सतत बुद्धिमत्ता (एआय) वापरण्यापासून स्थिर अंदाजयोग्य फायदा काढा, एक व्यवसाय केवळ या दिशेने व्यवस्थित करू शकतो. व्यवसायासाठी II प्रॅक्टिसच्या स्केलिंगचा हा एक अविभाज्य भाग नाही तर वाढीचा प्रतिज्ञा देखील आहे. उद्योग किंवा नियामकांना स्वतःवर मानकीकरण घेण्याची अपेक्षा आहे, त्यांना त्यांच्या हातात प्रक्रिया करण्याची आवश्यकता आहे अशी अपेक्षा केली जाऊ नये.
कृत्रिम बुद्धिमत्ता (एआय) एक उच्च प्राधान्य दिशा बनली - गेल्या तीन वर्षांपासून जागतिक पातळीवरील व्यवसायात 306 अब्ज डॉलर्स खर्च झाला. सिद्धांतानुसार, या गुंतवणूकीने तीन वेळा परतावा येऊ शकतो. तथापि, बर्याच कंपन्या अपेक्षित परिणामांपर्यंत पोहोचत नाहीत.
मुख्य कारण म्हणजे आयआय सोल्युशन्सच्या प्रभावी स्केलिंगमध्ये व्यवसायाची अक्षमता आहे. एआयच्या अपर्याप्त मानकीकरणामुळे हे घडत आहे. उदाहरणार्थ, बांधकाम आम्ही एक समानता काढू. आम्ही समजतो की आर्किटेक्ट्स, वीट स्टेकर्स, इलेक्ट्रिशियन आणि इतर बांधकाम व्यावसायिकांना प्रत्येक चरणात घर कसे तयार करावे हे माहित आहे. त्यांना प्रशिक्षण देण्यात आले, त्यांची भूमिका समजली, सुरक्षा मानकांबद्दल परिचित आहे जे अनुसरण केले पाहिजे. योग्य दिशेने कोणीतरी घराच्या डिझाइन-एक हौशीकडे डिझाइन करेल आणि त्याचे बांधकाम यादृच्छिक लोकांचे एक समूह आहे. त्याच वेळी, एक गोष्ट, आपण तयार करू इच्छित असल्यास, उदाहरणार्थ, लिफ्ट, आणि दुसरी एक अपार्टमेंट इमारत आहे, विविध प्रकारच्या वस्तूंसाठी, विविध अनुभव आणि ज्ञान असलेल्या तज्ञांची आवश्यकता असेल.
हे एआय बरोबर असले पाहिजे - मानक, मानक आणि मूलभूत तत्त्वांचे कमिशनिंगद्वारे दिशानिर्देशांचे औपचारिक करणे आवश्यक आहे, व्यवसायाच्या कार्यांशी संबंधित तंत्रज्ञानाची क्षमता किंवा पुनर्वितरण टाळणे शक्य आहे, चुकीचे स्पष्टीकरण कार्ये तसेच वित्तपुरवठा आणि वित्तपुरवठा प्रकल्प. आयए टेक्नॉलॉजीज खूप वेगाने विकसित होत असल्याने, सरकार आणि नियामक प्राधिकरणांना उद्योग सुधारणा आणि मानक अंमलबजावणी करण्यासाठी वेळ नाही. अशा प्रकारे, संस्थांना त्यांच्या हातात व्यावसायिकीकरणाचे कार्य घेणे आवश्यक आहे.
वेळ आली आहेएक्सेंचरने अशा कंपन्यांमध्ये एक अभ्यास केला ज्याने एकूण व्यवसायाच्या विकास धोरणाच्या फ्रेमवर्कमध्ये यशस्वीरित्या स्केल केले - त्यांना रणनीतिक स्केलर म्हणतात. ते एआय आणि अंतर्देशीय आदेशांच्या दिशानिर्देशांचे प्रमाणिकरण युक्त्या वापरतात. हा दृष्टीकोन सहभागी आणि सहभागी दरम्यान जबाबदाऱ्या स्पष्टीकरणासह प्रभावी डिझाइन आणि उत्पादन उत्पादने तयार करण्यासाठी 1.5-2.5 पट अधिक वेळा परवानगी देते.
