Можем ли мы судить об ИИ по его ореолу, а не по рентабельности инвестиций?
Опубликовано: 2020-08-16Сейчас как никогда раньше предприятия должны доверять решению ИИ.
Этические последствия можно считать сомнительными, но это неизбежное зло.
Исследования и разработки для любого проекта ИИ часто требуют больших затрат
Пандемия Covid-19 сделала RoI на ИИ излишним. Всемирное внедрение ИИ развеяло миф о том, что ИИ требует значительных инвестиций в инфраструктуру, изменения процессов и рабочую силу. Было замечено, что решения на основе ИИ стали определяющим фактором выживания предприятия. Предприятия изменили свои приоритеты, чтобы пережить пандемию. Несколько стартапов начали действовать и создали решения на основе ИИ, которые помогли всем секторам.
В производственном секторе, например, для достижения социального дистанцирования только 50-75% сотрудников могут приходить на заводы. Эти сотрудники должны соблюдать правила социального дистанцирования и соблюдения масок. Поддержание конвейера в рабочем состоянии при обеспечении безопасности здоровья рабочей силы — это дополнительная ответственность, с которой сталкиваются предприятия.
Страх перед опечатыванием производственных помещений в случае выявления множественных положительных случаев среди сотрудников также имеет большое значение. Мониторинг социального дистанцирования и соблюдения масочного режима в любое время невозможен даже при наличии видеонаблюдения. Возможность человеческой ошибки и последующей игры с обвинением на рабочем месте только усиливает уже существующий стресс.
Сейчас как никогда раньше предприятия должны доверять решению ИИ. Компьютерное зрение, например, представляет собой решение для искусственного интеллекта, которое анализирует видео с камер видеонаблюдения в реальном времени и выдает предупреждения в режиме реального времени. Он может подключаться к уже существующей инфраструктуре видеонаблюдения и помогать работодателям отслеживать маски для лица наряду с несоблюдением социального дистанцирования в режиме реального времени. В отличие от людей, технология бинарна. Если человек без маски, будь то генеральный директор или стажер, система поднимет тревогу.
Это помогает обеспечить безопасность производственных помещений, поскольку снижает распространение вируса, а также повышает моральный дух сотрудников. Предприятия могут отображать процент соблюдения масок или социального дистанцирования на своем веб-сайте или отправлять сообщения сотрудникам с анализом данных в конце их смены. Решения Computer Vision упрощают управление скоплением людей в таких местах, как столовые, и обеспечивают ротацию смен для обеспечения максимальной производительности. ИИ также помогает предприятию оставаться на плаву, создавать безопасные условия для работы, а также способствует повышению морального духа сотрудников.
Чем можно измерить, тем можно управлять. Факты и цифры, появляющиеся в отраслях, которые инвестировали в ИИ с точки зрения B2B, особенно в отношении ощутимой рентабельности инвестиций, ясно показывают тенденцию. Для многих отраслей этот показатель рентабельности является субъективным. Например, решения HSE используют ИИ, который помогает предотвращать несчастные случаи, инвалидность и смертность. Жизни спасены, потому что решение на основе ИИ отслеживает путь вилочного погрузчика и выдает предупреждение в режиме реального времени, когда на его пути появляется пешеход.
Выявление опасностей, мониторинг средств индивидуальной защиты, противопожарных и температурных режимов — это лишь некоторые аспекты, в которых ИИ смог обеспечить высокий уровень точности, предотвращая несчастные случаи. Материальная часть варьируется от практических идей, которые ведут к надежному каналу продаж для продуктовой компании, просто определяя модели привычек людей в розничной торговле и, в свою очередь, улучшая покупательский опыт. Пандемия вызвала беспрецедентный всплеск онлайн-покупок, предоставив компаниям данные для анализа выбора покупателей. Использование ИИ в этом случае приведет к более точному профилированию людей и таргетированной рекламе.
