Dziś chcielibyśmy podejść do problemu z innego stanowiska i przyjrzeć się temu, jak firmy adoptują AI na różnych poziomach rozwoju.
Wierzymy, że dzięki takiemu strategicznemu przeglądowi, firmy mogą przewidzieć przyszłe kroki, jednocześnie ucząc się z najlepszych praktyk, aby uniknąć wspólnych pułapek. Niezależnie od tego, czy dopiero myślisz o rozpoczęciu pracy z AI, czy też czujesz, że Twoje wysiłki są na etapie plateau, spostrzeżenia przedstawione tutaj prawdopodobnie będą z Tobą współbrzmieć i wspierać Twój rozwój.
Jak myśleć o problemie
W Unit8 radzimy firmom, aby postrzegały swoją podróż po AI i danych w pięciu etapach, od zdobycia świadomości do wykorzystania pełnego potencjału AI i zablokowania związanej z nim wartości.
Zaadoptowanie AI w całej organizacji i stworzenie z niej wartości nie jest łatwym zadaniem: firma badawcza Gartner szacuje, że około 80% projektów AI nigdy nie zostaje wdrożonych i w związku z tym nie wywierają one żadnego wpływu. W oparciu o nasze doświadczenie w Unit8, nakreśliliśmy typową ścieżkę adopcyjną, którą wielokrotnie widzieliśmy w praktyce. Podzielimy się z Tobą kluczowymi działaniami związanymi z każdym z pięciu etapów, a także kilkoma najlepszymi praktykami. Nie oznacza to jednak, że każda organizacja musi podążać dokładnie za tymi pięcioma etapami: ramy te można łatwo dostosować do konkretnych punktów wyjścia lub wymagań.
Etap 1: Zyskaj świadomości
Pierwszym krokiem w podróży po AI jest poszerzenie swojej wiedzy na ten temat. Jest to kluczowy krok, ponieważ dziedzina ta jest dość głośna i stale się rozwija. Łatwo wtedy poczuć się przytłoczonym przez informacje lub wpaść w pułapkę hype’u na AI. Zalecamy zacząć od tego, co wiesz: rozumiesz swój biznes bardziej niż ktokolwiek inny, więc skup się na tym, jak AI jest wykorzystywana w Twojej dziedzinie, czytając whitepapers lub uczestnicząc w wydarzeniach branżowych. Mając tę wstępną wiedzę, możesz rozpocząć wewnętrzną dyskusję z rówieśnikami i stworzyć pierwszą długą listę przypadków użycia, w których widzisz potencjał dla tworzenia wartości opartej na AI. Na koniec, upewnij się, że przeprowadzisz dokładną ocenę zasobów, którymi dysponujesz (tj. talent, infrastruktura, budżet), zanim jeszcze zaczniesz przygotowywać podstawową mapę drogową w zakresie danych i AI.
W przyszłym artykule omówimy, w jaki sposób należy opracować mapę drogową AI, ale w skrócie można ją sobie wyobrazić jako serię zasad przewodnich i możliwych do wykonania kroków, które należy podjąć, aby wykorzystać AI na skalę w swojej organizacji. Mapa drogowa będzie ewoluować w czasie, w miarę jak firmy będą coraz bardziej rozwinięte w zakresie AI, ale zazwyczaj obejmuje 5 kluczowych obszarów: dopasowane strategie biznesowe, dane i AI; ludzie i możliwości; zarządzanie AI i etyka; realizacja wartości w skali; oraz ciągła inżynieria. Te 5 obszarów ma te same cele, a mianowicie zapewnienie, że AI przejdzie przez etap proof-of-concept, stanie się zaufana w całej organizacji i będzie realizować krytyczne elementy strategii biznesowej.
Zalecamy kilka najlepszych praktyk, które zwiększą szansę na sukces. Po pierwsze, zbudowanie kompetentnych wewnętrznych mistrzów AI na wczesnym etapie organizacji stworzy podniecenie i impet, a jednocześnie ograniczy niebezpieczne błędne przekonania na temat tego, co AI może, a czego nie może zrobić. Po drugie, inicjatywy AI nie będą trwały długo bez odpowiedniego zaangażowania ze strony kierownictwa, dlatego przed przejściem do bardziej złożonych etapów należy zapewnić akceptację na poziomie C. Wreszcie, rozważenie konkretnych działań w celu zwiększenia umiejętności korzystania z danych na wczesnym etapie w organizacji okaże się bardzo cenne w dłuższej perspektywie.
