Платформа анализа рисков для людей, ненавидящих Excel и PowerPoint
К настоящему времени все уважающие себя руководители слышали об искусственном интеллекте и думали: «Мммм, да, я хотел бы стать частью этого дела». А поскольку они руководители, они посоветовали подчиненным приступить к делу и вернулись на поле для гольфа. Я лично не вижу проблем в таком способе ведения дел, поскольку подчиненные затем идут к таким консультантам, как я, чтобы понять, что их босс мог иметь в виду, говоря «Я хочу, например, Алексу, но, например, офисных стульев». »(да, для этого у меня есть презентация в PowerPoint).
Однако есть несколько рисков, которые, я считаю, следует учитывать ПЕРЕД заменой алгоритмом всех шептунов. В самом деле, мысленно задав себе следующие вопросы перед тем, как приступить к проекту искусственного интеллекта, можно снизить риски, сэкономить время, деньги и значительно упростить работу как компонентов BUILD, так и RUN.
Он никоим образом не заменяет, не формирует или не формирует должную осмотрительность, необходимую для реализации такого начинания, но обеспечивает полезную основу для начала конструктивного разговора.
1. Есть ли у меня УМНАЯ цель?
Независимо от их способностей к кодированию или анализу данных, люди наверху должны играть ключевую роль в определении стратегии проекта искусственного интеллекта. Не хочет ли компания подорвать свой рынок, создав ценностное предложение другого типа а ля Amazon? Стремится ли он стать лучшим в своем классе, à la Amazon? Может быть, он стремится оставаться на одном уровне на конкурентном рынке а ля Amazon? Или даже догнать лидера а ля Amazon?
Вы знаете, я начинаю улавливать тенденцию…
Без таких точных указаний командам придется бесцельно копаться в данных в поисках истории. А без четкой и согласованной цели они будут преследовать движущуюся цель, рискуя переписать историю по мере поступления новых данных. Вот почему стратегия, определенная ДО начала любого проекта, должна быть конкретной, измеримой, достижимой. , Актуальные и привязанные ко времени.
«Все остальные делают это» - ужасная причина, чтобы заняться искусственным интеллектом.
2. Достаточно ли у меня данных?
Все проекты искусственного интеллекта требуют огромных объемов данных, чтобы их можно было использовать: вульгаризируя, невозможно, чтобы алгоритм понимал как настоящее, так и будущее, не зная о прошлом. Не существует конкретного количества точек данных, которое можно было бы указать, поскольку оно сильно варьируется, но стартап, который только что запущен и имеет не более 200 постоянных клиентов, явно не имеет ресурсов для запуска проекта искусственного интеллекта.
Если достаточного количества данных нет, их нужно либо собирать внутри компании, что может занять невероятно много времени (мы говорим о годах и крупных реструктуризациях), либо собирать их из внешних источников (например, для прогнозирования спроса на зонтики будут использоваться данные о погоде. в свободном доступе для всех). Однако важно отметить, что уникальные данные, а не новейшее моделирование - вот что создает ценное решение для искусственного интеллекта.
3. Есть ли ошибки в моем наборе данных?
Мусор на входе, мусор на выходе.
Больше нечего сказать. Любой хороший директор по данным подтвердит, что с данными следует обращаться как с физическим продуктом, а его компоненты проверяются на качество до и после того, как они будут запущены в производство. Вы не стали бы выполнять BLT, если бы помидоры испортились и половина бекона отсутствовала, и не следует запускать алгоритм, который имеет недостающие или ошибочные данные. Полученным предсказаниям нельзя было доверять.
Фактически, 80% работы, выполняемой при создании алгоритма, включает извлечение, очистку, заполнение и нормализацию данных, чтобы гарантировать систематическое предотвращение простых ошибок.
И даже тогда ...
4. Мой набор данных негодяй?
Алгоритмы обладают способностью систематически «принимать» несправедливые решения, при этом никто не замечает или даже не понимает почему, что делает этику более актуальной, чем когда-либо. Таким образом, команды должны систематически следить за тем, чтобы алгоритм, направленный на оказание воздействия (ЛЮБОЕ воздействие) на людей, не был подвержен предвзятости. Это можно сделать, проверив два момента: что данные соответствуют действительности и не отражают существующих в реальности предрассудков.
Легче сказать, чем сделать, что еще раз подчеркивает необходимость соответствующих и согласованных отраслевых рамок.
Наем разнообразного персонала может помочь выявить отражение соответствующего социального контекста, но это редко возможно, учитывая текущую структуру классов STEM… В качестве альтернативы я бы рекомендовал нанять «детектива предвзятости», редкого единорога, хорошо разбирающегося в обоих данных. наука и гуманитарные науки, чтобы найти неизвестное неизвестное в черном ящике, которое может создать такой развитый, как ИИ.
Кстати о редких единорогах…
5. Есть ли у меня люди, чтобы это произошло?
Таланты A.I и скудны, и монополизированы технологическими гигантами. Согласно последним отчетам, в настоящее время во всем мире всего 22 000 экспертов с докторской степенью, способных разрабатывать передовые алгоритмы. А те, которые не работают для крупных технологических компаний, стоят дорого. Очень дорого. Очень, очень дорого.
