Inhalt
- Der Schlüssel zu besseren Geschäftsergebnissen durch Data Science
- Ausweitung der KI auf Personen mit Domain-Erfahrung
- Verstehen, was in die Entscheidungen einfließt
- Keine Bugs, kein Stress - Ihre schrittweise Anleitung zur Erstellung lebensverändernder Software, ohne Ihr Leben zu zerstören
- Lehren aus dem Aufstieg des Internets
- Technologie jetzt zugänglich machen
- Reduzierung des Risikos durch Reduzierung von Zeit und Kosten
Quelle: Denisismagilov / Dreamstime.com
Wegbringen:
Die Zukunft der KI besteht nicht in den beeindruckenden Mondschüssen, sondern im alltäglichen Gebrauch, den wir mit Tabellenkalkulationen verbinden. Dies ist die Voraussetzung dafür, dass einige KI-Mitarbeiter aus verwachsenen Feldern in den allgemeinen Geschäftsgebrauch übergehen.
Der Schlüssel zu besseren Geschäftsergebnissen durch Data Science
In einem Harvard Business Review Artikel, Alessandro Di Fiore, Gründer und CEO der Europäisches Zentrum für strategische Innovation (ECSI) entgegnete der Annahme, dass Unternehmen mit mehr Datenwissenschaftler haben eine bessere Chance, geschäftliche Auswirkungen zu erzielen. “Basierend sowohl auf seiner Beratungstätigkeit als auch auf ForschungEr ist zu dem Schluss gekommen, dass die Einstellung einer größeren Anzahl von Datenwissenschaftlern nicht unbedingt zu besseren Ergebnissen für ein Unternehmen führt.
Die gleiche Beobachtung machte ich kürzlich in einem Interview mit Henry James, dem Gründer und stellvertretenden CEO von Fincross International, der sagte, dass er das gesehen hat, was er in Unternehmen mit enormen Investitionsressourcen gesehen hat Datenwissenschaft ist, dass sie mit einem Team von fünf besser abschneiden können als mit 50.
Ausweitung der KI auf Personen mit Domain-Erfahrung
Was für ein Unternehmen wirklich den Unterschied ausmacht, betonte Di Fiore, „ist die Demokratisierung des Zugangs zu AI Tools und Entscheidungskompetenz zwischen Managern und Mitarbeitern, die einen greifbareren Wert schaffen. “Er fügte hinzu:„ Best Practices zeigen, wie Demokratisierung zu schnelleren und besser verteilten Entscheidungen führen kann, die Unternehmen agiler machen und auf Marktveränderungen und -chancen reagieren können. ”(Um zu erfahren, wie einige Unternehmen AI bereits einsetzen, lesen Sie bitte AI Today: Wer nutzt es gerade und wie.)
Obwohl er sich nicht für den Begriff "Demokratisierung" interessiert und den Begriff "Mannschaftssport" bevorzugt, stimmt Todd Hay, COO von Ople, dieser Ansicht zu. Wie er in einem Interview mit Techopedia erklärte, sieht er die Verlagerung von verdünnter und zentralisierter KI auf die Massen als analog zur Adoption von Tabellenkalkulationen, ein nützliches Tool, das von allen Geschäftsleuten verwendet werden sollte.
"Fach- und Domänenexperten sind am besten in der Lage, eine Vorhersage zu treffen, die sich auf das Geschäft auswirken kann", sagte Hay. Aber mit einem Setup, bei dem Datenwissenschaftler für diese zuständig sind Vorhersagemodelle"Sie sind vom Prozess ausgeschlossen." Dies kommt dem Unternehmen nicht zugute.
Zwar räumt er ein, dass die Datenwissenschaftler über das Fachwissen in Mathematik und Statistik verfügen, um zu beurteilen, ob ein Modell gute Leistungen erbringt oder nicht, sie sind jedoch nicht in der Lage zu bestimmen, welche Fragen sie an die KI richten sollten, um sie zu lösen. Diese Kluft zwischen Modell- und Stakeholder-Know-how erklärt die Tatsache, dass „70% -80% der Fallmodelle niemals verwendet werden“.
Verstehen, was in die Entscheidungen einfließt
Es gibt weitere Konsequenzen, wenn Sie die Funktionsweise des Modells nicht verstehen können. In regulierten Branchen wie dem Gesundheitswesen, dem Versicherungswesen oder dem Finanzwesen, so Hay, sei das Unternehmen in der Lage, den Wirtschaftsprüfern den Entscheidungsprozess zu erläutern und nicht in der Lage zu sein, dies zu tun.
Rick Saletta, Senior Sales Marketing Executive von AI, Maschinelles lernen & data science äußerte sich im Interview einverstanden und erklärte, dass Unternehmen daher nun nach einer „transparenten KI“ Ausschau halten, auch bekannt als erklärbare KI. Wie wir gesehen haben AI muss etwas erklärenOhne eine klare Erklärung darüber, wie AI zu seinen Schlussfolgerungen gelangt, kann man nicht sicher sein, dass es „vorurteilsfrei“ ist. Er fügte hinzu, dass es nicht länger hinnehmbar ist, die Verantwortung des Unternehmens für eine faire Geschäftstätigkeit mit den Worten „die AI hat es getan“ abzuschütteln es."
