AI sa Negosyo: Ang Transfer of Expertise mula sa mga Company Company sa Enterprise

May -Akda: Laura McKinney
Petsa Ng Paglikha: 4 Abril 2021
I -Update Ang Petsa: 26 Hunyo 2024
Anonim
Dizziness and Vertigo, Part I - Research on Aging
Video.: Dizziness and Vertigo, Part I - Research on Aging

Nilalaman


Pinagmulan: Kittipong Jirasukhanont / Dreamstime.com

Takeaway:

Sinimulan ng enterprise na isama ang AI at ML sa mga operasyon nito, ngunit hindi halos sa lawak ng maraming mga negosyo sa internet. Ang tulong mula sa mga kumpanyang ito ay maaaring maging susi sa pag-aampon ng enterprise AI.

Ang mga kompanya ng internet ng hyperscale ay may leapfrogged ng ilang mga antas ng pag-aaral ng makina na may pagtaas ng automation sa pagproseso ng data at pagmomolde ng pagiging sopistikado mula noong 2015. Ang kumpanya, na may ilang mga eksepsiyon, ay naiwan sa pag-ampon ng artipisyal na intelektwal ngunit nakikita, sa mga kumpanya sa internet, mga kasosyo na makakatulong dito upang makahabol.

Ang mga prospective na gumagamit ng negosyo ng pag-aaral ng makina ay may mahabang paraan upang pumunta upang tumugma sa mga talento ng talento, computing prowess, scale, at mga data volume para sa mga algorithm ng pagsasanay na naipon ng mga kumpanya sa internet, lalo na sa huling apat na taon. Sa maraming mga vertical ng negosyo, ang mga proseso ng negosyo ay hindi awtomatikong binago para sa automation ng pagproseso ng data at ang agarang pagpapatupad ng mga pagpapasya sa negosyo batay sa mga pananaw na nakuha mula sa artipisyal na katalinuhan. Bukod dito, ang ilan sa mga vertical ay hindi pa rin tinukoy nang mahusay na mga kaso ng paggamit na nagpapahiram sa kanilang sarili sa pinakinabangang pagpapatupad ng artipisyal na katalinuhan. (Para sa higit pa sa AI sa negosyo, tingnan ang Overcoming IT Service Management Change Management Woes With the Power of AI.)


Pag-ampon ng Artipisyal na Katalinuhan sa Negosyo

Ang paggamit ng artipisyal na katalinuhan sa negosyo ay nasa isang maagang yugto, lalo na kung isasaalang-alang namin ang mga sopistikadong gumagamit nito na lampas sa paggalugad at mga piloto sa isang yugto kung saan nakukuha nila ang halaga ng negosyo mula sa paggamit nito. O'Reilly, isang kumpanya ng media media, na natagpuan sa 2018 survey na ito, "The State of Machine Learning Adoption in the Enterprise," na ang mga sopistikadong gumagamit ay 15% lamang ng kabuuang mga gumagamit ng negosyo sa buong mundo at 18% sa North America.

Ang mga panlabas na mapagkukunan ng kadalubhasaan at pag-aaral ay naglalaro ng isang mahalagang papel sa mga gumagamit ng pagtulong sa negosyo upang makamit ang state-of-art sa pag-aaral ng makina, lalo na para sa mga advanced na pamamaraan ng AI. Ang isang survey sa 2018 ni Deloitte ay natagpuan ang 59% ng mga mamimili ng enterprise ay nakakuha ng kadalubhasaan sa AI mula sa mga kumpanya ng software ng enterprise na may mga kakayahan ng AI, 53% co-develop ito sa mga kasosyo, 49% na nakuha ito mula sa mga kumpanya ng cloud AI, at 39% na madla ng tao mula sa mga site tulad ng GitHub . Nagbibigay ang mga kumpanya ng Cloud AI ng AI bilang isang serbisyo, na makatipid sa gastos ng imprastruktura at pagbuo ng talento sa paunang saligan.


