Isi
- Kunci untuk Hasil Bisnis yang Lebih Baik dari Ilmu Data
- Memperluas AI untuk Mereka yang Memiliki Keahlian Domain
- Memahami Apa yang Terjadi dalam Keputusan
- Tanpa Bug, Tanpa Stres - Panduan Langkah Demi Langkah Anda untuk Membuat Perangkat Lunak yang Mengubah Hidup Tanpa Menghancurkan Kehidupan Anda
- Pelajaran dari Bangkitnya Internet
- Membuat Teknologi Dapat Diakses Sekarang
- Mengurangi Risiko dengan Mengurangi Waktu dan Biaya
Sumber: Denisismagilov / Dreamstime.com
Bawa pulang:
Masa depan AI bukan bulan-bulan yang mengesankan tetapi penggunaan sehari-hari yang biasa yang kita kaitkan dengan spreadsheet. Itulah pendapat sebagian orang tentang kemunculan AI dari bidang yang dijernihkan ke penggunaan bisnis umum.
Kunci untuk Hasil Bisnis yang Lebih Baik dari Ilmu Data
Di sebuah ulasan Bisnis Harvard artikel, Alessandro Di Fiore, pendiri dan CEO Pusat Eropa untuk Inovasi Strategis (ECSI) melawan asumsi “bahwa perusahaan memiliki lebih banyak ilmuwan data memiliki peluang yang lebih baik untuk menghasilkan dampak bisnis. "Berdasarkan pada pekerjaan konsultasi dan penelitian, ia sampai pada kesimpulan bahwa mempekerjakan sejumlah besar ilmuwan data tidak selalu menghasilkan hasil yang lebih baik untuk bisnis.
Pengamatan yang sama dibuat untuk saya dalam sebuah wawancara baru-baru ini dengan Henry James, pendiri dan wakil CEO Fincross International, yang mengatakan bahwa apa yang dilihatnya di bisnis dengan sumber daya yang luas untuk diinvestasikan dalam ilmu data adalah bahwa mereka dapat, pada kenyataannya, melakukan lebih baik dengan tim lima daripada 50.
Memperluas AI untuk Mereka yang Memiliki Keahlian Domain
Apa yang benar-benar membuat perbedaan bagi perusahaan, Di Fiore, tunjukkan, “adalah demokratisasi akses ke AI alat dan kekuatan pengambilan keputusan di antara manajer dan karyawan yang menciptakan nilai yang lebih nyata. ”Dia melanjutkan untuk mengamati,“ Praktik terbaik menunjukkan bagaimana demokratisasi dapat menghasilkan keputusan yang lebih cepat dan didistribusikan dengan lebih baik, membuat perusahaan lebih gesit dan responsif terhadap perubahan dan peluang pasar. ”(Untuk mempelajari tentang bagaimana beberapa bisnis sudah menggunakan AI, periksa AI Hari Ini: Siapa yang Menggunakannya Saat Ini, dan Bagaimana.)
Sementara dia tidak peduli dengan istilah "demokratisasi" dan lebih suka "olahraga tim," Todd Hay, Ople COO, setuju dengan pandangan itu. Saat ia menjelaskan dalam sebuah wawancara dengan Techopedia, ia membayangkan perubahan dari AI yang dijernihkan dan terpusat ke massa sebagai analog dengan adopsi dari spreadsheet, alat yang berguna yang harus digunakan oleh semua pelaku bisnis.
"Pakar subjek dan domain berada di posisi terbaik untuk menilai prediksi yang dapat memengaruhi bisnis," kata Hay. Tetapi dengan pengaturan yang menempatkan para ilmuwan data yang bertanggung jawab atas mereka model prediksi, "Mereka dikecualikan dari proses." Itu tidak menguntungkan bisnis.
Meskipun dia mengakui bahwa para ilmuwan data memiliki keahlian dalam matematika dan statistik untuk menilai apakah suatu model berkinerja baik atau tidak, mereka tidak memiliki kemampuan untuk menentukan pertanyaan mana yang harus mereka berikan kepada AI untuk dipecahkan. Dan kesenjangan antara keahlian model dan keahlian pemangku kepentingan adalah apa yang menjelaskan fakta bahwa “70% -80% dari model kasus tidak pernah digunakan.”
Memahami Apa yang Terjadi dalam Keputusan
Ada konsekuensi lebih lanjut untuk tidak bisa memahami cara kerja model. Dalam industri yang diatur seperti perawatan kesehatan, asuransi atau keuangan, kata Hay, kekhawatiran berada pada posisi di mana mereka harus menjelaskan proses pengambilan keputusan kepada auditor dan tidak mampu melakukannya.
Rick Saletta, eksekutif senior pemasaran penjualan AI, pembelajaran mesin & ilmu data, mencatat perjanjiannya dalam wawancara dan mengatakan inilah sebabnya mengapa bisnis sekarang mencari untuk mengembangkan "AI transparan," juga dikenal sebagai AI yang bisa dijelaskan. Seperti yang kita lihat AI Dapat Menjelaskan Beberapa Hal Yang Dapat Dilakukan, dengan tidak adanya penjelasan yang jelas tentang bagaimana AI mencapai kesimpulannya, Anda tidak dapat memastikan itu "bebas bias." Dia menambahkan, tidak lagi dapat diterima untuk melepaskan tanggung jawab bisnis untuk beroperasi secara adil dengan mengatakan "AI melakukan saya t."
