Jak dotąd projekty AI przynoszą niewielką wartość biznesową


Chociaż coraz więcej organizacji pracuje z oprogramowaniem sztucznej inteligencji (AI) w jakimś kształcie lub formie, według nowych badań bardzo niewiele z nich generuje znaczące korzyści finansowe, wdrażając je w poważny sposób.

Badanie przeprowadzone przez MIT Sloan Management Review i firma konsultingowa w zakresie zarządzania, Boston Consulting Group ujawniło, że aż 57% z 3000 ankietowanych menedżerów, dyrektorów i naukowców obecnie albo pilotuje, albo wdraża technologię. Kolejne 59% opracowało strategię sztucznej inteligencji, a 70% uważa, że ​​rozumie, w jaki sposób oprogramowanie może generować wartość biznesową.

Mimo tej sytuacji w raporcie Rozszerzanie wpływu sztucznej inteligencji poprzez organizacyjne uczenie się, wskazał, że tylko jedna na 10 organizacji czerpie znaczną wartość finansową z technologii.

Badając powody, dla których naukowcy odkryli, że po prostu właściwe przygotowanie podstaw – to znaczy posiadanie odpowiedniej strategii z odpowiednimi danymi pomocniczymi, technologią i umiejętnościami – nie wystarczyło. Tylko co piąta organizacja uzyskała w ten sposób znaczne korzyści finansowe.

Prawidłowe opanowanie podstaw przy jednoczesnym budowaniu systemów sztucznej inteligencji, których firma faktycznie chciała, spowodowało, że sukces osiągnął nawet 39%, ale aby naprawdę wygenerować wartość finansową, sekret okazał się trojaki:

  • Zapewnienie maszynom nie tylko możliwości samodzielnego uczenia się, ale także ciągłego uczenia się przez ludzi i ciągłego uczenia maszyn przez maszyny.
  • Opracowanie wielu sposobów interakcji ludzi i maszyn w oparciu o kontekst.
  • Wprowadzenie szeroko zakrojonej zmiany procesu w odpowiedzi na to, czego nauczyliśmy się w całej organizacji w wyniku zastosowania sztucznej inteligencji.

David Semach, partner i szef AI i automatyzacji w Infosys Consulting na Europę, Bliski Wschód i Afrykę (EMEA), zgadza się z badaczami, że zadowolenie z technologii w sensie finansowym jest często dość niskie, częściowo dlatego, że organizacje „są w większości wciąż eksperymentuję ”z tym. Oznacza to, że jest on raczej wdrażany w kieszeniach, a nie szeroko w całej firmie.

Reklama

„Inwestycja wymagana w sztuczną inteligencję jest znacząca, ale jeśli zostanie wykonana tylko w silosach, nie uzyskasz korzyści skali, nie możesz skorzystać z synergii i nie zdajesz sobie sprawy z korzyści kosztowych, co oznacza, że ​​staje się to kosztem – w wielu przypadkach wygórowany model biznesowy ”- mówi Semach.

Kolejną kluczową kwestią jest fakt, że większość firm „omyłkowo” koncentruje się na używaniu oprogramowania do zwiększania wydajności wewnętrznych procesów i procedur operacyjnych, a nie do generowania nowych strumieni przychodów.

„Firmy mają trudności, jeśli koncentrują się na wydajności procesów i wynikach finansowych ze względu na wymagany poziom inwestycji” – mówi Semach. „Ale ci, którzy koncentrują się na wykorzystaniu sztucznej inteligencji do tworzenia nowych firm i wzrostu przychodów, zaczynają dostrzegać długoterminowe korzyści”.

Problem polega jednak na tym, że ludzie zarówno w IT, jak i biznesie „ograniczają swoje myślenie ze względu na opór wobec zmian”, a także „obawy o własną pracę i zastępowanie” – dodaje.

„Tak więc nie chodzi tylko o nieodpowiednie interakcje między człowiekiem a maszyną – chodzi o firmy, które nie przyjmują właściwego strategicznego nastawienia i podejścia. Problem polega na tym, że ludzie tak naprawdę nie rozumieją, co może umożliwić sztuczna inteligencja, aby wspierać strategię biznesową, zmiany biznesowe i potencjalne zakłócenia na dobre ”.

