10 passaggi per l'adozione dell'intelligenza artificiale nella tua azienda

L'intelligenza artificiale (AI) è chiaramente una forza in crescita nel settore tecnologico. L'intelligenza artificiale è al centro delle conferenze e mostra potenziale in un'ampia varietà di settori, tra cui vendita al dettaglio e produzione. Nuovi prodotti vengono integrati con assistenti virtuali, mentre i chatbot rispondono alle domande dei clienti su tutto, dal sito del fornitore del tuo ufficio online alla pagina di supporto del fornitore di servizi di web hosting. Nel frattempo, aziende come Google, Microsoft e Salesforce stanno integrando l'IA come livello di intelligence in tutto il loro intero stack tecnologico. Sì, l'IA sta sicuramente avendo il suo momento.

Questa non è l'IA che la cultura pop ci ha condizionato ad aspettarci; non sono robot senzienti o Skynet, e nemmeno l'assistente Jarvis di Tony Stark. Questo altopiano AI sta accadendo sotto la superficie, rendendo la nostra tecnologia esistente più intelligente e sbloccando la potenza di tutti i dati raccolti dalle aziende. Cosa significa: il diffuso avanzamento dell'apprendimento automatico (ML), la visione artificiale, l'apprendimento profondo e l'elaborazione del linguaggio naturale (NLP) hanno reso più semplice che mai la creazione di un livello di algoritmo AI nel tuo software o piattaforma cloud.

Per le aziende, le pratiche applicazioni AI possono manifestarsi in tutti i modi a seconda delle esigenze dell'organizzazione e delle intuizioni di business intelligence (BI) derivate dai dati raccolti. Le aziende possono utilizzare l'intelligenza artificiale per qualsiasi cosa, dal mining dei dati sociali alla promozione dell'impegno nella gestione delle relazioni con i clienti (CRM) fino all'ottimizzazione della logistica e dell'efficienza quando si tratta di tracciare e gestire le risorse.

ML svolge un ruolo chiave nello sviluppo dell'IA, ha osservato Luke Tang, General Manager del programma Global AI + Accelerator di TechCode, che incuba le startup dell'IA e aiuta le aziende a incorporare l'IA in aggiunta ai loro prodotti e servizi esistenti.

"In questo momento, l'intelligenza artificiale è guidata da tutti i recenti progressi in ML. Non c'è un singolo passo in avanti che puoi indicare, ma il valore aziendale che possiamo estrarre da ML ora è fuori scala", ha detto Tang. "Dal punto di vista aziendale, ciò che sta accadendo in questo momento potrebbe interrompere alcuni dei principali processi aziendali riguardanti il ​​coordinamento e il controllo: pianificazione, allocazione delle risorse e reportistica." Qui forniamo suggerimenti da alcuni esperti per spiegare i passi che le aziende possono intraprendere per integrare l'IA nella propria organizzazione e garantire che l'implementazione abbia successo.

1. Familiarità con l'IA

Prenditi il ​​tempo per familiarizzare con ciò che l'IA moderna può fare. TechCode Accelerator offre alle sue startup una vasta gamma di risorse attraverso le sue partnership con organizzazioni come la Stanford University e le società nel settore AI. Dovresti anche approfittare della ricchezza di informazioni e risorse online disponibili per familiarizzare con i concetti di base dell'IA. Tang raccomanda alcuni dei seminari remoti e corsi online offerti da organizzazioni come Udacity come semplici modi per iniziare con l'IA e per aumentare la tua conoscenza di aree come ML e analisi predittiva all'interno della tua organizzazione.

Di seguito sono riportate alcune risorse online (gratuite e a pagamento) che è possibile utilizzare per iniziare:

• Corso di introduzione all'intelligenza artificiale di Udacity e programma di nanodegree di intelligenza artificiale
• Lezioni online della Stanford University: Intelligenza artificiale: principi e tecniche
• Il corso di AI online di edX, offerto dalla Columbia University
• Cognitive Toolkit open-source di Microsoft (precedentemente noto come CNTK) per aiutare gli sviluppatori a padroneggiare algoritmi di deep learning
• Libreria di software TensorFlow open source (OS) di Google per l'intelligenza artificiale
• Risorse AI, una directory di codice open source della AI Access Foundation
• Pagina delle risorse della Association for the Advancement of Artificial Intelligence (AAAI)
• La delicata guida di MonkeyLearn all'apprendimento automatico
• Stephen Hawking e Elon Musk's Future of Life Institute
• OpenAI, un'industria aperta e un'iniziativa di apprendimento profondo a livello accademico

2. Identifica i problemi che vuoi che AI ​​risolva

Una volta che sei al passo con le basi, il passo successivo per qualsiasi azienda è iniziare a esplorare idee diverse. Pensa a come aggiungere le funzionalità AI ai tuoi prodotti e servizi esistenti. Ancora più importante, la tua azienda dovrebbe avere in mente casi d'uso specifici in cui l'IA potrebbe risolvere i problemi aziendali o fornire un valore dimostrabile.

