Innehåll
- Antagande av artificiell intelligens i företag
- Antagande av konstgjord intelligens i vertikaler
- Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
- Partnerskap med Cloud AI-företag
- Slutsats
Källa: Kittipong Jirasukhanont / Dreamstime.com
Hämtmat:
Företaget har börjat integrera AI och ML i sin verksamhet, men inte i den utsträckning som många internetföretag har. Hjälp från dessa företag kan vara nyckeln till antagande av företagens AI.
Hyperscale internetföretag har hoppat ihop flera nivåer av maskininlärning med ökande automatisering inom databehandling och modellering av sofistikering sedan 2015. Företaget har, med några få undantag, höll sig efter antagandet av artificiell intelligens men ser, i internetföretag, partners som kan hjälpa det att komma ikapp.
De blivande företagsanvändarna av maskininlärning har en lång väg att gå för att matcha talangpoolerna, databehandlingen, skalan och datavolymerna för utbildningsalgoritmer som internetföretag har samlat, särskilt under de senaste fyra åren. I många vertikaler i företaget har affärsprocesserna inte omvandlats digitalt för automatisering av databehandling och omedelbart genomförande av affärsbeslut baserade på insikter från konstgjord intelligens. Dessutom har flera vertikaler ännu inte väldefinierade användningsfall som lämpar sig för lönsamt genomförande av konstgjord intelligens. (Mer information om AI i verksamheten finns i Att övervaka IT Service Management Ändra hanteringsproblem med kraften i AI.)
Antagande av artificiell intelligens i företag
Antagande av artificiell intelligens i affärer är i ett tidigt skede, särskilt när vi betraktar dess sofistikerade användare som har gått längre än utforskning och piloter till ett stadium där de får affärsvärde från dess användning. O’Reilly, ett teknikmedieföretag, fann i sin undersökning 2018, “The State of Machine Learning Adoption in the Enterprise”, att sofistikerade användare bara var 15% av de totala företagens användare världen över och 18% i Nordamerika.
Externa expertkällor och lärande spelar en viktig roll för att hjälpa företag att komma ikapp med den senaste tekniken inom maskininlärning, särskilt för avancerade AI-tekniker. En undersökning 2018 från Deloitte fann att 59% av företagsköpare förvärvar AI-expertis från företagsprogramvaruföretag med AI-kapacitet, 53% samutvecklar det med partners, 49% förvärvar det från moln AI-företag och 39% samlar det från webbplatser som GitHub . Cloud AI-företag tillhandahåller AI som en tjänst, vilket sparar kostnaderna för infrastruktur och talangutveckling på plats.
För avancerad AI-utveckling är molnföretag en viktigare expertkälla. Trettio-nio procent av företagets svarande visade preferens för molnföretag som en källa till avancerad AI jämfört med 15% för lokal programvara. AI som tjänst har vuxit till en snabb takt på 48%.
Antagande av konstgjord intelligens i vertikaler
Vi pratade med Aditya Kaul, forskningsdirektör på Tractica, ett branschanalytikfirma med fokus på artificiell intelligens och robotik. Kaul har undersökt antagandet av artificiell intelligens i 30 vertikaler för över 300 användningsfall i företag över hela världen. "Telekommunikation och finansiella tjänster har varit ledande inom antagandet av AI, och de började tidigt med mer rudimentära statistiska tekniker som gick tillbaka så långt tillbaka som på 1980-talet," sa Kaul till oss. "Adoption inom detaljhandel, fordon och hälso- och sjukvård har ökat i nyare tid medan majoriteten av företaget förblir i ett tidigt skede av antagandet," tillade han, "Horisontella företagstjänster som CRM, leveranskedja och HR har utökat antagandet av AI snabbt eftersom dess förutsägelsefunktioner hjälper till att identifiera framtidsutsikter, trender för konsumenternas efterfrågan och begåvade anställda. ”
"Övervakning, synkronisering och optimering av komplexa och heterogena programvarudefinierade nätverk är ett kritiskt användningsfall inom telekomsektorn," antog Kaul. "Röstassistenter i bilar har ökat i fordonssektorn med en ökande accent på personalisering av tjänster i bilen", konstaterade han. Han informerade också om att "banksektorn distribuerar konstgjord intelligens för kundservice inklusive chatbots eftersom de står inför intensiv konkurrens från mindre internetbanker, bortsett från att använda den för bedrägeriupptäckt, låneanalys och andra backendoperationer."
