Contenuto
- La chiave per migliorare i risultati di business da Data Science
- Estensione dell'intelligenza artificiale a coloro con competenze di dominio
- Comprensione di ciò che entra nelle decisioni
- Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
- Lezioni dall'ascesa di Internet
- Rendere la tecnologia accessibile ora
- Ridurre il rischio riducendo i tempi e i costi
Fonte: Denisismagilov / Dreamstime.com
Porta via:
Il futuro dell'intelligenza artificiale non sono gli impressionanti punti lunari ma il banale uso quotidiano che associamo ai fogli di calcolo. Questo è quello che alcuni hanno dell'emergenza dell'IA dai campi rarefatti all'utilizzo aziendale comune.
La chiave per migliorare i risultati di business da Data Science
In un Revisione aziendale di Harvard articolo, Alessandro Di Fiore, fondatore e CEO della Centro europeo per l'innovazione strategica (ECSI) ha contrastato il presupposto che "le aziende con più data scientist hanno maggiori possibilità di generare impatto sul business. ”Basato sia sul lavoro di consulenza che su ricerca, è giunto alla conclusione che assumere un numero maggiore di data scientist non produce necessariamente risultati migliori per un'azienda.
La stessa osservazione mi è stata fatta in una recente intervista con Henry James, fondatore e vice CEO di Fincross International, il quale ha affermato che ciò che ha visto in aziende con vaste risorse su cui investire scienza dei dati è che possono, in effetti, fare meglio con una squadra di cinque rispetto a 50.
Estensione dell'intelligenza artificiale a coloro con competenze di dominio
Ciò che fa davvero la differenza per un'azienda, ha sottolineato Di Fiore, “è la democratizzazione dell'accesso AI strumenti e potere decisionale tra manager e dipendenti che creano un valore più tangibile. "Ha continuato osservando:" Le migliori pratiche mostrano come la democratizzazione può portare a decisioni più rapide e meglio distribuite, rendendo le aziende più agili e sensibili ai cambiamenti e alle opportunità del mercato. "(Per sapere come alcune aziende utilizzano già l'IA, dai un'occhiata AI oggi: chi lo sta usando in questo momento e come.)
Anche se non gli interessa il termine "democratizzazione" e preferisce quello di "sport di squadra", Todd Hay, COO di Ople, è d'accordo con questa visione. Come ha spiegato in un'intervista a Techopedia, considera il passaggio dall'IA rarefatta e centralizzata alle masse come analogo all'adozione di fogli di calcolo, uno strumento utile che dovrebbe essere utilizzato da tutti gli imprenditori.
"Esperti in materia e di dominio sono nella posizione migliore per valutare una previsione che può avere un impatto sul business", ha detto Hay. Ma con una configurazione che mette gli scienziati dei dati a occuparsene modelli predittivi, "Sono esclusi dal processo". Ciò non va a vantaggio dell'azienda.
Sebbene ammetta che i data scientist abbiano l'esperienza in matematica e statistica per giudicare se un modello funziona bene o meno, non hanno la capacità di determinare quali domande dovrebbero essere poste all'IA per risolvere. E quel divario tra competenza dei modelli e competenza delle parti interessate è ciò che spiega il fatto che "il 70% -80% dei modelli di casi non viene mai utilizzato".
Comprensione di ciò che entra nelle decisioni
Ci sono ulteriori implicazioni nel non riuscire a capire come funziona il modello. In settori regolamentati come l'assistenza sanitaria, le assicurazioni o la finanza, ha affermato Hay, la preoccupazione è quella di essere in grado di spiegare ai revisori il processo decisionale e di non essere in grado di farlo.
Rick Saletta, senior senior marketing marketing di Ople di AI, apprendimento automatico & data science, ha preso atto del suo consenso nell'intervista e ha affermato che questo è il motivo per cui le aziende stanno ora cercando di sviluppare "un'intelligenza artificiale trasparente", nota anche come AI spiegabile. Come abbiamo visto L'intelligenza artificiale ha alcune spiegazioni da fare, in assenza di una chiara spiegazione di come l'IA giunga alle sue conclusioni, non si può essere certi che sia "privo di pregiudizi". Ha aggiunto, non è più accettabile scrollarsi di dosso la responsabilità dell'azienda di operare in modo equo dicendo "l'IA ha fatto esso “.
Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
Non puoi migliorare le tue capacità di programmazione quando a nessuno importa della qualità del software.
Lezioni dall'ascesa di Internet
La paura che rimane di fronte all'intelligenza artificiale che opera come una scatola nera sta impedendo alle aziende di trarre tutti i benefici che rende possibili. Questa è una mentalità che deve cambiare, secondo Hay. Egli suggerì AI oggi è come Internet alla fine degli anni '90. Ciò significa che ci saranno alcuni fallimenti spettacolari come Pets.com e altri incendi di questo tipo dovuti al fatto che le persone non sono abbastanza sicure su come applicare la nuova tecnologia. E la paura della nuova tecnologia trattiene le persone, ha detto: "È nuovo, spaventoso e molto complicato".
Ma c'è anche una grande opportunità per coloro che lo capiscono. "Tutte le cose che stiamo vedendo ora sono state aperte da Internet perché le persone erano disposte a provare cose nuove", ha detto Hay. Adesso è la stessa situazione AI che abilita le persone per trovare ciò che "non sapevano nemmeno che avrebbero dovuto cercare". Inoltre, non dovrebbero dubitare delle proprie capacità, poiché molti "hanno più competenze nell'azienda di quanto pensassero di fare", in particolare "esperti in materia e persone che conoscono i dati. "
Rendere la tecnologia accessibile ora
"Vogliamo vedere come ogni azienda può sfruttare l'IA adesso - oggi", ha dichiarato Hay. Affinché ciò accada, è necessario che l'IA sia resa accessibile al di fuori della cerchia degli esperti di scienza dei dati. "Il numero di data scientist competenti nel mondo è molto inferiore al numero di aziende che ne trarrebbero beneficio", ha spiegato. Di conseguenza, la chiave per ottenere più problemi aziendali è "non formare più persone ad essere Andrew Ng, ma rendendo la tecnologia disponibile alle persone".
In effetti, questa è l'onda del futuro, secondo Gartner, che ha previsto quest'anno vedrà un aumento di Analisi "self-service". Progressi significativi nell'IA, nonché tecnologie complementari come "SaaS (nube) analitica e BI le piattaforme stanno rendendo più semplice ed economico che mai per i non specialisti eseguire analisi efficaci e informare meglio il loro processo decisionale ", ha osservato Carlie J. Idoine, direttore della ricerca di Gartner.
Quando questo viene messo in atto in un'azienda e più dipendenti superano la loro riluttanza ad aiutare se stessi ai benefici dell'IA, può davvero diventare uno sport partecipativo piuttosto che spettatore all'interno dell'organizzazione. Questo spostamento può avere un impatto enorme. (Se non hai pensato molto all'intelligenza artificiale per la tua attività, ecco alcune implementazioni che potresti prendere in considerazione: 5 modi in cui le aziende potrebbero voler considerare l'utilizzo dell'IA.)
Ridurre il rischio riducendo i tempi e i costi
"Le persone hanno tanta paura di passare sei mesi a sostenere un'ipotesi", ha spiegato Hay, perché è un investimento così importante di tempo e denaro che alla fine può fallire. Tuttavia, se AI non è riservato a questi grandi progetti al chiaro di luna con un orizzonte temporale più lungo ma per attività più comuni che vengono completate più rapidamente, possibilmente anche su base giornaliera, diventano "più simili a un foglio di calcolo", il che significa uno strumento accessibile e poco costoso che le persone non sono paura di provare, anche lavorando su diversi diversi per trovare quello che si adatta meglio alle loro esigenze.
Tuttavia, Idoine avverte che non significa che le aziende dovrebbero aspettarsi che i propri dipendenti prendano in considerazione come utilizzarlo e adattarlo alle proprie esigenze da soli. Insiste sul fatto che "sono necessari processi di formazione, supporto e onboarding per aiutare la maggior parte degli utenti self-service a produrre risultati significativi". Di conseguenza, è necessario fornire "la giusta guida su come iniziare e funzionare rapidamente, nonché su come applicare i loro nuovi strumenti per i loro specifici problemi di business. ”E questo - piuttosto che aumentare il numero del team di data science - è la chiave per soluzioni migliori ai problemi di business.
