Planificarea, PoC și Producția unei Soluții de Întreprindere Bazate pe Inteligență Artificială de Succes

Întreprinderile accelerează inițiativele lor de inteligență artificială (IA) într-un ritm rapid. Un studiu realizat de Algorithmia a arătat că 76 la sută dintre directorii IT prioritizează și cresc bugetele lor IT pentru a se concentra mai mult pe soluții de IA și învățare automată (ML). Organizațiile recunosc, de asemenea, importanța datelor și majoritatea acceptă faptul că 80 la sută din datele întreprinderilor sunt nestructurate din punct de vedere al naturii.

Datele nestructurate sunt produse și cresc într-un ritm alarmant într-o stivă de întreprindere. Unitatea de măsurare a fost schimbată de la terabytes la petabytes. Ca urmare, profesioniștii IT, CDO și CIO trebuie să facă față unor noi provocări pentru a satisface o cerere tot mai mare de date utilizabile și informații acționabile. În ciuda potențialului enorm al IA de a transforma orice industrie, doar 15 la sută din soluțiile de IA implementate până la sfârșitul anului 2022 vor fi de succes, iar mai puține dintre acestea vor genera un randament pozitiv al investițiilor.

Cea mai mare problemă este că majoritatea soluțiilor de IA ale întreprinderilor nu ajung să vadă lumina zilei din cauza nealinierii așteptărilor. Există în continuare concepții greșite despre posibilitățile IA, iar proiectele continuă să fie concepute pe modele bazate pe hype. Majoritatea produselor sau modelelor sunt departe de realitatea de zi cu zi a operațiunilor întreprinderii. Alți factori care determină ratele mai scăzute de succes includ: depășiri de cost, lipsa centrelor de excelență IA (CoE), talentul inexperimentat, indisponibilitatea datelor și politicile învechite, pentru a numi doar câteva.

Planificarea Deschide Calea Spre Succesul Întreprinderii IA

Datele nestructurate sunt date care lipsesc un model de date predefinit și includ totul, de la documente textuale și site-uri web la imagini, fișiere video, chatbot-uri, fluxuri audio și postări pe rețelele sociale. Având în vedere cantitatea tot mai mare de date nestructurate în arhitectura întreprinderii, este critic să aveți un plan eficient și incremental care se aliniază cu obiectivele tuturor părților interesate corporative. Obiectivele tipice la nivel organizațional pot include: automatizarea proceselor, detectarea fraudei, îmbunătățirea experienței clienților, îmbunătățirea securității, creșterea vânzărilor și așa mai departe. În timp ce unele dintre aceste obiective pot fi realizate destul de eficient, datorită naturii structurate a datelor, planificarea în jurul datelor nestructurate poate fi dificilă.

De obicei, planificarea începe cu identificarea zonelor de oportunitate în cadrul organizației. În timp ce poate exista o viziune grandioasă IA la nivelul conducerii executive, este critic să identificați o zonă care are un impact ridicat, un risc scăzut și o creștere continuă a datelor. Un exemplu bun de astfel de caz de utilizare ar fi funcția de procesare a creditelor în industria bancară și financiară. Originea creditului până la servicii este plină de procese manuale în care informațiile sunt introduse manual în sisteme în mod repetat. Diligența datoriei de împrumut implică o cantitate semnificativă de depunere de documente, ceea ce prezintă mai multe riscuri. Cu toate acestea, IA poate fi aplicată în mai multe domenii ale fluxului de lucru, inclusiv procesarea documentelor și detectarea fraudelor. Acesta este, de asemenea, un domeniu în care există o creștere continuă de la an la an a datelor.

Alți pași critici de luat în considerare în timpul acestei faze de planificare includ definirea criteriilor de succes măsurabile, formularea unei strategii de date coerente, pregătirea și feedback-ul continuu, precum și evaluarea experienței utilizatorului, a scalabilității și a infrastructurii.

Definirea Criteriilor de Succes Măsurabile (și Evitarea Momentului “Înainte de a Pune Carul în Fața Calului”)

Succesul inițial al Google poate fi atribuit instituirii Obiectivelor Cheie de Rezultate (OKR). În timp ce această abordare poate fi aplicată oricărui aspect al afacerilor sau obiectivelor personale, aplicarea acestei abordări dovedite către strategia dvs. de IA poate produce rezultate promițătoare. Cu toate acestea, atunci când vine vorba de date nestructurate, este o problemă în evoluție pe care industria în general o încearcă să o rezolve. Având în vedere provocările, liderii de afaceri ar trebui să pună diverse întrebări pentru a determina “ce” și “de ce”. De exemplu, dacă creșterea productivității este obiectivul cheie, două întrebări care ar putea fi răspuns sunt:

• Ar trebui să planific să îmbunătățesc productivitatea prin intermediul automatizării? sau
• Ar trebui să planific să rezolv 80 la sută din problema pentru 100 la sută din toate cazurile prezentate?