Para sa advanced na pag-unlad ng AI, ang mga kumpanya ng ulap ay isang mas mahalagang mapagkukunan ng kadalubhasaan. Tatlumpu't siyam na porsyento ng mga respondents ng negosyo ay nagpakita ng kagustuhan sa mga kumpanya ng ulap bilang isang mapagkukunan ng advanced AI kumpara sa 15% para sa on-premise na software. Ang AI bilang isang serbisyo ay lumago sa isang matulin na rate ng 48%.

Pag-ampon ng Artipisyal na Kaalaman sa Vertical

Nakipag-usap kami kay Aditya Kaul, director ng pananaliksik sa Tractica, isang firm ng industriya ng pagtuon na nakatuon sa artipisyal na katalinuhan at robotics. Inimbestigahan ni Kaul ang pag-ampon ng artipisyal na katalinuhan sa 30 patayo para sa higit sa 300 mga kaso ng paggamit sa mga negosyo sa buong mundo. "Ang mga serbisyo sa telekomunikasyon at pinansyal ay ang namumuno sa pag-aampon ng AI, at nagsimula sila nang maaga sa mas maraming masamang pamamaraan ng istatistika sa istatistika na bumalik sa 1980s," sinabi sa amin ni Kaul. "Ang pag-aangkop sa tingi, automotiko at pangangalaga sa kalusugan ay lumago sa mga kamakailan-lamang na beses habang ang karamihan ng mga negosyo ay nananatiling sa isang maagang yugto ng pag-aampon," idinagdag niya, "Ang mga serbisyo ng negosyo ng horizontal tulad ng CRM, supply chain, at HR ay pinalawak ang pag-ampon ng Ang AI nang mabilis habang ang mga mahuhulaan na kakayahan nito ay nakakatulong sa pagkilala sa mga prospect, mga trend ng demand ng consumer, at mga empleyado na may talento. "

"Ang pagsubaybay, pag-synchronise, at pag-optimize ng mga kumplikadong network at natukoy na mga network na tinukoy ng software ay isang kritikal na kaso ng paggamit sa sektor ng telecom," surmised ni Kaul. "Ang mga tinulungan ng boses sa mga kotse ay sumulong sa sektor ng automotiko na may pagtaas ng tuldok sa pag-personalize ng mga serbisyo ng in-car," sabi niya. Ipinagbigay-alam din niya sa amin na "Ang sektor ng pagbabangko ay gumagamit ng artipisyal na katalinuhan para sa serbisyo ng customer kabilang ang mga chatbots habang hinaharap nila ang matinding kumpetisyon mula sa mas maliit na mga bangko sa internet, bukod sa paggamit nito para sa pandaraya ng pandaraya, pagsusuri sa pautang, at iba pang mga operasyon sa pag-backend.

Habang ang sektor ng pangangalagang pangkalusugan ay may malaking potensyal, tumagal ito hanggang sa kamakailan lamang dahil sa mga hadlang sa regulasyon sa paggamit ng data nito. "Maraming mga sinimulan na pakikipagsapalaran ay nakatuon sa pagtuon ng makina sa mga pagsubok sa klinikal upang mapabilis ang pagtuklas ng droga," ipinahayag ni Kaul.

Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay

Hindi mo mapagbuti ang iyong mga kasanayan sa pagprograma kapag walang nagmamalasakit sa kalidad ng software.

Ang mga tingi sa tindahan ay pinabilis ang pamumuhunan sa pag-aaral ng makina habang nakamit nila ang mastery sa paghula ng demand at supply nang tumpak. Ang German retailer na Otto cut ay nagbabalik ng higit sa 2 milyong mga item sa isang taon at labis na stock sa pamamagitan ng 20% ​​gamit ang malalim na algorithm ng pag-aaral upang mahulaan kung ano ang bibilhin ng mga customer, ayon sa ulat ng pananaliksik ni McKinsey. Ang AI engine nito ay autonomously na nag-uutos ng 200,000 mga item sa isang buwan dahil maaari nitong matantya kung ano ang ibebenta ng Otto sa susunod na 30 araw na may katumpakan na 90%. (Hindi sigurado kung paano akma ang AI sa iyong kumpanya? Suriin ang 5 Mga Paraan ng Mga Kumpanya Maaaring Nais Isaalang-alang ang Paggamit ng AI.)

