Onttrek 'n stabiele voorspelbare voordeel uit die gebruik van kunsmatige intelligensie (AI) op 'n deurlopende basis, 'n besigheid kan slegs nadat hierdie rigting gesertifiseer is. Dit is nie net 'n integrale deel van die skaal van II-oefening vir besigheid nie, maar ook 'n belofte van groei. Maatskappye moet nie verwag word dat die bedryf of reguleerders standaardisering op hulself sal neem nie, hulle moet die proses in hul hande neem.
Kunsmatige intelligensie (AI) het 'n hoë prioriteit rigting geword - die besigheid op wêreldvlak het die afgelope drie jaar sowat $ 306 miljard vir AI-oplossings bestee. In teorie kan hierdie beleggings drie-tyd opbrengste bring. Alhoewel baie maatskappye nie die verwagte resultate bereik nie.
Die hoofrede is die onvermoë van die besigheid tot die effektiewe skaal van AI-oplossings. Dit gebeur as gevolg van onvoldoende standaardisering van AI. Ons sal 'n analogie trek van byvoorbeeld konstruksie. Ons verstaan dat argitekte, baksteenstapelaars, elektrisiëns en ander konstruksiepersoneel weet hoe om 'n huis elk op sy stadium te bou. Hulle is opgelei, verstaan hul rol, vertroud met die veiligheidstandaarde wat gevolg moet word. Dit is onwaarskynlik dat iemand in die regte verstand die ontwerp van die huis aan die argitek sal vertrou - 'n amateur, en die konstruksie daarvan is 'n groep ewekansige mense. Terselfdertyd, een ding, as jy wil bou, byvoorbeeld die hysbak, en die ander is 'n woonstelgebou, vir verskillende soorte voorwerpe, sal kundiges met verskillende ondervinding en kennis vereis word.
Dit moet ook wees by die AI - slegs die rigting van die rigting van die inbedryfstelling van die algemene stel norme, standaarde en basiese beginsels, is dit moontlik om onderskatting of herassessering van tegnologievermoëns te vermy met betrekking tot besigheidstake, die verkeerde interpretasie van take, sowel as foutberigte en finansieringsprojekte. Aangesien IA-tegnologie te vinnig ontwikkel, het regerings en regulerende owerhede nie tyd om die hervormings van die bedryf te bedryf en standaarde te implementeer nie. So, organisasies moet die taak van professionalisering in hul hande neem.
Die tyd het aangebreekAccenture het 'n studie onder maatskappye gedoen wat AI suksesvol skaal in die raamwerk van die algehele besigheidsontwikkelingstrategie - hulle word strategiese skale genoem. Hulle gebruik die standaardiseringstaktiek van die aanwysings van AI en interdissiplinêre opdragte. Hierdie benadering laat 1.5-2.5 keer meer dikwels toe om effektiewe ontwerp- en produkprodukte te skep, insluitende opleiding en 'n duidelike verdeling van verantwoordelikheid tussen deelnemers.
92% van die maatskappye wat AI suksesvol afgeskaal het, gebruik interdissiplinêre spanne regdeur die organisasie. 72% van hulle argumenteer dat hul werknemers ten volle verstaan hoe kunsmatige intelligensie reeds toegepas is of op take binne hul rolle toegepas kan word. Strategiese skale in sy praktyk skakel vinnig oortollige pligte uit en verduidelik die grense van verantwoordelikheid binne en in die algemeen in die praktyk van die samehang van AI-spanne binne die maatskappy.
Die kombinasie en verhouding van rolle in sulke spanne sal afhang van spesifieke gevalle en projekte. Die gebruik van vennoot-ervaring en / of ontwikkelingsplan om te werk en ontwikkel spanne sal die vestiging van hierdie proses as gestandaardiseerd en deursigtig vir die maatskappy help. Maar een ding bly die sleutel tot alle projekte - dit is nodig om die verantwoordelikheid van die begin af te bepaal en verwagtinge reg te stel.
Verpligte onderwys en totale AI GeletterdheidOrganisasies belê in die leer van AI, maar as 'n reël in die werklike wêreld sal baie van die interne spesialiste steeds nie die nodige opleiding en kwalifikasies hê vir effektiewe werk met kunsmatige intelligensie nie. Organisasies Dit is belangrik om vereistes vir onderwys, bevoegdhede en opleiding vir werknemers wat by die projekte van AI betrokke is, te vestig.
