Преодоление разрыва

Согласно последнему исследованию CIO / IDG, в ходе которого было опрошено более 200 ИТ-руководителей крупных компаний, большинство компаний согласились с тем, что ИИ обладает огромным потенциалом для внедрения революционных инноваций на большинстве предприятий. Фактически, 90% из них инвестируют в ИИ.

На самом деле только очень немногие из них добиваются успеха. Согласно отчету, главными причинами неудач являются:

  • Проблемы, связанные с данными, мешают 96% организаций достичь ИИ.
  • Технологические навыки, лидерство и отсутствие целостной стратегии - самые большие препятствия, с которыми сталкиваются инженерия данных и наука о данных.
  • Возрастающая сложность: организации инвестируют в среднем семь различных инструментов машинного обучения.
Source:"Conquer the AI dilemma by unifying data science and engineering" by DataBricks

Это, конечно, точка зрения, ориентированная на внедрение ИТ-технологий. Предлагаемое решение - создать единую аналитическую платформу, которая будет способствовать лучшему сотрудничеству между специалистами по обработке данных и инженерами.

Но прежде чем торопиться и пытаться внедрить единую аналитическую платформу, рассмотрим выводы консалтинговой фирмы McKinsey & Co. в статье Как передовые промышленные компании должны подходить к стратегии ИИ »

Отрезвляющий вывод заключается в том, что только 11% высшего руководства считают технологию искусственного интеллекта своим главным приоритетом. Несмотря на подавляющую поддержку со стороны ИТ-руководителей (согласно исследованию CIO / IDG), остальная часть исполнительной команды, похоже, не верит в историю ИИ.

Разрыв связан с тем, что высшее руководство не понимает, какую пользу приносит ИИ. Несмотря на свой энтузиазм по поводу внедрения ИИ, ИТ-директора / технические директора не могут сообщить остальному руководству об экономической добавленной стоимости преобразования ИИ.

Устранение этого разрыва - как раз задача стратега в области ИИ.

Прежде всего, стратег ИИ должен обладать тремя основными компетенциями:

Глубокое понимание предметной области: важно иметь четкое представление о бизнесе. Фундаментальное представление о клиентах, источниках доходов, расходах, операциях и т. д. холст модели) поможет стратегу понять и расставить приоритеты, где в цепочке создания стоимости внедрение ИИ будет иметь наибольшее влияние.

На конференции EmTech 2018, организованной MIT Technology Review в Сан-Франциско, Джиа Ли, руководитель отдела исследований и разработок в Google, была одним из главных докладчиков. По сути, она сказала, что технология создания программного и аппаратного обеспечения ИИ находится в стадии разработки, но что остается отсутствовали знания предметной области, чтобы использовать эти мощные инструменты.

Вот где специалисты по обработке данных и инженеры терпят неудачу. Большинство из них не понимают бизнес-проблемы, которые необходимо решить.

Знание основ машинного обучения: стратег по ИИ должен понимать основы математики, лежащие в основе машинного обучения и глубокого обучения. Опыт построения моделей с нуля даст представление о том, что для этого нужно строить модели с точки зрения времени и усилий, а также помогает интуитивно понимать ограничения машинного обучения.

Понимание языка ИИ упростит общение с специалистами по обработке данных и инженерами и значительно упростит преодоление разрыва между ИТ и бизнесом.

Понимание стека технологий машинного обучения с точки зрения аппаратного и программного обеспечения даст стратегу в области ИИ более полное представление о том, какая часть технологии должна быть создана собственными силами, а не на стороне.

Возможность отделить мифы об ИИ от реальности: большая часть разочарований в реализации ИИ возникает из-за ошибочных ожиданий. Неудержимое воображение Голливуда и популярных СМИ создало почти мифические ожидания производительности от систем ИИ.
Проницательный стратег ИИ сможет сформулировать при решении бизнес-задачи, сколько будет сделано системой ИИ, а сколько - человеческой системой.
Установление правильных ожиданий возможно только в том случае, если у стратега ИИ есть острый понимание как бизнеса, так и технических возможностей ИИ

Обладание тремя вышеупомянутыми ключевыми компетенциями позволяет стратегу в области ИИ в сотрудничестве с ИТ и бизнес-командами разработать реалистичную дорожную карту для внедрения ИИ.

В координации и при спонсорской поддержке исполнительной команды стратег ИИ должен обеспечить правильную цифровую инфраструктуру (цифровую базу и возможности), правильные таланты и правильные ожидания для успешного результата.

На мой взгляд, такой формализованной роли ИИ-стратега в современном корпоративном мире не существует. Ближайшая роль, которая могла бы приблизиться, - это роль менеджера по продукту. Однако менеджеры по продукту ограничены только узким взглядом на свой продукт. глубокое понимание работы различных частей организации и, таким образом, упускает несколько областей, в которых добавляется экономическая ценность. Человек, который понимает работу организации на корпоративном уровне и имеет некоторый технический опыт в области машинного обучения, сможет перейти в роль стратега в области ИИ.

Так же, как роль ИТ-директора была создана с появлением больших данных, неизбежно, что в ближайшем будущем у нас будет роль главного директора по ИИ, но сначала мы можем начать со стратега по ИИ.