Medan hälso- och sjukvårdssektorn har en enorm potential, hade den släppt till nyligen på grund av reglerande hinder för att använda sina uppgifter. "Flera venturestödda nystartade företag har nu fokuserat på maskininlärning i kliniska prövningar för att påskynda läkemedelsupptäckten," avslöjade Kaul.
Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
Du kan inte förbättra dina programmeringsfärdigheter när ingen bryr sig om mjukvarukvalitet.
Butiker har påskyndat investeringar i maskininlärning eftersom de uppnår behärska att förutsäga efterfrågan och utbudet korrekt. Den tyska detaljhandlaren Otto sänkte avkastningen med mer än 2 miljoner artiklar om året och överskottslagret med 20% med hjälp av djup inlärningsalgoritmer för att förutsäga vad kunderna kommer att köpa, enligt en forskningsrapport från McKinsey. Dess AI-motor beställer nu autonomt 200 000 artiklar i månaden eftersom den kan förutsäga vad Otto kommer att sälja under de kommande 30 dagarna med 90% noggrannhet. (Är du inte säker på hur AI skulle passa in i ditt företag? Kolla in 5 sätt som företag kan överväga att använda AI.)
Partnerskap med Cloud AI-företag
Hyperscale moln AI-företag har varit villiga att samarbeta med företagskunder för att främja sina kunskaper i artificiell intelligens, men de är osäkra på sätten att samarbeta med företagsprogramvaruföretag som är nödvändiga för VVS-rör. "Molnföretag har varit generösa mot företagskunder med sina freebies inklusive gratis molntid, konsultation och utbildningsresurser," konstaterade Kaul.
Eftersom moln AI-företag som Google har gjort en snabb övergång från handkonstruerade algoritmer 2015 till djup inlärning 2016 och nyligen mer avancerade algoritmer som förstärkningslärande, kan de råda tidiga adoptörer om hur man kan göra framsteg i sin resa till AI-lärande mognad.
"Kostnaderna för AI sjunker också när vi ser ökad tillgänglighet av förutbildade modeller, märkta datasätt och en allmän minskning av AI-prissättning på moln," förklarade Kaul."Samtidigt har tiden för databehandling, förtäring, dataförberedelse och märkning, som står för 90% av ansträngningen, förkortats med tekniker som AutoML som automatiserar dessa processer," tillade han. Nvidia, en partner för AI-företag med högskaliga moln, har packat om sina GPU: er (grafiska behandlingsenheter) för företaget. "Nvidia har omplacerat för att rikta in datavetenskap och analytiska användningsfall i företaget som påskyndar utbildningen av stora analytiska modeller jämfört med CPU: er (centrala behandlingsenheter)," förklarade Kaul.
Företags mjukvaruföretag kommer att behöva hitta ett sätt att tillgodose moln AI-företag, särskilt när de kommer med nya kapaciteter till marknaden som blir en del av strukturen i företagssektorn. "Funktioner som chatbots och datorsynsfunktioner för bildigenkänning aktiveras av djup inlärning som utvidgar värdet som AI ger," hävdade Kaul. "Programvaran i sig är inte hårdkodad längre utan anpassar sig till data och analysbehov," tillade han. Det finns ännu inte tillräckligt med bevis för att företagsprogramvaruföretag, med några få undantag som Microsoft, kan komma ikapp med moln AI-företag i algoritmer. Av alla indikationer har de nya villkoren för engagemang mellan moln AI-företag och företagsprogramvaruföretag emellertid inte lösts ännu.
Slutsats
Maskininlärning kommer att uppfinna företaget på nytt eftersom det omdefinierar företagsprogramvaran själv. Företaget kommer att anpassa sig snabbare till den externa affärsmiljön med automatisering av databehandling och snabbare genomförande av affärsbeslut baserat på insikter som erhållits från algoritmer som förkortar tiden för att lära av data. Enterprise-mjukvara kommer att utvecklas och konfigureras oftare för att hålla jämna steg med algoritmer.
