ИИ и данные для машинного обучения — две темы, о которых мы постоянно слышим. Цифровизация (которую резко ускорил Covid-19) создала острую потребность в том, чтобы ИИ работал на интеллектуальных цифровых каналах. К сожалению, вокруг прагматичных реалий роли ИИ много шумихи.

Несколько недель назад мы с Ашоком Шриваставой провели онлайн-мастер-класс. В качестве директора по данным и старшего вице-президента Intuit Ашок поделился интересными взглядами на цифровизацию и влияние пандемии на рабочие привычки и платежные ведомости. Мы с Ашоком поделились уроками, полученными на переднем крае практической работы ИИ, и обсудили ключевые выводы последних десятилетий о передовых методах использования технологий ИИ и данных для создания инновационных интеллектуальных систем.

Ниже вы найдете выдержки из нашего мастер-класса.

Заставить искусственный интеллект работать правильно — одна из главных задач, стоящих перед нами сегодня

Цифровизация закрепилась и значительно ускорилась с пандемией Covid-19. Это создает гораздо больше данных (особенно неструктурированных данных), с которыми компании не знают, как обращаться. Данные имеют решающее значение для работы ИИ. Данные и ИИ остаются серьезной и сложной задачей для большинства компаний.

Пандемия Covid-19 потребовала срочного перехода на цифровые технологии

Предприятия были вынуждены уйти в онлайн или не выжить, и те, кто воспринял цифровые инновации, смогли добиться успеха. Широкое распространение получили цифровые каналы, которые стали нам всем знакомы. Эти каналы могут генерировать множество данных.

Машинное обучение и наука о данных зависят от данных:

Машинное обучение и наука о данных — все это шумиха в 2022 году, и хотя может показаться очевидным, что машинное обучение и наука о данных зависят от высококачественных данных, на практике мы редко видим правильные данные, собранные с нужной степенью детализации и с требуемым качеством.

У наших цифровых преобразований есть некоторые непредвиденные последствия:

Хотя наша цифровая трансформация позволила нам работать глобально и эффективно, мы сосредоточились на автоматизации рабочих процессов и исключении взаимодействия между людьми. С потерей человеческого контакта мы потеряли способность понимать удовлетворенность клиентов, качество предоставляемых услуг, почему клиенты уходят и куда они идут. Ключевой вопрос сейчас заключается в том, как восстановить эту близость с помощью данных?

Банки являются ключевым примером потери близости в наших взаимодействиях с клиентами. Раньше у нас было каждое отделение банка, ориентированное на местную и интимную ориентацию. Клиенты знали управляющего филиалом, а тот, в свою очередь, знал, кто хочет купить лошадь, кто строит ферму, кто хочет отправить своего ребенка в колледж и у кого проблемы с кредитами. Эти базовые взаимодействия были простыми, и по мере того, как мы росли и масштабировались до более крупных операций, мы теряли это человеческое прикосновение. Вместо этого мы заменили его дорогостоящими хранилищами данных, и в результате отслеживание и понимание клиентов стало настоящей проблемой.

Пять ключевых уроков искусственного интеллекта Pragmatic Enterprise

Я поделился пятью конкретными уроками о том, что нужно, чтобы технология ИИ заработала на практике. Эти уроки были извлечены из трех десятилетий опыта работы решений ИИ во многих контекстах. Я призываю вас посмотреть короткий мастер-класс по запросу, чтобы узнать, что это за уроки и как они появились.

Итак, как реализовать ИИ с практической точки зрения?

  1. Подготовьте свою организацию к искусственному интеллекту — с помощью искусственного интеллекта, зависящего от данных, внедрите общую миссию по науке о данных во всей компании, включите дизайн-мышление и привнесите мышление управления продуктом в специалистов по данным (и наоборот).
  2. Определите правильные приложения ИИ для вашего бизнеса — соответствие должно быть надежным и иметь краткосрочную окупаемость инвестиций, связанную с быстрым внедрением.
  3. Ускорьте свои усилия по ИИ за счет скорости и масштаба, а также благодаря гибкому подходу, при котором вы быстро терпите неудачу или определяете, что подходит, а что действительно работает.

Запись мастер-класса доступна по запросу бесплатно через эту бесплатную регистрацию: здесь. Надеемся, мастер-класс будет вам полезен. Пожалуйста, напишите по адресу [email protected], если вы хотите получить копию слайдов, которые мы использовали.