Nálepka šok: Jsou podniky rozčarované z AI?

Přední analytik a autor varuje, že podniky si uvědomují, že nejsou připraveny na masivní zavádění AI.

Umělá inteligence (AI) byla pozoruhodná - alespoň v menším měřítku, jak je vidět u osobních asistentů, robotů a mobilních zařízení. Porota je však stále mimo projekty velkých podniků. Vedoucí pracovníci a profesionálové se možná probouzejí k možnosti, že jejich naděje na umělou inteligenci mohou být komplikovanější, než se plánovalo. Technologie AI je stále dražší, podniky nejsou připraveny a návratnost investic (ROI) je stále velkým otazníkem.

To je varování od Davida Linthicuma, vysoce uznávaného analytika, který doslova napsal knihu o podnikové integraci, cloudu a mnoha dalších. Ale nyní není optimistický ohledně úspěchu projektů umělé inteligence - alespoň nyní. Věří, že „pokles“ v nákupu podnikové umělé inteligence je bezprostřední, protože společnosti si uvědomují, že realita neodpovídá humbuku, a sestupují do koryta deziluze. To, co se však objeví po roce nebo dvou, budou solidní případy použití a implementace AI, které budou blíže k podnikání.

Existují čtyři důvody, proč jsou podniky z AI rozčarovány, vysvětlil Linthicum:

• Narazit na „datovou zeď“: Hlavním problémem, se kterým se podniky potýkají, není „ne proto, že by generativní technologie umělé inteligence byla špatná, ale proto, že jejich data jsou špatná,“ vysvětlil. Výzva zní: „Neexistuje žádná snadná oprava, budete muset zastavit to, co děláte, vrátit se zpět a opravit svá data. Pro mnoho z těchto organizací nebyl tento konkrétní problém vyřešen 20 nebo 30 let [Navíc], jsou to značné náklady a riziko a někdo musí jít na schůzi představenstva a říct jim, že utratíme 30 milionů dolarů za opravu našich dat, než se do toho budeme moci dostat. gen AI. To jsou těžké rozhovory."
• Šok z finanční nálepky: Vytváření, implementace a udržování umělé inteligence vyžaduje více zdrojů než předchozí technologické vlny, jako je cloud nebo mobilní zařízení. "Tyto věci jsou velmi drahé," řekl. "Stojí nejméně dvakrát až třikrát tolik než tradiční prostředí, potřebují specializované procesory, jako jsou GPU, potřebují spoustu zdrojů, potřebují mnoho komponent založených na ekosystému, potřebují trénovací data, což je ladění dat, model školení, ladění modelu, všechny věci, které přicházejí s AI."
• Nedostatek strategického směru: „Podniky se musí zlepšit v plánování,“ uvedl Linthicum. "Nechápete stav vašich dat, dokud nepracujete na projektu genové umělé inteligence, [to není] způsob, jak to udělat. Strategicky se díváme na to, jak se vaše data musí sladit s vaším využitím této nové technologie."
• Nedostatek dovedností:Úspěch umělé inteligence vyžaduje dobře vyškolené lidi - „a to nemluvím o certifikačním školení týkajícím se učení platformy umělé inteligence jednoho poskytovatele cloudu,“ řekl Linthicum. "Mluvím o porozumění architektuře, porozumění datové vědě, porozumění etice umělé inteligence, porozumění ladění modelů, porozumění výkonnostnímu benchmarkingu a porozumění syntetickým datům." To je „velmi odlišné od tradičního vývoje softwaru“.

Neexistuje žádná historická technologie paralelní s úsilím nezbytným pro podporu umělé inteligence, „která bude mnohem složitější a mnohem dražší,“ uvedl Linthicum.

To vyžaduje „čištění a správu jejich dat, získání dovedností, které potřebují, strategické plánování, zmapování případů použití a zmapování návratnosti investic“. Pak se „dostanete do stavu, kdy používáte AI jako strategický prvek pro odlišení vašeho podnikání. Dokážete něco, co vaši konkurenti nemohou - poskytovat lepší zákaznickou zkušenost, vyšší produktivitu, nižší ceny a lepší účinnost."