콘텐츠
- 비즈니스에서 인공 지능의 채택
- 업종의 인공 지능 채택
- 버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
- Cloud AI 회사와의 파트너십
- 결론
출처 : Kittipong Jirasukhanont / Dreamstime.com
테이크 아웃 :
기업은 AI와 ML을 운영에 통합하기 시작했지만 많은 인터넷 비즈니스의 규모는 아닙니다. 이러한 회사의 도움이 엔터프라이즈 AI 채택의 열쇠가 될 수 있습니다.
하이퍼 스케일 인터넷 회사는 2015 년부터 데이터 처리 및 모델링 정교화의 자동화를 증가시켜 여러 수준의 머신 러닝을 뛰어 넘었습니다. 몇 가지 예외를 제외하고, 기업은 인공 지능 채택에 뒤떨어져 있지만 인터넷 회사에서는이를 도울 수있는 파트너를보고 있습니다 따라 잡다.
머신 러닝의 잠재적 인 엔터프라이즈 사용자는 특히 지난 4 년 동안 인터넷 회사가 축적 한 교육 알고리즘에 대한 인재 풀, 컴퓨팅 능력, 규모 및 데이터 양을 맞추기 위해 갈 길이 멀다. 기업의 많은 분야에서 비즈니스 프로세스는 인공 지능을 통해 얻은 통찰력을 기반으로 데이터 처리 자동화 및 비즈니스 의사 결정의 즉각적인 실행을 위해 디지털로 변환되지 않았습니다. 더욱이, 몇몇 업종은 아직 인공 지능의 수익성있는 실행에 적합한 잘 정의 된 사용 사례를 가지고 있지 않습니다. 비즈니스의 AI에 대한 자세한 내용은 AI의 힘으로 IT 서비스 관리 변경 관리 문제 극복을 참조하십시오.
비즈니스에서 인공 지능의 채택
비즈니스에 인공 지능을 도입하는 것은 초기 단계에 있으며, 특히 탐색 및 파일럿을 넘어 고급 사용자를 사용하여 비즈니스 가치를 얻는 단계로 생각할 때 특히 초기 단계입니다. 테크놀로지 미디어 회사 인 O'Reilly는 2018 년 설문 조사에서“기업의 머신 러닝 채택 상태”에서 전 세계의 전체 기업 사용자 중 15 %, 북미에서 18 %에 불과한 고급 사용자가 있음을 발견했습니다.
외부 전문 지식 및 학습 소스는 비즈니스 사용자가 기계 학습의 최신 기술, 특히 고급 AI 기술을 따라 잡을 수 있도록 돕는 데 중요한 역할을합니다. Deloitte의 2018 설문 조사에 따르면 기업 구매자의 59 %가 AI 기능을 갖춘 엔터프라이즈 소프트웨어 회사로부터 AI 전문 지식을, 53 %는 파트너와 공동 개발하고, 49 %는 클라우드 AI 회사에서 획득하고, 39 %는 GitHub와 같은 사이트에서 크라우드 소싱을합니다. . 클라우드 AI 회사는 AI를 서비스로 제공하여 사내 인프라 및 인재 개발 비용을 절감합니다.
고급 AI 개발의 경우 클라우드 회사가 더 중요한 전문 지식 소스입니다. 비즈니스 응답자의 39 %는 온 프레미스 소프트웨어의 15 %에 비해 고급 AI의 소스로 클라우드 회사를 선호했습니다. 서비스로서의 AI는 48 %의 빠른 속도로 성장했습니다.
업종의 인공 지능 채택
인공 지능과 로봇 공학에 중점을 둔 산업 분석 회사 인 Tractica의 연구 책임자 인 Aditya Kaul과 이야기했습니다. Kaul은 전 세계 기업에서 300 개가 넘는 사용 사례를 위해 30 개 분야에서 인공 지능의 채택을 조사하고 있습니다. Kaul은“통신 및 금융 서비스는 AI 채택의 선두 주자였으며 1980 년대로 거슬러 올라가는 기초적인 통계 기술로 일찍 시작했습니다. 그는“소매, 자동차 및 헬스 케어 분야의 도입이 최근에 급격히 증가한 반면 대다수 기업은 채택 초기 단계에 머물렀다”면서“CRM, 공급망 및 HR과 같은 수평 적 비즈니스 서비스는 예측 기능이 전망, 소비자 수요 동향 및 재능있는 직원을 식별하는 데 도움이되는 AI를 신속하게 제공합니다.”
Kaul은“복잡하고 이기종 소프트웨어 정의 네트워크의 모니터링, 동기화 및 최적화는 통신 부문에서 중요한 사용 사례입니다. "자동차 내 음성 보조원은 차량 내 서비스 개인화에 대한 악센트가 커짐에 따라 자동차 부문에서 급증했습니다." 그는 또한“금융 부문은 사기 탐지, 대출 분석 및 기타 백엔드 운영에 사용하는 것 외에도 소규모 인터넷 은행과의 치열한 경쟁에 직면하면서 챗봇을 포함한 고객 서비스를 위해 인공 지능을 배포하고 있습니다”라고 말했습니다.
