कृत्रिम बुद्धिको प्रयोगबाट स्थिर पूर्वानुमान योग्य लाभ निकाल्नुहोस् (ऐरी) को प्रयोगबाट एक व्यवसाय, एक व्यापार मात्र यो दिशा मिलाए पछि। यो व्यवसायको लागि II अभ्यासको स्केलि on को एक अभिन्न हिस्सा मात्र होइन, तर विकासको वाचा पनि। कम्पनीहरूले अपेक्षा गर्नु हुँदैन कि उद्योग वा नियामकहरूले आफैंमा माननिकरण लिनेछन्, उनीहरूले प्रक्रियालाई उनीहरूको हातमा लिनु आवश्यक छ।
कृत्रिम बुद्धिमत्ता (ऐरी) उच्च प्राथमिकता दिशा भयो - विगत तीन बर्षमा ऐ तहको अवधिमा विश्व स्तरको व्यवसायले करिब $ 306 अर्ब डलर खर्च गर्यो। सिद्धान्तमा, यी लगानीहरूले तीन-समय रिटर्न ल्याउन सक्छ। यद्यपि, धेरै कम्पनीहरू अपेक्षित परिणामहरूमा पुग्न सक्दैनन्।
मुख्य कारण व्यवसाय समाधानको प्रभावकारी स्कोलनमा व्यवसायको असमर्थता हो। AI को अपर्याप्त रूपमा यो भइरहेको छ। उदाहरणका लागि हामी एक समानता को आकर्षित गर्नेछौं। हामी बुझ्दछौं कि आर्किटेक्ट, ईंट स्ट्याकर्स, इलेक्ट्रिक र अन्य निर्माण पेशेवरहरूले यसको चरणमा प्रत्येक घर बनाउने जान्दछन्। तिनीहरूलाई तालिम दिइयो, तिनीहरूको भूमिका, अनुसरण गरिनु पर्ने सुरक्षाको साथ परिचित भएको थियो। यो असम्भव छ कि सही दिमागमा कोहीले घर को आर्किटेक्ट - एक एमेच्छाटरमा फ्याँक्नेछ, र यसको निर्माण अनियमित व्यक्तिको समूह हो। एकै समयमा, एउटा कुरा, यदि तपाईं निर्माण गर्न चाहानुहुन्छ भने, लिफ्ट, एक अपार्टमेन्ट भवन हो, विभिन्न प्रकारका वस्तुहरूको लागि, विभिन्न अनुभव र ज्ञानका लागि विज्ञहरू आवश्यक पर्दछ।
यो एआईसँग पनि हुनुपर्दछ - मापदण्डहरू, मानक र आधारभूत सिद्धान्तहरूको सामान्य सेटको लागि मात्र दिशानिर्देशन गर्नुहोस्, व्यवसायिक कार्यहरूको सम्बन्धमा टेक्नोलोजी क्षमताहरूको पुनर्मुद्रण वा पुन: निर्माण गर्न सम्भव छ। कार्यहरू, साथै दुर्व्यवहार र वित्त परियोजनाहरू। II प्रविधिहरू धेरै छिटो विकास हुँदैछ, सरकारहरू र नियामक अधिकारीहरू उद्योग सुधार र मापदण्डहरू कार्यान्वयन गर्ने समय छैन। यसैले संगठनहरू उनीहरूको हातमा व्यावसायिकताको काम लिनु पर्छ।
समय आयोउच्चारण कम्पनीहरू बीच एक अध्ययन सञ्चालन भयो जसले समग्र व्यापार विकास रणनीतिको ढाँचामा एआईलाई मापन गर्यो - उनीहरूलाई रणनीतिक स्केल भनिन्छ। तिनीहरू ऐ र इन्टर्सिबलिअल आदेशहरूको दिशानिर्देशको मानकीकरण रणनीतिहरू प्रयोग गर्छन्। यो दृष्टिकोण 1. 1.5-2। Money गुणा बढी प्रभावकारी रूपमा प्रभावकारी डिजाइन र उत्पादन उत्पादनहरू प्रदान गर्न, प्रशिक्षण र सहभागीहरू बीचको जिम्मेवारी स्पष्ट वितरण सहित।
