Это БАЗОВЫЙ

В прошлом году я руководил разработкой нового продукта в WattzOn, Mr Bill, который использует машинное обучение (ML) для преобразования данных, содержащихся в документах (PDF-файлы, сканированные изображения и изображения), в структурированные данные, поступающие к клиентам. В течение того года я стал свидетелем изменения наших приоритетов, постановки проблем и разговоров. WattzOn стал AI-First. Теперь мы всегда спрашиваем

  • Использует ли это усилие, характеристика продукта или план проекта все возможности ИИ?
  • Направлены ли эти усилия на успешное обслуживание и поддержку ИИ?

AI-First - это новое модное слово, особенно в связи с тем, что Google и Microsoft объявляют о новых корпоративных стратегиях AI-First. Но немногие действительно знают, что означает эта фраза и какие последствия она имеет для изменения того, как существующая компания организует себя. За прошедший год в WattzOn мы изменили то, как мы видим, что важно, и расставляем приоритеты. AI-First изменил мышление всей компании. Мы называем это изменение существующего бизнеса Трансформационным ИИ.

Как многие отметили, ИИ - это невероятно мощный инструмент, который может трансформировать отрасли, создавая как победителей, так и проигравших. Чтобы стать победителем, компания должна иметь больше, чем палец ноги в воде ИИ. Я обобщил то, что мы узнали о трансформационном ИИ, с помощью аббревиатуры BASIC, что означает

  • Влияние на бизнес
  • Искусственного интеллекта недостаточно
  • Программное обеспечение на службе AI
  • Инфраструктура для поддержки решения AI
  • Сотрудничество с командой, не связанной с ИИ

Трансформационный ИИ и структура BASIC не предназначены для компаний, которые просто хотят добавить небольшой проект ИИ. Это перспектива для компаний, которые почувствовали вкус ИИ в своих первых проектах и ​​теперь хотят переосмыслить свою бизнес-стратегию и инженерные приоритеты, чтобы они могли использовать возможности ИИ во всей своей организации.

Вот что нужно, чтобы стать AI-First, чтобы преобразовать компанию и получить мощное конкурентное преимущество. Звучит амбициозно, но на самом деле это просто БЕЙСИНА.

ВЛИЯНИЕ НА БИЗНЕС

ИИ часто называют инженерной задачей, сложной с математической и вычислительной точки зрения и волшебной. Да, ИИ может переводить языки лучше, чем люди, и побеждать людей в классической настольной игре го. AI-First, или трансформационный ИИ, отбрасывает эти самородки в сторону и стратегически продумывает три вопроса:

  • Что нужно стратегии искусственного интеллекта, чтобы питать и поддерживать себя?
  • Как стратегия искусственного интеллекта принесет пользу компании?
  • В чем заключается наибольшая выгода для ИИ? Например, «Где это может повлиять на рост или прибыль на 20% или больше?» или «Где можно сократить расходы на 20% и более?»

AI жаждет данных. Некоторые бизнес-модели, такие как поиск Google, создают поток данных каждый день. В этом случае снабжение ИИ данными не проблема. Другие бизнес-модели, например, работа с агентом по недвижимости, предполагают продажу 10–15 домов в год. Нет данных, нет ИИ - или, подумайте еще раз. Разве данные не агрегированы национальными компаниями по недвижимости с тысячами офисов? Если ИИ сможет сделать это 20% + изменение в закрытии продаж недвижимости, брокер, оснащенный ИИ, будет снова и снова побеждать мелких брокеров, не связанных с ИИ. Стратегия AI-First требует бизнес-модели, обеспечивающей поток данных.

Захват ценности всегда является частью бизнес-стратегии. Искусственный интеллект проник в индустрию онлайн-кредитования. Вместо использования традиционных банковских моделей и моделей данных FICO-score финансовые компании, ориентированные на искусственный интеллект, создали обширные новые наборы данных и мощные модели для прогнозирования прибылей и показателей дефолта потенциальных заемщиков. Первые компании, использующие ИИ, такие как Zest, SoFi и Kabbage, набирали обороты, но онлайн-рынок большой и фрагментированный, и есть возможности для входа. Новые компании также используют искусственный интеллект. ИИ - это всего лишь часть гонки вооружений, и каждый должен иметь его и использовать, чтобы не отставать.

Напротив, рассмотрим отрасль автострахования. McKinsey сообщает, что Progressive Insurance теперь сегментирует клиентов настолько хорошо, что имеет более 75% прибыльных клиентов автострахования, оставляя убыточных другим. Progressive уловила ценность своей стратегии искусственного интеллекта, и остальным будет сложно ее догнать. ИИ помог победителям и проигравшим в этой отрасли.

