Искусственный интеллект отличается от предыдущих технологических инноваций в одном важном отношении: это не просто еще одна платформа, которую необходимо развернуть, но фундаментальный сдвиг в способе использования данных. Как таковая, она требует существенного переосмысления того, как предприятие собирает, обрабатывает и, в конечном счете, развертывает данные для достижения бизнес- и операционных целей.
Поэтому, хотя может возникнуть соблазн как можно быстрее внедрить ИИ в устаревшие среды, более разумным решением было бы использовать более осторожный, продуманный подход. Следует иметь в виду, что ИИ хорош лишь настолько, насколько хороши данные, к которым он может получить доступ, поэтому укрепление как инфраструктуры, так и процессов управления и подготовки данных сыграет существенную роль в успехе или неудаче будущих инициатив, основанных на ИИ.
Качество и количество
Согласно науке об открытых данных, необходимость создания огромных объемов высококачественных данных имеет первостепенное значение для достижения ИИ успешных результатов. Чтобы предоставить ценную информацию и позволить интеллектуальным алгоритмам постоянно учиться, ИИ должен с самого начала взаимодействовать с правильными данными. Организациям не только необходимо разрабатывать источники высококачественных данных, прежде чем инвестировать в ИИ, но они также должны переориентировать всю свою культуру, чтобы любой сотрудник, от специалистов по обработке данных до менеджеров в области бизнес-знаний, понимал потребности ИИ в данных и то, как на результаты могут влиять тип и качество данных, поступающих в систему.
Таким образом, ИИ — это не просто технологическое развитие, но и культурный сдвиг внутри организации. Взяв на себя многие рутинные, повторяющиеся задачи, которые, как правило, замедляют процессы, ИИ изменяет природу человеческого труда, чтобы сотрудники могли приложить более творческие, стратегические усилия – в конечном итоге повышая ценность данных, систем и людей для общей бизнес-модели. Однако для достижения этой цели ИИ следует развертывать стратегически, а не бессистемно.
Прежде чем инвестировать в искусственный интеллект, технический консультант New Line Info рекомендует провести тщательный анализ всех процессов, чтобы понять, где интеллект может оказать наибольшее влияние. Часть этого обзора должна включать множество способов, с помощью которых ИИ может потребовать новые методы представления данных и разработки совершенно новых рамок для эффективного моделирования и прогнозирования. Цель здесь состоит не в том, чтобы обеспечить спорадические выгоды или разовые инициативы, а в том, чтобы способствовать более целостной трансформации операций с данными и пользовательского опыта.
По самой своей природе эта трансформация будет эволюционной, а не революционной. Между сегодняшним заводом и футуристическим интеллектуальным предприятием нет жесткой границы, поэтому каждой организации придется прокладывать свой собственный путь. Недавно в статье «Внутренние большие данные» архитектор решений Provectus Ринат Гареев предложил семь шагов к внедрению ИИ, начиная с точного определения того, что вы надеетесь с его помощью сделать. ИИ может быть адаптирован практически к любой среде и оптимизирован для любой задачи, поэтому с самого начала крайне важно иметь возможность оценить его успех.
Наметьте курс для ИИ
Кроме того, организациям следует определить приоритетные варианты использования и разработать дорожные карты развития для каждого из них на основе технической осуществимости, рентабельности инвестиций и других факторов. Только тогда следует перейти к общей основе для широкого внедрения и быстрого масштабирования по всей организации, не для того, чтобы когда-нибудь завершить эту трансформацию, а для постоянного создания более эффективной и действенной экосистемы данных.
Однако, возможно, самое важное, что необходимо иметь в виду в отношении ИИ, — это то, что он не является волшебной палочкой для всего, что беспокоит предприятие. В статье исполнительного директора Роберто Торреса недавно было отмечено, что в настоящее время существует разрыв между тем, что возможно, и тем, что ожидается от ИИ, и это несоответствие вредит реализации. Иногда ограничения заключаются в самом ИИ, поскольку люди начинают думать, что интеллект, основанный на алгоритмах, способен на гораздо большие подвиги, чем он может на самом деле совершить. Но проблемы могут также возникнуть в инфраструктуре поддержки, при подготовке данных, как упоминалось выше, или иногда просто при применении данной модели искусственного интеллекта к неправильному процессу.
Дело в том, что пока корпорации сделали только самые первые шаги на долгом пути к новой культурной парадигме, и на этом пути, несомненно, будет много ошибок, неправильных поворотов и возвращений. Поэтому, хотя важно как можно скорее запустить работу ИИ, вам также нужно сделать паузу и выяснить, что вам нужно сделать, чтобы подготовиться к этим изменениям, и что вы надеетесь из этого извлечь.
Источник: https://venturebeat.com/2021/12/31/preparation-is-key-to-ai-success-in-2022/