Według Angela Eager, dyrektor ds. Badań w TechMarketView, kolejną kwestią jest to, że przyjęcie sztucznej inteligencji wiąże się ze stromą krzywą uczenia się, ale większość brytyjskich organizacji jest „dość wcześnie na krzywej dojrzałości”.

Jedno z głównych wyzwań, przed którymi stoją, dotyczy danych oraz ich czystości, dokładności i „dostosowania do Twoich celów”. Kluczową kwestią jest tutaj to, że opracowanie i przeszkolenie odpowiednich modeli danych wymaga czasu i wysiłku, zwłaszcza biorąc pod uwagę, że obecnie istnieje niewiele narzędzi, które mogą pomóc – chociaż MLOps (operacje uczenia maszynowego) zaczyna się tutaj sprawdzać.

„Dużą przeszkodą w dzisiejszych czasach jest to, jak operacjonalizować sztuczną inteligencję, wprowadzać ją do produkcji i utrzymywać aktualność w produkcji” – mówi Eager.

Wyjaśnia, że ​​podczas tworzenia modelu danych ważne jest, aby dane były „świeże i odpowiednie” oraz odpowiednio wyczyszczone.

„Ale musisz też wiedzieć, jak wytrenować model danych, zmienić go w trakcie lotu i zarządzać cyklem życia po wdrożeniu – i to nie tylko jednorazowo” – mówi Eager. „Dane zmieniają się przez cały czas, więc musisz stale upewnić się, że generują właściwe wyniki biznesowe, a jeśli tak nie jest, szybko je zmienić”.

Wymaga to nie tylko dostępu do właściwych danych, ale także odpowiednich umiejętności, zarówno na poziomie technicznym, jak i bardziej ogólnym poziomie analizy danych. Oznacza to, że podnoszenie umiejętności może być potrzebne równolegle z wszelkimi inicjatywami technicznymi, nie tylko w celu edukacji użytkowników biznesowych i pomocy w zrozumieniu możliwych przypadków użycia.

Ale takie działanie musi mieć również miejsce w ramach szerszej inicjatywy zarządzania zmianą, aby pomóc pracownikom rozwiązać ich lęk przed transformacją i opór przed nią. Równie ważne jest stworzenie centrum doskonałości sztucznej inteligencji lub funkcji sztucznej inteligencji, której zadaniem będzie nadzorowanie tworzenia synergii między różnymi funkcjami biznesowymi w całym przedsiębiorstwie, co prowadzi do korzyści skali.

„Ostatecznie nie jest to tylko projekt techniczny” – mówi Semach. „Chodzi o generowanie zmian kulturowych, co oznacza, że ​​stawianie ludzi na pierwszym miejscu jest absolutnie kluczowe”.



Source link

Advertisment

Więcej

ZOSTAW ODPOWIEDŹ

Proszę wpisać swój komentarz!
Proszę podać swoje imię tutaj

Advertisment

Podobne

Advertisment

Najnowsze

Możesz teraz udostępniać hasła w swojej grupie rodzinnej Google

Nowa funkcja udostępniania haseł dotyczy tylko haseł przechowywanych w Google Password Manager – usłudze firmy, która natywnie przechowuje Twoje hasła i klucze w...

Wszystkie lokalizacje ukrytych twarzy w Hellblade 2

Znajdziesz ukryte kamienne twarze rozsiane po całym terenie Saga Senuy: Hellblade 2. Znalezienie tych przedmiotów kolekcjonerskich i skupienie się na...

23 maja 2024 r. — MacBooki ze wszystkimi ekranami, aktywności na żywo w Shazam i nie tylko

Posłuchaj podsumowania najważniejszych artykułów dnia z 9 do 5Mac. Dostępny jest 9to5Mac Daily w iTunes i aplikacji Podcasty firmy Apple, Zszywacz, Dostroić,...
Advertisment