% 2% कम्पनीहरु जसले एआईलाई प्रतिबिम्बित गर्दछ एआईलाई अनुक्रमित AIDIDICIPLIATION समूहहरू प्रयोग गर्दछ। % 2% तिनीहरू तर्क गर्छन् कि उनीहरूका कर्मचारीहरूले पूर्ण रूपमा कृत्रिम बुद्धिमत्तालाई पहिले नै लागू गरिसकेका छन् वा उनीहरूको भूमिकामा कार्यहरूमा लागू गर्न सकिन्छ भनेर बुझ्नुपर्दछ। आफ्नो व्यवहारमा रणनीतिक स्केलरहरू चाँडै अनावश्यक कर्तव्यहरू हटाए र कम्पनी भित्र ऐ वर्गको सहेलको अभ्यासमा र सामान्य रूपमा जिम्मेवारी स्पष्ट रूपमा हटाए।
त्यस्ता टोलीहरूमा भूमिकाको संयोजन र अनुपात विशिष्ट केस र परियोजनाहरूमा निर्भर गर्दछ। पार्टनर अनुभव र / वा विकास योजना को उपयोग गर्न र टोली को विकास को उपयोग गरेर यस प्रक्रियाको स्थापनाले कम्पनीको लागि मानकीकृत र पारदर्शीको रूपमा सहयोग पुर्याउँछ। तर एउटा कुरा सबै प्रोजेक्टहरूको लागि महत्वपूर्ण छ - धेरै सुरुदेखि नै जिम्मेवार र अपेक्षाहरू ठीकबाट उत्तरदायित्व निर्धारण गर्न आवश्यक छ।
अनिवार्य शिक्षा र कुल ऐ साक्षरतासंगठनहरूले ऐ सिक्न लगानी गरिरहेका छन्, तर शासनको रूपमा, वास्तविक विश्वमा, धेरै आन्तरिक सरकारीहरूले कृत्रिम बुद्धिमत्ताका साथ प्रभावकारी कार्यको लागि आवश्यक प्रशिक्षण र योग्यता पनि पाउँदैन। एआईको परियोजनाहरूमा संलग्न कर्मचारीको शिक्षा, दक्षता र प्रशिक्षणको लागि आवश्यकताहरू स्थापना गर्नु महत्त्वपूर्ण छ।
एकै साथ, कम्पनीहरू, सफलतापूर्वक AI मा पालनपोषण गर्दै एआई, व्यवसायको क्षेत्र, यो र डाटा व्यवस्थापन र ऐलमा सही संयोजनका साथ फ्रेमहरूमा भर पर्दछ। त्यसो भए, रणनीतिक स्केलर प्रोफाइल कम्पनीहरूको% 0% ले दायिताले ऐको क्षेत्रमा औपचारिक शिक्षाको पकाएको छ र डाटाको साथ काम गर्दै।
आज, व्यापार अक्सर आईआई टोलीहरूसँग आवश्यक पर्ने प्रशिक्षण र सीपहरूको लागि आवश्यकताहरू नपार्दै छ, काम र उनीहरूको कार्यान्वयनको लागि दृष्टिकोणको वर्गीकरणको रूपमा काम नगरीकन। ऐनको क्षेत्रमा स्नातक वा प्रमाणित विशेषज्ञहरूको बीचमा पनि त्यहाँ विभिन्न कभरेज र दुबै व्यावहारिक सीप र उपकरणहरूको स्वामित्व र विशेष व्यवसायको विशेषताहरू छन्।
नयाँ प्रतिभा कम्पनीहरू टाइप गर्दा अक्सर उम्मेदवारहरूको टेक्निकल स्क्रीनिंग प्रयोग विशेष भूमिका प्रदर्शन गर्न ज्ञानको आवश्यकता मूल्यांकन गर्न प्रयोग गर्दछ। ऐ सदस्यका सहभागीहरूलाई अझ बढी जिम्मेवारी र स्वतन्त्रताको लागि सक्षम हुन कर्मचारीको करियरको वास्तविक अवस्थाबाट बुझ्नुपर्दछ। ज्ञान र योजनाको प्रासंगिकता जाँच्न को लागी नियमित मूल्यांकन घटनाहरू हुनुपर्दछ।
ऐलमा लगानीको अवशेष वृद्धिको बावजुद यस क्षेत्रको साँचो व्यावसायिकताको उपलब्धी भनेको संस्थागत भरि सब भन्दा साक्षरता सुनिश्चित गर्दछ।