"Quando lavoriamo con un'azienda, iniziamo con una panoramica dei suoi programmi e problemi tecnologici chiave. Vogliamo essere in grado di mostrargli come l'elaborazione del linguaggio naturale, il riconoscimento delle immagini, ML, ecc. Si adattano a quei prodotti, di solito con un seminario di qualche tipo con la direzione dell'azienda ", ha spiegato Tang. "Le specifiche variano sempre in base al settore. Ad esempio, se l'azienda esegue la videosorveglianza, può acquisire molto valore aggiungendo ML a tale processo."

3. Priorità al valore concreto

Successivamente, è necessario valutare il potenziale valore commerciale e finanziario delle varie possibili implementazioni AI che hai identificato. È facile perdersi nelle discussioni sull'intelligenza artificiale "pie in the sky", ma Tang ha sottolineato l'importanza di legare le tue iniziative direttamente al valore aziendale.

"Per stabilire le priorità, osserva le dimensioni del potenziale e della fattibilità e inseriscile in una matrice 2x2", ha detto Tang. "Questo dovrebbe aiutarti a stabilire le priorità in base alla visibilità a breve termine e a conoscere il valore finanziario per l'azienda. Per questo passaggio, di solito hai bisogno di proprietà e riconoscimento da parte di manager e dirigenti di alto livello."

4. Riconoscere il divario di capacità interno

Esiste una netta differenza tra ciò che si desidera ottenere e ciò che si ha la capacità organizzativa di raggiungere effettivamente entro un determinato periodo di tempo. Tang ha affermato che un'azienda dovrebbe sapere di cosa è capace e cosa non lo è dal punto di vista della tecnologia e dei processi aziendali prima di lanciarsi in una vera e propria implementazione dell'IA.

"A volte questo può richiedere molto tempo", ha detto Tang. "Affrontare il divario di capacità interno significa identificare ciò che è necessario acquisire e tutti i processi che devono essere evoluti internamente prima di iniziare. A seconda del business, potrebbero esserci progetti o team esistenti che possono aiutare a fare questo organicamente per determinate unità aziendali."

5. Partecipa agli esperti e crea un progetto pilota

Una volta che la tua azienda è pronta dal punto di vista organizzativo e tecnologico, è il momento di iniziare a costruire e integrare. Tang ha detto che i fattori più importanti qui sono iniziare in piccolo, avere in mente gli obiettivi del progetto e, soprattutto, essere consapevoli di ciò che sai e di ciò che non sai sull'intelligenza artificiale. È qui che può essere prezioso ricorrere a esperti esterni o consulenti di intelligenza artificiale.

"Non hai bisogno di molto tempo per un primo progetto; di solito per un progetto pilota, 2-3 mesi è un buon intervallo", ha detto Tang. "Volete riunire persone interne ed esterne in una piccola squadra, forse 4-5 persone, e quel lasso di tempo più stretto manterrà la squadra focalizzata su obiettivi semplici. Dopo che il pilota sarà completato, dovreste essere in grado di decidere quanto più a lungo a lungo termine, sarà un progetto più elaborato e se la proposta di valore ha senso per il tuo business. È anche importante che le competenze di entrambe le parti - le persone che conoscono il business e le persone che conoscono l'IA - siano unite nel tuo team di progetto pilota ".

6. Formare una task force per l'integrazione dei dati

Tang ha osservato che, prima di implementare ML nella tua azienda, devi ripulire i tuoi dati per renderli pronti ad evitare uno scenario "immondizia, immondizia". "I dati aziendali interni sono generalmente distribuiti in più silos di dati di diversi sistemi legacy e possono persino essere nelle mani di diversi gruppi aziendali con priorità diverse", ha detto Tang. "Pertanto, un passo molto importante verso l'ottenimento di dati di alta qualità è quello di formare una task force trasversale, integrare insieme diversi set di dati e risolvere le incongruenze in modo che i dati siano accurati e ricchi, con tutte le giuste dimensioni richieste per ML."

7. Inizia in piccolo

Inizia ad applicare l'IA a un piccolo campione dei tuoi dati piuttosto che assumere troppo presto. "Inizia in modo semplice, usa l'intelligenza artificiale in modo incrementale per dimostrare valore, raccogliere feedback e quindi espanderne di conseguenza", ha affermato Aaron Brauser, Vice President of Solutions Management presso M * Modal, che offre tecnologia di comprensione del linguaggio naturale (NLU) per le organizzazioni sanitarie e una piattaforma AI che si integra con la cartella clinica elettronica (EMR).

