10 passos per adoptar la intel·ligència artificial en el vostre negoci

La intel·ligència artificial (AI) és clarament una força creixent en la indústria tecnològica. L’AI s’està protagonitzant en conferències i mostra potencial en una gran varietat d’indústries, incloses la venda al detall i la fabricació. S'inclouen nous productes amb assistents virtuals, mentre que els xat responen les preguntes dels clients sobre tot, des del lloc del proveïdor d'oficines en línia fins a la pàgina de suport del proveïdor de serveis d'allotjament web. Mentrestant, empreses com Google, Microsoft i Salesforce estan integrant l'AI com a capa d'intel·ligència a tota la seva tecnologia. Sí, AI segurament està sent el seu moment.

Aquesta no és la IA que la cultura pop ens ha condicionat a esperar; No es tracta de robots o Skynet sensibles, ni tan sols de l’assistent Jarvis de Tony Stark. Aquest altiplà d’AI s’està produint sota la superfície, fent que la nostra tecnologia existent sigui més intel·ligent i desbloquei el poder de totes les dades que recopilen les empreses. Què vol dir: un avenç generalitzat en l'aprenentatge automàtic (ML), la visió per ordinador, l'aprenentatge profund i el processament de llenguatges naturals (NLP) han facilitat que mai incorporar una capa d'algoritme AI al vostre programari o plataforma cloud.

Per a les empreses, les aplicacions pràctiques d'AI poden manifestar-se de tot tipus depenent de les vostres necessitats organitzatives i dels coneixements de la intel·ligència empresarial (BI) derivats de les dades que recopileu. Les empreses poden utilitzar AI per a tot allò, des de la mineria de dades socials fins a la implicació en la gestió de relacions amb els clients (CRM) fins a optimitzar la logística i l'eficiència a l'hora de fer el seguiment i la gestió d'actius.

ML està jugant un paper clau en el desenvolupament de l'AI, va assenyalar Luke Tang, director general del programa Global AI + Accelerator de TechCode, que incuba startups d'AI i ajuda a les empreses a incorporar IA a sobre dels seus productes i serveis existents.

"Ara mateix, l'AI està impulsada per tots els avenços recents en ML. No hi ha cap avenç únic, però el valor empresarial que podem extreure de ML ara està fora dels gràfics", va dir Tang. "Des del punt de vista empresarial, el que passa actualment pot pertorbar alguns processos bàsics empresarials al voltant de la coordinació i el control: programació, assignació de recursos i informes". Aquí proporcionem consells d’alguns experts per explicar els passos que poden fer les empreses per integrar la IA a la vostra organització i per assegurar que la seva implementació sigui un èxit.

1. Familiaritzeu-vos amb AI

Aprofiteu el temps per familiaritzar-vos amb el que pot fer l'AI moderna. El TechCode Accelerator ofereix a les seves startups una àmplia gamma de recursos a través de les seves associacions amb organitzacions com la Universitat de Stanford i les corporacions de l'espai de l'AI. També heu d’aprofitar la riquesa d’informació i recursos en línia disponibles per familiaritzar-vos amb els conceptes bàsics de l’IA. Tang recomana alguns dels tallers remots i cursos en línia que ofereixen organitzacions com Udacity com a maneres fàcils d’iniciar-vos en IA i augmentar el vostre coneixement d’àmbits com ara ML i analítica predictiu dins de la vostra organització.

A continuació, es mostren diversos recursos en línia (gratuïts i de pagament) que podeu utilitzar per començar:

• Curs Introducció a AI de Udacity i Programa de Nanodegree d'Intel·ligència Artificial
• Conferències en línia de la Universitat de Stanford: Intel·ligència Artificial: Principis i Tècniques
• El curs d’AI en línia d’edX, ofert a través de la Universitat de Columbia
• El conjunt cognitiu d’eines de codi obert de Microsoft (abans conegut com CNTK) per ajudar els desenvolupadors a dominar algoritmes d’aprenentatge profund
• Biblioteca de programes TensorFlow de codi obert (SO) de Google per a la intel·ligència de màquina
• AI Resources, un directori de codi de codi obert de la AI Access Foundation
• Pàgina de recursos de l'Associació per a l'Avenç en Intel·ligència Artificial (AAAI)
• Guia gentil de MonkeyLearn per a l'aprenentatge automàtic
• Institut de futur de la vida de Stephen Hawking i Elon Musk
• OpenAI, una iniciativa d'aprenentatge profund a tota la indústria oberta i acadèmica

2. Identifiqueu els problemes que vulgueu solucionar

Un cop hàgiu acabat el ritme bàsic, el següent pas per a qualsevol negoci és començar a explorar idees diferents. Penseu en com podeu afegir funcions de IA als vostres productes i serveis existents. El que és més important, la vostra empresa hauria de tenir en compte casos d’ús específics en els quals la IA pugui resoldre problemes comercials o aportar valor demostrable.

