NộI Dung
- Chìa khóa cho kết quả kinh doanh tốt hơn từ khoa học dữ liệu
- Mở rộng AI cho những người có chuyên môn về miền
- Hiểu những gì đi vào quyết định
- Không lỗi, không căng thẳng - Hướng dẫn từng bước của bạn để tạo ra phần mềm thay đổi cuộc sống mà không phá hủy cuộc sống của bạn
- Bài học từ sự trỗi dậy của Internet
- Làm cho công nghệ có thể truy cập ngay bây giờ
- Giảm rủi ro bằng cách giảm thời gian và chi phí
Nguồn: Denisismagilov / Dreamstime.com
Lấy đi:
Tương lai của AI không phải là những bức ảnh mặt trăng ấn tượng mà là cách sử dụng hàng ngày trần tục mà chúng ta liên kết với bảng tính. Rằng một số người có một số thông tin về AI xuất hiện từ các lĩnh vực hiếm hoi để sử dụng kinh doanh phổ biến.
Chìa khóa cho kết quả kinh doanh tốt hơn từ khoa học dữ liệu
Trong một Tạp chí kinh doanh Harvard bài viết, Alessandro Di Fiore, người sáng lập và CEO của Trung tâm đổi mới chiến lược châu Âu (ECSI) đã phản bác lại giả định rằng các công ty có nhiều hơn nhà khoa học dữ liệu có cơ hội tốt hơn để tạo ra tác động kinh doanh. Hãy dựa trên cả hai trong công việc tư vấn của mình và nghiên cứu, ông đã đi đến kết luận rằng việc thuê một số lượng lớn các nhà khoa học dữ liệu không nhất thiết tạo ra kết quả tốt hơn cho một doanh nghiệp.
Một quan sát tương tự đã được thực hiện với tôi trong một cuộc phỏng vấn gần đây với Henry James, người sáng lập và phó giám đốc điều hành của Fincross International, người đã nói rằng những gì ông đã nhìn thấy tại các doanh nghiệp có nguồn lực lớn để đầu tư vào khoa học dữ liệu trên thực tế, họ có thể làm tốt hơn với một nhóm năm hơn 50 người.
Mở rộng AI cho những người có chuyên môn về miền
Điều thực sự tạo nên sự khác biệt cho một công ty, Di Fiore, đã chỉ ra, đó là sự dân chủ hóa trong việc tiếp cận AI Các công cụ và quyền quyết định giữa các nhà quản lý và nhân viên tạo ra giá trị hữu hình hơn. Ông tiếp tục quan sát, thực tiễn tốt nhất cho thấy cách dân chủ hóa có thể mang lại quyết định phân tán nhanh hơn và tốt hơn, khiến các công ty trở nên linh hoạt và nhạy bén hơn với các thay đổi và cơ hội thị trường. Nghiêng (Để tìm hiểu về cách một số doanh nghiệp đã sử dụng AI, hãy xem AI ngày nay: Ai đang sử dụng nó ngay bây giờ và làm thế nào.)
Trong khi anh ấy không quan tâm đến thuật ngữ dân chủ hóa, và thích môn thể thao của đội, thì, Todd Todd Hay, Ople, COO, đồng ý với quan điểm đó. Như ông đã giải thích trong một cuộc phỏng vấn với Techopedia, ông đã hình dung sự thay đổi từ AI hiếm hoi và tập trung sang số đông tương tự như việc áp dụng bảng tính, một công cụ hữu ích nên được sử dụng bởi tất cả các doanh nhân.
Chuyên gia và chủ đề tên miền đang ở vị trí tốt nhất để đánh giá một dự đoán có thể ảnh hưởng đến doanh nghiệp, Hay Hay nói. Nhưng với một thiết lập đặt các nhà khoa học dữ liệu phụ trách những người đó mô hình dự đoán, Họ đã loại trừ khỏi quy trình., Đó là vì lợi ích của doanh nghiệp.
Mặc dù ông thừa nhận rằng các nhà khoa học dữ liệu có chuyên môn về toán học và thống kê để đánh giá xem một mô hình có hoạt động tốt hay không, nhưng họ không có khả năng xác định câu hỏi nào họ nên đặt ra cho AI để giải quyết. Và khoảng cách giữa chuyên môn mô hình và chuyên môn của các bên liên quan là những gì chiếm một thực tế rằng 70% -80% mô hình trường hợp không bao giờ được sử dụng.
Hiểu những gì đi vào quyết định
Có nhiều phân nhánh để không thể hiểu cách thức hoạt động của mô hình. Trong các ngành được quy định như chăm sóc sức khỏe, bảo hiểm hoặc tài chính, Hay nói, mối quan tâm đang ở vị trí mà họ phải giải thích quy trình ra quyết định cho kiểm toán viên và không thể thực hiện được.
Rick Saletta, giám đốc tiếp thị bán hàng cao cấp của Ople, AI, học máy & khoa học dữ liệu, lưu ý thỏa thuận của ông trong cuộc phỏng vấn và cho biết đây là lý do tại sao các doanh nghiệp hiện đang tìm cách phát triển AI minh bạch, còn được gọi là AI có thể giải thích. Như chúng ta đã thấy trong AI Cung cấp một số giải thích để làm, trong trường hợp không có lời giải thích rõ ràng về cách AI đưa ra kết luận, bạn không thể chắc chắn đó là không thiên vị. Ông nói thêm, không còn có thể chấp nhận trách nhiệm của doanh nghiệp để vận hành công bằng bằng cách nói rằng AI đã làm nó.