Tanpa Bug, Tanpa Stres - Panduan Langkah Demi Langkah Anda untuk Membuat Perangkat Lunak yang Mengubah Hidup Tanpa Menghancurkan Kehidupan Anda
Anda tidak dapat meningkatkan keterampilan pemrograman Anda ketika tidak ada yang peduli dengan kualitas perangkat lunak.
Pelajaran dari Bangkitnya Internet
Ketakutan yang tetap ada dalam wajah AI yang beroperasi seperti kotak hitam adalah menahan bisnis untuk menuai manfaat penuh yang dimungkinkannya. Itu pola pikir yang harus diubah, menurut Hay. Dia menyarankan AI hari ini seperti internet di akhir tahun 90-an. Itu berarti bahwa akan ada beberapa kegagalan spektakuler seperti Pets.com dan kesalahan lainnya seperti itu karena orang-orang tidak begitu yakin bagaimana menerapkan teknologi baru. Dan ketakutan akan teknologi baru menghambat orang, dia berkata: "Ini baru dan menakutkan dan sangat rumit."
Tetapi ada juga peluang besar bagi mereka yang mengetahuinya. "Semua hal yang kami lihat sekarang dibuka melalui internet karena orang-orang mau mencoba hal-hal baru," kata Hay. Sekarang situasinya sama dengan AI memungkinkan orang untuk menemukan apa yang "mereka bahkan tidak tahu mereka harus cari." Mereka juga tidak boleh meragukan kemampuan mereka sendiri, karena banyak "memiliki lebih banyak keterampilan di perusahaan daripada yang mereka pikir mereka lakukan," khususnya "ahli materi pelajaran dan orang-orang yang tahu datanya. "
Membuat Teknologi Dapat Diakses Sekarang
“Kami ingin melihat bagaimana setiap perusahaan dapat memanfaatkan AI sekarang - hari ini,” kata Hay. Agar itu terjadi, AI harus dapat diakses di luar lingkaran pakar ilmu data. "Jumlah ilmuwan data yang kompeten di dunia jauh di bawah jumlah perusahaan yang akan mendapat manfaat dari itu," jelasnya. Karenanya, kunci untuk menyelesaikan lebih banyak masalah bisnis adalah “bukan melatih lebih banyak orang untuk menjadi Andrew Ng tetapi dengan membuat teknologi tersedia bagi orang-orang.”
Memang, itulah gelombang masa depan, menurut Gartner, yang diprediksi tahun ini akan melihat peningkatan pada Analitik “swalayan”. Kemajuan yang signifikan dalam AI, serta teknologi pelengkap seperti “SaaS (awan) Analisis dan DUA platform membuatnya lebih mudah dan lebih hemat biaya daripada sebelumnya untuk non-spesialis untuk melakukan analisis yang efektif dan lebih baik menginformasikan pengambilan keputusan mereka, "mengamati Carlie J. Idoine, direktur penelitian di Gartner.
Ketika hal itu diberlakukan dalam sebuah bisnis, dan semakin banyak karyawan mengatasi keengganan mereka untuk membantu diri mereka sendiri demi manfaat AI, itu dapat benar-benar menjadi olahraga partisipatoris dan bukan penonton di dalam organisasi. Pergeseran itu dapat memiliki dampak luar biasa. (Jika Anda tidak terlalu memikirkan AI untuk bisnis Anda, berikut adalah beberapa implementasi yang mungkin ingin Anda pertimbangkan: 5 Cara Perusahaan Mungkin Ingin Pertimbangkan Menggunakan AI.)
Mengurangi Risiko dengan Mengurangi Waktu dan Biaya
"Orang-orang begitu takut menghabiskan enam bulan untuk menjalankan hipotesis," jelas Hay, karena itu adalah investasi besar waktu dan uang yang akhirnya bisa gagal. Namun, jika AI tidak dicadangkan untuk proyek-proyek besar pelayaran ke bulan ini dengan cakrawala waktu yang lebih lama tetapi untuk tugas-tugas yang lebih umum yang diselesaikan lebih cepat, bahkan mungkin setiap hari, mereka menjadi "lebih seperti spreadsheet," yang berarti alat yang mudah diakses dan murah yang tidak dimiliki orang. takut untuk mencoba, bahkan bekerja melalui beberapa yang berbeda untuk menemukan yang paling sesuai dengan kebutuhan mereka.
Namun, Idoine memperingatkan bahwa itu tidak berarti bahwa bisnis seharusnya hanya mengharapkan karyawan mereka untuk mengetahui cara menggunakan dan menyesuaikannya dengan kebutuhan mereka sendiri. Dia menegaskan bahwa “pelatihan, dukungan, dan proses sosialisasi diperlukan untuk membantu sebagian besar pengguna layanan mandiri menghasilkan output yang bermakna.” Oleh karena itu, perlu untuk memberikan “panduan yang tepat tentang cara bangun dan berjalan dengan cepat, serta cara menerapkan alat baru mereka untuk masalah bisnis khusus mereka. ”Dan itu - alih-alih meningkatkan angka tim ilmu data - adalah kunci untuk solusi yang lebih baik untuk masalah bisnis.