Pakikisosyo sa Cloud AI Company

Ang mga kumpanya ng Hyperscale cloud AI ay handa na makisosyo sa mga customer ng negosyo upang isulong ang kanilang mga artipisyal na kasanayan sa intelektwal, ngunit hindi sila sigurado tungkol sa mga paraan upang makipagtulungan sa mga kumpanya ng software ng negosyo na hindi kinakailangan para sa backend na pagtutubero. "Ang mga kumpanya ng Cloud ay naging mapagbigay sa mga customer ng negosyo gamit ang kanilang mga freebies kabilang ang libreng ulap ng oras, pagkonsulta, at mga mapagkukunan ng pagsasanay," ayon kay Kaul.

Dahil ang mga kumpanya ng ulap na AI tulad ng Google ay gumawa ng isang mabilis na paglipat mula sa mga naka-engineered algorithm sa 2015 hanggang sa malalim na pag-aaral sa 2016 at kani-kanina lamang mas advanced na mga algorithm tulad ng pag-aaral ng pampalakas, nagawa nilang payuhan ang mga maagang nag-aangkop sa kung paano gumawa ng pag-unlad sa kanilang paglalakbay sa pag-aaral ng AI kapanahunan.

"Ang mga gastos ng AI ay bumababa din habang nakikita namin ang pagtaas ng pagkakaroon ng mga pre-sanay na modelo, may label na mga database at isang pangkalahatang pagbawas sa pagpepresyo ng cloud AI," paliwanag ni Kaul."Kasabay nito, ang oras para sa pagproseso ng data, ingestion, paghahanda ng data, at pag-label, na kung saan ang mga account ng 90% ng pagsisikap, ay pinaikling sa mga pamamaraan tulad ng AutoML na automates ang mga prosesong ito," dagdag niya. Si Nvidia, isang kasosyo ng mga kumpanya ng hyperscale cloud AI, ay muling nag-repack ng mga GPUs (mga graphical processing unit) para sa enterprise. "Ang Nvidia ay muling naka-target upang mai-target ang data ng agham at paggamit ng mga analytics sa negosyo na nagpapabilis sa pagsasanay ng mga malalaking analytical na modelo kumpara sa mga CPU (gitnang pagpoproseso ng mga yunit)," paliwanag ni Kaul.

Ang mga kumpanya ng software ng negosyo ay kailangang makahanap ng isang paraan upang mapaunlakan ang mga kumpanya ng AI AI, lalo na habang nagdadala sila ng mga bagong kakayahan sa merkado na naging bahagi ng tela ng negosyo ng negosyo. "Ang mga pag-andar tulad ng chatbots at mga kakayahan sa paningin ng computer para sa pagkilala sa imahe ay pinagana sa pamamagitan ng malalim na pag-aaral na umaabot ang halaga na dinadala ng AI," iginiit ni Kaul. "Ang software mismo ay hindi na hardcoded ngayon ngunit naaangkop sa mga pangangailangan ng data at analytics," dagdag niya. Mayroon pa, hindi pa sapat na ebidensya upang ipakita na ang mga kumpanya ng software ng negosyo, na may ilang mga pagbubukod tulad ng Microsoft, ay maaaring makibalita sa mga kumpanya ng cloud AI sa mga algorithm. Sa pamamagitan ng lahat ng mga indikasyon, ang mga bagong termino ng pakikipag-ugnayan sa pagitan ng mga kumpanya ng cloud AI at mga kumpanya ng software ng kumpanya, gayunpaman, ay hindi pa nalutas.

Konklusyon

Ang pag-aaral ng makina ay muling likhain ang negosyo dahil ito ay muling tukuyin ang software ng negosyo mismo. Ang kumpanya ay mas mabilis na umangkop sa panlabas na kapaligiran ng negosyo sa automation ng data processing at mas mabilis na pagpapatupad ng mga desisyon sa negosyo batay sa mga pananaw na nakuha mula sa mga algorithm na paikliin ang oras upang malaman mula sa data. Ang software ng enterprise ay magbabago at magre-configure nang mas madalas upang makasabay sa mga algorithm.