תוֹכֶן
- אימוץ בינה מלאכותית בעסקים
- אימוץ בינה מלאכותית באנכיות
- אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
- שותפות עם חברות AI בענן
- סיכום
מקור: Kittipong Jirasukhanont / Dreamstime.com
להסיר:
הארגון החל לשלב AI ו- ML בפעילותו, אך לא כמעט במידה שיש לעסקים רבים באינטרנט. עזרה מחברות אלה יכולה להיות המפתח לאימוץ AI ארגוני.
חברות אינטרנט היפר-סקלריות הצליחו לעקוב אחר מספר רמות של למידת מכונות תוך הגדלת האוטומציה בעיבוד נתונים ותחכום דוגמנות מאז 2015. הארגון, למעט כמה יוצאים מן הכלל, מפגר באימוץ בינה מלאכותית אך רואה בחברות אינטרנט שותפים שיכולים לעזור לו. להתעדכן.
למשתמשים הארגוניים הפוטנציאליים של למידת מכונות יש דרך ארוכה להתאים בין בריכות הכישרון, יכולת המחשוב, הגודל ונפחי הנתונים לאלגוריתמי הכשרה שצברו חברות אינטרנט, במיוחד בארבע השנים האחרונות. בסרטים אנכיים רבים של הארגון, התהליכים העסקיים לא הוסבו דיגיטלית לצורך אוטומציה של עיבוד נתונים וביצוע מיידי של החלטות עסקיות על בסיס תובנות שהושגו מבינה מלאכותית. יתרה מזאת, בכמה מהאנכיים אין עדיין מקרי שימוש מוגדרים היטב, המלווים עצמם לביצוע רווחי של בינה מלאכותית. (למידע נוסף על AI בעסקים, ראה התגברות על קשיי ניהול של ניהול שירותי IT עם הכוח של AI.)
אימוץ בינה מלאכותית בעסקים
אימוץ בינה מלאכותית בעסקים נמצא בשלב מוקדם, במיוחד כשאנחנו מחשיבים את המשתמשים המתוחכמים שעברו מעבר לחקירה וטייסים לשלב בו הם משיגים ערך עסקי מהשימוש בו. חברת O’Reilly, חברת מדיה טכנולוגית, מצאה בסקר שנערך בשנת 2018, "מדינת אימוץ למידת המכונה בארגון", כי משתמשים מתוחכמים היו רק 15% מכלל משתמשי הארגון ברחבי העולם ו -18% בצפון אמריקה.
מקורות מומחיות ולמידה חיצוניים ממלאים תפקיד משמעותי בסיוע למשתמשים עסקיים להדביק את העיצוב החדיש ביותר בלימוד מכונות, במיוחד עבור טכניקות AI מתקדמות. סקר שנערך על ידי Deloitte בשנת 2018 מצא כי 59% מרוכשי הארגון רוכשים מומחיות AI מחברות תוכנה ארגוניות עם יכולות AI, 53% מפתחים אותה יחד עם שותפים, 49% רוכשים אותה מחברות AI בענן, ו -39% גולשים אותה באמצעות אתרים כמו GitHub . חברות ענן AI מספקות AI כשירות, החוסך בעלויות של פיתוח תשתיות ופיתוח כישרונות במקום.
לפיתוח AI מתקדם, חברות ענן הן מקור מומחיות חשוב יותר. שלושים ותשעה אחוזים מהנשאלים העסקיים הראו העדפה לחברות ענן כמקור ל- AI מתקדם לעומת 15% עבור תוכנות מקומיות. AI כשירות צמח בקצב מהיר של 48%.
אימוץ בינה מלאכותית באנכיות
שוחחנו עם Aditya Kaul, מנהלת מחקר ב- Tractica, חברת אנליסטים בתעשייה המתמקדת בבינה מלאכותית ורובוטיקה. קאול בדק את אימוץ הבינה המלאכותית ב -30 אנכיים עבור למעלה מ -300 מקרי שימוש בעסקים ברחבי העולם. "שירותי טלקומוניקציה ושירותים פיננסיים היו המובילים באימוץ AI, והם התחילו מוקדם עם טכניקות סטטיסטיות יותר מבודדות שחזרו כבר בשנות השמונים," אמר לנו קאול. "האימוץ בתחום הקמעונאות, הרכב והבריאות התגבר בתקופה האחרונה יותר בזמן שרוב הארגון נותר בשלב מוקדם של האימוץ", הוסיף, "שירותים עסקיים אופקיים כמו CRM, שרשרת אספקה ו- HR הרחיבו את האימוץ של AI במהירות כיכולות החיזוי שלה עוזרות בזיהוי סיכויים, מגמות ביקוש צרכנים ועובדים מוכשרים. "
"ניטור, סנכרון ואופטימיזציה של רשתות מורכבות והטרוגניות מוגדרות תוכנה הם מקרה קריטי בתחום הטלקום", שיער קאול. "עוזרי הקול במכוניות זינקו בענף הרכב במבטא הולך וגובר על ההתאמה האישית של השירותים ברכב", ציין. הוא גם הודיע לנו כי "המגזר הבנקאי מפעיל בינה מלאכותית לשירות לקוחות, כולל צ'אט בוטים, מכיוון שהם מתמודדים עם תחרות אינטנסיבית מבנקים אינטרנטיים קטנים יותר, מלבד השימוש בהם לגילוי הונאה, ניתוח הלוואות ופעולות תומכות אחרות."