Etap 2: Eksperymentuj i udowodnij wartość
Kiedy już lepiej zrozumiesz przypadki użycia AI w swojej branży i ocenisz swoje wewnętrzne możliwości, czas na eksperymenty. Ale wstrzymaj się przed skokiem prosto w tony projektów! Nie trać z oczu swojego celu na tym etapie i skoncentruj swoje wysiłki na budowaniu rozmachu za pomocą małych projektów, które mają wymierny wpływ na biznes. Kluczem jest tu ponownie skupienie: weź swoją pierwotną listę pomysłów i zawęź ją do maksymalnie 2-3 projektów, dla których przewidziałeś największy potencjał zarówno pod względem wpływu biznesowego, jak i wykonalności technologicznej (patrz metodologia przedstawiona w jednym z naszych poprzednich artykułów). Następnie przekaż te piloty małemu zespołowi, który będzie je realizował, lub rozważ partnerów zewnętrznych.
Podekscytowanie będzie prawdopodobnie wysokie na tym etapie, ponieważ zaczynasz rozwiązywać problemy i optymalizować procesy – nie pozwól, aby spadło z powodu długotrwałych projektów z niskimi szansami na sukces. Zamiast tego skup się na nisko wiszących owocach w sposób zwinny i nie bój się szybko ponosić porażek, jeśli zajdzie taka potrzeba. Kolejna wskazówka, która przyniesie korzyści w dłuższej perspektywie, w miarę jak projekty będą się komplikować: zwracaj uwagę na jakość i dostępność danych i w razie potrzeby zacznij je poprawiać.
Etap 3: Uzyskaj skalowalny, mierzalny rezultat
Do tej pory powinieneś mieć już kilka pilotów, które z powodzeniem wykazały wartość dodaną, ale ich zakres jest prawdopodobnie nadal ograniczony. Kolejnym logicznym etapem jest zakwestionowanie wszystkich tych początkowych quick-wins i ocena ich wpływu na większą skalę. To przejście z etapu pilotażowego do produkcyjnego jest zazwyczaj trudne, i to nie tylko z powodów technicznych: Budżety prawdopodobnie wzrosną, modelom może brakować wytłumaczalności, a akceptacja przez nietechnicznych użytkowników końcowych nie będzie tak łatwa, jak oczekiwano. Aby ułatwić to przejście i uzyskać szerszą akceptację, należy zapewnić sobie bezpośredniego sponsora wykonawczego (i budżet), a jednocześnie zainwestować czas w szkolenie użytkowników końcowych ze szczególnym naciskiem na wyjaśnialność, aby uniknąć typowego efektu czarnej skrzynki.
Szybko przekonasz się, czy Twoje rozwiązanie jest atrakcyjne, jeśli będziesz monitorować jego wykorzystanie – to pomoże Ci również zidentyfikować luki w dalszym skalowaniu i zbudować lepsze rozwiązania w przyszłości. W tym samym duchu, motywacja do dalszego rozwoju będzie prawdopodobnie rosła, jak zaczniesz obserwować wpływ finansowy na górną i dolną linię.
Etap 4: Zwiększaj możliwości
Na tym etapie rozwoju, firma musi z powodzeniem udowodnić, że jest w stanie opracować skuteczne rozwiązania AI i wdrożyć je na większą skalę. Jednak w miarę wzrostu liczby przypadków użycia i doskonalenia rozwiązań, prawdopodobnie będzie brakowało pojemności pamięci masowej, mocy obliczeniowej lub innych zaawansowanych funkcji. Może to być dobry moment, aby sfinalizować strategię AI i rozwinąć infrastrukturę danych i AI. Konkretnie, ten krok wymaga wzmocnienia fundamentów danych poprzez przeniesienie do chmury, zainwestowanie w serwery on-prem lub wybranie opcji hybrydowych.
Dodatkowo, nie trać tempa i nadal naciskaj na demokratyzację wykorzystania danych w całej organizacji: w miarę jak stajesz się bardziej rozwnięty, upewnij się, że zbierasz informacje zwrotne od swoich wewnętrznych klientów (zarówno twórców, jak i konsumentów przypadków użycia AI). Tam „tłumacze” mogą odegrać wielką rolę jako interfejs między technikami i biznesmenami, aby dodać funkcje lub dostosować swoje rozwiązania. Na marginesie, polecamy zwrócić szczególną uwagę na „grzybkowanie” działań związanych z AI. Rozumiemy przez to projekty pilotażowe i małe zespoły AI, które pojawiają się w dowolnym miejscu organizacji bez centralnego nadzoru lub zarządzania. W dłuższej perspektywie spowoduje to nieefektywność i trudne do przełamania silosy.
