Ускоряясь на пути внедрения искусственного интеллекта, подумайте о «качестве дорожного покрытия»
Иэн Браун, руководитель отдела Data Science, SAS pre-sales
Как много нового произошло за год. И это неудивительно, ведь темпы внедрения искусственного интеллекта ускоряются.
Год назад были опубликованы результаты исследования, в рамках которого оценивался уровень адаптации ИИ в бизнесе. Один из выводов заключается в том, что внедрение ИИ обладает удивительно сильным импульсом: респонденты говорили не только о самом факте высокого уровня адаптации ИИ, но и о сопутствующих масштабных доработках, а порой даже и о полном переосмыслении своей инфраструктуры и бизнес-процессов.
События развиваются быстрее, чем ранее ожидали многие эксперты. Если не так давно руководство бизнес-подразделений и ИТ придерживались осторожного, выжидательного подхода, то сейчас они заявляют о своей полной вовлеченности. Лиза Спелман, вице-президент Центра по обработке данных Intel, прокомментировала эту тенденцию следующим образом: «Технологическое направление ИИ – самое быстрорастущее в рамках центра обработки данных. Если также учесть статистику edge-устройств, то картина становится еще более впечатляющей. Этот тренд будет продолжаться в дальнейшем, хотя бы потому, что ИИ в настоящее время встраивается почти во все приложения».
Это хорошие новости. За короткое время технологиям ИИ удалость добиться впечатляющих результатов. Количество сценариев их применения неуклонно растет. Но ввиду наличия тенденции по ускорению темпов внедрения ИИ, компаниям важно проявлять особую осторожность, поскольку, как скажет любой водитель, даже небольшие выбоины могут создать большие проблемы для машин, движущихся на высоких скоростях. Порой наличие, как может показаться, даже небольшой проблемы в бизнес-процессах или используемых данных может быстро перерасти в проблему с глобальными последствиями при внедрении ИИ. Конечно, это не причина для снижения скорости внедрения ИИ. Просто думайте об этом как о «проявлении осторожности на дороге».
К счастью, наличие опыта других компаний по внедрению ИИ за этот год и более ранее время может служить хорошим ориентиром для ваших собственных действий. У клиентов, с которыми мы работали наиболее тесно, мы выделили следующие наиболее часто встречающиеся проблемы.
Бесплатный отчет
SAS, Intel и Accenture, совместно с Forbes Insights, опросили руководителей бизнеса и ведущих экспертов по всему миру, чтобы выявить компании, стоящие в авангарде внедрения ИИ, и вникнуть в их лучшие практики. Ценные выводы из этого исследования включают инсайты по этике, контролю за процессами, требованиям к квалификации и подготовке кадров. Это все необходимо для того, чтобы помочь в полной мере раскрыть потенциал ИИ в бизнесе.
Управление данными и моделями в поддержку развития бизнеса
Когда я спросил Питера Гуэрру, главного дата-сайентиста Accenture в Северной Америке, действительно ли он наблюдает столь высокий уровень адаптации ИИ среди клиентов Accenture, он ответил положительно. Он также сказал, что управление данными и моделями, хоть и не является новой задачей, но стало центром внимания для компаний, с которыми они работают, когда те выводят ИИ-инициативы на новый уровень. «Мы видим, как клиенты внедряют большее количество аналитических моделей в своем бизнесе», - говорит Питер. «Поэтому управление моделями, Model Ops и вопросы масштабирования как никогда актуальны. Можно говорить о том, что мы имеем дело с массовым внедрением технологий, которые связаны с задачами облачного управления данными и моделями».