"Quan treballem amb una empresa, comencem amb una visió general dels seus principals programes i problemes tecnològics. Volem mostrar-los com s'adapten el processament del llenguatge natural, el reconeixement d'imatges, la ML, etc. amb aquests productes un taller d’alguna mena amb la direcció de l’empresa ”, va explicar Tang. "Les funcions específiques sempre varien segons la indústria. Per exemple, si l'empresa realitza videovigilància, pot capturar molt valor afegint ML a aquest procés."

3. Prioritzar el valor concret

A continuació, heu de valorar el valor empresarial i financer potencial de les diverses implementacions de IA possibles que heu identificat. És fàcil perdre't en les discussions sobre la IA de "pie al cel", però Tang va subratllar la importància de lligar directament les seves iniciatives al valor empresarial.

"Per prioritzar, mireu les dimensions del potencial i la viabilitat i poseu-les en una matriu 2x2", va dir Tang. "Això us hauria d'ajudar a prioritzar en funció de la visibilitat a curt termini i conèixer quin és el valor financer per a l'empresa. Per a aquest pas, normalment necessiteu la propietat i el reconeixement de gestors i executius de primer nivell."

4. Reconèixer el gap de capacitat interna

Hi ha una gran diferència entre el que voleu assolir i el que teniu la capacitat organitzativa d’aconseguir en un termini determinat. Tang va dir que un negoci ha de saber de què és capaç i què no és des del punt de vista del procés i la tecnologia abans de llançar-se a la implementació IA de ple rendiment.

"De vegades això pot trigar molt a fer-ho", va dir Tang. "Fer front a la bretxa de capacitat interna significa identificar el que necessiteu adquirir i els processos que necessiteu evolucionar internament abans de sortir. Segons el negoci, hi pot haver projectes o equips existents que puguin ajudar-vos a fer-ho orgànicament per a determinades unitats de negoci."

5. Feu part d'experts i engegueu un projecte pilot

Un cop el negoci estigui preparat des del punt de vista organitzatiu i tecnològic, és el moment de començar a integrar-vos i integrar-lo. Tang va dir que els factors més importants aquí són començar petit, tenir objectius del projecte en ment i, el més important, ser conscient del que sabeu i del que no sabeu sobre la IA. En aquest cas, pot ser inestimable incorporar experts externs o consultors de IA.

"No necessiteu molt de temps per a un primer projecte; normalment per a un projecte pilot, 2-3 mesos és un bon ventall", va dir Tang. "Voleu reunir persones internes i externes en un equip petit, potser 4-5 persones, i aquest termini més estret mantindrà l'equip enfocat als objectius senzills. Un cop finalitzeu el pilot, haureu de poder decidir què més temps. -un projecte més llarg, més elaborat, i si la proposta de valor té sentit per al vostre negoci, també és important que es faci una confiança d’ambdues parts –la gent que coneix el negoci i les persones que coneixen IA– en el vostre equip pilot de projecte. ".

6. Formeu una Taskforce per integrar dades

Tang va assenyalar que, abans d’implementar ML a la vostra empresa, heu de netejar les vostres dades per preparar-les per evitar un escenari d’escombraries. "Les dades corporatives internes es difonen generalment en diverses sitges de dades de diferents sistemes llegats, i fins i tot poden estar en mans de diferents grups empresarials amb prioritats diferents", va dir Tang. "Per tant, un pas molt important cap a l'obtenció de dades de gran qualitat és formar un grup de treball transversal, integrar conjunts de dades diferents i resoldre incoherències perquè les dades siguin precises i riques, amb totes les dimensions adequades per a ML".

7. Comença petit

Comenceu a aplicar IA a una petita mostra de les vostres dades en lloc de prendre-les massa aviat. "Comença senzill, utilitza la IA de manera incremental per demostrar valor, recopila feedback i, a continuació, augmenta en conseqüència", va dir Aaron Brauser, vicepresident de Gestió de solucions de M * Modal, que ofereix tecnologia de comprensió del llenguatge natural (NLU) per a organitzacions sanitàries, així com una plataforma d’AI que s’integra amb els registres mèdics electrònics (EMRs).

