Den virkelige grunnen til at bedrifter svikter hos AI

5 byggesteiner firmaets behov for vellykket digital transformasjon På MIT CIO-symposiet i 2019 diskuterte Jeanne Ross hvor selskaper står når det gjelder digital transformasjon.

Mer om kunstig intelligens

  • Google DeepMind-grunnlegger Demis Hassabis: Tre sannheter om AI
  • De 10 mest etterspurte AI-jobbene i verden
  • De 3 mest oversett begrensningene av AI i virksomheten
  • Hvordan bli maskinlæringsingeniør: Et jukseark

Kunstig intelligens (AI) investeringer er så avgjørende for virksomheten at de nå bestemmer suksessen til organisasjoner. AI-optimalisering lar bedrifter generere datainnsikt til en lavere pris, fremskynde ansettelsesprosessen, tilpassede forbrukeropplevelser og forbedre sikkerhetstaktikk, rapporterte Tom Merritt fra TechRepublic i sine Topp 5: måter AI vil endre virksomhet.

Alle disse fordelene er grunnene til at AI vil skape 2, 9 billioner dollar i forretningsverdi innen 2021, som nevnt i en tidligere Gartner-rapport, Leverage Augmented Intelligence to Win With AI. For øyeblikket har 77% av de globale organisasjonene implementert noen AI-relaterte teknologier på arbeidsplassen, rapporterte en Mindtree-studie onsdag.

Spesiell rapport: Administrere AI og ML i bedriften (gratis PDF) (TechRepublic)

Rapporten kartla 650 globale IT-ledere for å finne ut hvordan de oppnår suksess med AI, og hvor de trenger forbedring. AI er like populært som alltid, med 85% av organisasjonene som sier at de har en datastrategi på plass, og 31% skal etter sigende ha stor forretningsverdi fra AI-innsatsen.

En av de største feilene selskapene kan gjøre er å implementere teknologi bare for å ha teknologien - men selskaper fortsetter å gjøre det, fant rapporten. Bare 16% av organisasjonene fokuserer på smertepunkter og definerer brukssaker før AI-distribusjon, som er en rask måte å ikke bare mislykkes på AI-initiativer, men også kaste bort tid og penger.

"Data er den forsømte x-faktoren som hindrer bedrifter i å gå fra vellykket eksperimentering til å gjøre AI-ledet virksomhet til en livsstil, " sa Suman Nambiar, strategisjef, partnerallianser og tilbud hos Mindtree. "Mange bedrifter setter nå pris på behovet for data for å trene AI-modeller, men et flertall sier at de fortsatt ikke forstår datainfrastrukturen og arkitekturene som kreves for å 'industrialisere' AI i skala."

For å utføre vellykkede AI-prosjekter, må organisasjoner være villige til både å etablere brukssaker, eksperimentere med flere brukssaker og utvikle smidige og raske innovasjonsmetodologier, heter det i rapporten. Bare 29% av de spurte organisasjonene sa at de føler seg smidige nok til å raskt eksperimentere med AI, noe som indikerer et behov for bedre global bedriftsvennlighet.

"Ta" Fail Fast, Fail Early "på alvor som et motto når det gjelder AI. Som enhver dataforsker vil fortelle deg, må du eksperimentere, teste hypoteser, gå ned noen blinde smug, lære av dem og bruke disse for å finne suksess, "Bemerket Nambiar. "Å ha prosesser og metoder for smidig, rask eksperimentering som gir resultater raskt og til relativt lave kostnader, er avgjørende for å lykkes. Ikke forvent å utarbeide den perfekte AI-strategien for virksomheten din i starten og å utføre den - start med forutsetningen at du må utvikle seg og endre dette når du går frem. "

Forretningsfunksjonene som gir mest verdi fra AI inkluderer salg (35%) og markedsføring (32%); de fleste organisasjoner drar fordel av AI via maskinlæring (34%), chatbots (34%) og robotikk (28%).

Data fortsetter å drive AI-bruk i bedriften, melder rapporten, men det eksisterer et kunnskapsmangel mellom å ha en datastrategi og forståelse av en. Som tidligere nevnt, 85% av foretakene har en datastrategi, men mer enn halvparten (51%) av store bedrifter og 74% av mindre virksomheter sa at de ikke forstår datainfrastrukturen som er nødvendig for å levere AI-brukssaker.

Denne mangelen på fortrolighet med data og AI-arkitekturer betyr at organisasjoner må omskolere dagens ansatte med tilstrekkelig kompetanse. Disse nødvendige ferdighetene inkluderer designtenking (58%), data engineering (58%) og data science (54%), viser rapporten. Mens 47% av organisasjonene sa at de er i ferd med å omskolere dagens ansatte, trenger mer enn halvparten av selskapene fortsatt å drepe seg om.

"Fokus på datastrategi, infrastruktur, arkitektur og styring - disse nevner nesten ikke i media, men etter vår erfaring utgjør disse forskjellen mellom vellykkede konseptbevis som ikke skalerer kontra bedrifter som er kognitive og virkelig AI-ledede, "Sa Nambiar.

For mer, sjekk ut Hvorfor ansatte må utvikle seg for å følge med den digitale arbeidsstyrken på TechRepublic.

Tekniske nyheter du kan bruke nyhetsbrev

Vi leverer de nyeste teknologiske nyhetshistoriene om selskapene, menneskene og produktene som revolusjonerer planeten. Leveres daglig

Registrer deg i dag

Se også

  • IT-lederveiledning for dyp læring (TechRepublic)
  • Telemedisin, AI og dyp læring revolusjonerer helsevesenet (TechRepublic nedlasting)
  • Administrere AI og ML i bedriften 2019: Tekniske ledere forventer større problemer enn tidligere IT-prosjekter (TechRepublic Premium)
  • Hva er AI? Alt du trenger å vite om kunstig intelligens (ZDNet)
  • 6 måter å slette deg selv fra internett (CNET)
  • Kunstig intelligens: Mer må-lese dekning (TechRepublic på Flipboard)
Bilde: metamorworks, Getty Images / iStockphoto

© Copyright 2020 | mobilegn.com