Saturs
- Mākslīgā intelekta pieņemšana uzņēmējdarbībā
- Mākslīgā intelekta pieņemšana vertikālēs
- Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
- Partnerība ar Cloud AI uzņēmumiem
- Secinājums
Avots: Kittipong Jirasukhanont / Dreamstime.com
Izņemšana:
Uzņēmums ir sācis integrēt AI un ML savā darbībā, bet ne tuvu tādā mērā, kāds ir daudziem interneta uzņēmumiem. Šo uzņēmumu palīdzība varētu būt uzņēmuma AI ieviešanas atslēga.
Hiperskalu interneta uzņēmumi kopš 2015. gada ir pārlēkuši vairākus mašīnmācības līmeņus, pieaugot datu apstrādes automatizācijai un modelēšanas sarežģītībai. Uzņēmums ar dažiem izņēmumiem ir kavējies ar mākslīgā intelekta ieviešanu, bet interneta uzņēmumos redz partnerus, kuri tam var palīdzēt. panākt.
Potenciālajiem mašīnmācības uzņēmumu lietotājiem ir tāls ceļš ejams, lai saskaņotu talantu pūlus, skaitļošanas spēju, mērogu un datu apjomus apmācības algoritmiem, ko ir uzkrājuši interneta uzņēmumi, it īpaši pēdējos četros gados. Daudzās uzņēmuma vertikālēs biznesa procesi nav digitāli pārveidoti, lai automatizētu datu apstrādi un tūlītēju biznesa lēmumu izpildi, pamatojoties uz atziņām, kas iegūtas no mākslīgā intelekta. Turklāt vairākām vertikāļu grupām vēl nav precīzi definētu lietošanas gadījumu, kas varētu būt mākslīgā intelekta rentabla izpilde. (Plašāku informāciju par AI uzņēmējdarbībā skatiet IT pakalpojumu pārvaldības pārmaiņu pārvaldības problēmu pārvarēšana, izmantojot AI.)
Mākslīgā intelekta pieņemšana uzņēmējdarbībā
Mākslīgā intelekta ieviešana biznesā ir agrīnā stadijā, it īpaši, ja mēs uzskatām tā izsmalcinātos lietotājus, kuri ir pārsnieguši izpēti un izmēģinājumus, līdz stadijai, kurā viņi iegūst biznesa vērtību no tā izmantošanas. Tehnoloģiju plašsaziņas līdzekļu uzņēmums O’Reilly savā 2018. gada aptaujā “Mašīnmācīšanās pieņemšanas stāvoklis uzņēmumā” atklāja, ka sarežģīti lietotāji bija tikai 15% no visiem uzņēmumu lietotājiem visā pasaulē un 18% - Ziemeļamerikā.
Ārējiem zināšanu avotiem un mācībām ir liela nozīme, palīdzot biznesa lietotājiem panākt progresu mašīnmācībā, īpaši attiecībā uz uzlabotajām AI metodēm. 2018. gada Deloitte veiktajā aptaujā tika noskaidrots, ka 59% uzņēmumu pircēju iegūst AI zināšanas no uzņēmumu programmatūras uzņēmumiem ar AI iespējām, 53% to izstrādā kopā ar partneriem, 49% iegādājas tos no mākoņa AI uzņēmumiem un 39% izmanto sabiedriskos resursus no tādām vietnēm kā GitHub. . Mākoņu AI uzņēmumi nodrošina AI kā pakalpojumu, kas ļauj ietaupīt uz infrastruktūras un talanta attīstīšanas izmaksām.
Uzlabotai AI izstrādei mākoņsabiedrības ir svarīgāks zināšanu avots. Trīsdesmit deviņi procenti respondentu biznesa izvēlējās mākoņsabiedrības kā uzlabotas AI avotu, salīdzinot ar 15% vietējās programmatūras. AI kā pakalpojums ir audzis strauji - 48%.
Mākslīgā intelekta pieņemšana vertikālēs
Mēs runājām ar Aditya Kaul, Tractica, nozares analītiķu firmas, kas koncentrējas uz mākslīgo intelektu un robotiku, pētniecības direktoru. Kauls ir pētījis mākslīgā intelekta ieviešanu 30 vertikālēs vairāk nekā 300 lietošanas gadījumos uzņēmumos visā pasaulē. “Telekomunikācijas un finanšu pakalpojumi ir bijuši AI ieviešanas līderi, un tie sākās agrīni, izmantojot rudimentārākas statistikas metodes, sākot jau 80. gados,” mums pastāstīja Kauls. “Jaunākajos laikos ieviešana mazumtirdzniecībā, automobiļu rūpniecībā un veselības aprūpē ir palielinājusies, kamēr lielākā daļa uzņēmuma joprojām ir sākuma stadijā,” viņš piebilda, “horizontālie biznesa pakalpojumi, piemēram, CRM, piegādes ķēde un HR, ir paplašinājuši AI ātri, jo tā paredzamās iespējas palīdz identificēt izredzes, patērētāju pieprasījuma tendences un talantīgus darbiniekus. ”
“Kompleksu un neviendabīgu programmatūru definētu tīklu uzraudzība, sinhronizācija un optimizēšana ir kritisks lietojuma gadījums telekomunikāciju nozarē,” pieņēma Kauls. "Balss palīgi automašīnās ir palielinājušies automobiļu nozarē, arvien lielāku uzmanību pievēršot pakalpojumu personalizēšanai automašīnā," viņš atzīmēja. Viņš arī mūs informēja, ka "banku sektors izvieto mākslīgo intelektu klientu apkalpošanai, ieskaitot tērzēšanas robotus, jo viņi saskaras ar intensīvu konkurenci no mazākām interneta bankām, izņemot tā izmantošanu krāpšanas atklāšanai, aizdevumu analīzei un citām aizmugures operācijām."