Un tipo specifico di dati potrebbe essere l'informazione su alcune specialità mediche. "Sii selettivo in ciò che l'IA leggerà", ha affermato il dott. Gilan El Saadawi, Chief Medical Information Officer (CMIO) presso M * Modal. "Ad esempio, scegli un determinato problema che vuoi risolvere, focalizza l'IA su di esso e dagli una domanda specifica per rispondere e non lanciarci tutti i dati."

8. Includi archiviazione come parte del tuo piano AI

Dopo essere uscito da un piccolo campione di dati, dovrai considerare i requisiti di archiviazione per implementare una soluzione AI, secondo Philip Pokorny, Chief Technical Officer (CTO) di Penguin Computing, una società che offre elaborazione ad alte prestazioni (HPC), soluzioni AI e ML.

"Il miglioramento degli algoritmi è importante per raggiungere i risultati della ricerca. Ma senza enormi volumi di dati per aiutare a costruire modelli più accurati, i sistemi di intelligenza artificiale non possono migliorare abbastanza per raggiungere i tuoi obiettivi di elaborazione", ha scritto Pokorny in un white paper intitolato "Decisioni critiche: una guida per Costruire la soluzione completa di intelligenza artificiale senza rimpianti ". "Ecco perché l'inclusione di archiviazione veloce e ottimizzata dovrebbe essere presa in considerazione all'inizio della progettazione del sistema di intelligenza artificiale".

Inoltre, è consigliabile ottimizzare l'archiviazione AI per l'immissione dei dati, il flusso di lavoro e la modellazione, ha suggerito. "Prendersi il tempo di rivedere le opzioni può avere un impatto enorme e positivo sul modo in cui il sistema gira una volta online", ha aggiunto Pokorny.

9. Incorporare l'IA come parte delle attività quotidiane

Con le informazioni aggiuntive e l'automazione fornite dall'intelligenza artificiale, i lavoratori hanno uno strumento per rendere l'IA una parte della loro routine quotidiana piuttosto che qualcosa che la sostituisce, secondo Dominic Wellington, Global IT Evangelist presso Moogsoft, un fornitore di AI per le operazioni IT (AIOps). "Alcuni dipendenti possono diffidare della tecnologia che può influire sul loro lavoro, quindi è importante introdurre la soluzione come un modo per aumentare le loro attività quotidiane", ha spiegato Wellington.

Ha aggiunto che le aziende dovrebbero essere trasparenti su come funziona la tecnologia per risolvere i problemi in un flusso di lavoro. "Ciò offre ai dipendenti un'esperienza" nascosta "in modo che possano visualizzare chiaramente come l'IA aumenta il loro ruolo anziché eliminarlo", ha affermato.

10. Costruisci con equilibrio

• L'intelligenza artificiale ha un problema di pregiudizio, ed è il nostro errore L'intelligenza artificiale ha un problema di pregiudizio, ed è il nostro errore
• L'intelligenza artificiale di IBM assume i campioni del dibattito umano L'intelligenza artificiale di IBM assume i campioni del dibattito umano
• L'intelligenza artificiale offre un potenziale enorme, ma non accadrà durante la notte L'intelligenza artificiale offre un potenziale enorme, ma non accadrà durante la notte

Quando stai costruendo un sistema di intelligenza artificiale, richiede una combinazione di soddisfare le esigenze della tecnologia e del progetto di ricerca, ha spiegato Pokorny. "La considerazione generale, anche prima di iniziare a progettare un sistema di intelligenza artificiale, è che si dovrebbe costruire il sistema con equilibrio", ha detto Pokorny. "Ciò può sembrare ovvio ma, troppo spesso, i sistemi di intelligenza artificiale sono progettati attorno a aspetti specifici di come il team prevede di raggiungere i suoi obiettivi di ricerca, senza comprendere i requisiti e i limiti dell'hardware e del software che supporterebbero la ricerca. Il risultato è un sistema non ottimale, persino disfunzionale, che non riesce a raggiungere gli obiettivi desiderati ".

Per raggiungere questo equilibrio, le aziende devono integrare una larghezza di banda sufficiente per l'archiviazione, l'unità di elaborazione grafica (GPU) e le reti. Anche la sicurezza è spesso una componente trascurata. L'intelligenza artificiale per sua natura richiede l'accesso a vaste aree di dati per svolgere il proprio lavoro. Assicurati di comprendere quali tipi di dati saranno coinvolti nel progetto e che le tue solite misure di sicurezza - crittografia, reti private virtuali (VPN) e anti-malware - potrebbero non essere sufficienti.

"Allo stesso modo, è necessario bilanciare il modo in cui viene speso il budget complessivo per realizzare la ricerca con la necessità di proteggere da interruzioni di corrente e altri scenari attraverso ridondanze", ha detto Pokorny. "Potrebbe essere necessario aumentare la flessibilità per consentire il riutilizzo dell'hardware in base alle modifiche dei requisiti degli utenti."