Un tipus específic de dades pot ser informació sobre determinades especialitats mèdiques. "Sigueu selectius en allò que llegirà la IA", va dir el doctor Gilan El Saadawi, director d'informació mèdica (CMIO) de M * Modal. "Per exemple, trieu un problema determinat que vulgueu resoldre, enfoqueu-hi la IA i feu-li una pregunta específica per respondre i no llençar-hi totes les dades."

8. Incloure l'emmagatzematge com a part del pla d'AI

Després de recollir una petita mostra de dades, haureu de tenir en compte els requisits d'emmagatzematge per implementar una solució de IA, segons Philip Pokorny, Chief Technical Officer (CTO) de Penguin Computing, una empresa que ofereix informàtica d'alt rendiment (HPC), solucions AI i ML.

"La millora d'algorismes és important per assolir els resultats de la investigació. Però sense grans volums de dades per ajudar a construir models més precisos, els sistemes d'AI no poden millorar prou per assolir els vostres objectius informàtics", va escriure Pokorny en un llibre blanc titulat, "Critical Decisions: A Guide to Construir la solució completa d’intel·ligència artificial sense pesar. " "Per això s'hauria de tenir en compte la inclusió d'emmagatzematge ràpid i optimitzat en l'inici del disseny del sistema de IA."

A més, hauria d'optimitzar l'emmagatzematge AI per a la ingesta de dades, el flux de treball i el modelatge, va suggerir. "Aprofitar-se per revisar les vostres opcions pot tenir un impacte positiu enorme en el funcionament del sistema una vegada que estigui en línia", va afegir Pokorny.

9. Incorporeu IA com a part de les vostres tasques diàries

Amb la comprensió i l’automatització addicionals que proporciona AI, els treballadors tenen una eina per fer de l’IA una part de la seva rutina diària en lloc d’una cosa que la substitueixi, segons Dominic Wellington, Global IT Evangelist de Moogsoft, un proveïdor d’AI per a operacions informàtiques (AIOps). "Alguns empleats poden tenir un desconcert de la tecnologia que pot afectar la seva feina, per la qual cosa és important introduir la solució com a manera d’augmentar les seves tasques diàries", va explicar Wellington.

Va afegir que les empreses han de ser transparents sobre com funciona la tecnologia per resoldre problemes en un flux de treball. "Això proporciona als empleats una experiència" sota el capó "perquè puguin visualitzar clarament com la IA augmenta el seu paper en lloc d'eliminar-la", va dir.

10. Construir amb equilibri

• La intel·ligència artificial té un problema de biaix i és la nostra falla La intel·ligència artificial té un problema de biaix i és la nostra falta
• La Intel·ligència Artificial d'IBM adopta els camps de debat humà. L'intel·ligència artificial IBM pren els camps de debat humà
• L’AI ofereix un potencial enorme, però no passarà durant la nit L’AI ofereix un potencial enorme, però no passarà durant la nit

Pokorny ha explicat quan es tracta de construir un sistema de IA per combatre les necessitats de la tecnologia i el projecte de recerca. "La consideració general, fins i tot abans de començar a dissenyar un sistema de IA, és que heu de crear el sistema amb equilibri", va dir Pokorny. "Això pot semblar obvi, però, massa sovint, els sistemes d'AI es dissenyen al voltant d'aspectes específics de com pensa l'equip per assolir els seus objectius de recerca, sense entendre els requisits i les limitacions del maquinari i del programari que recolzarien la investigació. El resultat és menys. més que òptim, fins i tot disfuncional, sistema que no aconsegueix els objectius desitjats."

Per assolir aquest equilibri, les empreses necessiten una amplada de banda suficient per a l'emmagatzematge, la unitat de processament gràfic (GPU) i la xarxa. La seguretat també és un component obsequiat. L’AI per la seva naturalesa requereix l’accés a àmplies extensions de dades per fer la seva feina. Assegureu-vos que enteneu quins tipus de dades participaran amb el projecte i és possible que les vostres garanties de seguretat habituals (xifratge, xarxes privades virtuals (VPN) i anti-malware) no siguin suficients.

"De la mateixa manera, heu d'equilibrar com es gasta el pressupost global per aconseguir investigacions amb la necessitat de protegir-se contra la fallida d'energia i d'altres escenaris mitjançant redundàncies", va dir Pokorny. "També és possible que hàgiu de millorar en la flexibilitat per permetre la reposició del maquinari a mesura que canvien els requisits de l'usuari."