ActionAI saa 10 miljoonaa dollaria ja tuo vastuullisuutta ja luotettavuutta yritysten tekoälyyn

Yritysten tekolysoinnin omaksuminen on kiihtynyt nopeasti, mutta sen laajentaminen pilottihankkeista on edelleen haasteellista. Tärkein syy on luottamus. Vaikka työntekijät käyttävät yhä enemmän tekoälytyökaluja päivittäisessä työssään, organisaatiot ovat edelleen epävarmoja niiden käytöstä keskeisissä toimissa, joissa tarkkuus ja vastuullisuus ovat kriittisiä.

Tätä aukkoa ActionAI pyrkii sulkemaan. Yritys on ilmoittanut 10 miljoonan dollarin siemensijoituksen tekoälyjärjestelmien luotettavuuden parantamiseksi yritysten käyttöön.

Miksi tekoälysoinnin laajentaminen on hidasta

Huolimatta laajasta kokeilusta, useimmat yritysten tekoälyhankkeet eivät pääse tuotantoon. Sisäinen data usein jää tarkistamatta, tulokset voivat olla epäjohdonmukaisia, ja virheet – erityisesti harhat – aiheuttavat todellista operatiivista riskiä.

Tutkimukset osoittavat, että vaikka suurin osa työntekijöistä käyttää jo tekoälytyökaluja työssään, he usein tekevät niin ilman tarkistamatta tarkkuutta. Samalla suuri osa yritysten tekoälysovelluksista on edelleen jumissa pilottivaiheessa. Ongelma ei ole enää siinä, onko tekoäly kykenevä, vaan voidaanko sitä luottaa.

Tämä on erityisen ongelmallista aloilla, kuten rahoitus, vakuutus, terveydenhuolto ja logistiikka, joissa virheet voivat johtaa sääntely-, taloudellisiin tai oikeudellisiin seuraamuksiin.

Luotettavuuden kerroksen rakentaminen tekoälylle

ActionAI:n lähestymistapa on kohdella luotettavuutta perusrakenteena, ei jälkikäteen. Sen alusta on suunniteltu seuraamaan ja arvioimaan tekoälyjärjestelmiä koko elinkaaren ajan – koulutusdatasta lopputulokseen asti.

Sen sijaan, että keskittyisi vain mallin suorituskykyyn, järjestelmä kartoittaa, miten data kulkee tekoälypinon jokaisessa vaiheessa. Tämä mahdollistaa tiimien tunnistaa tarkalleen, missä virheet tapahtuvat, olivatpa ne syötteen, prosessoinnin tai tulosteen tasolla.

Alustan tärkeä osa on sen kyky debugata ongelmia reaaliajassa. Kun jotain menee pieleen, tiimit voivat eristää virheen nopeasti ja korjata reunatapaukset, ennen kuin ne eskaloituvat suuremmiksi ongelmiksi.

Johdonmukaiset poikkeukset

Yksi alustan erityisimmistä elementeistä on järjestelmä, jota kutsutaan Selitettävät poikkeukset (ExEx). Sen sijaan, että pakottaisi tekoälyjärjestelmiä toimimaan epävarmojen tuloksien kanssa, ExEx havaitsee, kun malli ei ole varma, ja ohjaa tehtävän ihmiselle.

Se, mikä tekee tämän lähestymistavan merkittäväksi, on se, että se ei vain merkitse ongelmaa – se antaa syyt. Ihmiset, jotka tarkastavat, saavat kontekstin, joka selittää, miksi tekoäly epäröi, mikä mahdollistaa nopeammat ja perustellumpien päätösten tekemisen.

Tämä luo järjestelmällisen ihmisen silmukkaan -työvirran, joka ei hidasta toimintaa, vaan toimii varmistimena. Se varmistaa, että epävarmat tai korkean riskin tulokset eivät pääse järjestelmän läpi huomaamatta.

Seuraamisesta jatkuvaan valvontaan

Lisäksi käyttöönoton, alusta jatkaa tekoälyjärjestelmien suorituskyvyn seuraamista tuotannossa. Se seuraa, miten järjestelmät reagoivat uusiin tietoihin, muuttuviin olosuhteisiin tai päivittyneisiin ohjeisiin.

Kun suorituskyky laskee tai poikkeamat ilmenevät, järjestelmä merkitsee ne automaattisesti, mikä auttaa organisaatioita ylläpitämään johdonmukaisuutta ajan myötä. Tämä on erityisen tärkeää, koska tekoälymallit heikkenevät tai käyttäytyvät epävakaiden, kun niille syötetään uusia syötteitä.

Tavoitteena on siirtyä staattisista tekoälykäyttöönotoista jatkuvasti hallittuihin järjestelmiin, jotka sopeutuvat ilman luotettavuuden uhraamista.

ActionAI keskittyy aloille, joilla tarkkuus on ehdoton. Tähän kuuluvat rahoituspalvelut, valmistus, vähittäiskauppa, vakuutus, toimitusketjut ja oikeudelliset järjestelmät.

Näissä ympäristöissä jopa pienet virheet voivat aiheuttaa ketjureaktioita. Esittelemällä valvonnan, jäljitettävyyden ja järjestelmällisen poikkeuksenkäsittelyn, alusta on suunniteltu tekemään tekoälystä käytännöllistä konteksteissa, joissa se on perinteisesti katsottu liian riskialttiiksi.

Siirtyminen vastuulliseen tekoälyyn

Perustajan Miriam Haartin mukaan keskeinen ongelma ei ole ainoastaan tekoälyn suorituskyvyn parantaminen, vaan tekoälyjärjestelmien tekeminen vastuullisiksi alusta alkaen.

Yrityksen arkkitehtuuri keskittyy validointiin ennen kuin data syötetään järjestelmään, seuraamiseen suoritusaikana ja varmistamiseen, että tulokset voidaan selittää ja tarkastaa jälkikäteen. Tämä lopputon näkyvyys mahdollistaa organisaatioiden siirtymisen kokeilusta täysimittaisten käyttöönottojen pariin.

Laajempi implikaatio tästä rahoituskierroksesta on muutos siinä, miten yritykset ajattelevat tekoälyä. Sen sijaan, että kohdeltiin sitä työkaluna, joka on kerros olemassa olevien järjestelmien päällä, yritykset alkavat nähdä sen keskeisenä infrastruktuurina – jonakin, joka on täytettävä samat vaatimukset kuin mikä tahansa kriittinen järjestelmä.

ActionAI asettaa itsensä tämän risteyksen kohtaan, jossa suorituskyky yksin ei ole enää riittävä. Luotettavuus, avoimuus ja valvonta ovat muodostumassa määräävän vaatimuksiksi yritysten tekoälysoinnille.

Jos nämä elementit voidaan standardoida, tekoäly voi lopulta siirtyä eristetyistä koekäytöistä täysimittaisten operaatioiden pariin koko yrityksessä.