Технология AI / ML предоставляет организациям огромные возможности для получения конкурентных преимуществ, но как отделить шумиху от реальности? Определение жизнеспособного варианта использования ИИ и его согласование со стратегической целью бизнеса жизненно важно для успеха организации в инициативах по ИИ. С быстрыми темпами развития технологий ИИ организациям может показаться сложной задачей определить, какие приложения на основе ИИ можно адаптировать. Проблема в том, что многие из них не знают, с чего начать. Или, что еще хуже, они хотят начать с смелого проекта, чтобы продемонстрировать, что возможно.
В этой статье я разберу категории проблем, с которыми сегодня обычно решает ИИ, и предложу действенные шаги, чтобы начать с идентификации вариантов использования ИИ с учетом подхода и перспективы.
Возможности AI
Карта возможностей ИИ - это краткий способ увидеть, что возможно и что работает с ИИ. В начале процесса идентификации вариантов использования ИИ экспертам в предметной области и другим заинтересованным сторонам, участвующим в обсуждении идентификации вариантов использования ИИ, было бы полезно понять, какие конкретные возможности предоставляют эти технологии на основе ИИ. Это обеспечит высокий уровень контекста того, для решения каких бизнес-проблем ИИ может вам помочь. Это позволит эксперту в области бизнеса провести плодотворное обсуждение с экспертами по ИИ во время мозгового штурма и анализа осуществимости. В таблице ниже представлен обзор типов решений / действий, в которых ИИ будет преуспевать, и информирования стратегической группы о тенденциях или возможностях ИИ, которые с наибольшей вероятностью принесут пользу для бизнеса.
В последнее время мы наблюдаем стремительную эволюцию приложений НЛП благодаря технологии глубокого обучения, а интеграция машинного обучения с НЛП обеспечивает гораздо большую автоматизацию, масштабируемость и точность.
У каждой организации будут уникальные потребности и разные приоритеты или критически важные для бизнеса проблемы, которые ИИ может помочь вам решить. Вы можете представить себе, что AI / ML генерирует ценность тремя способами:
- Улучшение существующих продуктов / услуг для лучшего обслуживания клиентов
- Автоматизируйте задачи / процессы для более эффективного обслуживания клиентов
- Создавать новые продукты / услуги / рынок для увеличения клиентской базы
Рамки мозгового штурма
Определение жизнеспособного варианта использования ИИ - это командная работа, требующая междисциплинарных встреч с заинтересованными сторонами. Организуйте как минимум полдневный семинар с руководителями бизнеса, продуктов, ИИ и инженерии данных, чтобы выявить потенциальную область, в которой ИИ может помочь бизнесу создавать уникальные возможности. Эксперты в предметной области и эксперты по ИИ играют ключевую роль на этапе выявления вариантов использования ИИ, поскольку оба обладают опытом в соответствующих областях бизнеса и технологий.
- Domain Expert глубоко понимает бизнес и контекст / системы, окружающие бизнес-процессы, и сможет понять, какую ценность для бизнеса принесет ИИ.
- Эксперт по искусственному интеллекту - это тот, кто занимается искусственным интеллектом и глубоко разбирается в возможностях искусственного интеллекта, технологических достижениях, успешном внедрении технологии искусственного интеллекта в отрасли и достаточно осведомлен, чтобы дать рекомендации относительно сложности и осуществимости сценария использования искусственного интеллекта.
Возможная область исследования для определения варианта использования ИИ
Если у вас много данных, и вы ежедневно принимаете множество решений, используя эти данные: это всего лишь несколько примеров того, как организации применяют подходы ИИ для решения проблем, над которыми они работают. долгое время и большой опыт. Мы уже выполняем эти задачи с помощью созданных вручную правил, выполняемых человеком или машиной, но машина автоматически изучает (лучше?) Правила из примеров данных. Этот тип использования может быть хорошим кандидатом для решения с использованием новых подходов с помощью ИИ.
Хороший пример:
- Выявление мошенничества в банковской сфере, страховании
- Реклама в электронной коммерции
- Финансовый советник по финансам
Определите задачи, которые выполняет человек: если действия, предпринимаемые человеком, основаны на данных, которые часто повторяются, утомительны и трудно решаются системами, основанными на правилах, следовательно, в целом процесс идет медленно, тогда это будет хорошим кандидатом. для AI.
Хороший пример:
- Визуальный осмотр на производстве
Определите, какая критически важная бизнес-информация вам очень нужна. В быстро меняющемся рыночном ландшафте организация пытается найти скрытую информацию в огромном объеме данных для принятия бизнес-решений, но в настоящее время не может получить к ней доступ. из-за изменчивости данных. Может быть, речь идет о понимании факторов, обеспечивающих наибольшую ценность клиента в течение всего срока службы, или о поведении пользователя, которое больше всего указывает на ожидаемый отток.
Определите, как информация используется, к которой осуществляется доступ и как обслуживается. Почти восемьдесят процентов корпоративных данных неструктурированы и менее доступны для более широкой группы. За последние несколько лет мы добились значительного прогресса в обработке естественного языка (NLP) и теперь можем решить широкий спектр проблем, которые было трудно решить несколько лет назад. Enterprise может использовать NLP разными способами для улучшения качества обслуживания клиентов и получения информации о документах.