Không lỗi, không căng thẳng - Hướng dẫn từng bước của bạn để tạo ra phần mềm thay đổi cuộc sống mà không phá hủy cuộc sống của bạn
Bạn không thể cải thiện kỹ năng lập trình của mình khi không ai quan tâm đến chất lượng phần mềm.
Bài học từ sự trỗi dậy của Internet
Nỗi sợ hãi vẫn còn khi đối mặt với AI hoạt động như một hộp đen đang kìm hãm các doanh nghiệp khỏi việc gặt hái đầy đủ lợi ích mà nó mang lại. Đó là một suy nghĩ phải thay đổi, theo Hay. Anh đề nghị AI hôm nay giống như internet vào cuối thập niên 90. Điều đó có nghĩa là sẽ có một số thất bại ngoạn mục như Thú cưng.com và những hành vi sai trái khác do mọi người không hoàn toàn chắc chắn làm thế nào để áp dụng công nghệ mới. Và nỗi sợ công nghệ mới kìm hãm con người, anh nói: Vượt Nó mới, đáng sợ và rất phức tạp.
Nhưng đó cũng là cơ hội tuyệt vời cho những người tìm ra nó. Tất cả những thứ mà chúng tôi thấy bây giờ đã được mở ra bởi internet bởi vì mọi người sẵn sàng thử những điều mới, Hay Hay nói. Nó cùng một tình huống bây giờ với AI cho phép mọi người để tìm thấy những gì họ đã làm, họ thậm chí còn biết rằng họ nên tìm kiếm. Họ cũng không nên nghi ngờ về năng lực của mình, vì nhiều người có nhiều kỹ năng trong công ty hơn họ nghĩ,chuyên gia vấn đề và những người biết dữ liệu.
Làm cho công nghệ có thể truy cập ngay bây giờ
Chúng tôi muốn xem làm thế nào mọi công ty có thể tận dụng lợi thế của AI ngay bây giờ - hôm nay, Hay Hay tuyên bố. Để điều đó xảy ra, cần phải có AI để có thể truy cập bên ngoài vòng tròn của các chuyên gia khoa học dữ liệu. Số lượng các nhà khoa học dữ liệu có thẩm quyền trên thế giới thấp hơn nhiều so với số lượng các công ty sẽ được hưởng lợi từ nó, anh ấy giải thích. Theo đó, chìa khóa để giải quyết nhiều vấn đề kinh doanh hơn là không đào tạo thêm người để trở thành Andrew Ng mà bằng cách cung cấp công nghệ cho mọi người.
Thật vậy, đó là làn sóng của tương lai, theo Gartner, dự đoán năm nay sẽ chứng kiến sự gia tăng Phân tích tự phục vụ. Tiến bộ đáng kể trong AI, cũng như các công nghệ bổ trợ nhưSaaS (đám mây) phân tích và BI Các nền tảng đang giúp các nhà không chuyên môn thực hiện phân tích hiệu quả và dễ dàng hơn bao giờ hết để thực hiện phân tích hiệu quả và cung cấp thông tin tốt hơn cho việc ra quyết định của họ, ông nhận xét Carlie J. Idoine, giám đốc nghiên cứu tại Gartner.
Khi điều đó được đưa vào một doanh nghiệp và nhiều nhân viên vượt qua sự miễn cưỡng của họ để giúp bản thân họ mang lại lợi ích cho AI, nó thực sự có thể trở thành một môn thể thao có sự tham gia thay vì khán giả trong tổ chức. Sự thay đổi đó có thể có tác động to lớn. (Nếu bạn không nghĩ nhiều về AI cho doanh nghiệp của mình, đây là một số triển khai bạn có thể muốn xem xét: 5 cách các công ty có thể muốn xem xét sử dụng AI.)
Giảm rủi ro bằng cách giảm thời gian và chi phí
Người dân rất sợ mất sáu tháng để đưa ra một giả thuyết, Hay Hay giải thích, bởi vì đây là một khoản đầu tư lớn về thời gian và tiền bạc cuối cùng có thể thất bại. Tuy nhiên, nếu AI không dành riêng cho các dự án moonshot lớn này với thời gian dài hơn nhưng đối với các nhiệm vụ phổ biến hơn được hoàn thành nhanh hơn, thậm chí trên cơ sở hàng ngày, chúng trở thành một bảng tính giống như một bảng tính, nghĩa là một công cụ rẻ tiền, dễ tiếp cận mà mọi người không ngại thử, thậm chí làm việc qua nhiều cái khác nhau để tìm ra thứ phù hợp nhất với nhu cầu của họ.
Tuy nhiên, Idoine cảnh báo rằng không có nghĩa là các doanh nghiệp chỉ nên mong đợi nhân viên của họ tiếp nhận cách sử dụng và tự điều chỉnh nó theo nhu cầu của họ. Cô khẳng định rằng cần có các quy trình đào tạo, hỗ trợ và lên máy bay để giúp hầu hết người dùng tự phục vụ tạo ra đầu ra có ý nghĩa. Theo đó, cần phải cung cấp cho hướng dẫn đúng cách về cách thức dậy và chạy nhanh, cũng như cách áp dụng công cụ mới của họ cho các vấn đề kinh doanh cụ thể của họ. Và đó - thay vì tăng số lượng nhóm khoa học dữ liệu - là chìa khóa để giải pháp tốt hơn cho các vấn đề kinh doanh.