9 2% कंपन्यांनी एआय यशस्वीरित्या संघटनेवर आंतरशास्त्रीय संघांचा वापर केला. त्यापैकी 72% लोक असा युक्तिवाद करतात की त्यांच्या कर्मचार्यांना पूर्णपणे कृत्रिम बुद्धिमत्ता लागू केल्यामुळे किंवा त्यांच्या भूमिकांमध्ये कार्ये कशी लागू केली जाऊ शकतात हे पूर्णपणे समजते. त्याच्या सराव मध्ये रणनीतिक स्केलर त्वरीत अनावश्यक कर्तव्ये काढून टाकतात आणि कंपनीच्या आत एआय संघाच्या सहकार्यांच्या सरावाच्या सरावात आत आणि सर्वसाधारणपणे जबाबदारीची सीमा स्पष्ट करतात.
अशा संघांमध्ये भूमिका आणि गुणोत्तर गुणधर्म विशिष्ट प्रकरणांवर आणि प्रकल्पांवर अवलंबून असतील. कार्य करण्यासाठी भागीदार अनुभव आणि / किंवा विकास योजना वापरणे या प्रक्रियेची स्थापना कंपनीला मानकीकृत आणि पारदर्शी म्हणून मदत करेल. परंतु सर्व प्रकल्पांसाठी एक गोष्ट म्हणजे - अगदी सुरुवातीपासून जबाबदारी निर्धारित करणे आणि अपेक्षांची जबाबदारी निश्चित करणे आवश्यक आहे.
अनिवार्य शिक्षण आणि एकूण एआय साक्षरतासंस्था एआय शिकत आहेत, परंतु, वास्तविक जगात, नियम म्हणून, बर्याच अंतर्गत तज्ञांना अद्याप कृत्रिम बुद्धिमत्तेसह प्रभावी कार्यासाठी आवश्यक प्रशिक्षण आणि पात्रता नसतील. एआयच्या प्रकल्पांमध्ये गुंतलेल्या कर्मचार्यांसाठी शिक्षण, कार्यक्षमता आणि प्रशिक्षणाची आवश्यकता स्थापित करणे महत्वाचे आहे.
त्याच वेळी, कंपन्यांनी यशस्वीरित्या एआय स्केलिंग करणे, व्यवसाय, आयटी आणि डेटा व्यवस्थापन आणि एआय मध्ये दोन्ही कौशल्य आणि पात्रता यांचे योग्य संयोगाने फ्रेमवर अवलंबून आहे. तर, 70% रणनीतिक स्केलर प्रोफाइल कंपन्या असा दावा करतात की त्यांच्या कर्मचार्यांनी एआयच्या क्षेत्रात औपचारिक शिक्षण घेतले आहे आणि डेटासह कार्यरत आहे.
आज, व्यवसाय आणि कौशल्यांच्या पातळीची आवश्यकता औपचारिक म्हणून काम केल्याशिवाय आणि त्यांच्या अंमलबजावणीच्या दृष्टीकोनातून कार्य केल्याशिवाय, व्यवसाय आणि कौशल्यांच्या पातळीची आवश्यकता औपचारिकपणे तयार केल्याशिवाय व्यवसाय सहसा सुसज्ज आहे. एआयच्या क्षेत्रातील पदवीधर किंवा प्रमाणित तज्ञांमध्येही, दोन्ही व्यावहारिक कौशल्यांचे आणि साधने आणि साधने आणि विशिष्ट व्यवसायाची वैशिष्ट्ये समजून घेण्याच्या बाबतीत विविध कव्हरेज आणि स्तर आहेत.
