Adoptarea cu succes a inteligenței artificiale necesită 3 componente — Majoritatea companiilor au doar 2

La acest punct, inteligența artificială nu mai este o tehnologie nouă. Eficacitatea sa dovedită în analiza datelor, recunoașterea modelelor și sinteza cunoștințelor poate face echipele mai eficiente. Dar, în ciuda valorii incontestabile a inteligenței artificiale, cercetările recente arată că doar 13% dintre companii au adoptat-o în mod extensiv. Majoritatea companiilor joacă în siguranță, folosind inteligența artificială doar pentru sarcinile cu risc minim. Ce împiedică brandurile să se implice pe deplin și să recolteze beneficiile? Decalajul dintre aspirațiile și realizările inteligenței artificiale se datorează unei deficiențe structurale.

Legătura lipsă.

Adoptarea cu succes și pe scară largă a inteligenței artificiale necesită trei componente: infrastructură, aplicație și date. Stratul de infrastructură cuprinde modelul de inteligență artificială, ale cărui cadre definesc direct utilizarea și ieșirile potențiale.

Stratul de aplicație este locul unde trăiesc soluțiile software. Aici se generează cea mai mare parte a valorii inteligenței artificiale; aici utilizatorii interacționează (poate indirect) cu inteligența artificială și examinează ieșirile sale; este nucleul procesului de luare a deciziilor informate de inteligența artificială.

Între aceste straturi se află stratul de date, și acesta este componenta cu care majoritatea companiilor au dificultăți – indiferent dacă sunt conștiente de acest lucru sau nu. Acest strat conține, desigur, toate datele; date care se potrivesc cu modelele de inteligență artificială subiacente și care conduc la construirea aplicațiilor. Calitatea stratului de date informează direct ieșirea la nivelul de aplicație. Date de calitate superioară și abundente pot susține cazuri de utilizare robuste, în timp ce datele discutabile sau inadecvate nu pot.

Până când organizațiile nu pot construi – sau nu pot colabora cu companii care construiesc – toate cele trei straturi ale adoptării inteligenței artificiale, nu vor obține valoarea maximă.

Implicațiile dezechilibrului.

Ieșirea inteligenței artificiale va fi întotdeauna condiționată de datele pe care le primește. Dacă o organizație dorește ca inteligența sa artificială să poată prezice structuri moleculare sintetice, va trebui să îi furnizeze o mulțime de date fizice. Dacă un retailer dorește să utilizeze inteligența artificială pentru a prezice comportamentul utilizatorilor și pentru a îmbunătăți experiența digitală, va trebui să îi furnizeze date comportamentale.

Dacă companiile (sau partenerii lor) nu pot susține în mod adecvat instrumentele de inteligență artificială cu suficiente date, implicațiile vor fi de anvergură. În primul rând, există soluția de inteligență artificială în sine. Cel mai bun caz este că va fi operațională din punct de vedere tehnic, deși nu la nivelul dorit. Ieșirile pot fi slabe, lipsite de strălucire sau lipsite de insighturi în totalitate. Dincolo de acest rezultat “cel mai bun” se află un rezultat mai probabil: halucinații ale inteligenței artificiale, ieșiri eronate și un randament negativ al investiției. Nu numai că investiția va fi irosită, dar organizațiile ar putea fi nevoite să cheltuiască mai mult pentru a controla daunele.

Prin extinderea de la implicațiile imediate, putem vedea implicațiile mai largi ale unei soluții de inteligență artificială lipsite de date. În general, companiile adoptă inteligența artificială pentru a face mai mult: a obține mai multe insighturi, a deservi mai mulți clienți, a opera mai eficient. Dacă organizațiile investesc timp și resurse într-un instrument de inteligență artificială care nu funcționează, au împiedicat în mod efectiv propria creștere, limitându-și capacitatea de a se adapta la piață și de a depăși concurența. Acest lucru le va pune în dezavantaj și le va face să se străduie să recupereze timpul, resursele și – posibil – clienții pierduți.

