Зошто треба да размислувате за вештачката интелигенција како тимски спорт

Што значи да се размислува за вештачката интелигенција како тимски спорт? Гледаме дека проектите за вештачка интелигенција се префрлаат од возбуда кон влијание, главно затоа што се вклучуваат вистинските улоги за да се обезбеди деловниот контекст што недостасуваше претходно. Експертизата на доменот е клучна; машините ја немаат длабочината на контекстот како што ја имаат луѓето, а луѓето треба доволно добро да ги знаат бизнисот и податоците за да разберат кои дејства да преземат врз основа на какви било сознанија или препораки што се појавуваат.

Кога станува збор за скалирање на вештачката интелигенција, многу лидери мислат дека имаат проблем со луѓето - конкретно, нема доволно научници за податоци. Но, не секој деловен проблем е проблем на науката за податоци. Или барем, не секој деловен предизвик треба да биде фрлен на вашиот тим за наука за податоци. Со правилен пристап, можете да ги искористите придобивките од вештачката интелигенција без предизвиците што доаѓаат со традиционалните циклуси на науката за податоци.

За да ги применат и да ги размерат решенијата за вештачка интелигенција, лидерите треба да го сменат начинот на размислување на организацијата да размислуваат за вештачката интелигенција како тимски спорт. На некои проекти за вештачка интелигенција им треба различен сет на луѓе, алатки и очекувања за тоа како изгледаат успешните резултати. Знаењето како да ги препознаете овие можности ќе ви помогне да пристапите до поуспешни проекти за вештачка интелигенција и да ја продлабочите вашата група корисници на вештачка интелигенција, додавајќи брзина и моќ во донесувањето одлуки низ работната сила. Ајде да истражиме зошто и како.

Организациите ја демократизираат напредната анализа со вештачка интелигенција

Користењето на вештачката интелигенција за решавање на деловните проблеми во голема мера беше надлежност на научниците за податоци. Честопати, тимовите за наука за податоци се резервирани за најголемите можности и најсложените предизвици на организацијата. Многу организации беа успешни во примената на науката за податоци за конкретни случаи на употреба, како што се откривање измами, персонализација и многу повеќе, каде што длабоката техничка експертиза и фино подесените модели носат многу успешни резултати.

Сепак, скалирањето на решенијата за вештачка интелигенција преку вашиот тим за наука за податоци е предизвик за организациите, поради многу причини. Привлекувањето и задржувањето таленти е многу скапо и може да биде тешко на конкурентен пазар. Традиционалните проекти за наука за податоци често може да потрае многу време за да се развијат и да се применат пред бизнисот да види вредност. И дури и најискусните, најробусни тимови за наука за податоци може да пропаднат ако немаат потребни податоци или контекст за да ги разберат нијансите на проблемот што треба да го решат.

Гартнер® од 2021 година Состојба на науката за податоци и машинско учење Извештајот (DSML) вели дека „побарувачката на клиентите се менува, со помалку техничка публика која сака полесно да го применува DSML, експертите треба да ја подобрат продуктивноста и на претпријатијата им треба пократко време за да ги вреднуваат нивните инвестиции¹.“ Иако може да има многу деловни проблеми кои можат да имаат корист од брзината или темелноста на анализата што може да ја обезбеди вештачката интелигенција, традиционалниот пристап на науката за податоци можеби не е секогаш најдобриот план за напад за брзо согледување на вредноста. Всушност, истиот извештај на Гартнер предвидува дека „до 2025 година, недостигот на научници за податоци повеќе нема да го попречува усвојувањето на науката за податоци и машинското учење во организациите“.

Експертизата на доменот е критична за размерување на вештачката интелигенција низ бизнисот

Вештачката интелигенција веќе помага да се донесат напредни способности за анализа на корисниците кои немаат потекло од науката за податоци. Машините можат да избираат од најдобрите модели и алгоритми за прогнозирање, а основните модели можат да бидат изложени, нудејќи можност да ги подесиме и да се увериме дека сè одговара на она што го бара корисникот.

