10 trinn for å ta i bruk kunstig intelligens i virksomheten din

Kunstig intelligens (AI) er helt klart en voksende kraft i teknologibransjen. AI tar sentrum på konferanser og viser potensial i en rekke bransjer, inkludert detaljhandel og produksjon. Nye produkter blir innebygd med virtuelle assistenter, mens chatbots svarer på spørsmål fra kunden om alt fra nettkontorleverandørens nettsted til webhotellleverandørens støtteside. I mellomtiden integrerer selskaper som Google, Microsoft og Salesforce AI som et intelligenslag på hele teknologibunken. Ja, AI har definitivt sitt øyeblikk.

Dette er ikke AI som popkultur har kondisjonert oss til å forvente; det er ikke pasienter med robot eller Skynet, eller til og med Tony Starks Jarvis-assistent. Dette AI-platået skjer under overflaten, gjør vår eksisterende teknologi smartere og låser opp kraften i all data som bedrifter samler inn. Hva det betyr: Utbredt fremskritt i maskinlæring (ML), datamaskinvisjon, dyp læring og naturlig språkbehandling (NLP) har gjort det enklere enn noen gang å bake et AI-algoritmelag i programvaren eller skyplattformen din.

For bedrifter kan praktiske AI-applikasjoner manifestere seg på alle slags måter, avhengig av organisasjonsbehov og BI-innsikt hentet fra dataene du samler inn. Foretak kan ansette AI for alt fra gruvedrift av sosiale data til drivende engasjement i kundeforholdsstyring (CRM) til optimalisering av logistikk og effektivitet når det gjelder sporing og styring av eiendeler.

ML spiller en nøkkelrolle i utviklingen av AI, bemerket Luke Tang, daglig leder for TechCodes globale AI + Accelerator-program, som inkuberer AI-startups og hjelper selskaper med å integrere AI på toppen av sine eksisterende produkter og tjenester.

"Akkurat nå drives AI av all den siste tiden i ML. Det er ingen eneste gjennombrudd du kan peke på, men forretningsverdien vi kan hente ut fra ML nå er utenfor listene, " sa Tang. "Fra bedriftens synspunkt, kan det som skjer akkurat nå, forstyrre noen kjerne-forretningsprosesser rundt koordinering og kontroll: planlegging, ressursallokering og rapportering." Her gir vi tips fra noen eksperter for å forklare trinnene virksomheter kan ta for å integrere AI i organisasjonen din og for å sikre at implementeringen blir en suksess.

1. Bli kjent med AI

Ta deg tid til å bli kjent med hva moderne AI kan gjøre. TechCode Accelerator tilbyr sine startups et bredt utvalg av ressurser gjennom sine partnerskap med organisasjoner som Stanford University og selskaper i AI-rommet. Du bør også dra nytte av mengden av online informasjon og ressurser tilgjengelig for å gjøre deg kjent med de grunnleggende konseptene til AI. Tang anbefaler noen av de eksterne verkstedene og nettkursene som tilbys av organisasjoner som Udacity som enkle måter å komme i gang med AI og for å øke kunnskapen din om områder som ML og prediktiv analyse innen din organisasjon.

Følgende er en rekke online ressurser (gratis og betalt) som du kan bruke til å komme i gang:

• Udacity's Intro to AI-kurs og kunstig intelligens Nanodegree-program
• Stanford University sine online forelesninger: Artificial Intelligence: Principles and Techniques
• edXs online AI-kurs, som tilbys gjennom Columbia University
• Microsofts open source kognitive toolkit (tidligere kjent som CNTK) for å hjelpe utviklere med å mestre dybdelæringsalgoritmer
• Googles TensorFlow-programvarebibliotek for åpen kildekode (OS) for maskinell intelligens
• AI Resources, en åpen kildekodekatalog fra AI Access Foundation
• Association for the Advancement of Artificial Intelligence (AAAI)'s Resources Page
• MonkeyLearn's Gentle Guide to Machine Learning
• Stephen Hawking og Elon Musks Future of Life Institute
• OpenAI, et åpent næringsinitiativ for næring og akademia

2. Identifiser problemene du ønsker at AI skal løse

Når du er oppdatert på det grunnleggende, er neste trinn for enhver bedrift å begynne å utforske forskjellige ideer. Tenk på hvordan du kan legge til AI-funksjoner til eksisterende produkter og tjenester. Enda viktigere, bør bedriften ha i tankene spesifikke brukssaker der AI kan løse forretningsproblemer eller gi påviselig verdi.

