10 שלבים לאימוץ בינה מלאכותית בעסק שלך

בינה מלאכותית (AI) היא בבירור כוח הולך וגדל בתעשיית הטכנולוגיה. AI נמצאת במרכז הבמה בכנסים ומציגה פוטנציאל במגוון רחב של תעשיות, כולל קמעונאות וייצור. מוצרים חדשים מוטמעים בעזרת עוזרים וירטואליים, ואילו צ'אט בוטים עונים על שאלות של לקוחות בכל דבר, החל מאתר ספק המשרדים המקוון שלך ועד עמוד התמיכה של ספק שירותי אירוח אתרים שלך. בינתיים, חברות כמו גוגל, מיקרוסופט ו- Salesforce משלבות את AI כשכבת מודיעין על כל מערך הטכנולוגיה שלהן. כן, AI בהחלט מגיע לרגע שלו.

זה לא ה- AI שתרבות הפופ התנתה לנו לצפות; זה לא רובוטים קשובים או סקיינט, ואפילו לא עוזרו של ג'וניס של טוני סטארק. מישור ה- AI הזה קורה מתחת לפני השטח, הופך את הטכנולוגיה הקיימת שלנו לחכמה יותר ומבטל את נעילת הכוח של כל הנתונים שארגונים אוספים. מה זה אומר: קידום נרחב בלימוד מכונות (ML), ראיית מחשב, למידה עמוקה ועיבוד שפה טבעית (NLP) הקלו מתמיד לאפות שכבת אלגוריתם AI בתוכנה או בפלטפורמת הענן שלך.

עבור עסקים, יישומי AI פרקטיים יכולים להתבטא בכל מיני דרכים, בהתאם לצרכים הארגוניים שלך ותובנות הבינה העסקית (BI) הנגזרים מהנתונים שאתה אוסף. ארגונים יכולים להעסיק AI לכל דבר, החל מכריית נתונים חברתיים וכלה במעורבות בניהול קשרי לקוחות (CRM) ועד למיטוב הלוגיסטיקה והיעילות בכל הקשור למעקב אחר ניהול נכסים.

ML ממלאת תפקיד מפתח בפיתוח AI, ציין לוק טאנג, המנהל הכללי של התוכנית Global AI + Accelerator העולמית של TechCode, הדוגמת חברות סטארט-אפ AI ועוזרת לחברות לשלב AI על גבי המוצרים והשירותים הקיימים שלהן.

"כרגע AI מונע על ידי כל ההתקדמות האחרונה בתחום ה- ML. אין שום פריצת דרך אחת שאתה יכול להצביע עליה, אבל הערך העסקי שאנו יכולים לחלץ מ- ML כעת אינו נמצא במצעדים", אמר טאנג. "מבחינת הארגון, מה שקורה ברגע זה עלול לשבש כמה תהליכים עסקיים מרכזיים בארגון סביב תיאום ובקרה: תזמון, הקצאת משאבים ודיווח." כאן אנו מספקים טיפים מכמה מומחים כדי להסביר את הצעדים שעסקים יכולים לנקוט בכדי לשלב AI בארגון שלך ולהבטיח שהביצוע שלך יצליח.

1. היכרות עם AI

קח את הזמן להכיר מה AI המודרני יכול לעשות. מאיץ ה- TechCode מציע לחברות הזנק שלו מגוון רחב של משאבים באמצעות שותפויות עם ארגונים כמו אוניברסיטת סטנפורד ותאגידים במרחב AI. עליכם לנצל את שפע המידע והמשאבים המקוונים העומדים לרשותכם בכדי להכיר את המושגים הבסיסיים של AI. טאנג ממליץ על כמה מהסדנאות המרוחקות והקורסים המקוונים המוצעים על ידי ארגונים כמו Udacity כדרכים קלות להתחיל עם AI ולהגדיל את הידע שלך בתחומים כמו ML וניתוח חזוי בארגונך.

