ONE Techs 2021-forudsigelser for Data Science og AI

ONE Tech er et AI-drevet teknologiselskab, der designer, udvikler og implementerer næste generations IoT-løsninger for OEM’er, netværksoperatører og virksomheder.

Vi var heldige at have Yasser Khan, administrerende direktør for ONE Tech, til at dele sine forudsigelser for 2021:

ONE Tech CEO, Yasser Khan

Forudsigelse #1: Data (endelig) bliver kongen.

Detaljer: 2021 vil være året, hvor branchen indser, at IoT blot er et køretøj for data. Det er, hvordan organisationer udnytter data til at generere nye indtægtsstrømme eller øge kundetilfredshed, der er den virkelige drivkraft bag tilslutning af milliarder af aktiver. Desuden vil AI ikke længere være bundet til datacentre. Dyre, kraftfulde beregningsressourcer er simpelthen ikke nødvendige for at generere de indsigt, der kræves for, at organisationer kan udnytte værdien af deres aktivers data.

Forudsigelse #2: Automatisering vil ændre forretningsmodeller.

Detaljer: Med muligheden for at indsamle og behandle mere AI-data lokalt, vil traditionelle virksomheder som bilforhandlere blive endnu mere serviceorienterede, fordi de kan forudse service-reparationer, før de sker. For eksempel kan sensorer, der registrerer, at et dæk er lavere end det acceptable interval i en flådebil, varsle ledere om at sende en servicevogn – med de korrekte dele – til bilens placering, før der opstår et større problem. Og med forbruger-varer kan en sensor på en opvaskemaskine varsle service-reparatøren om, at der er et problem, før opvaskemaskinen går ud af drift. I disse scenarier kan OEM’er og virksomheder væsentligt udvide services-delen af deres forretning, hvilket ændrer deres forretningsmodel til en, der er mindre afhængig af hardware.

Forudsigelse #3: Endpoint-enheder vil blive stadig smartere.

Detaljer: Gennem maskinel læring og kunstig intelligens (#AI) flytter netværksintelligensen tættere på kanten, hvilket giver endpoint-enheder nye roller og opgaver, der gør dem smartere. Med beregningskraft leveret af billige hardware kan kraftfuld intelligens nu opnås gennem maskinel læring-algoritmer, der kan leve (træne og behandle) direkte på dataens oprindelige kilde. Desuden udvikler hardware-kapaciteterne sig konstant sammen med softwaren, der kører på hardwaren. Den industrielle sektor har allerede glæde af effektivitetsgevinsterne ved at behandle data lokalt for at forstå, hvad der sker med disse maskiner og enheder. Andre markeder må skifte og tilpasse sig lokal data-behandling eller maskinel læring på endpoint, da det vil være afgørende for at hjælpe organisationer med at skala.

Forudsigelse #4: Cloud-dataoverførselsomkostninger vil stige dramatisk.

Detaljer: Omkostningerne ved at overføre, gemme og behandle data i cloud-miljøer er et voksende problem for organisationer af alle størrelser. I 2021 vil Edge AI modnes fra innovationsprojekter til en branchestandard. At bringe edge- og integreret AI til endpoint for at behandle data lokalt eliminerer omkostningsproblemet. Bottom-line: Hvis virksomheder ikke gør innovative ting for at udnytte mere værdi fra deres data for at følge med udgifterne, går de bare baglæns.

Forudsigelse #5: Prædictiv vedligeholdelse vil være toppen af fremstillings-problemer i 2021.

Detaljer: Halvledere og chip bruger simple beslutningstræer, der kan vokse og blive komplekse. At skifte fra en beslutningstræ-baseret proces til en prædictiv algoritme er det næste skridt for intelligens på kanten. Fabrikanter er i virksomhed med at producere varer. De er ikke i virksomhed med teknologi og datastyring. Da data-volumenet vokser, er der en stadig øgende behov for at give mening til data og handle på indsigt for at forblive så effektive og produktive som muligt. For at gøre det har fabrikanterne brug for at stole på teknologi for at udnytte værdien af de data, de genererer. Dette vil komme fra at implementere lokal/Edge AI til at behandle data lokalt, for at producere indsigt-rige output. Outputtet fra Edge AI-løsninger vil til sidst automatisere respons og handling for at tillade mindre afhængighed af menneskelig interaktion og mere automatiseret korrektiv handling.

Interview: Du kan også læse et interview med Yasser Khan.