От экспертов по машинному обучению из CVS Health, Conde Nast и Dun & Bradstreet.

Недавно я встретился с тремя ведущими экспертами в области науки о данных из CVS Health, Conde Nast и Dun & Bradstreet, чтобы обсудить, какие тенденции и изменения они испытывают в области искусственного интеллекта и машинного обучения на предприятии. Они также делятся тем, что их волнует, горячими темами, на которые они обращают внимание, и тем, что они видят в будущем ИИ и машинного обучения на предприятии. Когда я вовлек этих экспертов в обсуждение, возникло несколько общих тем, и три ключевые темы были общими для разных отраслей: определение приоритетов правильных данных для эффективного анализа, чтобы раскрыть ценность, обеспечение прозрачности и ответственного использования данных, а также организационная согласованность как ключ к успеху.

Это эксперты в области науки о данных, с которыми мне довелось поговорить:

  • Сайра Казми, старший директор по стратегии и разработке корпоративных данных в CVS Health
  • Шрирам Субраманиан, руководитель отдела науки о данных и инженерии Condé Nast
  • Рошель Марч, руководитель отдела продуктов ESG в Dun & Bradstreet

Давай, вперёд!

Организационные изменения с внедрением прикладного ИИ

Какие изменения уже происходят в организациях, внедривших прикладной ИИ? Три наших эксперта поделились своими взглядами:

Эффективность рабочего процесса и расширенные решения

Сайра Казми считает, что важным компонентом обеспечения работы ИИ является предоставление доступа к соответствующей внутренней и внешней информации, агрегированной на нужном уровне и интегрированной в рабочие процессы бизнеса. «Наиболее успешные реализации связаны с дополнением бизнес-приложений соответствующими данными и сопутствующими рекомендациями, руководствуясь ИИ, чтобы помочь экспертам принимать обоснованные решения», - говорит она. «Искусственный интеллект позволяет бизнес-экспертам понимать пользователей, их поведение, потенциальный риск или потенциальное влияние на бизнес при принятии критических решений».

Кроме того, Сайра заявила, что помимо изменений в эффективности рабочего процесса и дополнительных решений, внедрение решений ИИ также привело к необходимости развертывания масштабируемой инфраструктуры, которая позволяет командам создавать и развертывать модели с использованием крупномасштабных данных. «Внедрение облака ускоряет циклы экспериментов и доставки и является отличительным признаком рынка для бизнеса», - поделилась она.

Приоритезация правильных областей для развертывания решений AI

«Организации с успешным внедрением получают выгоду от использования систем искусственного интеллекта, и главное изменение - это возросшие ожидания в отношении того, что машинное обучение может сделать для развития бизнеса», - говорит Шрирам Субраманиан. «Это дает больше возможностей и ответственности для групп по анализу данных в планировании и определении приоритетов в правильных областях для развертывания решений ИИ».

Сосредоточьтесь на ответственном ИИ

Для Рошель Марч бесконечно увеличивающийся объем и доступность данных - и метаданных - вызывает соображения, связанные с их ростом, доступностью и все более сложными потребностями в манипуляциях. «Во времена предыдущего технологического всплеска компаниям требовались люди, которые занимались администрированием баз данных, загрузкой данных и использованием языков программирования для внутреннего управления данными и их анализа», - поделилась она. «Хотя эти навыки по-прежнему необходимы, организациям все чаще требуются профессионалы, разбирающиеся в таких понятиях, как допустимое использование, интеллектуальная собственность, этика ИИ и знания в конкретной предметной области».

Тенденции, на которые следует обратить внимание в этом году

Какие тенденции наблюдают наши эксперты в этом году и как они повлияют на будущее?

MLOps и машинное обучение, ориентированное на данные

Шрирам Субраманиан отмечает, что в этом году есть несколько важных тенденций, представляющих интерес, но основное внимание уделяется двум: MLOps, или то, как мы управляем конвейерами машинного обучения; отслеживание моделей машинного обучения и сопутствующий технологический стек. «Я думаю, что организации, которые сделают это правильно, смогут гораздо быстрее масштабировать свое влияние на бизнес, поскольку ожидания в отношении решений ИИ возрастают», - говорит Шрирам. Во-вторых, то, что Эндрю Нг недавно выделил как машинное обучение, ориентированное на данные, уделяет больше внимания данным, используемым для построения моделей, а не полностью работает на стороне модели. «Это будет важно для следующего уровня повышения производительности этих решений», - поделился он.

Фильтрация данных и продуманное использование данных

Для Рошель Марч данные стали обильными и повсеместными, что подчеркивает вопрос о том, какие из них полезны и пригодны для использования. «Выявление интересующих данных становится гораздо более ценным и трудным для поиска, что может привести к увеличению ошибок, систематической ошибки или шума», - заявляет она, - «слепой сбор все большего и большего количества данных может превратиться из озера данных в данные. бездна. ”

Она продолжает: «Другой тенденцией является осознание того, что ИИ и машинное обучение откроют скрытые истины, но алгоритмы ИИ и машинного обучения часто не могут оценить достоверность предоставленных данных. Алгоритмы часто могут делать глупые предположения, а при автоматизации могут масштабироваться по степени серьезности. Все больший упор необходимо делать на осмысленном и преднамеренном использовании данных. Данные могут быть мощным инструментом и дать важную информацию, но неправильное использование данных может иметь пагубные последствия ».