Этические последствия можно считать сомнительными, но это неизбежное зло. Цифровой след существовал всегда, ИИ использует его для понимания закономерностей и предоставления информации, которая в противном случае была бы невидима для человека. ИИ оживил различные аспекты целого ряда отраслей, таких как здравоохранение, розничная торговля, образование, цепочка поставок и производство. Будь то эффективность процессов, безопасность, потери, прогнозирование рынка или планирование ресурсов, ИИ имеет прочную основу во всех этих функциях.
Хотя фактическая статистика окупаемости инвестиций для предприятий, внедривших ИИ в 2020 году, еще не опубликована, исследование Gartner 2019 года дает реалистичную картину. Около 37% организаций внедрили искусственный интеллект в той или иной форме в 89 странах. Это соответствует прибл. на 270% больше, чем за последние четыре года. Прогнозируется, что к 2021 году 80% новых технологий будут иметь ту или иную основу для ИИ.
Проблемы освещены в отчете AI Stats News. В нем утверждается, что около 65% компаний не получили прибыли от своих инвестиций в ИИ. Также было признано, что исследования и разработки в этой области еще не полностью раскрыли свой потенциал. Это несоответствие может быть связано с рядом элементов, которые учитывают разные этапы процесса развертывания ИИ, в сочетании с острой нехваткой талантов и проблемами управления временем.
Рекомендуется для вас:
Как платформа агрегатора учетных записей RBI предназначена для преобразования финансовых технологий в Индии
Предприниматели не могут создавать устойчивые масштабируемые стартапы с помощью Jugaad: Cit...
Как Metaverse изменит индийскую автомобильную промышленность
Что означает положение о борьбе со спекуляцией для индийских стартапов?
Как стартапы Edtech помогают повысить квалификацию рабочей силы Индии и стать готовыми к будущему ...
Технологические акции нового века на этой неделе: проблемы Zomato продолжаются, EaseMyTrip публикует...
Гонка за возвратом инвестиций
Экстренное внедрение ИИ определенно принесет свою долю неприятностей, таких как игнорирование важных параметров, таких как защита конфиденциальности сотрудников. Однако предприятия не должны рассматривать ИИ как единую однородную сущность. Определение правильной реализации имеет решающее значение для достижения ощутимой окупаемости каждой технологии нового века в бизнес-экосистеме по всему миру. Каждая отрасль и организация уникальны, и ключ в том, чтобы определить, что именно соответствует их требованиям.
Исследования и разработки для любого проекта ИИ часто требуют больших затрат. Для обучения алгоритма ИИ требуется большой объем данных. Одно из основных препятствий, с которым сталкиваются организации, — отсутствие подходящего набора данных для обучения ИИ. Неправильные метки или отсутствующие значения в конечном итоге приводят к расхождениям в результатах.
Согласно обзору MIT Sloan Management Review и опросу BCG, около 40% организаций, делающих «значительные инвестиции» в ИИ, не сообщают о прибылях от ИИ для бизнеса. Крайне важно быть информированным о том, что ИИ может и чего не может делать. С помощью чат-ботов, основанных на НЛП, по-прежнему сложно обеспечить человекоподобный персонализированный опыт, поскольку ИИ не может имитировать человеческие эмоции и сочувствие. Прозрачность имеет решающее значение; если люди знают, что разговаривают с чат-ботом, они не ожидают, что у него будут человеческие эмоции, и будут более фактическими в своем разговоре.
Многие банки уже запустили форму смешанного чата, в которой чат-бот сначала получает такие детали, как имя, проблема, с которой столкнулись, и другие детали, прежде чем приглашать человека для продолжения разговора. Это помогает сэкономить время и деньги организации, т.к. сотрудников уменьшается. Чем больше данных проникает в систему, тем лучше у НЛП-ботов получается решать более сложные вопросы.