Kaut arī veselības aprūpes nozarei ir milzīgs potenciāls, tā līdz nesenam laikam bija atpalikusi, pateicoties normatīvajiem šķēršļiem tās datu izmantošanai. “Vairāki ar uzņēmējdarbību saistīti uzņēmumi, kas atbalsta uzņēmējdarbību, tagad ir pievērsušies mašīnmācībai klīniskajos pētījumos, lai paātrinātu zāļu atklāšanu,” atklāja Kauls.
Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
Jūs nevarat uzlabot savas programmēšanas prasmes, ja nevienam nerūp programmatūras kvalitāte.
Mazumtirdzniecības veikali ir paātrinājuši ieguldījumus mašīnu apguvē, jo tie labi apgūst prasmju un piedāvājuma precīzu prognozēšanu. Vācu mazumtirgotājs Otto samazināja atgriešanos par vairāk nekā 2 miljoniem vienību gadā un lieko krājumu par 20%, izmantojot dziļās mācīšanās algoritmus, lai prognozētu, ko klienti nopirks, teikts Makkinsey pētījuma ziņojumā. Tā AI dzinējs tagad autonomi pasūta 200 000 vienību mēnesī, jo tas var prognozēt, ko Otto pārdos nākamo 30 dienu laikā ar 90% precizitāti. (Nezināt, kā AI derēs jūsu uzņēmumam? Iepazīstieties ar 5 veidiem, kā uzņēmumi var vēlēties apsvērt AI izmantošanu.)
Partnerība ar Cloud AI uzņēmumiem
Hiperskalu mākonis AI uzņēmumi ir vēlējušies sadarboties ar uzņēmuma klientiem, lai attīstītu viņu mākslīgā intelekta prasmes, taču viņi nav pārliecināti par veidiem, kā sadarboties ar uzņēmuma programmatūras uzņēmumiem, kuri ir nepieciešami aizmugures santehnikai. “Mākoņu kompānijas ir dāsnas uzņēmumu klientiem ar bezmaksas piedāvājumiem, ieskaitot brīvu mākoņa laiku, konsultācijas un apmācības resursus,” novēroja Kauls.
Tā kā mākoņa AI uzņēmumi, piemēram, Google, ir ātri pārslēgušies no rokas inženierijas algoritmiem 2015. gadā uz dziļu mācīšanos 2016. gadā un pēdējā laikā uz tādiem modernākiem algoritmiem kā pastiprināšanas mācīšanās, viņi spēj konsultēt agrīnos pieņēmējus par to, kā gūt panākumus ceļā uz AI mācīšanos. briedums.
“AI izmaksas arī samazinās, jo mēs redzam lielāku iepriekš sagatavotu modeļu pieejamību, marķētām datu kopām un vispārēju mākoņu AI cenu samazinājumu,” skaidroja Kauls."Vienlaikus datu apstrādes, ievadīšanas, datu sagatavošanas un marķēšanas laiks, kas prasa 90% no visām pūlēm, ir saīsināts ar tādām metodēm kā AutoML, kas automatizē šos procesus," viņš piebilda. Nvidia, hiperskalu mākonis AI uzņēmumu partneris, ir pārsaiņojis uzņēmumam savus GPU (grafiskās apstrādes vienības). “Nvidia ir mainījies, lai uzņēmumā mērķētu uz datu zinātnes un analītikas izmantošanu, kas paātrina lielu analītisko modeļu apmācību, salīdzinot ar CPU (centrālajiem procesora blokiem),” skaidroja Kauls.
Uzņēmējdarbības programmatūras uzņēmumiem būs jāatrod veids, kā pielāgot mākoņainības AI uzņēmumus, jo īpaši tāpēc, ka tie ienes tirgū jaunas iespējas, kas kļūst par daļu no uzņēmuma biznesa struktūras. “Tādas funkcijas kā tērzēšanas roboti un datora redzamības iespējas attēlu atpazīšanai nodrošina dziļa apmācība, kas palielina AI vērtību,” apgalvoja Kauls. "Pati programmatūra vairs nav kodēta, bet pielāgojas datu un analītikas vajadzībām," viņš piebilda. Pagaidām nav pietiekami daudz pierādījumu, lai pierādītu, ka uzņēmumu programmatūras uzņēmumi ar dažiem izņēmumiem, piemēram, Microsoft, algoritmos var panākt mākonis AI uzņēmumus. Tomēr, ņemot vērā visas norādes, jaunie sadarbības nosacījumi starp mākoņdatoru AI uzņēmumiem un uzņēmumu programmatūras uzņēmumiem vēl nav atrisināti.
Secinājums
Mašīnmācība no jauna izgudro uzņēmumu, jo tā no jauna definē uzņēmuma programmatūru. Uzņēmums ātrāk pielāgosies ārējai biznesa videi, izmantojot datu apstrādes automatizāciju un ātrāku biznesa lēmumu izpildi, pamatojoties uz atziņām, kas iegūtas no algoritmiem, kas saīsina laiku, lai mācītos no datiem. Uzņēmējdarbības programmatūra attīstīsies un biežāk pārveidosies, lai neatpaliktu no algoritmiem.
