תוֹכֶן
- המפתח לתוצאות עסקיות טובות יותר ממדעי נתונים
- הרחבת AI לבעלי מומחיות בתחום
- הבנת מה נכנס להחלטות
- אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
- שיעורים מעליית האינטרנט
- הנגשת הטכנולוגיה כעת
- צמצום הסיכון על ידי צמצום הזמן והעלות
מקור: Denisismagilov / Dreamstime.com
להסיר:
העתיד של AI אינו הירח המרשים אלא השימוש היומיומי האנושי שאנו מקשרים לגיליונות אלקטרוניים. זה הקח שיש לכמה הופעות של AI משדות נדירים לשימוש עסקי נפוץ.
המפתח לתוצאות עסקיות טובות יותר ממדעי נתונים
ב סקירה עסקית של הרווארד מאמר, אלסנדרו די פיורה, מייסד ומנכ"ל הארגון המרכז האירופי לחדשנות אסטרטגית (ECSI) התנגדה להנחה "שחברות עם יותר מדעני נתונים יש סיכוי טוב יותר ליצור השפעה עסקית. "בהתבסס על עבודת הייעוץ שלו וגם על מחקרהוא הגיע למסקנה כי שכירת מספר גדול יותר של מדעני נתונים אינה בהכרח מניבה תוצאות טובות יותר לעסק.
אותה תצפית נעשתה לי בראיון שנערך לאחרונה עם הנרי ג'יימס, מייסד ומשנה למנכ"ל פינקרוס אינטרנשיונל, שאמר שמה שהוא ראה בעסקים עם משאבים רבים להשקיע בהם מדעי נתונים הוא שהם באמת יכולים להצליח עם קבוצה של חמישה מאשר עם 50.
הרחבת AI לבעלי מומחיות בתחום
מה שעושה את ההבדל באמת עבור חברה, ציין די פיורה, "הוא דמוקרטיזציה של הגישה אליו AI כלים וכוח קבלת החלטות בקרב מנהלים ועובדים מה שמייצר ערך מוחשי יותר. "הוא המשיך ואמר כי" שיטות העבודה המומלצות מראות כיצד דמוקרטיזציה יכולה להביא להחלטות מהירות יותר ולהפצה טובה יותר, מה שהופך את החברות לזריזות יותר ומגיבות לשינויים והזדמנויות בשוק. "(כדי ללמוד כיצד עסקים מסוימים כבר משתמשים ב- AI, בדוק את זה AI היום: מי משתמש בזה ברגע זה, וכיצד.)
אמנם לא אכפת לו מהמונח "דמוקרטיזציה" ומעדיף את זה של "ספורט קבוצתי", אך טוד היי, מנהל הכספים של אופל, מסכים עם השקפה זו. כפי שהסביר בראיון ל- Techopedia, הוא רואה את המעבר מ- AI נדיר ומרכזי להמונים כמקביל לאימוץ של גיליונות אלקטרוניים, כלי שימושי שצריך להשתמש בכל אנשי העסקים.
"מומחי נושא ותחום נמצאים בעמדה הטובה ביותר להעריך חיזוי שיכול להשפיע על העסק," אמר היי. אבל עם הגדרה שמציבה מדעני נתונים על אלה מודלים חזויים, "הם מודרים מהתהליך." זה לא לטובת העסק.
למרות שהוא מכיר בכך שלמדעני הנתונים יש את המומחיות במתמטיקה וסטטיסטיקה כדי לשפוט אם מודל מתפקד בצורה טובה או לא, אין להם את היכולת לקבוע אילו שאלות הם צריכים להציב ל- AI בכדי לפתור. והפער הזה בין מומחיות מודלים למומחיות בעלי עניין הוא מה שמסביר לעובדה ש"70-80% מכלל דגמי המקרים לעולם אינם משמשים. "
הבנת מה נכנס להחלטות
יש השלכות נוספות לכך שאיננו מסוגלים להבין את אופן פעולתו של המודל. בענפים מוסדרים כמו שירותי בריאות, ביטוח או פיננסים, אמר היי, הדאגה היא במצב שהם צריכים להסביר את מהלך קבלת ההחלטות בפני רואי החשבון ולא יכולתם לעשות זאת.
ריק סלטה, מנהלת שיווק המכירות הבכירה של אופל ב- AI, למידת מכונה & מדעי הנתונים, ציינו את הסכמתו בראיון ואמרו כי זו הסיבה שבגללה עסקים מחפשים לפתח "AI שקוף", הידוע גם כ AI שניתן להסביר. כמו שראינו פנימה AI יש כמה להסביר לעשותבהיעדר הסבר ברור כיצד AI מגיע למסקנותיו אינך יכול להיות בטוח שהוא "נטול משוא פנים." זה."
אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
אינך יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.
שיעורים מעליית האינטרנט
הפחד שנותר לנוכח AI הפועל כמו קופסה שחורה מעכב את העסקים מלקצור את מלוא היתרונות שהוא מאפשר. זו הלך הרוח שצריך להשתנות, לדברי היי. הוא הציע AI היום זה כמו האינטרנט בסוף שנות ה -90. זה אומר שיהיו כמה כשלים מרהיבים כמו Pets.com ואי-ספירות כאלה ואחרות בגלל אנשים שלא בטוחים כיצד ליישם את הטכנולוגיה החדשה. והפחד מפני טק חדש מעכב אנשים, הוא אמר: "זה חדש ומפחיד ומאוד מסובך."
אבל יש גם הזדמנות מצוינת למי שמגלה זאת. "כל הדברים שאנחנו רואים עכשיו נפתחו באמצעות האינטרנט מכיוון שאנשים היו מוכנים לנסות דברים חדשים," אמר היי. זה אותו המצב עכשיו AI המאפשר לאנשים כדי למצוא את מה שהם "אפילו לא ידעו שהם צריכים לחפש". הם גם לא צריכים לפקפק ביכולתם שלהם, שכן לרבים "יש יותר מיומנויות בחברה ממה שחשבו שהם עושים", במיוחד "מומחי נושא ואנשים שיודעים את הנתונים. "
הנגשת הטכנולוגיה כעת
"אנחנו רוצים לראות איך כל חברה יכולה לנצל AI עכשיו - היום", הצהיר היי. כדי שזה יקרה, יש צורך להנגיש את ה- AI מחוץ למעגל מומחי מדעי הנתונים. "מספר מדעני הנתונים המוסמכים בעולם הוא הרבה מתחת למספר החברות שייהנו מכך", הסביר. בהתאם לכך, המפתח להשגת בעיות נוספות בעסקים הוא "לא לאמן יותר אנשים להיות אנדרו נג, אלא על ידי הפיכת הטכנולוגיה לזמינה לאנשים."
אכן, זהו גל העתיד, לדברי גרטנר, שחזה השנה יראה גידול ב ניתוח "שירות עצמי". התקדמות משמעותית ב- AI, כמו גם טכנולוגיות משלימות כמו "SaaS (ענן) ניתוח ו BI פלטפורמות מקלות וחסכוניות מאי פעם על לא מומחים לבצע ניתוח אפקטיבי וליידע טוב יותר את קבלת ההחלטות שלהם ", ציין קרלי ג'י אידיין, מנהל מחקר בגרטנר.
כאשר הדבר מתרחש בעסק, ויותר עובדים מתגברים על חוסר הרצון שלהם לעזור לעצמם לתועלת של AI, זה יכול באמת להפוך לספורט משתתף ולא לצופים בתוך הארגון. לשינוי זה יכולה להיות השפעה אדירה. (אם לא חשבת הרבה על AI לעסק שלך, הנה כמה יישומים שאולי תרצה לשקול: 5 דרכים שחברות עשויות לרצות לשקול להשתמש ב- AI.)
צמצום הסיכון על ידי צמצום הזמן והעלות
"אנשים כל כך חוששים לבזבז שישה חודשים על מנת לבצע השערה", הסביר היי, מכיוון שמדובר בהשקעה כה גדולה של זמן וכסף שיכולים בסופו של דבר להיכשל. לעומת זאת, אם AI אינו שמור לפרויקטים גדולים אלה של ירחונים עם אופק זמן ארוך יותר, אך למשימות נפוצות יותר הושלמות מהר יותר, אולי אפילו על בסיס יומיומי, הם הופכים ל"יותר כמו גיליון אלקטרוני ", כלומר כלי נגיש וזול שאנשים אינם חושש לנסות, אפילו לעבוד באמצעות כמה שונים כדי למצוא את זה המתאים ביותר לצרכים שלהם.
עם זאת, Idoine מזהיר כי אין פירושם שעסקים צריכים פשוט לצפות מהעובדים שלהם להרים כיצד להשתמש ולהתאים אותו לצרכים שלהם בעצמם. היא מתעקשת כי "יש צורך בתהליכי הדרכה, תמיכה והטמעה על מנת לעזור לרוב המשתמשים בשירות עצמי לייצר תפוקה משמעותית." בהתאם, יש צורך לספק "את ההנחיות הנכונות כיצד לקום במהירות ולפעול, כמו גם כיצד ליישם. הכלים החדשים שלהם לבעיות העסקיות הספציפיות שלהם. "וזה - במקום להגדיל את מספר הצוות של מדעי הנתונים - הוא המפתח לפתרונות טובים יותר לבעיות עסקיות.
