alkalmazzák megtanultaikat, hogy az ismeretek valós készségekké váljanak, amelyek javítják a teljesítményt".

Fokozza az AI kockázatbizalmát

A PwC megállapította, hogy a válaszadóknak csak körülbelül egyharmada "teljes mértékben kezelte az adatokkal, az AI modellekkel, az outputokkal és a jelentéssel kapcsolatos kockázatokat". A jelentés szerzői azt sugallják, hogy a vállalatok tetteikkel támogassák szavaikat. A PwC felelős AI eszközkészlete felsorolja a felelős AI öt öt dimenzióját:

  • Kormányzás
  • Értelmezhetőség és magyarázat
  • Torzítás és igazságosság
  • Robusztus és biztonság
  • Etika és szabályozás

A felmérés szerint a vezetők mintegy 50% -a vállalja a "magyarázhatóság" kihívását. A jelentés azt is javasolja, hogy a kockázat- és megfelelési funkciókkal dolgozzanak a megfelelő AI szabványok, ellenőrzések, tesztek és megfigyelés kidolgozása érdekében. A vállalatoknak az AI-biztosításhoz hasonló költségvetésre is szükségük van, hasonlóan a kiberbiztonsághoz vagy a felhőbiztonsághoz.

Tegye megbízhatóvá az adatait

Az adatoknak "pontosaknak, szabványosítottnak, címkézettnek, teljesnek, torzításmenteseknek, a előírásoknak megfelelőeknek és biztonságosaknak kell lenniük". Ez a lépés elengedhetetlen az AI méretarányos működéséhez. A legnagyobb adatkihívás a következő:

  • Az egész szervezetre kiterjedő adatok integrálása (45%)
  • AI és elemző rendszerek integrálása (45%)
  • Integrált intelligencia integrálása az internet és más technológiai rendszerekkel (43%)

A felmérés szerint a válaszadók mindössze egyharmada mondta, hogy a címkézési adatok 2020-ig prioritást élveznek. A jelentés azt ajánlja, hogy még ha az AI erőfeszítései egyetlen funkcióra vagy folyamatra összpontosítanak, elengedhetetlen a vállalatok számára, hogy biztonságos, minőségi adatokat gyűjtsenek a szervezet egészétől (és azon kívül).

Pénzt szerezzen a kognitív eszközökkel

Ez a teendő az üzleti modell munka felújításának része. A vállalkozásoknak egyedi adatkészleteket és kognitív eszközöket kell létrehozniuk: AI modellek, amelyek beágyazják a vállalat tapasztalatait és szakértelmét egy adott területen.

Az AI projektek megtérülésének megismeréséhez az üzleti vállalkozásoknak képesnek kell lenniük arra, hogy kihasználják az ezen új eszközök által nyújtott betekintést és eredményeket.

Ezek a feladatok annyira kritikusak, mert "az AI fejlesztése nagyon különbözik a szoftverfejlesztéstől, és eltérő gondolkodást, megközelítést és eszközöket igényel". Mivel az AI modellek kidolgozása megköveteli a „tesztelés és tanulás” megközelítést, az üzleti csapatoknak folyamatosan tanulniuk kell és finomítaniuk kell megközelítésüket is.

Az idei 1062 felmérésben szereplő válaszadók közül 54% -uk rendelkezik C-suite címekkel, több mint fele informatikai és technológiai funkciókkal foglalkozik, és 36% -uk olyan vállalkozásoktól származik, amelyek bevétele legalább 5 milliárd dollár. A felmérést a PwC Research végezte.

A hét legjobb hírlevele

Szerkesztőink kiemelik a TechRepublic cikkeket, galériákat és videókat, amelyekről nem szabad kihagynia a legfrissebb IT híreket, innovációkat és tippeket. pénteken

Regisztrálj még ma

© Copyright 2020 | mobilegn.com