Определите, как корпоративные приложения используются клиентами (внутренними или внешними). Ищет способы сделать приложение более предсказуемым и контекстуализированным в зависимости от потребностей пользователя. Например, направьте запросы в службу поддержки тому человеку или группе, которые будут с ними работать лучше всего.
Определите, можно ли и в какой степени человеческие решения могут быть преобразованы в данные, чтобы улучшить процесс принятия решений с помощью ИИ. Прежде чем принимать решения, люди рассматривают различные типы данных (внутренние, внешние) и контекст. Затем мы можем задать вопрос о том, как те биты информации, которые люди используют для принятия решения, могут быть преобразованы в данные и могут быть в дальнейшем интегрированы с продуктом на основе искусственного интеллекта, чтобы помочь и улучшить процесс принятия решений людьми. Это, в свою очередь, позволяет людям делать то, что они умеют лучше всего, то есть творчески решать проблемы, а компьютеры отличаются точностью, строгостью и последовательностью.
Анализ осуществимости
ИИ очень хорош в выполнении узко определенных задач и борьбы в неопределенной среде; следовательно, эксперты по ИИ и эксперты в предметной области должны провести комплексную проверку перед запуском проекта ИИ. В предыдущем разделе я дал краткую справку о возможностях ИИ для рассмотрения. Существует множество бизнес-проблем, которые нельзя решить с помощью современного ИИ или даже решить с помощью ИИ, но они технически очень сложны для обеспечения ценности для бизнеса.
Расставить приоритеты
Сценарии использования ИИ должны быть правильно расставлены по приоритетам и определяться бизнес-стратегией. Я упомянул некоторые из пунктов ниже для рассмотрения, и вы поймете, что каждый из них может сорвать или задержать проект ИИ, если не будет должным образом оценен.
Стратегическое согласование: ИИ может влиять на то, как функционирует и работает организация, и ключевая цель ИИ - поддерживать бизнес-стратегию, поэтому он должен быть увязан со стратегической целью.
Критерии воздействия и успеха. Мы должны четко указать, какой показатель можно использовать для отслеживания прогресса. Точно согласованные метрики позволят организации отслеживать прогресс и в некоторых случаях позволяют перемещать ресурсы из неудачного проекта ИИ в другой проект ИИ, которому не хватает ресурсов.
Доступность данных. Насколько легко получить доступ к нужным данным для создания приложения AI? Если данные недоступны или очень труднодоступны, тогда сначала мы можем дать низкую оценку и планируем сделать данные доступными в будущем.
Этические или нормативные вопросы: этика, конфиденциальность данных, предвзятость, объяснимость модели - это проблема для организации. Так что хорошенько подумайте о юридических последствиях для бизнеса, клиентов и сотрудников. Ранний доступ к нему позволит вам продумать дополнительную работу, необходимую для обеспечения соответствия решения AI применимым законам и нормативным актам.
Доступность талантов. Отсутствие талантов ИИ может помешать вам достичь цели ИИ. Рассмотрите различные варианты подключения ресурсов ИИ от партнеров-поставщиков, найма со стороны или обучения некоторых из увлеченных экспертов в предметной области.
Инфраструктура. Есть ли у вас инфраструктура и среда для поддержки работы ИИ? Если нет, то было бы хорошо начать с облака, прежде чем строить инфраструктуру внутри компании.
Технология. Работа с ИИ требует другого набора инструментов, пакетов, и для некоторых организаций непросто адаптировать современное состояние непосредственно из пакетов с открытым исходным кодом из-за множества факторов.
Техническая сложность. Какова оценка сложности решения на основе искусственного интеллекта? Потребуется ли много времени на обучение? Будет ли это многоступенчатый конвейер ИИ?
Проблемы интеграции. Решение на основе искусственного интеллекта не является разовым и требует постоянного мониторинга эффективности решения и улучшения на основе новых данных. Следовательно, вам нужно быть особенно осторожным и спланировать интеграцию обратной связи и мониторинга в свой конвейер E2E AI.
Проблемы внедрения. Решение на основе искусственного интеллекта редко реализуется изолированно и обычно интегрируется с продуктом или процессом. Насколько сложно развернуть в продакшене? Что будет, если во время реализации что-то пойдет не так? Какое влияние?
Заключение
Искусственный интеллект - мощная технология, поэтому используйте ее вдумчиво и разумно. Если вы начинаете свой путь ИИ, сначала выберите низко висящие плоды для простой, четко определенной проблемы и решения ИИ. Выберите два-три основных варианта использования ИИ, чтобы ваша стратегия ИИ оставалась целенаправленной и достижимой. Это очень важно, поскольку первоначальный успех проектов ИИ создаст импульс, укрепит доверие внутри организации и позволит старшим заинтересованным сторонам постоянно инвестировать и финансировать инициативы в области ИИ.
Благодаря этим небольшим победам вы сможете количественно оценить вещи, которые вам необходимо понять и которыми нужно управлять, когда вы начнете масштабировать свои инициативы AI / ML.
Спасибо, что прочитали мой пост. В следующих статьях я подробно расскажу о том, как бизнес-проблему можно сформулировать как проблему машинного обучения. Быть в курсе.