जेव्हा नवीन प्रतिभा कंपन्या सामान्यत: विशिष्ट भूमिकेसाठी आवश्यक असलेल्या ज्ञानाचे मूल्यांकन करण्यासाठी उमेदवारांचे तांत्रिक स्क्रीनिंग वापरतात. एआय टीम्सच्या सहभागींना अधिक जबाबदारी आणि स्वातंत्र्य देण्यास सक्षम होण्यासाठी, एआयच्या सरावाची वास्तविक परिस्थिती समजून घेणे, संस्थांनी ज्ञान आणि योजना विकासाचे तपासणी करण्यासाठी कर्मचार्यांच्या करिअरमध्ये नियमित मूल्यांकन कार्यक्रम केले पाहिजे.
एआयमध्ये गुंतवणूकीत बिनशर्त वाढ असूनही या क्षेत्रातील खरे व्यावसायिकताची उपलब्धि संघटनेवर एकूण आणि साक्षरता सुनिश्चित करण्यावर अवलंबून असेल.
एआय-ड्रीम टीमआणखी एक वैशिष्ट्यपूर्ण आव्हान एक प्रभावी आंतरशास्त्रीय आदेश तयार करण्यास असमर्थ आहे. एआयआयचे वास्तविक व्यवसाय मूल्य केवळ तेव्हाच लागू केले जाऊ शकते जेव्हा विश्लेषण, डेटा आणि कृत्रिम बुद्धिमत्तेच्या तज्ञांना व्यवसायाच्या सहकार्यांसह हाताने हाताळते. परिपूर्ण टीम असे दिसले पाहिजे:
- उत्पादन मालक (उत्पादन मालक), जो "त्वचा" उत्पादक मेट्रिक्ससाठी जबाबदार आहे आणि व्यवसायाकडून आवश्यकता आणि अभिप्राय प्राप्त करण्यासाठी एक एंट्री पॉइंट आहे;
- विषय क्षेत्राचा एक तज्ञ पद्धत रोगशास्त्रीय, विद्यमान व्यवसाय प्रक्रिया कशी कार्यरत आहे आणि, आदर्शपणे, इतर कंपन्यांमध्ये समान कार्य कसे सोडवले जाते याबद्दल ज्ञानाचे समर्थन करते.
- एक व्यवसाय विश्लेषक जो एखाद्या केसास योग्यरित्या जारी करेल - II उत्पादनाच्या आवश्यकतांच्या आवश्यकतांमध्ये दस्तऐवजीकरण, कल्पित, वर्णन आणि निर्बंध बदलते;
- डेटा विश्लेषक / डेटा सिंटिस्ट, जो व्हिज्युअल अॅनालिटिक्समधील विश्लेषणात्मक maniximulations विस्तृत श्रेणी आयोजित करू शकतो तोपर्यंत ते तपासण्यासाठी repotheses आणि तयार करण्यासाठी MVP तयार करणे आहे; अशा तज्ञांसाठी उपयुक्ततेच्या क्षेत्रांपैकी एक म्हणजे डेटा स्टोरीवत आहे - डेटा बदलण्यासाठी आणि समजण्यायोग्य व्यवसाय अंतर्भूत असलेल्या विश्लेषणाचे परिणाम.
- डेटांगेनर अभियंता (डेटाइंजिनर), जे विश्लेषक आणि डेटा मदत करेल आणि डेटा तयार करण्यास मदत करेल, उदाहरणार्थ, भिन्न स्त्रोतांमधून एकत्र करा, एका स्वरूपात रूपांतरित करा; अनुभव दर्शविते की ही भूमिका स्वतंत्र असणे आवश्यक आहे कारण डेटा-स्कोअरिंग त्याच्या अंमलबजावणीमध्ये अप्रभावी आहे;
- अर्धवेळ डेटा आर्किटेक्ट (डेटा सेव्हिव्हक्ट) आणि डेटा कारभारी प्रतिनिधी (डेटा कारवाई), जे माहिती सुरक्षा, मेघ आणि इतरांसह चाचणी आणि उत्पादक कॉन्ट्रन्सची उपलब्धता आणि उत्पादनाची उपलब्धता आणि गुणवत्ता यांची उपलब्धता आणि गुणवत्ता यांची उपलब्धता आणि गुणवत्ता प्रदान करण्यात सक्षम असेल. पायाभूत सुविधा, devsecops / डेटा प्रक्रिया / mlops जेणेकरून सुरुवातीच्या टप्प्यात साध्यतेचे मूल्यांकन करणे आणि संभाव्य जोखीम आणि प्रभाव स्पष्ट करणे बरोबर आहे.
