Бурный год, полный потрясений, когда пандемия перевернула мир с ног на голову, наконец-то подошел к концу, прощай, 2020, и скатертью дорога! Несмотря на оптимизм в отношении направления мировой экономики, всем предприятиям необходимо срочно адаптироваться и адаптироваться к новым реалиям. Кризис Covid продемонстрировал глубокое влияние цифровизации, особенно инноваций, обусловленных цифровой трансформацией. Вот некоторые тенденции, которые набрали силу в прошлом году и будут продолжать набирать обороты в 2021 году и далее:

  • Дополненная аналитика изменит бизнес-аналитику.Дополненная аналитика использует технологии искусственного интеллекта и машинного обучения, чтобы помочь в подготовке данных, получении аналитических сведений и объяснении, чтобы расширить возможности изучения и анализа данных на платформах аналитики и бизнес-аналитики. ИИ оказался критически важной технологией, и предприятиям нужен эффективный способ масштабировать свои методы ИИ и внедрять ИИ в бизнес. По мере того как организации сталкиваются с растущим давлением по оптимизации своих рабочих процессов, все больше и больше компаний обращаются к командам BI с просьбой разработать и управлять моделями AI/ML. Это стремление расширить возможности нового класса «разработчиков искусственного интеллекта» на основе BI будет обусловлено двумя критическими факторами: во-первых, предоставление командам BI платформ AutoML является более устойчивым и масштабируемым, чем наем специализированных специалистов по обработке и анализу данных. Во-вторых, поскольку команды BI ближе к бизнес-прецедентам, чем специалисты по данным, жизненный цикл от «требования» до рабочей модели будет ускорен. Все больше поставщиков BI будут предлагать возможности ИИ, такие как обработка естественного языка, текстовая аналитика, интеллектуальные информационные панели, и AI + BI станет новой нормой.
  • Искусственный интеллект без кода сделает ИИ/МО доступным для всех.Организации по всему миру инвестируют в технологии, которые помогают им ускорить и демократизировать процесс обработки данных по мере роста потребности в дополнительных приложениях ИИ. Демократизация подразумевает предоставление бизнес-, управленческим и операционным группам расширенных аналитических возможностей, не требующих специальных навыков работы с данными с использованием ИИ без кода. Многие из этих платформ без кода представляют собой визуальные инструменты перетаскивания, управляемые рабочим процессом, которые, как утверждается, помогают упростить ИИ для нетехнических людей. Хотя простые рабочие процессы легко построить и концептуализировать, проблема заключается в том, что для большинства моделей AI/ML требуются большие, очень сложные и изощренные рабочие процессы, которые быстро становятся громоздкими и создают совершенно новый набор собственных проблем. Подавляющее большинство работы, которую должны выполнять специалисты по данным, часто связано с задачами, которые предшествуют выбору и оптимизации моделей машинного обучения, таких как проектирование признаков. Организациям потребуется искать новые, более совершенные платформы AutoML, которые обеспечивают настоящую сквозную автоматизацию без кода. Автоматическое создание и оценка тысяч функций (инженерия функций на основе ИИ) и внедрение машинного обучения будут иметь решающее значение. Рост платформ AutoML 2.0 выведет отсутствие кода на новый уровень и, наконец, начнет выполнять обещание разработки без кода одним щелчком мыши.
  • ИИ/МО, аналитика в реальном времени и Интернет вещей сделают возможным интеллектуальное производство.Кризис Covid-19 привел к нарушению цепочек поставок, разрушению малого и среднего бизнеса, нехватке товаров в продуктовых магазинах и исчерпанию запасов в интернет-магазинах. инвентаря для предметов первой необходимости. По мере того как компании составляют планы восстановления, производителям срочно необходимо быть более устойчивыми и трансформировать операции с использованием передовых технологий. Инициативы Индустрии 4.0 перейдут от PoC к производству. Разнообразные данные будут автоматически анализироваться, чтобы находить скрытые закономерности и открывать новые идеи. Потоковая аналитика, также известная как потоковая обработка, позволит производителям принимать разумные решения с помощью приложений в реальном времени, таких как прогнозирование сбоев в цепочке поставок или предотвращение незапланированных простоев. Повсеместные датчики и мониторинг качества в режиме реального времени значительно сократят количество отзывов продукции, поскольку производственный мир использует прогностическую и предписывающую аналитику. Сочетание AI/ML, аналитики в реальном времени и Интернета вещей сделает производство более эффективным, устойчивым и гибким.
  • Автоматизация на основе ИИ вызовет новую волну инноваций.Следующая волна цифровой трансформации будет сосредоточена на использовании ИИ для оптимизации организационной эффективности, получения более глубоких аналитических данных на основе данных и автоматизации принятия бизнес-решений. Цифровая трансформация с поддержкой ИИ будет распространяться от «ранних последователей», таких как финансовые услуги, страхование и производство, к другим отраслям. AI и ML будут встроены в несколько бизнес-функций в ключевых областях бизнеса для повышения эффективности и создания новых продуктов и услуг. Доступность автоматизированных платформ машинного обучения позволяет организациям быстро и легко внедрять искусственный интеллект, не вкладывая средств в группу специалистов по обработке и анализу данных. Платформы AutoML 2.0 автоматизируют до 100 % рабочего процесса разработки AI/ML, чтобы ускорить мучительно медленное развертывание AI, позволить компаниям создавать более быстрые и полезные модели и ускорить инициативы по цифровой трансформации.
  • Ответственный ИИ, объяснимость и интерпретируемость моделей будут иметь решающее значение. Акцент на предвзятости в ИИ, нормативных требованиях и требованиях конфиденциальности проложит путь к большей прозрачности в ИИ и этических методах ИИ, которые укрепляют доверие. По мере того, как все больше организаций внедряют ИИ в свои бизнес-процессы, возникают опасения и риски, связанные с автоматизированными решениями моделей ML/AI. Интерпретируемые функции помогают организациям нести ответственность за свои решения, основанные на данных, и соответствовать требованиям соответствия. Модели белого ящика (WBM) дают четкое объяснение того, как они ведут себя, как они производят прогнозы и какие переменные повлияли на модель. С WBM ИИ является действенным, объяснимым и подотчетным. Более широкое внедрение WBM позволит разработчикам корпоративных моделей, потребителям моделей и бизнес-командам выполнять сложные проекты ИИ с полной уверенностью и уверенностью, укрепляя доверие.

Первоначально опубликовано на https://dotdata.com.