Cesta k zralosti umělé inteligence – zpráva LXT 2023

Dnešní inovativní podniky investují značné prostředky do systémů umělé inteligence (AI), aby pokročily ve své cestě k zralosti AI. Podle IDC se celosvětové výdaje na systémy zaměřené na AI očekávají, že přesáhnou 300 miliard dolarů do roku 2026, ve srovnání s 118 miliardami dolarů v roce 2022.

V minulosti selhávaly systémy AI častěji kvůli nedostatku zralosti procesů. Asi 60-80% projektů AI selhávalo kvůli špatnému plánování, nedostatku odborných znalostí, nedostačujícímu řízení dat nebo problémům s etikou a spravedlností. Ale s každým dalším rokem se toto číslo zlepšuje.

Dnes je průměrná míra selhání projektů AI snížena na 46%, podle nejnovější zprávy LXT. Pravděpodobnost selhání AI se dále snižuje na 36%, když společnost pokročí ve své cestě k zralosti AI.

Podrobněji prozkoumejme cestu organizace k zralosti AI, různé modely a rámce, které může použít, a hlavní obchodní pohony pro budování efektivní strategie AI.

Co je zralost AI?

Zralost AI se týká úrovně pokroku a sofistikovanosti, kterou společnost dosáhla při přijímání, implementaci a škálování technologií založených na AI, aby zlepšila své obchodní procesy, produkty nebo služby.

Podle zprávy LXT o zralosti AI 2023 dosáhlo 48% středních a velkých organizací ve Spojených státech vyšších úrovní zralosti AI (diskutováno níže), což představuje 8% nárůst oproti výsledkům předchozího roku, zatímco 52% organizací aktivně experimentuje s AI.

Zpráva naznačuje, že nejnadějnější práce byla provedena v oblastech zpracování přirozeného jazyka (NLP) a rozpoznávání řeči – subkategorii AI – protože měly nejvíce nasazených řešení napříč odvětvími.

Navíc má průmysl výroby a dodavatelského řetězce nejnižší míru selhání projektů AI (29%), zatímco maloobchod a e-commerce mají nejvyšší (52%).

Prozkoumání různých modelů zralosti AI

Obvykle vyvíjejí organizace zaměřené na AI modely zralosti přizpůsobené svým obchodním potřebám. Avšak základní myšlenka zralosti zůstává konzistentní napříč modely, zaměřená na rozvoj schopností souvisejících s AI, aby se dosáhlo optimálního obchodního výkonu.

Několik prominentních modelů zralosti bylo vyvinuto Gartnerem, IBM a Microsoftem. Tyto modely mohou sloužit jako vodítko pro organizace na jejich cestě k přijetí AI.

Podrobněji prozkoumejme modely zralosti AI od Gartneru a IBM níže.

Model zralosti AI Gartneru

Gartner má 5úrovňový model zralosti AI, který společnosti mohou použít k hodnocení své úrovně zralosti. Diskutujme o nich níže.

Ilustrace modelu zralosti AI Gartneru. Zdroj: zpráva LXT 2023

• Úroveň 1 – Vědomí: Organizace na této úrovni začínají diskutovat o možných řešeních AI. Ale žádné pilotní projekty nebo experimenty nejsou zatím prováděny, aby se otestovala životaschopnost těchto řešení na této úrovni.
• Úroveň 2 – Aktivní: Organizace jsou na počátku experimentování a pilotních projektů AI.
• Úroveň 3 – Operační: Organizace na této úrovni učinily konkrétní kroky k přijetí AI, včetně přesunu alespoň jednoho projektu AI do produkce.
• Úroveň 4 – Systémová: Organizace na této úrovni využívají AI pro většinu svých digitálních procesů. Kromě toho AI-podporované aplikace usnadňují produktivní interakci uvnitř i vně organizace.
• Úroveň 5 – Transformační: Organizace přijaly AI jako nedílnou součást svých obchodních procesů.

Podle tohoto modelu začínají společnosti dosahovat zralosti AI od úrovně 3 výše.

