Как искусственный интеллект может работать на ваш бизнес
ИИ для многих по-прежнему кажется новой волшебной технологией, способной на все. Он приводит в действие беспилотные автомобили, предоставляет умных личных помощников и решает, вернет ли заявитель ссуду или нет.
Благодаря своему огромному потенциалу ИИ вызвал интерес у предприятий во всех отраслях, причем ключевым фактором стало обещание, что «ИИ позволит (нам) получить или сохранить конкурентное преимущество» [1].
Недавнее исследование Adobe показывает, что в 2018 году около 15% предприятий заявили, что уже начали внедрять технологию искусственного интеллекта. Это может показаться небольшим числом, но то же исследование также показывает, что 31% предприятий планируют инвестировать в технологию искусственного интеллекта в ближайшие 12 месяцев, в результате чего общее количество предприятий увеличится до почти 50%. [2].
Хотя эти цифры ясно показывают, что ИИ становится важным инструментом для перспективных предприятий, все еще существует большой пробел в навыках, обучении и общих ноу-хау как на операционном, так и на исполнительном уровнях. Отвечая на вопрос об осведомленности об ИИ в их организации, большинство руководителей признаются, что на данный момент полностью понимают ценность ИИ из-за недостатка знаний или вариантов использования в своей организации [3].
Понимание искусственного интеллекта и машинного обучения
Чтобы понять, как на самом деле работает ИИ, лучше подумать о «машинном обучении», чем представить себе какой-то человеческий интеллект. Это не звучит так волшебно, как ИИ, но гораздо полезнее для объяснения того, что на самом деле делает технология.
Точно так же, как обучение позволяет человеческому интеллекту развиваться с течением времени, машинное обучение дает компьютерной системе возможность научиться выполнять конкретную задачу без явного программирования. Таким образом, машинное обучение можно рассматривать как базовую технологию, на которой строятся все последующие этапы искусственного интеллекта.
В отличие от классических алгоритмов, основанных на правилах, машинное обучение по своей сути предназначено для обработки больших наборов данных и автоматического обучения на основе шаблонов, которые оно обнаруживает внутри данных. Эти шаблоны затем образуют «модель искусственного интеллекта», которую можно использовать для обработки будущих данных.
Благодаря такому подходу все современные системы с поддержкой ИИ специализируются на решении одной проблемы в очень узком масштабе. Поэтому они классифицируются как «Узкий ИИ», иногда также «Слабый ИИ». Хотя они могут давать результаты, намного превосходящие традиционные системы, основанные на правилах, они не демонстрируют подлинного интеллекта или даже самосознания.
С точки зрения бизнеса сила технологии машинного обучения заключается в ее способности обнаруживать правила и закономерности внутри больших наборов данных, которые слишком сложны для описания с помощью традиционных алгоритмов. Его прогностический характер позволяет организациям использовать прошлые и настоящие данные для прогнозирования будущего поведения и тенденций. Таким образом, искусственный интеллект может предоставить понимание и полезную информацию о вашем бизнесе или клиентах, которую раньше просто не видели.
Как технологии искусственного интеллекта и машинного обучения используются сегодня
Благодаря быстрому развитию машинного обучения ИИ стал ключевым фактором цифровой трансформации в широком спектре отраслей, от банковского дела до страхования, от производства до розничной торговли, автомобилестроения, здравоохранения и государственного управления.
Неудивительно, что варианты использования, где традиционно использовалось сочетание статистики и других методов интеллектуального анализа данных, теперь входят в число наиболее часто цитируемых [4]:
Однако технологию искусственного интеллекта следует рассматривать не только как сложную технологию обработки данных, поскольку существует множество других вариантов использования, в которых она может стать мощным инструментом для предприятий, повышающим эффективность и продуктивность, и в то же время активно взаимодействуя с клиентами через цифровые и мобильные каналы. Вот несколько достойных внимания примеров, которые могут вас вдохновить:
«Умный ресторан» KFC
KFC в партнерстве с китайским технологическим гигантом Baidu разработала эту инновационную систему заказа для своих ресторанов. Он использует как распознавание лиц, так и ввод естественного языка, чтобы давать рекомендации о том, что клиенты могут заказать, исходя из таких факторов, как их возраст и настроение. В пресс-релизе Baidu приводятся примеры: клиенту-мужчине в возрасте около 20 лет предложат «комплексный обед из хрустящего куриного гамбургера, жареных куриных крылышек и кока-колы», а клиентке 50-летней женщины предложат «кашу и соевое молоко. на завтрак".
Ассистент Macy's в магазине
Наверное, лучше всего описывается как своего рода «Siri для розничных магазинов». Macy's развертывает свою службу «Macy's on Call» на основе искусственного интеллекта, которая позволяет клиентам задавать вопросы касательно инвентаря, продуктов и помещений магазина и получать индивидуальные ответы. Например, человек может спросить платформу: «Где находится отдел женской обуви?» и получите его точное местоположение.
Подготовка вашего бизнеса к ИИ
Независимо от того, являются ли ваши цели улучшением обслуживания клиентов, сокращением потерь в цепочке поставок или ускорением процесса внедрения инноваций, подумайте о том, где вы упускаете идеи, которые могли бы помочь вам достичь этих целей и преобразовать свой бизнес. Понимание того, чего вы хотите, чтобы ваш бизнес достиг с помощью ИИ и машинного обучения, - это только начало. То, что вы хотите достичь, и то, что у вас есть оперативные и организационные возможности, скорее всего, сильно различаются.
Единственная проблема, с которой столкнется большинство предприятий, - это сбор надежных данных для обучения своих моделей искусственного интеллекта, поскольку необходимые данные обычно фрагментированы, разбросаны по разным местам, заперты в разрозненных хранилищах инфраструктуры или просто недоступны вообще. В результате, помимо накопления некоторых фундаментальных знаний о машинном обучении, «большие данные» и «цифровая трансформация» теперь становятся ключевыми стратегиями для бизнеса, направленного на «готовность к искусственному интеллекту». Если ваш бизнес еще не начал цифровую трансформацию, вот еще одна веская причина для этого.
Как только вы определитесь со своими целями и возможностями и получите необходимые данные, вы будете готовы приступить к построению и повторению. Вы можете начать с небольшого пилотного проекта и перейти к нему или полностью реализовать большую идею.
Источники и ссылки
[1] https://www.statista.com/statistics/747775/worldwide-reasons-for-adopting-ai/
[3] https://www.itweb.co.za/surveys/VeDZQ58MVy7zXy2B/about-results
[4] https://www.statista.com/statistics/737865/worldwide-specific-ai-use-cases-2017/