Будущее корпоративного ИИ и машинного обучения

Я попросил экспертов поделиться своими мыслями и прогнозами о будущем корпоративного ИИ и машинного обучения. Вот их мысли:

Системы для поддержки операций машинного обучения

Сайра Казми считает, что искусственный интеллект и машинное обучение являются успешными и трансформирующими предприятиями, если их дополняют эксперты с надежными, прозрачными и отслеживаемыми рекомендациями, подкрепленными данными. «Системы и процессы, которые поддерживают воспроизводимую и воспроизводимую науку, свободную от предвзятости, с объяснимыми результатами, будут иметь решающее значение для долгосрочного успеха», - заявляет Сайра. «Здесь встречаются MLOps, DevOps и DataOps».

Сайра также видит ценность в корпоративных платформах и сервисах, которые позволяют настраивать голос, компьютерное зрение, NLP или извлечение текста как основную возможность. «Это мощный инструмент для разработки функций более общим способом, который может использоваться на предприятии, - делится она, - это позволяет инженерам, аналитикам и ученым использовать активы данных для конкретных бизнес-потребностей из каталога чистых, надежных и надежные потоки данных без тяжелых инженерных усилий ».

Ценность в масштабе

Шрирам Субраманиан считает, что «по мере развития ИИ / МО он станет функцией почти во всех аспектах деятельности предприятия, которая поможет им обеспечить большую ценность для своих клиентов в любом масштабе. Вместо отдельного инструмента он будет внедрен на предприятии прозрачным для конечных пользователей образом ».

В восторге от растущего пространства

Корпоративный искусственный интеллект и машинное обучение, безусловно, становятся все более популярными. Что волнует экспертов?

Эффектные инновации, улучшающие качество жизни

Сайра Казми рада «инновациям, творчеству и возможности оказывать влияние в различных областях, в разных отраслях и в улучшении качества нашей повседневной жизни».

Сосредоточьтесь на ответственности за данные

Для Шрирама Субраманиана это «созданная возможность и ответственность за формирование оптимального роста, который уравновешивает выгоду предприятия и ограничивает негативные последствия, о которых много говорят».

Повышенное внимание к ответственности за данные, включая соображения неравенства, предвзятости ИИ, злонамеренного манипулирования данными и прав на данные, которые сейчас выходят на первый план, - вот что больше всего волнует Рошель Марч. «Растущее ожидание того, что игнорировать эти компоненты более неприемлемо, является отражением более зрелого понимания и диалога о силе данных», - заявляет она.

Она также очень воодушевлена ​​растущим объемом экологических и социальных данных, доступных для количественной оценки и отслеживания состояния экосистем, нарушений прав человека и благополучия. Например, растет количество спутниковых данных, а алгоритмы машинного обучения, которые могут отслеживать вырубку лесов, незаконный рыбный промысел и выбросы парниковых газов, являются мощным средством обеспечения прозрачности безответственного потребления ресурсов. Это будет важным элементом измерения состояния нашей планеты и информирования о нашей траектории к устойчивому - или неустойчивому - потреблению, которое мы затем сможем использовать в финансовых, инвестиционных, закупочных и маркетинговых решениях, чтобы повлиять на изменения в экономике.

Консультации по согласованию групп специалистов по анализу данных, лиц, принимающих решения, и бизнес-целей

Какой совет вы дадите, чтобы согласовать команды в масштабе предприятия для достижения успеха?

Позвольте творчеству и дайте возможность учиться

Сайра Казми делает упор на то, чтобы коллективы предприятия могли проявлять творческий подход, предлагать и реализовывать новые идеи; и есть место для неудач и учебы. Он отмечает, что «программы ротации, инновационные спринты, хакатоны помогают в правильном направлении».

Понимание необходимости использования ИИ

«Понимание бизнес-целей имеет важное значение, но также необходимо понимание необходимости и устойчивости к риску использования технологий искусственного интеллекта / машинного обучения», - говорит Шрирам Субраманиан. «Необходимость устанавливает причину требуемых инвестиций и ожидаемую отдачу. Допуск к риску также важен, потому что может быть много случаев, когда непросто объяснить внутреннюю работу таких решений, что затрудняет выявление крайних случаев, когда решение может выйти из строя ».

Слушайте и сотрудничайте

Рошель Марч говорит, что «слушайте, изучайте языки друг друга, понимайте общие и индивидуальные цели и работайте сообща для их достижения» - вот ключи к успешному согласованию на предприятии.

Подведение итогов

Если вам интересны эти идеи, вы можете присоединиться ко мне в салоне Data Science Salon, чтобы принять участие в Data Science in the Enterprise Track на VB’s Transform World на следующей неделе. Это был всего лишь отрывок идей, которые обсудят эти и другие эксперты из Peloton, Roku, Visa, Nike. Некоторые темы будут включать Соображения для успешного управления моделями, Использование данных для оптимизации жизненного цикла получения контента и Стратегии рекомендаций для взаимодействия с аудиторией брендов Condé Nast и многие другие.