Terselfdertyd, maatskappye, suksesvol skaal AI, staatmaak op rame met die regte kombinasie van vaardighede en kwalifikasies, beide op die gebied van besigheid, IT en Databestuur en in AI. So beweer 70% van die strategiese skaalprofielmaatskappye dat hul werknemers formele leer op die gebied van AI ondergaan het en met data werk.
Vandag word besigheid dikwels toegerus met II-spanne sonder om die vereistes vir die vlak van opleiding en vaardighede te formaliseer, sonder om te werk as 'n klassifikasie van die hooftipes take en benaderings tot hul implementering. Selfs onder die gegradueerde of gesertifiseerde spesialiste op die gebied van AI is daar verskeie dekking en vlakke van eienaarskap van beide praktiese vaardighede en gereedskap en in terme van die begrip van die eienskappe van 'n bepaalde onderneming.
By die tik van nuwe talentmaatskappye gebruik dikwels tegniese sifting van kandidate om die nodige kennisvlak te assesseer om 'n spesifieke rol te verrig. Om die deelnemers van die AI-spanne meer verantwoordelikheid en onafhanklikheid te kan gee, die werklike situasie van die praktyk van AI te verstaan, moet organisasies gereelde evalueringsgeleenthede regdeur die werknemer se loopbaan doen om die relevansie van kennis en planne te beplan.
Ten spyte van die onvoorwaardelike toename in belegging in die AI sal die bereiking van ware professionaliteit in hierdie gebied afhang van die versekering van totale en geletterdheid in die organisasie.
AI-droom spanNog 'n kenmerkende uitdaging is die onvermoë om 'n effektiewe interdissiplinêre opdrag te bou. Die werklike besigheidswaarde van AI kan slegs geïmplementeer word wanneer kundiges op analitiese, data en kunsmatige intelligensie werk inhandig met sake-kollegas. Die perfekte span moet so lyk:
- Produk Eienaar (Productowner), die een wat "vel" is verantwoordelik vir die produktiewe statistieke en is 'n enkele toegangspunt vir die ontvangs van vereistes en terugvoer van besigheid;
- 'N Expert metodoloog van die vakgebied, wat perfek verstaan hoe die bestaande besigheidsproses funksioneer en ideaal ondersteun, ondersteun kennis van hoe soortgelyke take in ander maatskappye opgelos word;
- 'N Besigheidsontleder wat 'n saak korrek sal uitreik - skuif die dokumentasie, hipoteses, beskrywings en beperkings in die vereistes van die II-produkvereistes;
- Data Analyst / Data Sintist, wat 'n wye verskeidenheid van analitiese manipulasies uit visuele analitiese kan uitvoer totdat die opsporing van komplekse verborge patrone is om hipoteses te genereer en MVP te bou om dit te kontroleer; Een van die areas van bevoegdhede vir sulke spesialiste is die dataverhaalvertelling - die vermoë om vir stap te stap om data en die resultate van die analise in verstaanbare besigheids insigte te verander;
- DataEngineeringingenieur (DataEngineer), wat analitiese en data-woorde sal help om data op te stel, kan byvoorbeeld uit verskillende bronne kombineer, omskep na 'n enkele formaat; Ondervinding toon dat hierdie rol onafhanklik moet wees, aangesien die data-telling ondoeltreffend is in die implementering daarvan;
- Deeltydse argitek (DataArchitect) en die data steward verteenwoordiger (data steward), wat vinnig kan 'n opsomming gee van die beskikbaarheid en gehalte van data, beperkings en vereistes van toets en produktiewe kontoere, insluitende inligtingsekuriteit, wolk en ander Infrastruktuur, DevSecops / Dataops prosesse / mlops sodat dit in die vroeë stadiums korrek is om die haalbaarheid te evalueer en moontlike risiko's en effekte te verduidelik.
Op grond van die rolle kan dit gesien word dat daar nie veel in maatskappye in sulke spanne kan wees nie - hierdie spesialiste bak nie. Die realiteite is sodanig dat die besigheid die effek wil sien voordat die hulpbronne aan so 'n opdrag toewys. Sulke spanne moet gelei word deur eenvormige standaarde en reëls. As die werk volgens die verenigde beginsels georganiseer word, word dit optimaal en afgeskaal, en kan dit ook vinnig herhaal word om nuwe take op te los, om nuwe hipoteses te kontroleer. Deel van die spesialiste beweer dat geformaliseerde prosesse innovasie kan verwurg; Accenture studies het die teenoorgestelde getoon.