Однако то, что компания использует ИИ, не означает, что она использует трансформационный ИИ. Если заглянуть глубже, стратег должен выяснить, где лучше всего использовать ИИ для получения конкурентного преимущества. Это может происходить через прямую конкуренцию, в которой ИИ побеждает и побеждает, или за счет изменения экономики выхода на неожиданные смежные рынки. Поскольку ИИ может так резко сократить расходы, изменить взаимодействие с клиентами и многое другое, существует огромное преимущество первопроходца, которое позволяет быстро захватить долю рынка и рыночную власть.

При большом количестве вариантов ключевым критерием является то, что потенциальный экономический выигрыш должен быть достаточно большим, чтобы создать видимое и постоянное преимущество. ИИ должен быть сосредоточен там, где его сила может быть использована для получения прибыли и роста сверх нормы, и нацелен на возможности, которые можно использовать в больших масштабах. Таланты и время ИИ связаны с высокими альтернативными издержками, и они тратятся зря на небольшие усилия.

Подводя итог, можно сказать, что стратегия трансформационного ИИ предусматривает четыре вида воздействия на бизнес: потоки данных, получение ценности, масштабирование и точки воздействия.

ЭКСПЕРТИЗЫ НЕДОСТАТОЧНО

Многие разговоры об ИИ сосредоточены на различных атрибутах алгоритмов: о том, как они работают, о чем говорит команда Google по ИИ, и об относительных преимуществах каждого из них. Из-за нехватки талантов ИИ все стараются не отставать.

Не менее важно тонкое понимание проблемы. Опыт ИИ собирает алгоритмы, но также продумывает размер необходимого набора обучающих данных, способы получения дополнительных данных или создания синтетических данных, а также способы повышения производительности приложения ИИ с течением времени после его развертывания.

Искусственный интеллект в сочетании с опытом в предметной области - это выигрышная комбинация. В WattzOn мы предоставляем данные о счетах за коммунальные услуги в качестве услуги. Наша платформа покрывает сотни коммунальных услуг, и мы видели много счетов за коммунальные услуги. Именно это ноу-хау позволило нам сконфигурировать алгоритмы и базовую систему программного обеспечения для решения ключевых проблем рынка: поддержание точного потока данных в условиях постоянно меняющейся схемы счетов за коммунальные услуги; и обучение программного обеспечения ИИ на основе очень небольших наборов данных, потому что почти 100000 коммунальных предприятий, выставляющих счета в США, используют огромное разнообразие макетов счетов. Наш опыт в предметной области привел к созданию продукта для машинного обучения с инновационными функциями.

Другие традиционные компании также настраивают свои инструменты искусственного интеллекта. Рассмотрим рынок роботизированной автоматизации процессов (RPA), где мы видим, что несколько поставщиков программного обеспечения становятся AI-First, чтобы они могли решить основные проблемы внедрения на рынке корпоративного программного обеспечения. У корпоративного программного обеспечения длинные и жесткие циклы продаж, потому что изменения программного обеспечения затрагивают очень многих людей в компании. Лица, принимающие решения, проявляют осторожность на каждом этапе пути. Компании RPA решили эту проблему, связанную с принятием решений, путем создания легких программных инструментов, «ботов», которые частично и полностью автоматизируют рутинные задачи, выполняемые людьми. Боты работают в паре с людьми, и внедрение бота - небольшая задача, которая почти никого не беспокоит. Но хотя бот RPA начинается как традиционное программное обеспечение, его внутренности могут быть заменены ИИ. Без прерывания работы пользователь просто получает более качественного и быстрого бота. Компания RPA использует свой опыт в предметной области, чтобы сфокусировать свою стратегию на искусственном интеллекте.

Эти тесно связанные бизнес-стратегии и инженерные стратегии демонстрируют, что опыта в области искусственного интеллекта недостаточно. Требуется много разговоров на уровне руководства и команды, чтобы выработать единое общее понимание стоящей проблемы.

ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ AI

Представьте себе программный стек, состоящий из четырех компонентов: A, B, C и D. До внедрения ИИ руководство компании распределяло бы ресурсы по всем четырем компонентам, уделяя особое внимание постепенному повышению производительности системы. Что, если компания имеет самые высокие затраты на компонент C и рассматривает AI как решение. Что происходит с A, B и D? С Transformational AI это не обычный бизнес.

Благодаря мощи искусственного интеллекта компонент C перемещается из центра затрат в точку использования. Эффективность искусственного интеллекта означает, что планы для A, B, D должны быть скорректированы, чтобы соответствовать требованиям C, что позволит новому программному стеку, ориентированному на искусственный интеллект, получить наибольшее преимущество на рынке.