भूमिकेच्या आधारावर, असे दिसून येते की अशा संघात कंपन्यांमध्ये बरेच काही असू शकत नाही - या तज्ञ नेहमीच बेकिंग असतात. वास्तविकता अशी आहे की व्यवसायास अशा कमांडस संसाधने वाटप करण्यापूर्वी प्रभाव पाहू इच्छित आहे. अशा संघांना एकसमान मानक आणि नियमांचे मार्गदर्शन केले पाहिजे. युनिफाइड तत्त्वांनुसार कार्य आयोजित केले असल्यास, ते उत्कृष्ट आणि स्केल केले जाते, आणि नवीन कार्ये निराकरण करण्यासाठी नवीन कार्ये निराकरण करण्यासाठी देखील त्वरीत प्रतिक्रमित केले जाऊ शकते. तज्ञांचा एक भाग युक्तिवाद करतो की औपचारिक प्रक्रिया नवकल्पना संकलित करू शकतात; एक्सेंचर स्टडीज उलट दर्शविले आहेत.
व्यावसायिक कंपन्यांमध्ये, उत्पादने आणि सेवा तयार आणि विकास करताना चाचणी आणि बेंचमार्किंगचा मानक दृष्टीकोन आहे. ऑनलाइन किरकोळ ग्राहक क्लायंटचा अनुभव सुधारण्यासाठी कंपनी बुद्धिमान डिव्हाइसेस किंवा मशीन शिकण्याचे मॉडेल तयार करते की नाही, एआय-उत्पादनाच्या विकासास समर्थन देण्यासाठी सिस्टम आणि प्रक्रियांची उपलब्धता कर्मचार्यांना अंदाजे आणि कार्यक्षमतेने अंमलबजावणी करण्यास अनुमती देते.
उदाहरणार्थ, सॉफ्टवेअर कोड उत्पादक माध्यमामध्ये स्थानांतरित करण्यासाठी आपल्याला औपचारिक प्रक्रियांची आवश्यकता असते. आणखी एक वैशिष्ट्यपूर्ण उदाहरण, जेव्हा डेटा वैज्ञानिक डेटा अभियंते खराब संरचित आणि अनियंत्रित कोड प्रसारित करतात, ते पायथनकडून वितरणासाठी वितरण करण्यासाठी स्कालामध्ये हस्तांतरित करणे आवश्यक आहे.
सराव मध्ये, आयए-डेव्हलपमेंट स्टँडर्ड टेम्पलेट, लॉगिंग आणि देखरेख नियम, एकत्रित चाचण्या नियंत्रणे, कोड आवृत्त्यांचे नियंत्रण, लायब्ररी आवृत्त्याद्वारे वापरलेले डेटा आणि बरेच काही.
रशिया आणि जगातरशियामध्ये II विकासाच्या क्षेत्रात, इतर देशांशी एक चांगला नातेवाईक आहे आणि परिस्थितीशी मशीन शिक्षण विशेषज्ञ आणि कृत्रिम बुद्धिमत्तेच्या कमतरतेच्या संदर्भात. ही थीम स्वतः कॉरपोरेशनच्या अजेंडावर आणि राज्य पातळीवर उपस्थित आहे. एआय फंक्शनचे समर्पित कॉर्पोरेट लेबोरेटरीज, लहान व्यवसाय प्रक्रियेत एआय सोल्युशन्सचे औद्योगिक एम्बेडिंग होते.