Rámec zralosti AI IBM

IBM vyvinul svůj vlastní jedinečný terminologii a kritéria pro hodnocení zralosti řešení AI. Tři fáze rámce zralosti AI IBM zahrnují:

Fáze rámce zralosti AI IBM

• Stříbrná: Na této úrovni schopnosti AI podniky prozkoumávají relevantní nástroje a technologie, aby se připravily na přijetí AI. Zahrnuje to také pochopení dopadu AI na podnik, přípravu dat a další podnikové faktory související s AI.
• Zlatá: Na této úrovni organizace dosahují konkurenční výhody tím, že poskytují smysluplné obchodní výsledky prostřednictvím AI. Tato schopnost AI poskytuje doporučení a vysvětlení podložená daty, je uživatelsky přívětivá a prokazuje dobrou hygienu dat a automatizaci.
• Platinová: Tato pokročilá schopnost AI je udržitelná pro kritické pracovní postupy. Adaptuje se na příchozí uživatelská data a poskytuje jasná vysvětlení výsledků AI. Kromě toho jsou zavedena silná opatření pro řízení a správu dat, která podporují automatizované rozhodování.

Hlavní bariéry na cestě k dosažení zralosti AI

Organizace čelí několika výzvám při dosahování zralosti. Zpráva LXT 2023 identifikuje 11 bariér, jak je znázorněno na grafu níže. Podrobněji prozkoumejme některé z nich.

Graf výzev zralosti AI. Zdroj: zpráva LXT 2023

1. Integrace AI s existující technologií

Asi 54% organizací čelí výzvě integrace stávající nebo existující technologie do systémů AI, což je největší bariéra pro dosažení zralosti.

2. Kvalita dat

Vysoce kvalitní trénovací data jsou zásadní pro budování přesných systémů AI. Avšak shromažďování vysoce kvalitních dat zůstává velkou výzvou při dosahování zralosti. Zpráva zjistila, že 87% společností je ochotno zaplatit více za získání vysoce kvalitních trénovacích dat.

3. Mezera ve dovednostech

Bez správných dovedností a zdrojů se organizace potýkají s budováním úspěšných případů použití AI. Ve skutečnosti 31% organizací čelí nedostatku kvalifikovaných talentů pro podporu svých iniciativ AI a dosažení zralosti.

4. Slabá strategie AI

Většina AI, kterou pozorujeme v reálných systémech, lze klasifikovat jako slabou nebo úzkou. Je to AI, která může provádět omezený soubor úkolů, pro které je trénována. Asi 20% organizací nemá komplexní strategii AI.

Aby organizace překonaly tuto výzvu, měly by jasně definovat a dokumentovat své cíle AI, investovat do kvalitních dat a zvolit správné modely pro každou úlohu.

Hlavní obchodní pohony pro rozvoj strategií AI

Zpráva LXT o zralosti identifikuje deset hlavních obchodních pohonů pro AI, jak je znázorněno na grafu níže. Podrobněji prozkoumejme některé z nich.

Ilustrace hlavních obchodních pohonů pro AI. Zdroj: zpráva LXT 2023

1. Obchodní pružnost

Obchodní pružnost se týká toho, jak rychle může organizace reagovat na měnící se digitální trendy a příležitosti pomocí inovativních obchodních řešení. Zůstává to nejvýznamnějším pohonem pro strategie AI pro asi 49% organizací.

AI může pomoci společnostem dosáhnout obchodní pružnosti tím, že umožňuje rychlejší a přesnější rozhodování, automatizuje opakované úkoly a zlepšuje provozní efektivitu.

2. Předvídání potřeb zákazníků

Asi 46% organizací považuje předvídání potřeb zákazníků za jeden z hlavních obchodních pohonů pro strategie AI. Používáním AI k analýze dat zákazníků mohou společnosti získat informace o chování, preferencích a potřebách zákazníků, což jim umožňuje přizpůsobit své produkty a služby tak, aby lépe splňovaly očekávání zákazníků.

3. Konkurenční výhoda

Konkurenční výhoda umožňuje společnostem odlišit se od svých konkurentů a získat výhodu na trhu. Je to hlavní pohon pro strategie AI podle 41% organizací.

4. Zefektivnění rozhodování

Rozhodování založené na AI může výrazně snížit čas potřebný pro přijetí kritických rozhodnutí založených na datech. Proto asi 42% organizací považuje zefektivnění rozhodování za hlavní obchodní pohon pro strategie AI.

5. Vývoj produktů

Od toho, kdy byl vývoj inovativních produktů uznán jako hlavní obchodní pohon pro strategie AI v roce 2021, klesl na sedmé místo, s 39% organizací, které jej považují za obchodní pohon v roce 2023.

To ukazuje, že uplatnitelnost AI v obchodních procesech nezávisí výlučně na kvalitě produktu. Další obchodní aspekty, jako je vysoká odolnost, udržitelnost a rychlá doba uvedení na trh, jsou zásadní pro obchodní úspěch.

Pro více informací o nejnovějších trendech a technologiích v oblasti umělé inteligence navštivte unite.ai.