Бизнес-лидеры, которые имеют реалистичные ожидания от ИИ, в долгосрочной перспективе добиваются большего успеха. Основные протоколы, которые помогают им лучше понимать и использовать ИИ:
- Организации должны участвовать в сборе стратегических данных
- Необходимость в унифицированных хранилищах данных
- Повсеместная автоматизация
- Принятие и осознание новых ролей в этой области, таких как специалист по данным, аналитик данных, инженер по машинному обучению.
- Разделение труда на основе предметной экспертизы для новых ролей
Три столпа успешного внедрения ИИ
Эксперты в предметной области, такие как Эндрю Нг, настаивают на том, что тремя столпами интеллекта для успешного развертывания ИИ в любой организации являются деловая, технологическая и этическая осмотрительность. Команда по продажам и маркетингу, обладающая интуицией и опытом, должна уделять равное внимание аналитике, основанной на данных, при принятии бизнес-решений. Этика с точки зрения конфиденциальности данных, конфиденциальности и обучения конечных пользователей составляет основу любой организации, управляемой ИИ.
При этичном использовании ИИ может демократизировать мир. Важно создавать межфункциональные команды, в которых знания предметной области пересекаются. Это помогает экспертам лучше разрабатывать стратегии на основе целостной перспективы. Это долгосрочный актив, который помогает организациям планировать ключевые показатели эффективности и расставлять приоритеты на основе данных.
Чтобы создать прочную основу и эффективную рентабельность инвестиций, организации должны ставить прагматичные цели, когда речь идет о внедрении ИИ в свою деятельность. ИИ — это новая область, и в настоящее время очевидно, что из-за отсутствия понимания использования ИИ многие организации не знают, как правильно его использовать. Организации должны принять эти небольшие, но эффективные протоколы, чтобы добиться успеха. Это:
- Приоритизация пилотных проектов ИИ
- Создайте внутреннюю команду ИИ
- Обеспечьте базовое обучение ИИ для кросс-функциональных команд в организации.
- Развивайте внутреннюю и внешнюю коммуникацию: информируйте заинтересованных лиц о том, как ваша компания ориентируется и разрабатывает стратегию интеграции ИИ в операции.
Существуют распространенные заблуждения относительно инвестиций в ИИ. Утверждается, что ИИ требует значительных инвестиций в инфраструктуру, изменения процессов и рабочую силу. Точно так же часто можно услышать, что обычно не раньше, чем через несколько лет, организации видят рентабельность инвестиций. Это не может быть дальше от истины. Современные механизмы искусственного интеллекта могут работать локально, используя ускорители, такие как GPU от NVIDIA, для доступа к данным на месте.
Это могут быть визуальные данные с камер видеонаблюдения, оперативные данные с машин и их контроллеров. Современные движки ИИ также быстрые, гибкие и чрезвычайно легкие. Сложные конвейеры искусственного интеллекта для отслеживания, обнаружения и классификации на 8 потоках камер со скоростью 30 кадров в секунду могут работать на периферийном устройстве стоимостью менее 100 долларов США и могут быть развернуты в течение нескольких недель.
Организациям становится намного проще определять и создавать пайплайны в соответствии со своими потребностями. Понимание, которое дает ИИ, позволяет организации сократить расходы, обеспечить безопасность и повысить качество, что приводит к ощутимой рентабельности инвестиций.
Вывод
Экономики по всему миру падают, надвигаются облака рецессии. ИИ обеспечивает серебряную подкладку в эти темные времена. Пандемия создала мощные экосистемы искусственного интеллекта по всему миру. Это помогло логистике, распределению цепочки поставок и продажам, позволив организациям работать как можно ближе к оптимальным после блокировки. Заработали предприятия, спасено несколько жизней. Каждая рупия, вложенная в систему искусственного интеллекта, подходящую для организации, помогла сэкономить гораздо больше.
Со временем появится реальная статистика. В новом мире также потребуются другие параметры для оценки всего, в том числе RoI для реализации решения ИИ. На данный момент в центре внимания находится ИИ. Хотя некоторые люди ожидают шипов, мир ясно видит ореол.