Droga do dojrzałości AI – raport LXT 2023

Obecnie firmy zorientowane na innowacje inwestują znaczne zasoby w systemy sztucznej inteligencji (AI), aby przyspieszyć rozwój swojej dojrzałości w zakresie sztucznej inteligencji. Według IDCoczekuje się, że światowe wydatki na systemy zorientowane na sztuczną inteligencję przekroczą 300 miliardów dolarów do 2026 r. w porównaniu do 118 miliardów dolarów w 2022 r.

W przeszłości systemy AI częściej ulegały awariom ze względu na brak dojrzałości procesów. O 60-80% projektów AI kończyło się niepowodzeniem z powodu złego planowania, braku wiedzy specjalistycznej, nieodpowiedniego zarządzania danymi lub problemów z etyką i uczciwością. Jednak z każdym rokiem liczba ta wzrasta.

Obecnie wskaźnik niepowodzeń projektów AI wynosi średnio 46%– wynika z najnowszego raportu LXT. Prawdopodobieństwo awarii sztucznej inteligencji dodatkowo spada do 36% w miarę postępów firmy na drodze do dojrzałości sztucznej inteligencji.

Przyjrzyjmy się bliżej ścieżce organizacji do dojrzałości sztucznej inteligencji, różnym modelom i ramom, jakie może zastosować, a także głównym czynnikom biznesowym niezbędnym do budowania skutecznego Strategia AI.

Co to jest dojrzałość AI?

Dojrzałość sztucznej inteligencji odnosi się do poziomu zaawansowania i wyrafinowania, jaki osiągnęła firma w zakresie przyjmowania, wdrażania i skalowania technologii obsługujących sztuczną inteligencję w celu ulepszenia swoich procesów biznesowych, produktów lub usług.

Według Raport dojrzałości LXT AI 202348% średnich i dużych organizacji w USA osiągnęło wyższy poziom dojrzałości sztucznej inteligencji (omówiony poniżej), co stanowi wzrost o 8% w porównaniu z wynikami ankiety z poprzedniego roku, podczas gdy 52% organizacji aktywnie eksperymentuje ze sztuczną inteligencją.

Ze sprawozdania wynika, że ​​najbardziej obiecującą pracę wykonano w Przetwarzanie języka naturalnego (NLP) i rozpoznawanie mowy domeny – podkategorie AI – ponieważ w nich było najwięcej wdrożonych rozwiązań w różnych branżach.

Co więcej, branża produkcyjna i łańcuch dostaw ma najniższy wskaźnik niepowodzeń projektów AI (29%), podczas gdy handel detaliczny i e-commerce ma najwyższy (52%).

Odkrywanie różnych modeli dojrzałości sztucznej inteligencji

Zazwyczaj organizacje oparte na sztucznej inteligencji opracowują modele dojrzałości sztucznej inteligencji dostosowane do ich potrzeb biznesowych. Jednak podstawowa koncepcja dojrzałości pozostaje spójna we wszystkich modelach, koncentrując się na rozwijaniu możliwości związanych ze sztuczną inteligencją w celu osiągnięcia optymalnej wydajności biznesowej.

Niektóre wybitne modele dojrzałości zostały opracowane przez Gartner, IBM, Microsoft. Mogą służyć jako wskazówki dla organizacji na drodze do wdrożenia sztucznej inteligencji.

Przyjrzyjmy się pokrótce modelom dojrzałości sztucznej inteligencji opracowanym przez firmy Gartner i IBM poniżej.

Model dojrzałości sztucznej inteligencji Gartnera

Gartner ma 5-poziomowy model dojrzałości AI, którego firmy mogą używać do oceny swojego poziomu dojrzałości. Omówmy je poniżej.

Ilustracja modelu dojrzałości AI firmy Gartner. Źródło: Raport LXT 2023

• Poziom 1 – Świadomość: Organizacje na tym poziomie rozpoczynają dyskusję nad możliwymi rozwiązaniami AI. Nie prowadzi się jednak żadnych projektów pilotażowych ani eksperymentów sprawdzających wykonalność tych rozwiązań na tym poziomie.
• Poziom 2 – Aktywny: Organizacje są na początkowym etapie eksperymentów ze sztuczną inteligencją i projektów pilotażowych.
• Poziom 3 – Operacyjny: Organizacje na tym poziomie podjęły konkretne kroki w kierunku przyjęcia sztucznej inteligencji, łącznie z przeniesieniem co najmniej jednego projektu AI do produkcji.
• Poziom 4 – Systematyczny: Organizacje na tym poziomie wykorzystują sztuczną inteligencję w większości swoich procesów cyfrowych. Ponadto aplikacje oparte na sztucznej inteligencji ułatwiają produktywną interakcję wewnątrz i na zewnątrz organizacji.
• Poziom 5 – Transformacyjny: Organizacje przyjęły sztuczną inteligencję jako nieodłączną część swoich procesów biznesowych.

Zgodnie z tym modelem firmy zaczynają osiągać dojrzałość AI już od poziomu 3.