Dar nu este pierdută speranța; există multe lucruri pe care organizațiile le pot face pentru a se poziționa bine, a corecta (sau a preveni) un dezechilibru de inteligență artificială și a merge mai departe.

Umplerea golului cu datele potrivite.

Cu riscul de a simplifica prea mult, cel mai bun lucru pe care îl pot face liderii pentru a evita un dezechilibru de inteligență artificială este să își facă temeinic datoria de a cerceta înainte de a trece la orice soluție bazată pe inteligență artificială. Înainte de a implementa un nou instrument, ia timp pentru a învăța despre originea datelor și despre modul în care sunt generate.

Dacă furnizorul dvs. de soluții sau inginerul dvs. principal nu vă poate oferi un răspuns direct despre sursa, calitatea sau cantitatea datelor subiacente, ar trebui să vă sună alarma. Obțineți o a doua sau a treia opinie de la partenerii de canal și integratori. Colectați informații de la rețelele de discuții ale utilizatorilor, cum ar fi Reddit și Discord; vedeți unde alți adoptatori au întâmpinat obstacole. Știind ce semne de avertizare să căutați înainte de a lua orice decizie vă poate ajuta pe lideri să evite o lume de dureri de cap și așteptări neîmplinite.

Desigur, această previziune nu este întotdeauna posibilă și nu va ajuta organizațiile care se confruntă cu o lipsă de date de inteligență artificială. Dacă abandonarea soluției existente nu este o opțiune, următoarea cea mai bună variantă este găsirea unui mod de a injecta mai multe date, astfel încât instrumentul să aibă mai mult context, modele și insighturi de la care să poată face extragerea.

Datele sintetice sunt o opțiune aici, dar nu este un remediu universal. Poate fi dificil să identifici exact originea datelor sintetice, deci nu va fi întotdeauna cel mai bun drum de urmat. Cu toate acestea, există un moment și un loc pentru datele sintetice. De exemplu, ele excelează la antrenarea modelelor de securitate a inteligenței artificiale, mai ales într-un mod advers. Ca întotdeauna, efectuarea de cercetări preliminare înainte de a se implica pe deplin va ajuta liderii să ia cele mai bune decizii pentru afacerile lor.

Pentru industrii precum retail sau restaurante cu servire rapidă (QSR), se preferă datele umane. Companiile din aceste industrii sunt probabil să utilizeze inteligența artificială pentru a-și optimiza experiența clienților, deci instrumentele lor ar trebui să fie antrenate pe date comportamentale umane. De exemplu, dacă doriți să preziceți cât de mult vor derula utilizatorii pe o pagină, ați dori ca inteligența artificială să își bazeze prezicerea pe comportamentul uman real în condiții similare.

În unele cazuri, obținerea unui aport de date umane nu este atât de mult despre obținerea de noi date, cât despre activarea datelor existente. Vizitatorii site-ului și ai aplicației sunt deja acolo – este doar o chestiune de a captura, structura și analiza datelor lor comportamentale, astfel încât instrumentele de inteligență artificială să le poată utiliza.

La sfârșitul zilei, a avea date insuficiente este mai bine decât a avea date proaste; orice pot face organizațiile pentru a curăța soluțiile lor va ajuta la obținerea de rezultate mai bune.

De unde să începeți.

A fi lipsit de date de inteligență artificială poate reprezenta o provocare considerabilă pentru organizații de orice dimensiune, și poate fi descurajant doar să se gândească la pașii următori. Dar chiar și recunoașterea problemei este o realizare în sine. De acolo, este vorba despre găsirea pașilor mici, realizabili, pe care îi puteți aborda unul câte unul.

Inteligența artificială oferă o promisiune uriașă – dar doar pentru cei dispuși să investească în fiecare dintre componentele sale cheie: infrastructură, aplicație și date. Fără aceste straturi, chiar și cea mai elegantă soluție de inteligență artificială va eșua. Organizațiile care vor umple golul de date acum nu vor doar evita să rămână în urmă; vor dicta ritmul.