Inhoud
- Gebruik van kunstmatige intelligentie in het bedrijfsleven
- Adoptie van kunstmatige intelligentie in verticals
- Geen bugs, geen stress - Uw stapsgewijze handleiding voor het creëren van levensveranderende software zonder uw leven te vernietigen
- Partnerschap met Cloud AI-bedrijven
- Gevolgtrekking
Bron: Kittipong Jirasukhanont / Dreamstime.com
Afhaal:
De onderneming is begonnen met het integreren van AI en ML in haar activiteiten, maar lang niet zoveel als veel internetbedrijven hebben. Hulp van deze bedrijven kan de sleutel zijn tot de acceptatie van enterprise AI.
Hyperscale internetbedrijven verspringen sinds 2015 verschillende niveaus van machine learning met toenemende automatisering in gegevensverwerking en modellering. De onderneming blijft, op enkele uitzonderingen na, achter bij het gebruik van kunstmatige intelligentie, maar ziet in internetbedrijven partners die het kunnen helpen inhalen.
De potentiële zakelijke gebruikers van machine learning hebben nog een lange weg te gaan om de talentenpools, de rekenkracht, de schaal en de datavolumes voor trainingsalgoritmen die internetbedrijven hebben verzameld, te matchen, vooral in de afgelopen vier jaar. In veel verticals van de onderneming zijn de bedrijfsprocessen niet digitaal getransformeerd voor de automatisering van gegevensverwerking en de onmiddellijke uitvoering van zakelijke beslissingen op basis van inzichten verkregen door kunstmatige intelligentie. Bovendien hebben verschillende verticals nog geen goed gedefinieerde use cases die zich lenen voor de winstgevende uitvoering van kunstmatige intelligentie. (Voor meer informatie over AI in het bedrijfsleven, zie IT-servicemanagement overwinnen Veranderingsproblemen met de kracht van AI.)
Gebruik van kunstmatige intelligentie in het bedrijfsleven
De invoering van kunstmatige intelligentie in het bedrijfsleven bevindt zich in een vroeg stadium, vooral wanneer we rekening houden met de geavanceerde gebruikers die verder zijn gegaan dan exploratie en piloten in een stadium waarin ze zakelijke waarde halen uit het gebruik ervan. O'Reilly, een technologiemediabedrijf, vond in zijn onderzoek uit 2018, 'The State of Machine Learning Adoption in the Enterprise', dat geavanceerde gebruikers slechts 15% van de totale enterprise-gebruikers wereldwijd waren en 18% in Noord-Amerika.
Externe bronnen van expertise en leren spelen een belangrijke rol bij het helpen van zakelijke gebruikers om de laatste stand van zaken op het gebied van machine learning bij te houden, met name voor geavanceerde AI-technieken. Uit een enquête van Deloitte uit 2018 bleek dat 59% van de zakelijke kopers AI-expertise van enterprise softwarebedrijven met AI-capaciteiten verwerft, 53% het samen met partners ontwikkelt, 49% het van cloud AI-bedrijven en 39% crowdsourcing van sites zoals GitHub . Cloud AI-bedrijven bieden AI als een service, wat de kosten van infrastructuur en talentontwikkeling op locatie bespaart.
Voor geavanceerde AI-ontwikkeling zijn cloudbedrijven een belangrijkere bron van expertise. Negenendertig procent van de zakelijke respondenten toonde een voorkeur voor cloudbedrijven als een bron van geavanceerde AI vergeleken met 15% voor on-premise software. AI as a service is snel gestegen met 48%.
Adoptie van kunstmatige intelligentie in verticals
We spraken met Aditya Kaul, onderzoeksdirecteur bij Tractica, een analistenbureau dat zich richt op kunstmatige intelligentie en robotica. Kaul heeft de acceptatie van kunstmatige intelligentie in 30 verticals onderzocht voor meer dan 300 use cases in bedrijven over de hele wereld. "Telecommunicatie en financiële diensten zijn de leiders geweest bij de acceptatie van AI en ze begonnen al vroeg met meer rudimentaire statistische technieken die teruggaan tot de jaren 1980," vertelde Kaul. "De acceptatie in de detailhandel, de automobielsector en de gezondheidszorg is de laatste tijd enorm toegenomen, terwijl het merendeel van de onderneming zich nog in een vroege fase van adoptie bevindt," voegde hij eraan toe: "Horizontale zakelijke services zoals CRM, supply chain en HR hebben de acceptatie van AI snel, omdat zijn voorspellende mogelijkheden helpen bij het identificeren van prospects, trends in de vraag van consumenten en getalenteerde werknemers. "
"Monitoring, synchronisatie en optimalisatie van complexe en heterogene softwaregedefinieerde netwerken is een kritieke use case in de telecomsector", vermoedde Kaul. "Stemassistenten in auto's zijn enorm toegenomen in de automobielsector met een toenemend accent op de personalisatie van diensten in de auto," merkte hij op. Hij liet ons ook weten dat "de banksector kunstmatige intelligentie inzet voor klantenservice, inclusief chatbots, omdat ze te maken hebben met intense concurrentie van kleinere internetbanken, afgezien van het gebruik voor fraudedetectie, kredietanalyse en andere backend-operaties."