ऐ सपना टीमअर्को विशेषता चुनौती एक प्रभावशाली अन्तर्स्पर्रिकन आदेश निर्माण गर्न असमर्थता हो। विश्लेषणालय, डेटा र कृत्रिम बुद्धिमत्तामा विज्ञहरू व्यवसायका साथीहरूसँग हातमा हातमा हातमा हातमा हातमा हातमा हातमा हातमा हातमा हातमा पाउँदा एआईको वास्तविक व्यवसाय मान मात्र कार्यान्वयन हुन सकिन्छ। उत्तम टीम यस्तो देखिनु पर्छ:
- उत्पाद मालिक (उत्पादनर), एक जो "छाला" उत्पादनशील मेट्रिक्सका लागि जिम्मेवार छ र व्यवसायबाट प्रतिक्रियाहरू प्राप्त गर्ने एकल प्रविष्टि पोइन्ट हो;
- विषय क्षेत्रको एक विशेषज्ञ लेखा विशेषज्ञ, जसले अवस्थित व्यवसायिक प्रक्रिया कसरी कार्य गरिरहेको छ भनेर राम्ररी बुझ्दछ र अन्य कम्पनीहरूमा कसरी समान कार्यहरू समाधान हुन्छ भन्ने बारेमा ज्ञानलाई समर्थन गर्दछ;
- एक व्यापार विश्लेषक जसले केस सही रूपमा जारी गर्दछ - कागजात, हाईपोटोफेस, वर्णन र प्रतिबन्धहरू II उत्पाद आवश्यकताहरूको आवश्यकताहरूमा वर्णन गर्दछ;
- डाटा विश्लेषक / डाटा सिन्टिस्ट, जसले दृश्य लुकेका ढाँचाबाट एलेक्टिस्टेरिकल एलेन्टिटिक एलेन्टिक्सिकरणको व्यापक श्रृंखला सञ्चालन गर्न सक्दछ जबसम्म जटिल स्टेटिस्टको खोजी नभएसम्म उनीहरूले जाँच गर्न MVP निर्माण गर्न। ती विशेषज्ञहरूको लागि प्रतिस्पर्धाको क्षेत्र मध्ये एक डाटा कहानीको कथा हो - डेटा टर्न गर्न चरण र बुझ्न सकिने व्यापारको अन्तरक्रियाको नतिजा;
- डाटाबेज्यर ईन्जिनियर (डेटान्जेनर), जसले विश्लेषक र डाटालाई मद्दत गर्दछ, उदाहरणका लागि, विभिन्न स्रोतहरूबाट रूपान्तरण गर्नुहोस्, एकल ढाँचामा रूपान्तरण गर्नुहोस्; अनुभवले देखाउँदछ कि यो भूमिका स्वतन्त्र हुनुपर्दछ, किनकि डाटा-स्कोरिंग यसको कार्यान्वयनमा अप्रशिक्षित छ;
- आंशिक समय डाटा आर्किटेक्ट (डाटा भण्डारे प्रतिनिधि (डाटा भण्डारे), जुन डाटा सुरक्षा र उत्पादक रूपरेखाहरूको सारांश, क्लाउड सुरक्षा, क्लाउड र अन्यथा पूर्वाधारहरू, देवसेहरू / डाटापहरू प्रक्रियाहरू / mlops ताकि प्रारम्भिक चरणहरू यो प्रासंगिकता र प्रभावहरू क्लाइमेन्ट र प्रभावहरू स्पष्ट गर्न सही छ।
भूमिकामा आधारित, यो देख्न सकिन्छ कि त्यस्ता टोलीहरूमा कम्पनीहरूमा धेरै हुन सक्दैन - यी विशेषज्ञहरू सँधै बेकिंग हुन्छन्। वास्तविकताहरू त्यस्ता हुन् जुन व्यवसायले त्यस्तो आदेशमा संसाधनहरूलाई छुटकारा दिन चाहन्छ। त्यस्ता टोलीहरू वर्दी मापदण्ड र नियमहरूले निर्देशित गर्नुपर्दछ। यदि काम एकीकृत सिद्धान्त अनुसार संगठित छ भने, यो इष्टतम रूपमा प्रदर्शन र मापन गरिएको छ, र नयाँ कार्यहरू समाधान गर्न चाँडै नक्कल गर्न सक्छ, नयाँ परिकल्पनाहरू जाँच गर्न। विशेषज्ञहरूको अंश तर्क गर्दछ कि औपचारिक प्रक्रियाहरू आविष्कार गर्न सक्छन्; उच्चारण अध्ययनहरूले विपरीत देखाएको छ।