"Når vi jobber med et selskap, begynner vi med en oversikt over viktige tech-programmer og problemer. Vi ønsker å kunne vise det hvordan naturlig språkbehandling, bildegjenkjenning, ML, etc. passer inn i disse produktene, vanligvis med et verksted av noe slag med ledelsen i selskapet, "forklarte Tang. "Spesifikasjonene varierer alltid etter bransje. For eksempel, hvis selskapet gjør videoovervåking, kan det fange mye verdi ved å legge ML til den prosessen."

3. Prioriter konkret verdi

Deretter må du vurdere den potensielle forretnings- og økonomiske verdien av de forskjellige mulige AI-implementeringene du har identifisert. Det er lett å gå seg vill i "Pie in the sky" AI-diskusjoner, men Tang understreket viktigheten av å knytte initiativene dine direkte til forretningsverdien.

"For å prioritere, se på dimensjonene til potensial og gjennomførbarhet og sett dem i en 2x2-matrise, " sa Tang. "Dette skal hjelpe deg med å prioritere basert på synlighet på kort sikt og vite hva den økonomiske verdien er for selskapet. For dette trinnet trenger du vanligvis eierskap og anerkjennelse fra ledere og toppledere."

4. Erkjenn gapet for intern kapasitet

Det er en sterk forskjell mellom hva du vil oppnå og det du har den organisatoriske evnen til å faktisk oppnå innenfor en gitt tidsramme. Tang sa at en bedrift burde vite hva den er i stand til, og hva den ikke er fra et teknisk og forretningsprosessperspektiv før de starter i en fullverdig AI-implementering.

"Noen ganger kan dette ta lang tid å gjøre, " sa Tang. "Å adressere ditt interne kapasitetsgap betyr å identifisere hva du trenger å skaffe deg og eventuelle prosesser som må utvikles internt før du går i gang. Avhengig av virksomhet, kan det være eksisterende prosjekter eller team som kan hjelpe deg med å gjøre dette organisk for visse forretningsenheter."

5. Ta med eksperter og sett opp et pilotprosjekt

Når virksomheten er klar fra et organisatorisk og teknologisk synspunkt, er det på tide å begynne å bygge og integrere. Tang sa at de viktigste faktorene her er å begynne i det små, ha prosjektmål i tankene, og viktigst av alt, være klar over hva du vet og hva du ikke vet om AI. Det er her å hente inn eksperter eller AI-konsulenter kan være uvurderlig.

"Du trenger ikke mye tid for et første prosjekt; vanligvis for et pilotprosjekt er 2-3 måneder et godt område, " sa Tang. "Du vil samle interne og eksterne mennesker i et lite team, kanskje 4-5 personer, og den strammere tidsrammen vil holde teamet fokusert på enkle mål. Etter at piloten er fullført, bør du kunne bestemme hva lengre -tidsfullt, mer forseggjort prosjekt vil være og om verdiforslaget gir mening for virksomheten din. Det er også viktig at kompetanse fra begge sider - menneskene som vet om virksomheten og menneskene som vet om AI - slås sammen i pilotprosjektteamet ditt."

6. Dann en oppgavestyrke for å integrere data

Tang bemerket at før du implementerer ML i virksomheten din, må du rengjøre dataene dine for å gjøre dem klare til å unngå et "søppel i, søppel ut" -scenario. "Interne bedriftsdata er vanligvis spredt i flere datasiloer fra forskjellige arvsystemer, og kan til og med være i hendene på forskjellige forretningsgrupper med forskjellige prioriteringer, " sa Tang. "Derfor er et veldig viktig skritt mot innhenting av data av høy kvalitet å danne en kryssoppgave, integrere forskjellige datasett sammen og sortere uoverensstemmelser slik at dataene er nøyaktige og rike, med alle de riktige dimensjonene som kreves for ML."

7. Start Liten

Begynn å bruke AI på en liten prøve av dataene dine i stedet for å ta for mye for tidlig. "Begynn enkelt, bruk AI trinnvis for å bevise verdi, samle tilbakemeldinger og utvid deretter, " sa Aaron Brauser, visepresident for Solutions Management ved M * Modal, som tilbyr naturlig språkforståelse (NLU) -teknologi for helseomsorgsorganisasjoner samt en AI-plattform som integreres med elektroniske medisinske poster (EMR).

