Tinjauan Laporan: Laporan Tahunan Appen tentang Kondisi AI

Appen Limited, pemimpin global AI dalam penyediaan sumber data, persiapan data, dan evaluasi model oleh manusia dalam skala besar, telah merilis laporan tahunan yang sangat dinantikan “Laporan Kondisi AI dan Pembelajaran Mesin”.

Laporan Kondisi AI dan Pembelajaran Mesin adalah laporan tahunan yang berfokus pada strategi yang diterapkan oleh perusahaan-perusahaan berbagai ukuran di berbagai industri saat mereka meningkatkan kematangan AI mereka. Edisi terbaru ini adalah yang kedelapan dirilis oleh Appen, dan menyoroti pendekatan terbaik untuk manajemen data dan keamanan, AI yang bertanggung jawab, dan penyedia data eksternal serta peran mereka dalam memajukan kemajuan.

Temuan Utama Laporan

Temuan utama laporan ini melibatkan sumber, kualitas, evaluasi, adopsi, dan etika.

Salah satu temuan utama laporan ini adalah bahwa 51% peserta setuju bahwa akurasi data sangat penting untuk penggunaan AI mereka. Hal ini sudah diketahui bahwa data yang akurat dan berkualitas sangat penting untuk kesuksesan model AI, tetapi banyak pemimpin bisnis memiliki kesenjangan yang signifikan antara ideal dan kenyataan dalam mencapai akurasi data, menurut laporan.

Temuan kunci lainnya adalah bahwa perusahaan semakin beralih fokus ke AI yang bertanggung jawab dan matang dalam strategi mereka. Jumlah pemimpin bisnis dan teknolog yang semakin besar bekerja untuk meningkatkan kualitas data yang mendorong proyek AI, yang mempromosikan dataset yang inklusif dan model yang tidak bias. Laporan menemukan bahwa 80% responden percaya bahwa keanekaragaman data “sangat penting” atau “penting”. Laporan juga menemukan bahwa 95% responden setuju bahwa data sintetis akan menjadi pemain kunci dalam menciptakan dataset yang inklusif.

Mark Brayan adalah CEO di Appen.

“Laporan Kondisi AI tahun ini menemukan bahwa 93% responden percaya bahwa AI yang bertanggung jawab adalah dasar dari semua proyek AI,” kata Brayan. “Masalahnya adalah, banyak yang menghadapi tantangan dalam membangun AI yang hebat dengan dataset yang buruk, dan itu menciptakan hambatan yang signifikan untuk mencapai tujuan mereka.”

Berikut adalah beberapa temuan kunci lainnya dari laporan:

• Sumber: 42% teknolog menyatakan bahwa tahap sumber data dalam siklus hidup AI sangat menantang, dan pemimpin bisnis kurang mungkin melaporkan sumber data sebagai sangat menantang (24%).
• Kualitas: Lebih dari setengah responden menyatakan bahwa akurasi data sangat penting untuk kesuksesan AI, tetapi hanya 6% melaporkan mencapai akurasi data di atas 90%.
• Evaluasi: Terdapat kesepakatan yang kuat tentang pentingnya pembelajaran mesin dengan manusia di dalamnya dengan 81% menyatakan bahwa itu sangat atau sangat penting. 97% melaporkan bahwa evaluasi manusia di dalamnya sangat penting untuk kinerja model yang akurat.
• Adopsi: Teknolog terbagi tentang apakah organisasi mereka telah melampaui atau setara dengan yang lain di industri mereka. Responden AS lebih mungkin menyatakan bahwa organisasi mereka telah melampaui yang lain di industri mereka dalam mengadopsi AI dibandingkan dengan responden Eropa.
• Etika: 93% responden setuju bahwa AI yang bertanggung jawab adalah dasar dari semua proyek AI dalam organisasi mereka.

Sujatha Sagiraju adalah Chief Product Officer di Appen.

“Sebagian besar upaya AI dihabiskan untuk mengelola data untuk siklus hidup AI, yang berarti itu adalah tugas yang luar biasa untuk AI memimpin untuk menanganinya sendiri – dan itu adalah area yang banyak orang kesulitan,” kata Sagiraju. “Mencari data berkualitas sangat penting untuk kesuksesan solusi AI, dan kami melihat organisasi menekankan pentingnya akurasi data.”

Wilson Pang adalah CTO di Appen.

“Akurasi data sangat penting untuk kesuksesan model AI dan ML karena data yang kaya secara kualitatif menghasilkan output model yang lebih baik dan pengolahan serta pengambilan keputusan yang konsisten,” kata Pang. “Untuk hasil yang baik, dataset harus akurat, komprehensif, dan dapat diskalakan.”

Anda dapat menemukan Laporan Kondisi AI dan Pembelajaran Mesin lengkap di sini.