콘텐츠
- 데이터 과학으로 인한 비즈니스 성과 개선의 열쇠
- 도메인 전문 지식을 가진 사람들에게 AI 확장
- 결정에 어떤 영향을 미치는지 이해
- 버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
- 인터넷의 상승으로부터 얻은 교훈
- 지금 기술에 액세스 할 수 있도록 만들기
- 시간과 비용을 줄여 위험 감소
출처 : Denisismagilov / Dreamstime.com
테이크 아웃 :
AI의 미래는 인상적인 문샷이 아니라 스프레드 시트와 관련된 일상적인 일상적인 사용입니다. 그것은 희귀 한 분야에서 일반적인 비즈니스 용도에 이르기까지 AI의 출현에 대한 일부 사람들의 요구입니다.
데이터 과학으로 인한 비즈니스 성과 개선의 열쇠
안에 하버드 비즈니스 리뷰 기사, Alessandro Di Fiore, 설립자 겸 CEO 전략적 혁신을위한 유럽 센터 (ECSI)는“더 많은 기업들이 데이터 과학자 그의 컨설팅 업무와 연구그는 더 많은 수의 데이터 과학자를 고용한다고해서 반드시 비즈니스에 더 나은 결과를 얻을 수있는 것은 아니라는 결론에 도달했습니다.
Fincross International의 창립자이자 부사장 인 Henry James와의 최근 인터뷰에서 저에게도 동일한 관찰이 이루어졌습니다. 데이터 과학 실제로 그들은 5 명 이상의 팀으로 50 명보다 더 잘 할 수 있다는 것입니다.
도메인 전문 지식을 가진 사람들에게 AI 확장
디 피오레 (Di Fiore)라는 회사의 실질적인 차이점은 다음과 같이 지적합니다. 일체 포함 그는보다 실질적인 가치를 창출하는 관리자와 직원들 사이의 도구와 의사 결정 능력”이라고 말했습니다. ”(일부 비즈니스에서 이미 AI를 사용하는 방법에 대해 알아 보려면 AI Today : 지금 누가 사용하고 있으며 어떻게.)
그는 "민주화"라는 용어를 신경 쓰지 않고 "팀 스포츠"를 선호하지만, Ople의 COO 인 Todd Hay는 그러한 견해에 동의합니다. 그는 Techopedia와의 인터뷰에서 설명했듯이, 희귀하고 중앙 집중화 된 AI에서 채택 된 것과 비슷한 대중으로의 전환을 계획합니다. 스프레드 시트모든 비즈니스맨이 사용해야하는 유용한 도구입니다.
Hay는“주체 및 도메인 전문가는 비즈니스에 영향을 줄 수있는 예측을 평가할 수있는 최상의 위치에 있습니다. 그러나 데이터 과학자들이이를 담당하도록하는 설정으로 예측 모델‘이 과정에서 제외됩니다.’이는 비즈니스의 이익이 아닙니다.
그는 데이터 과학자들이 모델이 잘 수행되는지 판단 할 수있는 수학 및 통계에 대한 전문 지식을 가지고 있음을 인정하지만 AI에 어떤 질문을 풀어야하는지 결정할 능력이 없습니다. 그리고 모델 전문 지식과 이해 관계자 전문 지식 간의 차이는 "사례 모델의 70 % -80 %가 사용되지 않는다"는 사실을 설명합니다.
결정에 어떤 영향을 미치는지 이해
모델이 작동하는 방식을 이해할 수 없다는 추가적인 파급 효과가 있습니다. 헤이 부사장은 건강 관리, 보험 또는 금융과 같은 규제 산업에서 의사 결정 과정을 감사에게 설명해야하지만 그렇게 할 수없는 입장에 있다고 우려했다.
AI의 수석 영업 마케팅 임원 인 Rick Saletta는 기계 학습 & data science는 인터뷰에서 자신의 동의를 언급하고 이것이 기업들이 이제 "투명 AI"를 개발하려고하는 이유라고 말했다. 설명 가능한 AI. 우리가 보았 듯이 AI가해야 할 일이있다AI가 결론에 도달하는 방법에 대한 명확한 설명이 없다면, 그것이 "바이어스 프리 (bias-free)"라는 것을 확신 할 수는 없다고 덧붙였다. 그것."