Организация потоков данных для поддержки бизнес-преимуществ ИИ - еще один способ использования программного обеспечения для ИИ. Организация данных состоит из двух частей, которые необходимо решить перед тем, как начать. Часть первая состоит в том, чтобы собрать набор данных, чтобы первая попытка искусственного интеллекта была запущена в производство и на рынок. Часть вторая - обеспечить стабильный поток новых данных, чтобы бизнес-модель могла использовать функцию самообучения ИИ. Без Части второй экономическое преимущество ИИ будет нарушено. Трансформационное мышление ИИ выходит за рамки «разрушения разрозненных данных». Хотя это важно, также необходима стратегическая структура, которая объединяет все программные компоненты в стратегию искусственного интеллекта.

С Transformational AI каждый программный элемент рассматривается через новую призму. Есть одна система, и возникает вопрос: как можно настроить каждый элемент, чтобы получить максимальную отдачу от элемента ИИ?

Инфраструктура для поддержки решения AI

Как это обычно бывает с новыми программными технологиями, решениям ИИ требуется значительная инфраструктура. Это означает поддержку DevOps, безопасности, серверов и специальной инфраструктуры для конвейерной передачи и оркестровки данных в основные системы ИИ и из них.

Но, в отличие от более раннего корпоративного программного обеспечения, программное обеспечение искусственного интеллекта, которое преобразует компанию, не поставляется в виде готовых пакетов, которые решают частые и распространенные проблемы. Сегодня ИИ требует индивидуального кода, специально ориентированного на бизнес-практики, модели продаж, структуры затрат, уникальные для каждой отрасли, и унаследованную инфраструктуру, уникальную для компании. Помимо систем инфраструктуры ИТ-типа, приложениям ИИ требуются высококвалифицированные инженеры-программисты, которые могут определять, создавать и обслуживать решения. Довольно скоро появляется новый отдел исследований и разработок, который отвечает за сложность внутренней разработки программного обеспечения.

Это немного дорого и сложно, но часто упускается из виду и очень необходимо.

Сотрудничество с командой, не связанной с искусственным интеллектом

Разрозненные базы данных, разрозненные должностные обязанности и разрозненные бизнес-единицы могут убить ИИ. Ожидайте сопротивления изменениям. Сила ИИ может показаться почти волшебной, а большинству невероятной. Некоторые сотрудники могут рассматривать ИИ как инициативу с высоким риском, которая вряд ли принесет пользу их отделу. Другие могут беспокоиться о потере работы. Некоторые могут просто ненавидеть срывать работу. Во многих отношениях это обычное трение, которое нужно изменить.

Но ИИ отличается, потому что ему нужно много данных и он не может ждать. ИИ быстро выйдет из строя, если запланированное озеро данных никогда не произойдет из-за перетягивания ног сотрудников.

Трансформационный ИИ тоже требует чего-то большего. Нужны деловые и инженерные разговоры. Топ-менеджеры должны хорошо разбираться в технологиях. Старшие инженерные руководители должны знать, как предоставлять техническую информацию, которая будет важна для формирования бизнес-стратегии.

На уровне трансформационного ИИ граница - это белое пространство с несколькими хорошо известными маркерами. Но благодаря интенсивному сотрудничеству со стороны команды, ориентированной на ИИ, появятся ключевые точки воздействия, и первые шаги станут очевидными.

Успешный проект ИИ в культуре сотрудничества будет способствовать преобразованию ИИ во всей компании. Мощная технология получит ускоритель. Хотя это звучит великолепно, сомневающиеся и разрозненные люди являются серьезными препятствиями для развертывания ИИ. Сотрудничество между бизнесом и инженерами настолько важно, что может отделить победителей от ИИ от проигравших.

Горжусь своей работой

Как известно любому руководителю программного обеспечения, разработчики программного обеспечения уйдут из компании, если они почувствуют, что руководство не «понимает это» - то есть, если руководство не согласовывает бизнес-стратегию с технологическими преимуществами компании и не позволяет команде разработчиков программного обеспечения добиваться дальнейшего прогресса. к реализации этой стратегии. Наш опыт показывает, что стратегия AI-First оказала на команду прямо противоположный эффект. В течение прошлого года, когда мы стали AI-First, ажиотаж рос. Разработчики с энтузиазмом относились к своей работе. Им понравилось продвигать наши технологии вперед и тестировать их, быстро реагируя на запросы клиентов.

AI-First - это большое изменение, поэтому, как и ожидалось, у команды возникло много вопросов. Они провели собственную логическую проверку и хотели увидеть все элементы того, что я теперь называю БЕЙСИКОМ. В то же время они тесно сотрудничали с самим ИИ и увидели его огромную предсказательную силу. Благодаря этому опыту и согласованности, зафиксированной в структуре BASIC, компания была преобразована. Лейбл AI-First стал способом мышления; он стал трансформационным ИИ.

Трансформационный ИИ прошел окончательную лакмусовую бумажку на WattzOn. Он выстраивается по бизнес-направлениям и инженерно-техническим аспектам, он оказывает огромное влияние и масштабируется, и он вызывает улыбку на лицах нашей команды.