의료 부문은 엄청난 잠재력을 가지고 있지만, 데이터 사용에 대한 규제 장벽으로 인해 최근까지는 지연되었습니다. Kaul은“벤처 기반의 여러 신생 기업은 이제 약물 실험 속도를 높이기 위해 임상 시험에서 기계 학습에 중점을 두었습니다.
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
소매점은 수요와 공급을 정확하게 예측하는 데 능숙 해짐에 따라 머신 러닝에 대한 투자를 가속화했습니다. 맥킨지 (McKinsey)의 리서치 보고서에 따르면 독일 소매 업체 오토 (Otto)는 딥 러닝 알고리즘을 사용하여 연간 2 백만 개 이상의 품목을 반납하고 초과 재고를 20 %까지 인하한다고 밝혔다. AI 엔진은 현재 30 일 동안 오토가 90 %의 정확도로 판매 할 제품을 예측할 수 있기 때문에 한 달에 200,000 개의 품목을 자율적으로 주문합니다. (AI가 귀사에 어떻게 적합한 지 확실하지 않은 경우 회사가 AI 사용을 고려할 수있는 5 가지 방법을 확인하십시오.)
Cloud AI 회사와의 파트너십
하이퍼 스케일 클라우드 AI 회사는 인공 지능 기술을 발전시키기 위해 엔터프라이즈 고객과 파트너십을 맺고 자했지만 백엔드 배관에 없어서는 안될 엔터프라이즈 소프트웨어 회사와 협력하는 방법에 대해서는 확실하지 않습니다. Kaul은“클라우드 회사는 무료 클라우드 시간, 컨설팅 및 교육 리소스를 포함한 공짜로 기업 고객에게 관대했습니다.
Google과 같은 클라우드 AI 회사는 2015 년 수작업 엔지니어링 알고리즘에서 2016 년 딥 러닝으로, 최근에는 강화 학습과 같은 고급 알고리즘으로 빠르게 전환했기 때문에 얼리 어답터에게 AI 학습으로의 발전 과정을 안내 할 수 있습니다. 성숙.
Kaul은“사전 훈련 된 모델, 레이블이 지정된 데이터 세트 및 클라우드 AI 가격이 전반적으로 감소함에 따라 AI 비용도 감소하고 있습니다."동시에 작업의 90 %를 차지하는 데이터 처리, 처리, 데이터 준비 및 레이블링 시간이 이러한 프로세스를 자동화하는 AutoML과 같은 기술로 단축되었습니다." 하이퍼 스케일 클라우드 AI 회사의 파트너 인 엔비디아는 기업용 GPU (그래픽 처리 장치)를 재 포장했습니다. Kaul은“Nvidia는 CPU (중앙 처리 장치)에 비해 대규모 분석 모델의 교육 속도를 높이는 엔터프라이즈의 데이터 과학 및 분석 사용 사례를 대상으로 재배치했습니다.
엔터프라이즈 소프트웨어 회사는 클라우드 AI 회사를 수용 할 수있는 방법을 찾아야합니다. 특히 엔터프라이즈 비즈니스 구조의 일부가되는 새로운 기능을 시장에 출시 할 때 더욱 그렇습니다. Kaul은“AI가 가져 오는 가치를 확대하는 딥 러닝을 통해 챗봇 및 이미지 인식을위한 컴퓨터 비전 기능과 같은 기능을 구현할 수 있습니다. "소프트웨어 자체는 더 이상 하드 코딩되지 않고 데이터 및 분석 요구에 적응합니다." 아직 Microsoft와 같은 몇 가지 예외가 있지만 엔터프라이즈 소프트웨어 회사가 알고리즘으로 클라우드 AI 회사를 따라 잡을 수 있다는 증거가 충분하지 않습니다. 그러나 모든 징후에 따르면 클라우드 AI 회사와 엔터프라이즈 소프트웨어 회사 간의 새로운 계약 조건은 아직 해결되지 않았습니다.
결론
머신 러닝은 엔터프라이즈 소프트웨어 자체를 재정의함에 따라 엔터프라이즈를 재창조 할 것입니다. 기업은 데이터 처리 시간을 단축하는 알고리즘을 통해 얻은 통찰력을 바탕으로 데이터 처리 자동화 및 비즈니스 의사 결정의 빠른 실행을 통해 외부 비즈니스 환경에보다 빠르게 적응할 수 있습니다. 엔터프라이즈 소프트웨어는 알고리즘과 보조를 맞추기 위해 더 자주 진화하고 재구성합니다.
