Одним из способов, которыми организации используют последние алгоритмы искусственного интеллекта, чтобы помочь им расти, и процветать, является принятие частных моделей ИИ для согласования своих бизнес -стратегий.
Дифференциация между частным и публичным ИИ важна в этом контексте -большинство организаций справедливо заботятся о том, чтобы разрешить публичный AIS -Access к тому, что является конфиденциальными данными, такими как информация HR, финансовые данные и детали истории эксплуатации.
Он полагает, что если ИИ получает конкретные данные, чтобы основать свои ответы, его результаты будут более важными и, следовательно, более эффективными, чтобы помочь лицам, принимающим решения, судить как стратегическое. Использование индивидуальных двигателей рассуждений – это логический способ, которым компании могут получить лучшие результаты ИИ и сохранить свою интеллектуальную собственность в безопасности.
Специфичные для предприятия данные и возможность настройки локальной модели ИИ дают организациям возможность обеспечивать запланированный прогноз и оперативную настройку, которые в большей степени основаны на ежедневной реальности работы компании. Deloitte Strategic Insight Paper называет частный AI «адаптированный компас» и устанавливает использование внутренних данных в качестве конкурентного преимущества, а Accenture описывает AIS как «ожидается, что он обеспечивает наиболее значительный экономический рост и изменение работы с момента сельскохозяйственного и промышленного революций».
Тем не менее, существует вероятность того, что, как и традиционная бизнес -аналитика, используя исторические данные, нанесенные несколькими годами операций через компанию, может вводить принятие решений в соответствии с шаблонами из прошлого. Маккинси говорит, что компании рискуют «отражать свое институциональное прошлое в алгоритмической комнате». Гарвардский бизнес -обзор поднимает некоторую техническую сложность, утверждая, что акт установки модели, так что ее деятельность в большей степени связана с компанией, и, возможно, не задача, которая может выполняться кем -либо, кроме наиболее грамотного ИИ на уровне науки о данных и программирования.
MIT Sloane достигает баланса между заинтересованными адвокатами и консервативными голосами за частное ИИ в бизнес -стратегии. Он советует ИИ рассматриваться как совместный пилот, и поощряет постоянный допрос и контроль вывода ИИ, особенно когда ставки высоки.
Верить в революцию
Тем не менее, лица, принимающие решения, рассматривающие эту деятельность (для достижения волны ИИ, но сделать это частным, сознательным образом), могут захотеть рассмотреть мотивы этих источников советов, которые рекомендуют для этого для AI с поддержкой AE.
Например, Deloitte создает и управляет решениями искусственного интеллекта для клиентов, использующих пользовательскую инфраструктуру в качестве своих предложений, в качестве предложений, в то время как в Accenture есть практика, посвященные стратегии ИИ своих клиентов, таких как Accenture Applied Intelligence. Это сотрудничает с AWS и Azure, адаптируемыми AI Systems для компаний Fortune 500, среди прочего, и Deloitte являются партнерами с Oracle и Nvidia.
С «кожей в игре», такие фразы, как «самое значительное (…) изменение работы, потому что сельскохозяйственные и промышленные революции» и «адаптированный компас» вдохновляют, но мотивации продавцов не могут быть полностью альтруистичными.
Сторонники ИИ, как правило, справедливо привлекают внимание к способности выявлять тенденции и статистические подзадачи гораздо более эффективно, чем люди. Учитывая массу данных, доступных для современного предприятия, содержащего как внутреннюю, так и внешнюю информацию, наличие программ, которые могут анализировать масштаб данных, является невероятным преимуществом. Вместо того, чтобы вручную создавать анализ огромных месторождений данных, которые потребляют время, а ошибка-IAI можно увидеть с помощью кофе и поверхностного реального, доступного понимания.
Задавая правильные вопросы
Кроме того, модели искусственного интеллекта могут интерпретировать консультации, состоящие на обычном языке, и делать прогнозы на основе эмпирической информации, которая в контексте частного ИИ очень важна для организации. Относительно неверующий персонал может подвергать сомнению данные без возможностей в статистическом анализе или языках базы данных, а также получать ответы, которые в противном случае включали бы несколько команд и навыков, взятых из всего бизнеса. Эта экономия времени является значительной, позволяя организациям сосредоточиться на стратегии, вместо того, чтобы формировать необходимые точки данных и вручную подвергать сомнению информацию, которую им удалось собрать.
Однако как Маккинси, так и Гартнер предупреждают о трофей и данных о том. Об этом, исторических данных, могут не быть связаны со стратегическими, особенно если записи уходят на несколько лет. Trolley, возможно, лучше всего называется в контексте ИИ, поскольку операторы доверяют ответам ИИ без допроса, не погружаясь независимо в детали ответов или в некоторых случаях, принимая в качестве фактов ответы на плохое фразы.
Для любого алгоритма программного обеспечения человеческие фразы, такие как «основывая ваши выводы на наших исторических данных», открыты для интерпретации, в отличие от, например, «основывая свои выводы в данных о продажах последних двенадцати месяцев, игнорируя экстерьеры, которые отличаются от среднего уровня более 30%, хотя и заслуживают внимания, чтобы рассмотреть для меня».
Программное обеспечение из опыта
Организации могут заниматься частными решениями искусственного интеллекта наряду с зрелыми, существующими коммерческими интеллектуальными платформами. Организациям SAP -бизнеса почти 30 лет, но молодой человек по сравнению с SAS Business Intelligence, которая продолжалась до того, как Интернет стал основным в 1990 -х годах. Даже относительные новички, такие как Microsoft Power BI, представляют собой как минимум десятилетие разработки, итерацию, обратную связь от клиентов и реальное использование в бизнес-анализе. Поэтому кажется мудрым, что развертывание частного ИИ о торговых данных следует рассматривать как дополнение к снаряжению стратегии, а не серебряной пули, которая заменяет «традиционные» инструменты.
Для частных пользователей искусственного интеллекта, которые могут контролировать и устанавливать входные данные и внутренние алгоритмы своей модели, сохраняют человеческий контроль и обзор, это важно – так же, как и в таких инструментах, как бизнес -аналитика Oracle. Существуют некоторые сцены, где интеллектуальная обработка и производительность в данных в реальном времени (например, механизмы розничной цены онлайн) дают анализу AI конкурентное преимущество по сравнению с ответственными би-платформами. Но ИИ все еще должен превратиться в волшебный швейцарский армейский нож для бизнес -стратегии.
До тех пор, пока ИИ предназначен для анализа бизнес-данных, не будет таким же разработано, повторяется, боевая и созревающая, как и некоторые биплатформы рынка, ранние пользователи могут смягчить энтузиазм поставщиков искусственного интеллекта и ИИ с практическим опытом и критическим глазом. ИИ – это новый инструмент, который с большим потенциалом. Тем не менее, он остается первым поколением в своих нынешних, государственных и частных аспектах.
(«Источник выставления счетов» Pshutterbug – это CC на 2,0.)))