Ramy dojrzałości IBM AI

IBM ma rozwinięty własną, unikalną terminologię i kryteria oceny dojrzałości rozwiązań AI. Trzy fazy struktury dojrzałości sztucznej inteligencji IBM obejmują:

Fazy ​​struktury dojrzałości IBM AI

• Srebro: Na tym poziomie możliwości sztucznej inteligencji przedsiębiorstwa badają odpowiednie narzędzia i technologie, aby przygotować się na przyjęcie sztucznej inteligencji. Obejmuje także zrozumienie wpływu sztucznej inteligencji na biznes, przygotowanie danych i inne czynniki biznesowe związane ze sztuczną inteligencją.
• Złoto: Na tym poziomie organizacje osiągają przewagę konkurencyjną, dostarczając znaczące wyniki biznesowe za pośrednictwem sztucznej inteligencji. Ta funkcja sztucznej inteligencji zapewnia rekomendacje i wyjaśnienia poparte danymi, jest przydatna dla użytkowników biznesowych i zapewnia dobrą higienę i automatyzację danych.
• Platinum: Ta zaawansowana funkcja sztucznej inteligencji sprawdza się w przypadku przepływów pracy o znaczeniu krytycznym. Dostosowuje się do przychodzących danych użytkownika i zapewnia jasne wyjaśnienia wyników AI. Istnieją również solidne środki w zakresie zarządzania danymi i zarządzania, które wspierają zautomatyzowane podejmowanie decyzji.

Główne bariery na drodze do osiągnięcia dojrzałości AI

Organizacje, które chcą osiągnąć dojrzałość, stoją przed kilkoma wyzwaniami. The Raport LXT 2023 identyfikuje 11 barier, jak pokazano na poniższym wykresie. Omówmy tutaj niektóre z nich.

Wykres wyzwań związanych z dojrzałością AI. Źródło: Raport LXT 2023

1. Integracja AI z istniejącą technologią

Około 54% organizacji stoi przed wyzwaniem integracji starszej lub istniejącej technologii z systemami AI, co czyni ją największą przeszkodą w osiągnięciu dojrzałości.

2. Jakość danych

Wysokiej jakości dane szkoleniowe są niezbędne do tworzenia dokładnych systemów sztucznej inteligencji. Gromadzenie wysokiej jakości danych pozostaje jednak dużym wyzwaniem w osiągnięciu dojrzałości. Z raportu wynika, że ​​87% firm jest skłonnych zapłacić więcej za uzyskanie wysokiej jakości danych szkoleniowych.

3. Luka w umiejętnościach

Bez odpowiednich umiejętności i zasobów organizacje mają trudności z tworzeniem skutecznych przypadków użycia sztucznej inteligencji. W rzeczywistości 31% organizacji boryka się z problemem braku wykwalifikowanych pracowników, którzy mogliby wspierać inicjatywy związane ze sztuczną inteligencją i osiągać dojrzałość.

4. Słaba strategia AI

Większość sztucznej inteligencji, którą obserwujemy w systemach świata rzeczywistego, można sklasyfikować jako słabą lub wąską. Jest to sztuczna inteligencja, która może wykonywać skończony zestaw zadań, do których została przeszkolona. Około 20% organizacji nie ma kompleksowej strategii AI.

Aby stawić czoła temu wyzwaniu, firmy powinny jasno zdefiniować i udokumentować swoje cele w zakresie sztucznej inteligencji, inwestować w wysokiej jakości dane i wybierać odpowiednie modele do każdego zadania.

Główne czynniki biznesowe wpływające na rozwój strategii sztucznej inteligencji

Połączenia Dojrzałość LXT raport identyfikuje dziesięć kluczowych czynników biznesowych dla sztucznej inteligencji, jak pokazano na poniższym wykresie. Omówmy tutaj niektóre z nich.

Ilustracja kluczowych czynników biznesowych dla sztucznej inteligencji. Źródło: Raport LXT 2023

1. Sprawność biznesowa

Elastyczność biznesowa odnosi się do tego, jak szybko organizacja może dostosować się do zmieniających się trendów i możliwości cyfrowych, korzystając z innowacyjnych rozwiązań biznesowych. Pozostaje głównym czynnikiem wpływającym na strategie sztucznej inteligencji dla około 49% organizacji.

Sztuczna inteligencja może pomóc firmom osiągnąć elastyczność biznesową, umożliwiając szybsze i dokładniejsze podejmowanie decyzji, automatyzując powtarzalne zadania i poprawiając efektywność operacyjną.

2. Przewidywanie potrzeb klienta

Około 46% organizacji uważa przewidywanie potrzeb klientów za jeden z kluczowych czynników biznesowych w przypadku strategii AI. Wykorzystując sztuczną inteligencję do analizy danych klientów, firmy mogą uzyskać wgląd w zachowania, preferencje i potrzeby klientów, co pozwala im dostosować swoje produkty i usługi tak, aby lepiej spełniały oczekiwania klientów.

3. Przewaga konkurencyjna

Przewaga konkurencyjna pozwala firmom wyróżnić się na tle konkurencji i zyskać przewagę na rynku. Według 41% organizacji jest to kluczowy czynnik napędzający strategie sztucznej inteligencji.

4. Usprawnij podejmowanie decyzji

Zautomatyzowane podejmowanie decyzji w oparciu o sztuczną inteligencję może znacznie skrócić czas wymagany do podejmowania kluczowych decyzji w oparciu o dane. Dlatego około 42% organizacji uważa usprawnienie procesu decyzyjnego za główny czynnik biznesowy w zakresie strategii sztucznej inteligencji.

5. Rozwój produktu

Z uznania za główny czynnik biznesowy strategii sztucznej inteligencji w 2021 r., rozwój innowacyjnych produktów spadł na siódme miejsce, przy czym 39% organizacji uznało to za czynnik napędzający biznes w 2023 r.

Pokazuje to, że zastosowanie AI w procesach biznesowych nie zależy wyłącznie od jakości produktu. Inne aspekty biznesowe, takie jak wysoka odporność, zrównoważony rozwój i szybki czas wprowadzenia produktu na rynek, mają kluczowe znaczenie dla sukcesu firmy.

Więcej informacji na temat najnowszych trendów i technologii w sztucznej inteligencji znajdziesz na stronie zjednoczyć.ai.