בעוד שיש לתחום הבריאות פוטנציאל אדיר, הוא היה מפגר עד לאחרונה בגלל חסמים רגולטוריים לשימוש בנתונים שלו. קאול חשף כי "מספר חברות סטארט-אפ המגובות סיכון התמקדו בלימוד מכונות בניסויים קליניים כדי להאיץ את גילוי התרופות.
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.
חנויות קמעונאיות האיצו את ההשקעות בלימוד מכונות שכן הן משיגות שליטה בחיזוי הביקוש וההיצע במדויק. הקמעונאי הגרמני אוטו צמצם את ההחזר ביותר מ -2 מיליון פריטים בשנה ואת עודף המלאי בכ -20% באמצעות אלגוריתמים למידה עמוקה כדי לחזות מה הלקוחות יקנו, כך עולה מדו"ח מחקר של מקינזי. מנוע ה- AI שלה מזמין כעת באופן עצמאי 200,000 פריטים בחודש מכיוון שהוא יכול לחזות מה אוטו ימכור במהלך 30 הימים הבאים ברמת דיוק של 90%. (לא בטוח כיצד AI ישתלב בחברה שלך? בדוק 5 דרכים שחברות אולי תרצו לשקול להשתמש ב- AI.)
שותפות עם חברות AI בענן
חברות AI ענן Hyperscale היו מוכנות לשתף פעולה עם לקוחות ארגוניים בכדי לקדם את כישוריהן של בינה מלאכותית, אך אינן וודאות באשר לדרכים לשתף פעולה עם חברות תוכנה ארגוניות אשר הכרחיות אינסטלציה לאחור. קאול ציין כי "חברות ענן היו נדיבות כלפי לקוחות ארגוניים באמצעות משלוחים חופשיים שלהן, כולל משאבי זמן ענן חינם, יעוץ והדרכה."
מכיוון שחברות AI בענן כמו גוגל עברו מעבר מהיר מאלגוריתמים מהונדסים בעבודת יד בשנת 2015 ללמידה עמוקה בשנת 2016 ולאחרונה אלגוריתמים מתקדמים יותר כמו למידת חיזוק, הם מסוגלים לייעץ למאמצים מוקדמים כיצד להתקדם במסעם ללמידה AI. בגרות.
Kaul הסביר כי "עלויות ה- AI צונחות ככל שאנו רואים זמינות מוגברת של דגמים שהוכנו מראש, מערכי נתונים שכותרתו והפחתה כללית בתמחור AI בענן"."במקביל, הזמן לעיבוד נתונים, בליעה, הכנת נתונים ותיוג, המהווים 90% מהמאמץ, קוצר בטכניקות כמו AutoML שמאצילות תהליכים אלה," הוסיף. Nvidia, שותפה של חברות AI ענן יתר על המידה, ארזה מחדש את ה- GPUs שלה (יחידות עיבוד גרפי) עבור הארגון. "Nvidia התמקמה מחדש במיקוד למדעי נתונים וניתוחי שימוש באנליטיקה בארגון מה שמאיץ את הכשרתם של מודלים אנליטיים גדולים בהשוואה למעבדים מעובדים (יחידות עיבוד מרכזיות)", הסביר קאול.
חברות תוכנה ארגוניות יצטרכו למצוא דרך להתאים לחברות AI בענן, במיוחד כאשר הן מביאות יכולות חדשות לשוק שהופכות לחלק מהמרקם של העסק הארגוני. "פונקציות כמו צ'אט בוטים ויכולות ראייה ממוחשבות לזיהוי תמונה מאפשרות למידה עמוקה שמרחיבה את הערך שמביא AI", טען קאול. "התוכנה עצמה אינה מקודדת יותר אך מתאימה את עצמה לצרכים של נתונים ואנליטיקה", הוסיף. אין עדיין עדויות מספיקות להראות שחברות תוכנה ארגוניות, עם כמה חריגים כמו מיקרוסופט, יכולות להדביק חברות AI בענן באלגוריתמים. עם זאת, לפי כל האינדיקציות, תנאי ההתקשרות החדשים בין חברות AI בענן לבין חברות תוכנה ארגוניות, טרם נפתרו.
סיכום
למידת מכונה תמציא את הארגון מחדש מכיוון שהוא מגדיר מחדש את תוכנת הארגון עצמה. הארגון יסתגל מהר יותר לסביבה העסקית החיצונית בעזרת אוטומציה של עיבוד נתונים וביצוע מהיר יותר של החלטות עסקיות על סמך תובנות שנצברו מאלגוריתמים המקצרים את זמן הלמידה מהנתונים. תוכנה ארגונית תתפתח ותתגבש מחדש לעתים קרובות יותר כדי לעמוד בקצב האלגוריתמים.