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
인터넷의 상승으로부터 얻은 교훈
블랙 박스처럼 운영되는 인공 지능에 직면 한 두려움은 기업이 가능한 모든 이점을 거두지 못하게하는 것입니다. 헤이에 따르면 변화해야 할 사고 방식입니다. 그가 제안했다 AI 오늘 90 년대 후반의 인터넷과 같습니다 이는 다음과 같은 몇 가지 놀라운 실패가 있음을 의미합니다. Pets.com 사람들이 새로운 기술을 적용하는 방법을 확실히 모르기 때문에 그러한 다른 불발. 그는 새로운 기술에 대한 두려움 때문에 사람들을 사로 잡았습니다.“새롭고 무섭고 매우 복잡합니다.”
그러나 그것을 이해하는 사람들에게도 큰 기회가 있습니다. 헤이는“사람들이 새로운 것을 시도 할 의향이 있기 때문에 지금 우리가보고있는 모든 것들이 인터넷에 의해 개방되었다”고 말했다. 지금도 같은 상황입니다 사람들을 가능하게하는 AI "그들이 찾고자하는 것조차 알지 못했던 것"을 찾기 위해. "많은 사람들이 생각하는 것보다 회사에 더 많은 기술을 가지고 있습니다", 특히 "주제 전문가 그리고 데이터를 아는 사람들.”
지금 기술에 액세스 할 수 있도록 만들기
헤이는“현재 모든 회사가 현재 AI를 활용할 수있는 방법을보고 싶습니다. 이를 위해서는 데이터 과학 전문가가 아닌 외부에서 AI에 액세스 할 수 있어야합니다. "세계의 유능한 데이터 과학자의 수는 이로부터 이익을 얻을 수있는 회사의 수보다 훨씬 적습니다." 따라서 더 많은 비즈니스 문제를 해결하는 열쇠는 "더 많은 사람들이 Andrew Ng가되도록 교육하는 것이 아니라 사람들이 기술을 사용할 수 있도록하는 것"입니다.
실제로, 그것은 미래의 물결입니다 가트너올해에 증가 할 것으로 예측 한 “셀프 서비스”분석. 인공 지능의 중요한 발전과 "SaaS (구름) 해석학 과 BI 플랫폼을 통해 비전문가가 효과적인 분석을 수행하고 의사 결정에보다 효과적으로 정보를 제공 할 수 있습니다.”라고 Gartner의 연구 이사 인 Carlie J. Idoine은 말했습니다.
그것이 사업에 도입되고 더 많은 직원들이 AI의 혜택에 대한 자신의 도움을 주저하는 것을 꺼려 할 때, 그것은 조직 내에서 관중 스포츠가 아닌 진정한 참여자가 될 수 있습니다. 이러한 변화는 엄청난 영향을 미칠 수 있습니다. (비즈니스를위한 AI에 대해 많이 생각하지 않은 경우 다음과 같은 구현을 고려해야합니다. 기업이 AI 사용을 고려할 수있는 5 가지 방법.)
시간과 비용을 줄여 위험 감소
헤이는“사람들은 6 개월 동안 가설을 세우는 데 너무 무섭다”고 말하면서 궁극적으로 실패 할 수있는 시간과 돈의 주요 투자이기 때문에 설명했다. 그러나 일체 포함 시간이 더 긴 이러한 주요 문샷 프로젝트를 위해 예약되지는 않았지만, 더 자주, 심지어 매일 더 빨리 완료되는 더 일반적인 작업을 위해, 사람들은 "스프레드 시트처럼"됩니다. 시험해보기를 두려워하고 심지어 여러 가지 다른 것들을 통해 그들의 요구에 가장 적합한 것을 찾아냅니다.
그러나 Idoine은 기업이 직원들이 자신의 필요에 맞게 사용하고 적응하는 방법을 선택해야한다는 것을 의미하지는 않습니다. 그녀는“대부분의 셀프 서비스 사용자가 의미있는 결과물을 생산할 수 있도록 교육, 지원 및 온 보딩 프로세스가 필요합니다”라고 주장합니다. 데이터 과학 팀의 수를 늘리는 것이 아니라 비즈니스 문제에 대한보다 나은 솔루션의 핵심입니다.