להלן מספר משאבים מקוונים (חינם ומשלמים) שבהם תוכלו להשתמש בכדי להתחיל בעבודה:

• קורס מבוא ל- Udacity לקורס AI ותוכנית Nanodegree בינה מלאכותית
• הרצאות מקוונות של אוניברסיטת סטנפורד: בינה מלאכותית: עקרונות וטכניקות
• קורס AI המקוון של edX המוצע באמצעות אוניברסיטת קולומביה
• ערכת הכלים הקוגניטיבית של קוד פתוח של מיקרוסופט (המכונה בעבר CNTK) כדי לעזור למפתחים לשלוט באלגוריתמים של למידה עמוקה.
• ספריית התוכנה TensorFlow של קוד פתוח של גוגל למודיעין מכונות
• AI Resources, ספריית קוד פתוח מקרן AI Access
• משאבי העמותה לקידום בינה מלאכותית (AAAI)
• המדריך העדין של MonkeyLearn ללימוד מכונות
• מכון עתיד החיים של סטיבן הוקינג ואלון מאסק
• OpenAI, יוזמה ללימוד עמוק באקדמיה בתעשייה פתוחה

2. זהה את הבעיות שאתה רוצה ש- AI יפתור

לאחר שתמהיר את היסודות, השלב הבא עבור כל עסק הוא להתחיל לבחון רעיונות שונים. חשבו כיצד תוכלו להוסיף יכולות AI למוצרים והשירותים הקיימים שלכם. חשוב מכך, על החברה שלך לזכור מקרי שימוש ספציפיים שבהם AI יכול לפתור בעיות עסקיות או לספק ערך מופגן.

"כשאנחנו עובדים עם חברה, אנחנו מתחילים עם סקירה כללית של תוכניות ובעיות המפתח הטכנולוגיות שלה. אנו רוצים להיות מסוגלים להראות לה כיצד עיבוד שפה טבעי, זיהוי תמונות, ML וכו 'משתלבים במוצרים האלה, בדרך כלל עם סדנה כלשהי עם הנהלת החברה, "הסביר טאנג. "הפרטים משתנים תמיד לפי ענף. לדוגמה, אם החברה מבצעת מעקב וידאו, היא יכולה לתפוס ערך רב על ידי הוספת ML לתהליך זה."

3. תעדוף ערך בטון

בשלב הבא עליכם להעריך את הערך העסקי והכספי הפוטנציאלי של יישומי AI האפשריים השונים שזיהיתם. קל ללכת לאיבוד בדיוני AI בנושא "פאי בשמיים", אך טאנג הדגיש את החשיבות של קשירת היוזמות שלך ישירות לערך העסקי.

"כדי לתעדף, התבונן בממדי הפוטנציאל וההיתכנות והכניס אותם למטריצה ​​בגודל 2x2", אמר טאנג. "זה אמור לעזור לך לתעדף על סמך נראות לטווח הקרוב ולדעת מה הערך הכספי של החברה. עבור שלב זה אתה בדרך כלל זקוק לבעלות והכרה מצד מנהלים ומנהלים ברמה העליונה."

4. הכירו בפער היכולת הפנימית

יש הבדל בולט בין מה שאתה רוצה להשיג לבין מה שיש לך את היכולת הארגונית להשיג בפועל במסגרת מסוימת. טאנג אמר כי עסק צריך לדעת למה הוא מסוגל ומה הוא לא מבחינה טכנולוגית ותהליכית לפני שהוא מתחיל ליישום AI מלא.

"לפעמים זה יכול לקחת זמן רב, " אמר טאנג. "מענה לפער היכולות הפנימי שלך פירושו לזהות את מה שאתה צריך לרכוש ואת כל התהליכים שצריך להתפתח באופן פנימי לפני שאתה מתחיל. תלוי בעסק, יתכנו פרויקטים או צוותים קיימים שיכולים לעזור לעשות זאת באופן אורגני עבור יחידות עסקיות מסוימות."