En spesifikk type data kan være informasjon om visse medisinske spesialiteter. "Vær selektiv i hva AI vil lese, " sier Dr. Gilan El Saadawi, Chief Medical Information Officer (CMIO) ved M * Modal. "Velg for eksempel et bestemt problem du vil løse, fokuser AI på det og gi det et spesifikt spørsmål å svare på og ikke kaste alle dataene på det."

8. Inkluder lagring som en del av AI-planen din

Etter at du har gått opp fra en liten prøve, må du vurdere lagringskravene for å implementere en AI-løsning, ifølge Philip Pokorny, Chief Technical Officer (CTO) hos Penguin Computing, et selskap som tilbyr høy ytelse databehandling (HPC), AI og ML-løsninger.

"Forbedring av algoritmer er viktig for å nå forskningsresultater. Men uten enorme datamengder for å hjelpe til med å bygge mer nøyaktige modeller, kan ikke AI-systemer forbedres nok til å oppnå dine datamålmål, " skrev Pokorny i en hvitbok med tittelen "Kritiske beslutninger: En guide til Bygge den komplette kunstige intelligensløsningen uten angrer. " "Derfor bør inkludering av rask, optimalisert lagring vurderes i begynnelsen av AI-systemdesign."

I tillegg bør du optimalisere AI-lagring for inntak av data, arbeidsflyt og modellering, foreslo han. "Å ta seg tid til å gjennomgå alternativene dine kan ha en enorm, positiv innvirkning på hvordan systemet kjører når det er online, " la Pokorny til.

9. Innlem AI som en del av dine daglige oppgaver

Med den ekstra innsikten og automatiseringen levert av AI, har arbeidere et verktøy for å gjøre AI til en del av deres daglige rutine i stedet for noe som erstatter den, ifølge Dominic Wellington, Global IT Evangelist hos Moogsoft, en leverandør av AI for IT-drift (AIOps). "Noen ansatte kan være på vakt for teknologi som kan påvirke jobben deres, så det er viktig å introdusere løsningen som en måte å forbedre de daglige oppgavene på, " forklarte Wellington.

Han la til at selskaper bør være gjennomsiktige for hvordan teknologien fungerer for å løse problemer i en arbeidsflyt. "Dette gir ansatte en" under panseret "-opplevelse, slik at de tydelig kan visualisere hvordan AI forsterker deres rolle i stedet for å eliminere den, " sa han.

10. Bygg med balanse

• Kunstig intelligens har et skjevhetsproblem, og det er vårt feil Kunstig intelligens har et skjevhetsproblem, og det er vårt feil
• IBM kunstig intelligens bruker menneskelige debatt Champs IBM kunstig intelligens tar på menneskelig debatt champs
• AI tilbyr stort potensial, men det vil ikke skje over natten AI tilbyr stort potensial, men det vil ikke skje over natten

Når du bygger et AI-system, krever det en kombinasjon av å imøtekomme behovene til teknologien og forskningsprosjektet, forklarte Pokorny. "Det overordnede hensynet, selv før du begynte å designe et AI-system, er at du bør bygge systemet med balanse, " sa Pokorny. "Dette kan høres opplagt ut, men altfor ofte er AI-systemer designet rundt spesifikke aspekter av hvordan teamet ser for seg å oppnå forskningsmålene sine, uten å forstå kravene og begrensningene til maskinvaren og programvaren som vil støtte forskningen. Resultatet er mindre enn-optimalt, til og med dysfunksjonelt, system som ikke klarer å oppnå de ønskede mål."

For å oppnå denne balansen, må selskaper bygge inn tilstrekkelig båndbredde for lagring, grafikkbehandlingsenheten (GPU) og nettverk. Sikkerhet er en ofte oversett komponent. AI i sin natur krever tilgang til brede skår av data for å gjøre jobben sin. Forsikre deg om at du forstår hva slags data som vil være involvert i prosjektet, og at de vanlige sikkerhetssikkerhetene dine - kryptering, virtuelle private nettverk (VPN) og anti-malware - kanskje ikke er nok.

"Tilsvarende må du balansere hvordan det samlede budsjettet brukes til å oppnå forskning med behovet for å beskytte mot strømbrudd og andre scenarier gjennom oppsigelser, " sa Pokorny. "Det kan også hende du må bygge fleksibilitet for å tillate gjenbruk av maskinvare når brukerkrav endres."