Hoewel de gezondheidszorg een enorm potentieel heeft, was deze tot voor kort achtergebleven vanwege wettelijke belemmeringen voor het gebruik van zijn gegevens. "Verschillende door ondernemingen gesteunde start-ups hebben zich nu gericht op machinaal leren in klinische proeven om de ontdekking van medicijnen te versnellen," onthulde Kaul.
Geen bugs, geen stress - Uw stapsgewijze handleiding voor het creëren van levensveranderende software zonder uw leven te vernietigen
Je kunt je programmeervaardigheden niet verbeteren als niemand om softwarekwaliteit geeft.
Winkels hebben investeringen in machine learning versneld omdat ze de beheersing van de vraag en het aanbod nauwkeurig beheersen. De Duitse detailhandelaar Otto verlaagt het rendement met meer dan 2 miljoen artikelen per jaar en overtollige voorraad met 20% met behulp van deep learning-algoritmen om te voorspellen wat klanten zullen kopen, volgens een onderzoeksrapport van McKinsey. De AI-engine bestelt nu autonoom 200.000 artikelen per maand omdat het kan voorspellen wat Otto de komende 30 dagen zal verkopen met een nauwkeurigheid van 90%. (Weet u niet zeker hoe AI in uw bedrijf zou passen? Bekijk 5 manieren waarop bedrijven AI kunnen overwegen.)
Partnerschap met Cloud AI-bedrijven
Hyperscale cloud AI-bedrijven zijn bereid geweest om samen te werken met enterprise-klanten om hun kunstmatige intelligentie-vaardigheden te verbeteren, maar ze zijn onzeker over de manieren om samen te werken met enterprise software-bedrijven die onmisbaar zijn voor backend sanitair. "Cloudbedrijven zijn vrijgevig geweest voor zakelijke klanten met hun freebies, waaronder gratis cloud-tijd, consulting en trainingsbronnen," merkte Kaul op.
Aangezien AI-bedrijven in de cloud zoals Google een snelle overgang hebben gemaakt van handmatig ontwikkelde algoritmen in 2015 naar diep leren in 2016 en recentelijk meer geavanceerde algoritmen zoals versterkend leren, kunnen zij early adopters adviseren over hoe ze vooruitgang kunnen boeken in hun reis naar AI-leren rijpheid.
"De kosten van AI dalen ook omdat we een verhoogde beschikbaarheid van voorgetrainde modellen, gelabelde datasets en een algemene verlaging van de prijzen voor cloud AI zien", legt Kaul uit."Tegelijkertijd is de tijd voor gegevensverwerking, ingestie, gegevensvoorbereiding en etikettering, die 90% van de inspanning voor zijn rekening neemt, verkort met technieken zoals AutoML die deze processen automatiseert," voegde hij eraan toe. Nvidia, een partner van hyperscale cloud AI-bedrijven, heeft zijn GPU's (grafische verwerkingseenheden) opnieuw verpakt voor de onderneming. "Nvidia heeft zich verplaatst om zich te richten op data science en analytics use cases in de onderneming die de training van grote analytische modellen in vergelijking met CPU's (centrale verwerkingseenheden) versnellen," legde Kaul uit.
Enterprise-softwarebedrijven zullen een manier moeten vinden om AI-bedrijven in de cloud te huisvesten, vooral omdat ze nieuwe mogelijkheden op de markt brengen die onderdeel worden van de bedrijfswereld. "Functies zoals chatbots en computer vision-mogelijkheden voor beeldherkenning worden mogelijk gemaakt door diepgaand leren, wat de waarde die AI met zich meebrengt, vergroot", stelde Kaul. "Software zelf is niet meer gecodeerd, maar past zich aan de behoeften van gegevens en analyses aan," voegde hij eraan toe. Er is tot nu toe onvoldoende bewijs om aan te tonen dat enterprise software-bedrijven, op enkele uitzonderingen na zoals Microsoft, cloud AI-bedrijven kunnen inhalen in algoritmen. Volgens alle indicaties zijn de nieuwe voorwaarden voor engagement tussen cloud AI-bedrijven en enterprise software-bedrijven echter nog niet opgelost.
Gevolgtrekking
Machine learning zal de onderneming opnieuw uitvinden omdat het bedrijfssoftware zelf opnieuw definieert. De onderneming zal zich sneller aanpassen aan de externe bedrijfsomgeving met de automatisering van gegevensverwerking en snellere uitvoering van zakelijke beslissingen op basis van inzichten verkregen uit algoritmen die de tijd verkorten om van gegevens te leren. Enterprise-software evolueert en configureert vaker om gelijke tred te houden met algoritmen.