5. הכניסו מומחים והקימו פרויקט טייס

ברגע שהעסק שלך מוכן מבחינה ארגונית וטכנולוגית, הגיע הזמן להתחיל לבנות ולהשתלב. טאנג אמר שהגורמים החשובים ביותר כאן הם להתחיל בקטן, לקחת בחשבון יעדי פרויקט, והכי חשוב, להיות מודע למה שאתה יודע ולמה שאתה לא יודע על AI. זה המקום בו הבאת מומחים חיצוניים או יועצי AI יכולה להיות לא יסולא בפז.

"אתה לא צריך הרבה זמן לפרויקט ראשון; בדרך כלל לפרויקט טייס, 2-3 חודשים זה טווח טוב, " אמר טאנג. "אתה רוצה לקבץ אנשים פנימיים וחיצוניים בקבוצה קטנה, אולי 4-5 אנשים, ומסגרת הזמן ההדוקה יותר תשאיר את הצוות ממוקד ביעדים ישירים. לאחר סיום הפיילוט, אתה אמור להיות מסוגל להחליט מה ארוך יותר פרויקט ארוך-טווח ומורכב יותר יהיה והצעת הערך הגיונית לעסק שלך. חשוב גם שמומחיות משני הצדדים - האנשים שיודעים על העסק ואנשים שיודעים על AI - תתמזג עם צוות פרויקט הפיילוט שלך.."

6. צרו כוח משימות לשילוב נתונים

טאנג ציין כי לפני שתיישם ML בעסק שלך, אתה צריך לנקות את הנתונים שלך כדי שיהיה מוכן להימנע מתרחיש "זבל, אשפה החוצה". טאנג אמר כי "נתונים ארגוניים פנימיים מתפשטים בממגורות נתונים מרובות של מערכות מורשת שונות, ואף עשויים להיות תחת קבוצות עסקיות שונות עם עדיפויות שונות." "לפיכך, צעד חשוב מאוד להשגת נתונים באיכות גבוהה הוא ליצור כוח משימות צולב, לשלב קבוצות נתונים שונות יחד ולמיין אי התאמות כך שהנתונים יהיו מדויקים ועשירים, עם כל הממדים הנכונים הנדרשים ל- ML."

7. התחל בקטן

התחל להחיל AI על מדגם קטן של הנתונים שלך במקום לקחת יותר מדי מוקדם מדי. "התחל פשוט, השתמש ב- AI באופן הדרגתי כדי להוכיח ערך, לאסוף משוב ואז להרחיב בהתאם", אמר אהרון בראוזר, סגן נשיא ניהול פתרונות ב- M * Modal, המציע טכנאות הבנה בשפה טבעית (NLU) לארגוני שירותי בריאות כמו גם פלטפורמת AI שמשתלבת עם רשומות רפואיות אלקטרוניות (EMR).

סוג מסוים של נתונים יכול להיות מידע על התמחויות רפואיות מסוימות. ד"ר גילן אל סעדאווי, קצין מידע רפואי ראשי (CMIO) ב- M * Modal, אמר "היה סלקטיבי במה שקורא ה- AI יקרא". "לדוגמה, בחר בעיה מסוימת שברצונך לפתור, מקד אותה AI ותן לו שאלה ספציפית לענות עליה ולא תזרוק עליה את כל הנתונים."

8. כלול אחסון כחלק מתוכנית AI שלך

לאחר שתעלה מדגימה קטנה של נתונים, תצטרך לקחת בחשבון את דרישות האחסון בכדי ליישם פיתרון AI, כך אומר פיליפ פוקורני, סמנכ"ל טכני (CTO) בחברת Penguin Computing, חברה המציעה מחשוב בעל ביצועים גבוהים (פתרונות HPC), AI ו- ML.

"שיפור האלגוריתמים חשוב להגיע לתוצאות מחקריות. אך ללא כמויות עצומות של נתונים שיעזרו לבנות מודלים מדויקים יותר, מערכות AI לא יכולות להשתפר מספיק כדי להשיג את יעדי המחשוב שלך, " כתב פוקורני בעיתון הלבן שכותרתו, "החלטות קריטיות: מדריך ל בניית פיתרון הבינה המלאכותית השלם ללא חרטות. " "זו הסיבה שיש לקחת בחשבון הכללה של אחסון מהיר ומותאם במיוחד בתחילת תכנון מערכת AI."