Răspunsurile la aceste întrebări duc la două călătorii de implementare diferite și este important să decideți care dintre ele ar fi potrivită pentru întreprinderea dvs.

În cazul datelor nestructurate, o altă zonă de măsurare ambiguă este acuratețea. În exemplul procesării creditelor, există atât de multă variabilitate în documentele prezentate de clienți, încât este critic pentru liderii de afaceri și tehnici să ajungă la un consens cu privire la modul în care se măsoară acuratețea soluției IA. Dacă productivitatea este unul dintre obiectivele instituirii unei soluții IA, atunci ar fi necesar să identificați alte domenii care afectează productivitatea. Acest lucru poate fi realizat prin examinarea procesului curent “așa cum este” și reimaginarea procesului cu automatizarea IA. Adesea, noile automatizări duc la noi etape în proces, cum ar fi gestionarea excepțiilor manuale, annotarea, pregătirea și altele. Cu aceste etape în loc, ar fi mai ușor să determinați cum să măsurați acuratețea.

Datele Sunt Viața Întreprinderii

Datele nestructurate au un grad ridicat de variabilitate în ceea ce privește modul în care informațiile sunt structurate și prezentate. Întreprinderile sunt pline de informații prezentate în documente, care, prin natura lor, au structuri complexe alcătuite din paragrafe, propoziții și, mai important, structuri de tabel multidimensionale. Pe lângă documente, organizațiile investesc din ce în ce mai mult în chatbot-uri, monitorizează datele de pe rețelele sociale și alte forme de date nestructurate, cum ar fi știrile, imaginile și videoclipurile.

Majoritatea organizațiilor subestimează cantitatea de date disponibile și accesibile. Adesea, provocarea este atât de simplă, încât trebuie să depășiți restricțiile de conformitate și să partajați date în cadrul organizației. Cu toate acestea, având date curate și cu o variabilitate ridicată permite o evaluare mai bună a unei probleme și proiectarea unei soluții optime.

Un alt factor important de luat în considerare este care este rezultatul așteptat de la aceste date nestructurate. Acest lucru va asigura o cantitate precisă de date de referință, de pregătire și de testare. Revenind la exemplul procesării creditelor, dacă rezultatul acestei soluții IA este de a determina soldurile zilnice medii ale solicitanților, datele de referință și de pregătire pot fi foarte concentrate în jurul extraselor de cont bancar. Cu toate acestea, dacă accentul este pe determinarea solicitanților frauduloși prin intermediul extraselor de cont bancar prezentate, va trebui să aveți acces la o gamă mai largă de documente pentru a obține datele de referință și de pregătire necesare.

Scalarea de la PoC la Producție

Începerea unui Proiect de Concept (PoC) măsurabil asigură că toți stakeholderii înțeleg provocările, rezultatele și valoarea adăugată a unei soluții IA. Cu toate acestea, un PoC nu este același lucru cu o soluție gata de producție. Un PoC permite unei organizații să identifice lacunele, stimulează gândirea de proiectare pentru o soluție de producție și clarifică obiectivele și rezultatele cheie care ar trebui să fie atinse. Pentru a trece de la PoC la o soluție scalabilă, organizațiile ar trebui să planifice scenarii complexe de date care includ schimbări constante de date, indisponibilitatea datelor etichetate și un grad ridicat de variabilitate în formă și formate. La fel de important este reimaginarea fluxului de lucru, reînnoirea forței de muncă și determinarea infrastructurii potrivite, a costurilor, a performanței, a arhitecturii de date, a securității informaționale și a acordurilor de nivel de servicii (SLA).

Este absolut esențial să evaluați întregul flux de lucru și procesul de afaceri pentru a obține cele mai bune rezultate din orice soluție IA. Luând un exemplu din economia comportamentală, este critic să comparați rezultatul cu un punct de referință existent (cunoscut și sub numele de “dependență de referință”), în momentul în care se pot anticipa eficiențe mai bune înainte de producție prin proiectare și remapare a procesului.

Acest scenariu presupune că atât liderii de afaceri, cât și cei tehnici au convenit asupra unei abordări MI sau de învățare profundă pe baza PoC. Unele declarații de problemă pot fi deterministe și se poate adopta o abordare statistică pentru a rezolva problema, în timp ce alte provocări pot necesita o combinație de abordări MI și de rețele neuronale pentru a obține rezultatele dorite.