In professionele maatskappye is daar 'n standaardbenadering tot toetsing en benchmarking wanneer produkte en dienste geskep en ontwikkel word. Ongeag of die maatskappy intelligente toestelle of model van masjienleer skep om die kliënt se ervaring van aanlyn-kleinhandel te verbeter, kan die beskikbaarheid van 'n stelsel en prosesse om die ontwikkeling van AI-produk te ondersteun, werknemers kan voorstel om innovasies voorspelbaar en doeltreffend te implementeer.
Byvoorbeeld, jy het altyd 'n geformaliseerde prosedure nodig vir die oordrag van die sagteware kode na die produktiewe medium. Nog 'n kenmerkende voorbeeld, wanneer data-wetenskaplike data-ingenieurs swak gestruktureerde en ongedokumenteerde kode wat veronderstel moet wees, oordra, oordrag van Python na Scala vir aflewering na die produktiewe.
In die praktyk beïnvloed iA-ontwikkelingsstandaarde die vereistes vir templates, logging en monitering reëls, verenig toetse, beheer van kode weergawes, data wat deur biblioteek weergawes en nog baie meer gebruik word.
In Rusland en die wêreldIn Rusland, op die gebied van II-ontwikkeling, is daar 'n goeie relatief tot ander lande die situasie in terme van bevoegdhede van masjienleer spesialiste en kunsmatige intelligensie. Die tema self is teenwoordig op die agenda van korporasies en op die staatsvlak. Die toegewyde korporatiewe laboratoriums van die AI-funksie en ontwikkel, industriële inbedding van AI-oplossings in 'n klein aantal sakeprosesse vind plaas.
Die situasie is die beste in tegnologiese maatskappye, e-handel en kleinhandel, baie word in telekommunikasie en banke gedoen. In hierdie nywerhede word 'n visie van ontwikkeling met 'n geïntegreerde II-span in 'n korporatiewe struktuur reeds gevorm. In die werklike sektor van die ekonomie is daar nog 'n groot manier, hoewel een van die suksesvolle Russiese voorbeelde in my praktyk aan die maatskappy van die olie- en gasbedryf behoort.
Een van die suksesvolste industriële benaderings tot 'n omvattende transformasie gebaseer op gevorderde analise wat ek in die banksektor gekyk het. Die internasionale bankgroep het belê in 'n enkele tegnologiese platform vir gevorderde analise en aanlyn samewerking, sowel as byna gelyktydig 'n internasionale data wetenskapsgemeenskap geloods. Saam met die vasstelling van interdissiplinêre produkspanne met die rolle wat hierbo aangedui word, het hierdie stappe vir die eerste ses maande toegelaat om in 'n produktiewe van ongeveer 10 II-gevalle te loop en 'n gedetailleerde studie van 'n ander 20 te begin.
Dit is belangrik om daarop te let dat in die maatskappy ten tyde van die begin reeds 'n goed gevormde databestuursfunksie (data-bestuur) was, wat as basis vir transformasie opgetree het, 'n enkele benadering, prosesse en tegnologieë geïdentifiseer het.
Wat sal die standaardisering in AI oplosEerstens, die kombinasie van 'n bevoegde span en deursigtige beginsels en standaarde van AI oorwin die probleem van bewyse van die ekonomiese uitwerking van die inisiatiewe. Dit is nou verwant aan die oorgang van die projek en prosesbenadering tot die produk aan die produk met 'n analise van die eind-tot-end ketting van die koste. Spanne stel in die praktyk van AI-statistieke, wat u toelaat om die probleme en subtiele plekke van AI-projekte te verlig of heeltemal uit te skakel. Byvoorbeeld, u kan onmiddellik 'n voorspelling doen vir die verandering van P & L-produk na die bekendstelling van gevorderde analise en meer akkuraat 'n koste-voordeel-analise van die implementering van AI in 'n spesifieke besigheidsproses.
In totaal kan dit 'n breuk in die gereedheid van maatskappye toelaat om die ontwikkeling van AI as 'n strategiese rigting van digitale transformasie te oorweeg en die oorgang van "laboratorium eksperimente" na 'n volwaardige II-strategie uit te voer.