Написано Джози Янг, менеджером по трансформации компании Methods

В настоящее время искусственный интеллект (ИИ) присутствует повсюду, от скандала с Cambridge Analytica до заявления Великобритании о выделении почти 1 миллиарда фунтов стерлингов на развитие сектора ИИ. Здесь, в Методах, мы думаем, что ИИ — это захватывающая новая технология, которую, если мы подумаем достаточно творчески, можно использовать для преобразования государственных услуг. Мы также считаем, что ИИ предназначен для всех, и чем больше людей будут вовлечены в ИИ, тем лучше для общества в целом.

Все дело в данных, данных, данных

Чтобы заставить ИИ работать, вам нужно как можно больше данных. Это жизненная сила ИИ. В Интернете есть ряд наборов данных с открытым исходным кодом, которые могут помочь вам начать работу, или в случае применения машинного обучения к существующей службе (т.

Предупреждение: в нынешнюю эпоху GDPR и Cambridge Analytica необходимо тщательно продумать способ сбора и использования данных для обеспечения работы вашей системы искусственного интеллекта. Есть много этических и управленческих вопросов, которые необходимо продумать, прежде чем вы просто бросите кучу данных в систему ИИ.

Ключевые вопросы, которые следует задать себе:

  • Каковы наши организационные ценности и как они связаны с использованием нами данных (личных или организационных)?
  • Что говорят наши политики защиты данных и GDPR? Есть ли у вас комитет по управлению данными для обеспечения надзора?
  • Какие данные мы планируем использовать и каковы их ограничения?
  • Кого или что оно включает? Кого или что он исключает?
  • Например, использование данных из Твиттера — это хорошо, но они представляют только людей, которые используют Твиттер, а не всех — и демографические данные людей, которые склонны использовать Твиттер, не отражают общество в целом.
  • Разрешено ли нам использовать эти данные таким образом? Даже если нам разрешат, должны ли мы — пользователи наших услуг будут чувствовать себя комфортно при таком решении?
  • Какую обработку нам нужно применить к данным, чтобы устранить любые предубеждения?
  • Есть ли у нас междисциплинарная команда, отвечающая за отбор, проверку, очистку и использование данных? Например, специалисты по данным, социологи, политики?

Это всего лишь несколько вопросов, с которых можно начать, и, надеюсь, они ясно дали понять, что недостаточно выбрать один набор данных и двигаться вперед, не опросив его и не убедившись, что его целесообразно использовать.

Не забывайте о людях и процессах

Существует заблуждение, что внедрение решений ИИ означает, что любые предыдущие проблемы, связанные с людьми и процессами, будут решены программным обеспечением. К сожалению, это не так просто. Решения ИИ могут сократить ручную обработку или ускорить работу, которая требует много времени, если бы ее выполняли исключительно люди. В то же время, чтобы решения ИИ работали и приносили какую-либо пользу, они требуют постоянного контроля со стороны людей (чтобы убедиться, что они дают правильные результаты), а также технического обслуживания и поддержки программного обеспечения (чтобы убедиться, что они не работают). сломанный). Создание междисциплинарной команды, имеющей ресурсы для выполнения этих функций, настроит вас на успех!

Системы ИИ обычно внедряются в существующие сети или ряд процессов. ИИ должен будет стать продуктивной частью этой сети бизнес-процессов, поэтому дизайн и спецификация системы ИИ должны понимать и учитывать требования сети. Это включает в себя процесс управления системой ИИ, если в ней что-то пойдет не так, что может охватывать процесс рассмотрения жалоб клиентов или функцию управления рисками и аудита.

Начать

Лучший следующий шаг для любой организации, думающей о внедрении ИИ, — просто начать! Каждая организация находится на своем собственном этапе зрелости, когда дело доходит до цифровой трансформации, поэтому ключевое значение имеет понимание собственной позиции вашей организации. Некоторым организациям стоит инвестировать в команду на месте, которая может создавать и тестировать ваши собственные решения ИИ, а для других организаций имеет смысл приобрести существующий продукт или услугу на рынке.

Если у вас все еще есть локальные серверы, а данные, собранные в вашей организации, находятся изолированно друг от друга (т. е. в собственной электронной таблице), то хорошим первым шагом будет рассмотрение облачных решений для хранения всех ваших данных в одном месте. Отсюда становится легко автоматизировать простой процесс, что позволяет вам встраивать более сложные методы, такие как машинное обучение, для улучшения процесса или автоматизировать все больше и больше бизнес-процессов, пока они не будут автоматизированы от начала до конца. Это строительные блоки для последующего внедрения более сложных методов ИИ или применения этих методов к более сложным проблемам или процессам.

Последний совет. Когда вы начнете, привлеките всех сотрудников вашей организации. Люди, обслуживающие клиентов, специалисты по политике, специалисты по эксплуатации — все они будут затронуты, и, что более важно, их точки зрения помогут убедиться, что внедряемая вами система ИИ будет работать для всей организации.

Эта статья изначально была опубликована здесь.

Первоначально опубликовано на digileaders.com 16 июля 2018 г.