Unele soluții IA necesită integrarea Procesării Limbajului Natural (NLP). În timp ce modelele de limbaj general servesc ca o etapă fundamentală, majoritatea modelelor nu sunt proiectate pentru a satisface nevoile unice ale fiecărei declarații de problemă a întreprinderii și ar necesita o reglare fină. În același timp, majoritatea directorilor executivi sunt probabil să se entuziasmeze cu modele uriașe, cum ar fi GPT3, care necesită o putere de calcul semnificativă și pot avea o influență directă asupra randamentului investițiilor unei companii. Aceste modele sunt cel mai probabil nepotrivite pentru compania dvs.

Soluția dvs. de PoC IA este doar începutul unui proces lung, așa că țineți cont de următoarele:

• Nu alegeți o problemă complexă de rezolvat la stadiul PoC
• Aplicați gândirea de proiectare și examinați procesul dvs. de la capăt la capăt; anticipați și gestionați riscurile de la început
• Acuratețea nu este singura măsură; proiectați și planificați să construiți o soluție axată pe valoare, în loc de a atinge 100 la sută acuratețe
• Evaluați abordarea dvs. de IA; nu planificați pe modele bazate pe hype, ci alegeți abordarea cea mai optimă, care este modulară din punct de vedere al naturii
• Manageriați așteptările tuturor părților interesate pentru a asigura cel mai de succes rezultat
• Proiectați soluția și arhitectura dvs. pentru a se scala cu creșterea datelor dvs. pentru cel mai optim randament al investițiilor

Practici Optime pentru Soluții Bazate pe IA

Astăzi, majoritatea afacerilor întreprind una sau mai multe proiecte de IA. În ciuda intențiilor excelente și a muncii grele, multe programe de IA ale întreprinderilor nu reușesc să atingă așteptările, nu se extind și nu generează randamentul investițiilor dorit. Va dura ceva timp pentru a integra inteligența artificială ca o componentă de bază a afacerii, dar unele dintre practicile optime urmate de organizațiile de succes includ:

• Începeți cu un Centru de Excelență IA: Multe corporații mari, chiar și cele non-tehnice, au înființat Centre de Excelență IA (AI CoE) pentru a maximiza șansele de succes. Un AI CoE adună la un loc expertiza, resursele și oamenii necesari pentru a permite inițiativelor de transformare bazate pe IA. Beneficiile principale includ:
• Consolidarea învățării IA, a resurselor și a talentului într-un singur loc
• Dezvoltarea unei viziuni unificate IA și a unei strategii de afaceri
• Standardizarea abordărilor IA, a platformelor și a proceselor
• Identificarea noilor oportunități de venit pentru IA și inovație
• Extinderea eforturilor de știință a datelor prin punerea la dispoziție a IA pentru toate funcțiunile de afaceri
• Aprobarea Executivă: O strategie de IA este mai de succes prin abordarea de sus în jos. Extinderea piloților în întreaga organizație necesită aprobarea conducerii, abilitățile și datele necesare și stabilirea unei structuri organizaționale care să asigure că modelele rămân precise în timp.
• Disponibilitatea Datelor: Majoritatea organizațiilor au date izolate din diverse motive de conformitate. Cu toate acestea, datele sunt viața oricărei soluții IA, iar furnizarea acestor date este critică. Pe lângă furnizare, clasificarea și curățarea datelor sunt esențiale. Dezvoltarea unor date de referință și de pregătire precise poate face sau rupe o soluție IA.
• Arhitectura: Utilizarea IA este o schimbare de paradigmă pentru orice organizație, care necesită noi moduri de gândire și planificare. Proiectarea unei arhitecturi tehnice și operaționale optime crește șansele dvs. de succes. Acest lucru include noi funcții, cum ar fi operațiunile de învățare automată, operațiunile de date, pregătirea iterativă și annotarea, printre altele.
• Modularitate și Flexibilitate: Soluțiile bazate pe IA sunt încă în stadiul lor incipient, mai ales atunci când organizațiile se confruntă cu date nestructurate grele. Este critic să proiectați și să construiți o soluție modulară și flexibilă care să se poată extinde cu afacerea și cu provocările sale în creștere.

Stabilirea și începerea unei strategii de IA are un potențial enorm pentru majoritatea organizațiilor, iar cazurile de utilizare sunt nelimitate. Soluțiile de învățare automată și de învățare profundă ating fiecare aspect al unei organizații, de la vânzări și marketing la operațiuni zilnice. Cu toate acestea, așa cum se întâmplă cu construirea unei rachete sau inventarea unui nou gadget, succesul nu va fi atins odată. Soluțiile bazate pe IA ar trebui să fie abordate în etape și construite pe baza unor victorii mici, de-a lungul timpului.