Однако это не должно мешать предприимчивым командам создавать что-то красивое. Как уже упоминалось, хороший искусственный интеллект - это больше об уникальных данных, чем об уникальных алгоритмах. Любое современное партнерство аналитика данных / разработчика может использовать множество библиотек с открытым исходным кодом, чтобы научиться основам и добиться некоторых быстрых результатов, необходимых для того, чтобы убедить большие парики пойти на найм (я советую начать с IBM Watson Studio, где я начал).
В любом случае вполне вероятно, что большая часть персонала будет иметь немного науки о данных в течение следующих нескольких лет, поскольку она станет частью коллективного набора навыков, необходимого для ряда сотрудников (знающих, как использовать пакет Office, например, предоставляется в настоящее время).
6. Потребуется ли мне изменить мою иерархическую структуру?
Даже если в компании есть десятки талантливых Владельцев бизнес-процессов (часто нелюбимых, но ключевых для всего вышеперечисленного), разработчиков, экспертов уровня PHD и специалистов по данным, будет невероятно сложно реализовать проект. землю, если они не работают вместе.
Во-первых, если таланты не централизованы, у этих сотрудников будет мало удовлетворения от работы, поскольку общая цель с людьми вокруг вас творит чудеса для мотивации. Во-вторых, наука о данных требует, чтобы статистическая, вычислительная и деловая стороны бизнеса общались круглосуточно и без выходных. Итак, дайте этим людям открытую площадку, Magic Charts и Post-Its. В-третьих, если все эти прекрасные, талантливые женщины и мужчины будут подчиняться разным начальникам, вполне вероятно, что возникнут разные цели, равно как и недопонимание и политические игры.
Вражда между ИТ и бизнесом просто непродуктивна.
Управление изменениями является здесь ключевым моментом. Говоря о…
7. Станут ли мои сотрудники луддитами?
Мы все слышали эти истории. Автоматизации. Избыточности. О восстании роботов. И эти истории (в основном) правдивы. Это может означать определенное количество опасений в организации после объявления проекта искусственного интеллекта. «Заменит ли он рабочие места?» «Придется ли мне пройти дополнительное обучение или меня отпустят?» «Сможет ли одна часть бизнеса принимать решения, которые когда-то принимались другим отделом?».
Изменения редко приветствуются, и к ним нужно подходить, сочетая обучение сверху вниз и консультации снизу вверх, что может занять время. Однако это необходимо.
Получение поддержки на ВСЕХ уровнях организации имеет первостепенное значение для успешного проекта.
Помимо случайной внутренней поддержки, необходимо разработать целую культуру, если проект должен быть чем-то большим, чем увлечение наукой о данных.
8. Правильная ли у меня архитектура?
Я мог бы использовать множество метафор для этого конкретного интересующего вопроса. Айсберги. Футбол. Итальянский инженер-строитель, экономист и социолог… Я все же буду придерживаться сэндвича с BLT (потому что уже почти обед, а я голодаю): когда вы кладете помидоры, салат и бекон между этими двумя кусками хлеба, вы » Вы находитесь в самом конце процесса, в котором задействованы сотни рабочих и тысячи часов разработки, от фермы до склада, до магазина и всего, что между ними. Наука о данных примерно такая же:
Сам алгоритм выполняет менее 10% всей работы.
Фактически, алгоритм находится в экосистеме, которая опирается на:
- Сбор данных, проверка данных, управление рабочим процессом, сервисная инфраструктура…
Но это само по себе является частью более широкой экосистемы, состоящей из:
- API (интерфейс прикладного программирования), хранилище данных, решения DataViz, процессы мониторинга, кибербезопасность…
Если такой архитектуры нет в организации, отлично: проще начать с нуля. Однако, если есть элементы, вполне возможно, что придется пойти на некоторые жертвы.
9. Существуют ли какие-либо нормативные препятствия?
В настоящее время по всему миру ведутся десятки дискуссий на высоком уровне по вопросу ИИ и необходимости его регулирования; Глубокие подделки, распознавание лиц, темные узоры, автономное оружие, систематическая предвзятость… все имеет широкий спектр разветвлений и способность причинить вред миллионам, если их не остановить. Вскоре количество таких вопросов, обсуждаемых на правительственном уровне, достигнет тысяч, поскольку, вероятно, будет принято множество законов, обеспечивающих справедливость, безопасность и прозрачность алгоритмов.
Это лучшее, на что мы можем надеяться…
Однако это означает, что проекты искусственного интеллекта часто перемещаются на неизвестную юридическую территорию и в любой момент могут стать объектом широкомасштабных юридических проверок. Ключевым моментом всегда была проверка не только действующих правил, но и осведомленности о тех, которые обсуждаются. в корпоративном мире, и останется таковым.
10. У меня есть время?
Сбор правильных данных, найм нужных людей, реорганизация систем и сотрудников… все это требует времени. МНОГО времени. Таким образом, было бы глупо говорить, что умирающую компанию можно спасти, став «компанией с искусственным интеллектом».
На самом деле, если компания испытывает дефицит времени, искусственный интеллект, вероятно, не ответ.
Это подчеркивает необходимость избегать реакционного мышления при разработке стратегии, поскольку компания, поступающая таким образом, обречена на то, чтобы догонять остальную часть своего короткого срока службы.
Итак, мы вернулись на территорию стратегии, завершив цикл.
Удачи там.
Присоединяйтесь к движению
Изначально эта статья была написана для интернет-журнала The Pourquoi Pas, в котором подробно анализируются современные технологические проблемы. Нажмите здесь, чтобы получить доступ.