तांत्रिक कंपन्या, ई-कॉमर्स आणि रिटेलमध्ये परिस्थिती सर्वोत्तम आहे, दूरसंचार आणि बँकांमध्ये बरेच काही केले जाते. या उद्योगात, कॉर्पोरेट संरचनेत एकीकृत II संघासह विकासाचा दृष्टीकोन आधीच तयार केला जात आहे. अर्थव्यवस्थेच्या वास्तविक क्षेत्रामध्ये अजूनही एक मोठा मार्ग आहे, जरी माझ्या प्रॅक्टिसमधील यशस्वी रशियन उदाहरणांपैकी एक तेल आणि गॅस उद्योगातील कंपनीशी संबंधित आहे.
मी बँकिंग क्षेत्रामध्ये पाहिलेल्या प्रगत विश्लेषणावर आधारित एक व्यापक परिवर्तन एक सर्वात यशस्वी औद्योगिक दृष्टीकोन एक. इंटरनॅशनल बँकिंग ग्रुपने प्रगत विश्लेषण आणि ऑनलाइन सहकार्यासाठी एक तांत्रिक प्लॅटफॉर्ममध्ये गुंतवणूक केली आहे, तसेच जवळजवळ एकाच वेळी आंतरराष्ट्रीय डेटा विज्ञान समुदाय सुरू केला आहे. एकत्रितपणे दर्शविलेल्या भूमिकांसह आंतरशास्त्रीय उत्पादन संघांचे निराकरण करून, पहिल्या सहा महिन्यांत सुमारे 10 II-प्रकरणांच्या उत्पादनात चालना देण्यात आली आणि दुसर्या 20 चा तपशीलवार अभ्यास सुरू झाला.
हे लक्षात घेणे महत्वाचे आहे की सुरूवातीच्या वेळी कंपनीमध्ये आधीपासूनच एक सुप्रसिद्ध डेटा व्यवस्थापन कार्य (डेटा गव्हर्नन्स) होते, ज्याने रूपांतर आधार म्हणून कार्य केले आहे, एकल दृष्टीकोन, प्रक्रिया आणि तंत्रज्ञान ओळखले.
एआय मध्ये मानकीकरण काय सोडवेलसर्वप्रथम, एआयच्या सक्षम संघ आणि पारदर्शी तत्त्वे आणि मानकांचे संयोजन या पुढाकारातून आर्थिक प्रभावाच्या पुराव्याच्या समस्येवर मात करतात. प्रोजेक्टमधील प्रोजेक्ट आणि प्रोसेसच्या दृष्टीकोनातून या उत्पादनास या उत्पादनास लागणार्या उत्पादनाच्या शेवटच्या टू-एंड शृंखला विश्लेषणासह संबंधित आहे. टीम्स एआय-मेट्रिक्सच्या प्रॅक्टिसमध्ये सादर करतात, जे आपल्याला एआय प्रकल्पांच्या समस्या आणि सूक्ष्म ठिकाणे पातळीवर किंवा पूर्णपणे समाप्त करण्यास परवानगी देतात. उदाहरणार्थ, प्रगत विश्लेषणाच्या परिचयानंतर पी आणि एल उत्पादनाच्या बदलासाठी आपण ताबडतोब अंदाज घेऊ शकता आणि विशिष्ट व्यवसाय प्रक्रियेत एआयच्या अंमलबजावणीचे खर्च-लाभ विश्लेषण करण्यासाठी अधिक अचूकपणे धरून ठेवा.
एकूणच, एआय डिजिटल ट्रान्सफॉर्मेशनच्या रणनीतिक दिशेने विचारात घेण्यासाठी आणि "प्रयोगशाळा प्रयोग" पासून संक्रमण पूर्ण करण्यासाठी "प्रयोगशाळा प्रयोग" पासून संक्रमण पूर्ण करण्यासाठी कंपन्यांच्या तयारीमध्ये फ्रॅक्चर करण्यास परवानगी देते.