בנוסף, עליכם לבצע אופטימיזציה לאחסון AI לצורך צריכת נתונים, זרימת עבודה ומודל, הוא הציע. פוקורני הוסיף כי "לקחת את הזמן לבחינת האפשרויות שלך יכול להיות בעל השפעה חיובית וחזקה על האופן שבו המערכת פועלת ברגע שהיא מקוונת."

9. שילב AI כחלק ממשימותיך היומיות

עם התובנה והאוטומציה הנוספות שמספקת AI, לעובדים יש כלי להפוך את ה- AI לחלק מהשגרה היומית שלהם ולא משהו שמחליף אותו, לפי דומיניק וולינגטון, Global IT Evangelist ב- Moogsoft, ספקית AI לתפעול IT (AIOps). "עובדים מסוימים עשויים להיזהר מטכנולוגיה שיכולה להשפיע על תפקידם, ולכן חשוב להציג את הפיתרון כדרך להגדיל את המשימות היומיומיות שלהם", הסביר וולינגטון.

הוא הוסיף כי חברות צריכות להיות שקופות לגבי האופן שבו הטכנולוגיה פועלת לפתרון בעיות בתהליך עבודה. "זה נותן לעובדים חווית 'מתחת למכסה המנוע' כך שהם יכולים לדמיין בבירור כיצד AI מגדיל את תפקידם במקום לחסל אותו, " אמר.

10. לבנות עם איזון

• לבינה מלאכותית יש בעיית הטיה, וזה התקלה שלנו. לבינה מלאכותית יש בעיית הטיה, וזה התקלה שלנו
• בינה מלאכותית של יבמ עובדת על אלימות הדיונים האנושיים. בינה מלאכותית של יבמ עובדת על אליפויות הדיון האנושי
• AI מציע פוטנציאל עצום, אבל זה לא יקרה בן לילה AI מציע פוטנציאל ענק, אבל זה לא יקרה בן לילה

כשאתה בונה מערכת AI, זה דורש שילוב של מענה לצרכי הטכנולוגיה כמו גם פרויקט המחקר, הסביר פוקורני. "השיקול הכללי, עוד לפני שמתחילים לתכנן מערכת AI, הוא שאתה צריך לבנות את המערכת באיזון", אמר פוקורני. "זה אולי נשמע ברור, אך לעיתים קרובות מדי מערכות AI מתוכננות סביב היבטים ספציפיים של האופן בו הצוות רואה את השגת יעדי המחקר שלו, מבלי להבין את הדרישות והמגבלות של החומרה והתוכנה שתומכות במחקר. התוצאה היא פחות- מערכת אופטימאלית, אפילו לא מתפקדת, שלא מצליחה להשיג את המטרות הרצויות."

כדי להשיג איזון זה, חברות צריכות לבנות רוחב פס מספיק לאחסון, יחידת העיבוד הגרפי (GPU) ורשתות רשת. אבטחה היא גם רכיב שאינו מתעלם ממנו. AI מטבעו מחייב גישה למקורות נתונים רחבים כדי לבצע את עבודתו. וודא כי אתה מבין אילו סוגים של נתונים יהיו קשורים לפרויקט וכי ייתכן שהאמצעי האבטחה הרגילים שלך - הצפנה, רשתות פרטיות וירטואליות (VPN) ואנטי-תוכנות זדוניות - אינם מספיקים.

"בדומה, אתה צריך לאזן בין האופן בו מתקציב התקציב הכולל להשגת מחקרים עם הצורך בהגנה מפני הפסקת חשמל ותרחישים אחרים באמצעות פיטורים", אמר פוקורני. "יתכן שתצטרך לבנות גמישות כדי לאפשר שימוש חוזר בחומרה ככל שמשתמשים בדרישות המשתמש."