Овие способности им даваат на аналитичарите и на квалификуваните експерти во деловниот домен способност да дизајнираат и користат свои апликации за вештачка интелигенција. Бидејќи се поблиску до податоците, овие корисници имаат предност во однос на многу од нивните колеги кои се занимаваат со податоци. Ставањето на оваа моќ во рацете на оние со експертиза за домен може да помогне да се избегнат долгите времиња на развој, оптоварувањата со ресурси и скриените трошоци поврзани со традиционалните циклуси на науката за податоци. Плус, луѓето со експертиза за домен треба да бидат тие што ќе одлучат дали предвидувањето или предлогот за вештачка интелигенција е воопшто корисно или не.

Со повторливи, ревидира-и-повторно распоредување на процесите на градење модели, луѓето со деловен контекст можат побрзо да добијат вредност од вештачката интелигенција - дури и распоредувајќи нови модели на илјадници корисници во рок од неколку дена до недели, наместо неколку недели до месеци. Ова е особено моќно за оние тимови чии уникатни предизвици можеби не се висок приоритет за тимовите за наука за податоци, но можат да имаат корист од брзината и темелноста на анализата на вештачката интелигенција.

Сепак, важно е да се забележи дека иако овие решенија можат да помогнат во решавањето на јазот во вештините помеѓу аналитичарите и научниците за податоци, тоа не е замена за второто. Научниците за податоци остануваат критичен партнер со деловните експерти за да ги потврдат податоците што се користат во решенијата со ВИ. И покрај оваа соработка, образованието и вештините за податоци ќе бидат критични за успешно користење на овие видови алатки во обем.

Писменоста на податоците им овозможува на повеќе луѓе да користат вештачка интелигенција

Вашата основна стратегија за податоци игра огромна улога во поставувањето на вашата организација за успех со вештачката интелигенција, но донесувањето решенија за вештачка интелигенција до повеќе луѓе низ бизнисот ќе бара основна писменост за податоци. Разбирањето кои податоци се соодветни за примена на деловен проблем, како и како да се интерпретираат податоците и резултатите од препораката за вештачка интелигенција, ќе им помогне на луѓето успешно да веруваат и да ја усвојат вештачката интелигенција како дел од нивното одлучување. Споделениот јазик на податоци во организацијата, исто така, отвора повеќе врати за успешна соработка со експерти.

Последното глобално истражување на Мекинси за вештачката интелигенција откри дека во рамките на 34% од организациите со високи перформанси „посветен центар за обука ги развива вештините за вештачка интелигенција на нетехничкиот персонал преку практично учење“, споредено со само 14% од сите други анкетирани. Дополнително, во 39% од организациите со високи перформанси „постојат одредени канали за комуникација и допирни точки помеѓу корисниците на вештачка интелигенција и тимот за наука за податоци на организацијата“, во споредба со само 20% од другите.

Лидерите можат да преземат различни пристапи за да изградат писменост за податоци, од образование и обука, програми за менторство, натпревари за градење на податоци за заедницата и многу повеќе. Размислете за нормализирање на пристапот и споделувањето на податоците, како и како ги славите и промовирате успесите, учењето и донесувањето одлуки со податоци.

„Податочната писменост и образованието за визуелизацијата и науката за податоци треба да бидат пораспространети и да се предаваат порано“, рече Видија Сетлур, раководител на Tableau Research. „Постои еден вид општествена и организациска одговорност што доаѓа со потпирање на користење на податоци. Луѓето треба да бидат подобро опремени да разберат, толкуваат и да го искористат максимумот од податоците бидејќи вештачката интелигенција само ќе стане пософистицирана, а ние треба да бидеме неколку чекори понапред од играта“.

Продолжувањето со градење на културата на податоци на вашата организација создава моќни можности за негување на вештини и поттикнување нови решенија низ бизнисот. Многу организации веќе ги зголемија своите инвестиции во податоци и аналитика во последниве години, бидејќи дигиталната трансформација се забрза. Не е достапно да се размислува за податоци како тимски спорт - и сега имаме средства да го прошириме тој начин на размислување и на вештачката интелигенција.