Keine Bugs, kein Stress - Ihre schrittweise Anleitung zur Erstellung lebensverändernder Software, ohne Ihr Leben zu zerstören
Sie können Ihre Programmierkenntnisse nicht verbessern, wenn sich niemand um die Softwarequalität kümmert.
Lehren aus dem Aufstieg des Internets
Die Angst, die der KI droht, die wie eine Black Box funktioniert, hält Unternehmen davon ab, die vollen Vorteile zu nutzen, die sie ermöglicht. Diese Einstellung muss sich laut Hay ändern. Er schlug vor AI heute ist wie das Internet in den späten 90ern. Das bedeutet, dass es einige spektakuläre Ausfälle geben wird Pets.com und andere solche Aussetzer, weil die Leute nicht ganz sicher sind, wie sie die neue Technologie anwenden sollen. Und die Angst vor neuen Technologien hält die Menschen zurück, sagte er: "Es ist neu und beängstigend und sehr kompliziert."
Aber es gibt auch großartige Möglichkeiten für diejenigen, die es herausfinden. "Alles, was wir jetzt sehen, wurde über das Internet geöffnet, weil die Leute bereit waren, neue Dinge auszuprobieren", sagte Hay. So ist es jetzt auch mit KI befähigt Menschen um herauszufinden, wonach "sie nicht einmal wussten, dass sie suchen sollten". Sie sollten auch nicht an ihren eigenen Fähigkeiten zweifeln, da viele "mehr Fähigkeiten im Unternehmen haben, als sie dachten", insbesondere "Fachexperten und Menschen, die die Daten kennen. “
Technologie jetzt zugänglich machen
"Wir wollen sehen, wie jedes Unternehmen AI jetzt nutzen kann - heute", erklärte Hay. Dazu ist es erforderlich, dass die KI außerhalb des Kreises datenwissenschaftlicher Experten zugänglich gemacht wird. "Die Anzahl der kompetenten Datenwissenschaftler auf der Welt liegt weit unter der Anzahl der Unternehmen, die davon profitieren würden", erklärte er. Dementsprechend ist der Schlüssel, um mehr geschäftliche Probleme zu lösen, "nicht mehr Menschen zu Andrew Ng auszubilden, sondern die Technologie den Menschen zur Verfügung zu stellen."
Dies ist in der Tat die Welle der Zukunft Gärtner, die in diesem Jahr einen Anstieg erwartet "Self-Service" -Analysen. Erhebliche Fortschritte in der KI sowie ergänzende Technologien wieSaaS (Wolke) Analytik und BI Plattformen machen es Nichtspezialisten einfacher und kostengünstiger als je zuvor, effektive Analysen durchzuführen und ihre Entscheidungen besser zu treffen “, so Carlie J. Idoine, Research Director bei Gartner.
Wenn dies in einem Unternehmen umgesetzt wird und immer mehr Mitarbeiter zögern, sich den Vorteilen der KI zu widmen, kann dies innerhalb des Unternehmens zu einer echten Partizipations- und nicht zu einer Zuschauersportart werden. Diese Verschiebung kann enorme Auswirkungen haben. (Wenn Sie nicht viel über KI für Ihr Unternehmen nachgedacht haben, sollten Sie folgende Implementierungen in Betracht ziehen: 5 Möglichkeiten, wie Unternehmen die Verwendung von KI in Betracht ziehen könnten.)
Reduzierung des Risikos durch Reduzierung von Zeit und Kosten
"Die Leute haben solche Angst, sechs Monate für die Erstellung einer Hypothese zu verbringen", erklärte Hay, weil dies eine so große Investition von Zeit und Geld ist, die letztendlich scheitern kann. jedoch, wenn AI ist nicht nur für diese großen Moonshot-Projekte mit einem längeren Zeithorizont reserviert, sondern für häufigere Aufgaben, die möglicherweise sogar täglich schneller erledigt werden, werden sie eher zu einer Tabellenkalkulation, was bedeutet, dass sie ein zugängliches, kostengünstiges Tool darstellen, das Menschen nicht sind Ich habe Angst, es auszuprobieren, und habe sogar mehrere verschiedene durchgearbeitet, um die zu finden, die ihren Bedürfnissen am besten entspricht.
Nach den Vorsichtsmaßnahmen von Idoine sollten Unternehmen jedoch nur von ihren Mitarbeitern erwarten, dass sie selbst lernen, wie sie es verwenden und an ihre Bedürfnisse anpassen. Sie besteht darauf, dass „Schulungs-, Support- und Onboarding-Prozesse erforderlich sind, damit die meisten Self-Service-Benutzer aussagekräftige Ergebnisse erzielen können.“ Dementsprechend ist es erforderlich, „die richtigen Anleitungen für eine schnelle Inbetriebnahme und Bewerbung zu geben ihre neuen Tools für ihre spezifischen Geschäftsprobleme. “Und das ist der Schlüssel zu besseren Lösungen für Geschäftsprobleme, anstatt die Anzahl der Data-Science-Teams zu erhöhen.