Etap 5: Wykorzystaj pełne możliwości Data i AI
Na tym etapie korzyści płynące z AI nie mają już dla Ciebie żadnych tajemnic. Twoje zespoły ds. danych rosną, a wiele przypadków użycia działa na dużą skalę w całej organizacji. Teraz nadszedł czas, aby skonsolidować te zyski i zablokować wartość stworzoną przez Twoje rozwiązania. Utworzenie Centrum Doskonałości AI (CoE) może być ważnym kolejnym kamieniem milowym, przede wszystkim w celu połączenia know-how i poprawy zarządzania. Takie centrum będzie odpowiedzialne za utrzymanie infrastruktury i platformy, wdrożenie standardów zarządzania danymi i modelami w celu ograniczenia ryzyka, a także poprawę monitorowania modeli i możliwości ich ponownego wykorzystania dzięki praktykom MLOps.
Aby osiągnąć te cele, zalecamy przede wszystkim ustalenie jasnych wytycznych dotyczących własności danych, a także precyzyjnych ról i obowiązków w całym cyklu życia modelu. W podobny sposób wdrożenie procesu rejestracji i walidacji modelu poprawi możliwość jego ponownego wykorzystania i wyjaśniania, a także ograniczy ryzyko, które może wynikać z działań związanych z AI, takie jak nieoptymalne decyzje biznesowe oraz szkody prawne i szkody dla reputacji. Skutecznie ustanowiony CoE może stać się potężnym partnerem sparingowym i menedżerem jakości dla wszystkich działań związanych z AI w organizacji.
Wnioski
Wartość biznesowa tworzona przez AI jest obecnie tak duża, że nie może być dłużej traktowana przez organizacje jako „nice to have”. Jednak droga do uchwycenia tej wartości jest raczej wyboistą drogą niż słonecznym scenariuszem. Dlatego też niniejszy artykuł ma na celu przybliżenie typowej podróży związanej z AI, wraz z najlepszymi praktykami.
Na przykład zachęcamy do pragmatycznego podejścia i skupienia się na początku na projektach, które mogą być szybko zrealizowane, mają wysokie szanse powodzenia i mogą przynieść rzeczywistą wartość biznesową dla organizacji. Podobnie, na każdym etapie podróży, zmaksymalizujesz wpływ, gdy eksperci domeny będą pracować ramię w ramię ze specjalistami AI.
Nic jednak nie zastąpi praktycznego doświadczenia. Dlatego zawsze zalecamy, aby na początku mieć duże marzenia i zacząć od małych, skupiając się na szybkich wygranych, a następnie uzyskać wsparcie od doświadczonych partnerów, gdy blokady ograniczają postępy.
Oryginał artykułu: https://unit8.com/resources/data-ai-journey-5-steps-to-success/
O Unit8
Unit8 jest wiodącą szwajcarską firmą świadczącą usługi w zakresie danych, której misją jest pomaganie firmom niebędącym przedstawicielami branży cyfrowej w przekształcaniu danych w wartość za pomocą mieszanki nauki o danych, analityki i AI. Działamy na styku biznesu i technologii, aby towarzyszyć naszym klientom na każdym etapie ich podróży po danych & AI. Z siedzibą w Szwajcarii, działający w całej Europie.
Główną kompetencją Unit8 jest budowanie niestandardowych rozwiązań data & AI, aby dopasować się do Twoich wymagań. Nasze udokumentowane doświadczenie obejmuje realizację ponad 50 projektów do tej pory i zaufane partnerstwo z instytucjami od Daimler do Firmenich i WWF (World Wildlife Fund). Nasze usługi obejmują kompleksowe projekty z zakresu danych i sztucznej inteligencji oraz wdrożenia produktów. Obejmują one inżynierię danych, rozwój modeli AI, inżynierię oprogramowania i integrację z obiegiem dokumentów w Twojej firmie, aby pomóc w każdej fazie realizacji projektu. Rozwijamy się w dziedzinie nauki o danych, uczenia maszynowego, wizji komputerowej i przetwarzania języka naturalnego (NLP).
Sprawdź: Aktualne oferty Unit8