Вопросы, относящиеся к аналитическим инструментам прошлого поколения, часто возникают в обсуждениях по теме управления моделями, учитывая многочисленные пересечения между ИИ и классической аналитикой. Компании, которые активно расширяют свою практику применения ИИ, как правило, располагают большим количеством аналитических инструментов прошлого поколения. Функциональные возможности этих инструментов должны быть сохранены и дополнены за счет их модернизации до уровня решений эпохи ИИ. В частности, это означает необходимость проведения оценки каждой аналитической модели на предмет ее соответствия решаемой задаче и адекватности вводных для ее использования. Для компаний, которые применяют в продуктивном окружении одни и те же модели годами, такое упражнение может показаться излишним. Но ИИ выдвигает новые требования к инфраструктуре обработки данных, методам, форматам данных и результатам работы. Ваши аналитические инструменты должны работать в рамках единой парадигмы управления ИИ, что позволит обеспечить стабильное развитие этих систем в будущем.
За короткое время технологиям ИИ удалость добиться впечатляющих результатов. Количество сценариев их применения неуклонно растет. Но ввиду тенденции по ускорению темпов внедрения ИИ, компаниям важно проявлять особую осторожность, поскольку, как скажет любой водитель, даже небольшие выбоины могут создать большие проблемы для машин, движущихся на высоких скоростях.
ИИ как акселератор трансформации
ИТ-руководство зачастую говорит о том, что из-за хайпа вокруг ИИ их коллеги из бизнес-подразделений планируют внедрять ИИ ради ИИ. Подобные дискуссии обычно построены вокруг вопроса «как мы можем использовать ИИ?», а не начинаются с предложения: «у меня есть нереализованная возможность для бизнеса или трудноразрешимая проблема». Видя примеры успешной работы ИИ в других местах они хотят получить то же самое. В этом случае может помочь переформатирование таких обсуждений в контексте фокуса на бизнес-целях или целях в рамках цифровой трансформации. Сейчас многие наши клиенты пришли к выводу, что ИИ приводит к ускорению трансформации бизнеса в целом. Планируете полностью пересмотреть ваш путь развития? Перестроить механизмы обслуживания клиентов? Создать более гибкую цепочку поставок? Такие примеры задач встречаются в рамках трансформации компании, при этом ИИ играет в них ключевую роль. Трансформация бизнеса может стать лучшей отправной точкой для обсуждения вопросов внедрения ИИ.
Сюрприз! Основные проблемы внедрения ИИ связаны с ограничениями корпоративной культуры
Некоторые руководящие сотрудники смотрят на реализацию инициатив ИИ как на нежелательный и неожиданный визит доктора. «Можем ли мы взглянуть на эти данные?» «Почему этот процесс работает именно таким образом?» «Работает ли это решение совместно с другим решением?» «Вы видели, что делают наши коллеги в другом отделе?». Подобного рода обсуждения напрямую отражают особенности корпоративной культуры, которая действует в компании.
ИИ – мощный инструмент. Но его внедрение может создать реальную проблему для организаций, которые во всем неотступно руководствуются жестко зафиксированными внутренними правилами. Примечательно также и то, что ИИ, как правило, проливает свет на те аспекты бизнеса, которые многим просто хотелось бы скрыть. Проблемы, обусловленные корпоративной культурой, могут создавать препятствия для внедрения новых технологий, впрочем, как и для реализации любых других изменений. Прошедший год показал, что, корпоративная культура играет ключевую роль в успехе внедрения ИИ. Если ваша организация планирует внедрение ИИ-технологий, не забудьте обратить особенное внимание на вопросы, относящиеся к культурной составляющей.
Рекомендуем прочитать
- Harnessing synthetic data to fuel AI breakthroughsLearn why synthetic data is vital for data-hungry AI initiatives, how businesses use it to unlock growth, and how it can help address ethical challenges.
- Гуманность в искусственном интеллектеЧто происходит, когда искусственный интеллект и люди работают вместе во имя решения глобальных проблем?
- Гид: алгоритмы машинного обучения и их типыТермины «Машинное обучение» и «Искусственный интеллект» часто путают между собой. На самом деле, машинное обучение входит в область искусственного интеллекта. Ещё машинное обучение порой путают с прогнозной аналитикой (или предсказательным моделированием).
Готовы подписаться на инсайты сейчас?