प्रोफेशनल कम्पनीहरूमा, त्यहाँ उत्पादन र सेवाहरू सिर्जना गर्ने र विकास गर्ने क्रममा परीक्षण र बेन्चमार्क गर्न एक मानक दृष्टिकोण छ। जेसुकै भए पनि यो कम्पनीले अनलाइन रिटेलल को क्लाइन्ट अनुभव सुधार गर्न को लागी एक प्रणाली र को संदर्भ को मोडेल को मोडेल सिर्जना गर्दछ, Ai-उत्पाद को विकास को उपलब्धता को उपलब्धता को उपयोगिताहरु को पूर्वानुमान योग्य र कुशलतापूर्वक लागू गर्न अनुमति दिन्छ।
उदाहरण को लागी, तपाईलाई सँधै सफ्टवेयर कोडलाई उत्पादक माध्यममा सार्नका लागि औपचारिक प्रक्रिया चाहिन्छ। अर्को विशेषता उदाहरण, जब डाटा वैज्ञानिकले डेटा ईन्जिनियरहरू खराब रूपमा संरचित र Undocumented कोडलाई विराम चिह्नको लागि, उत्पादकलाई डेलिभरीमा हस्तान्तरण गर्नुपर्दछ।
अभ्यासमा, IA-विकास मापदण्डहरूले टेम्पलेट र अनुगमन नियमहरू, एकताबद्ध परीक्षणहरू, कोड संस्करणहरूको नियन्त्रण, डाटा पुस्तकालय संस्करणहरू र अधिक प्रयोग गरेर प्रयोग गरेको डाटा।
रसिया र विश्वमारसियामा, II विकास क्षेत्रमा, अन्य देशहरूको एक राम्रो नातेदार छ जुन मेशिन सिकाइरहेका विशेषज्ञहरू र कृत्रिम बुद्धिमत्ताका दक्षताहरूको हिसाबले पनि अवस्था छ। विषयवस्तु आफैंमा निगमहरूको एजेन्डा र राज्य स्तरमा उपस्थित छ। एआईको समर्पित कर्पोरेट प्रयोगशालाहरू र विकसित, एक सानो संख्यामा व्यवसाय प्रक्रियाहरूमा ऐ सम्बन्धित इम्बेडिंग पनि हुन्छ।
प्राविधिक कम्पनीहरू, ई-वाणिज्य र खुद्रा मा प्रसारित छ, धेरै टेलिकम र बैंक मा गरिन्छ। यी उद्योगहरूमा कर्पोरेट संरचनामा एकीकृत II टीमको साथ विकासको दर्शन पनि गठन भइरहेको छ। अर्थव्यवस्थाको वास्तविक क्षेत्रमा त्यहाँ एक ठूलो तरिकाले छ, यद्यपि मेरो अभ्यासमा सफल रूसीहरू उदाहरणहरू तेल र ग्यास उद्योगबाट कम्पनी छन्।
उन्नत विश्लेषणालयमा आधारित मैले बैंकि sectorn क्षेत्रमा हेरिएकोमा विस्तृत रूपमा विस्तृत रूपान्तरणको लागि सबैभन्दा सफल रूपान्तरणको लागि। अन्तर्राष्ट्रिय बैंकिंग समूहले उन्नत विश्लेषणात्मक र अनलाइन सहयोगको लागि एकल टेक्नोलोजिकल प्लेटफर्ममा लगानी गरेको छ, साथै लगभग लगभग लगभग एकैसाथ एक अन्तर्राष्ट्रिय डेटा विज्ञान विज्ञान समुदायमा शुरू भयो। पूर्ण रूपमा संकेत गरिएका भूमिकाहरूको साथ सँगै इन्टर्सिब्याक्सिलीय उत्पादनको फिक्शनको साथ, यी चरणहरूले पहिलो छ महिनाको लागि करिब 10 दोस्रो-केसहरूको एक उत्पादनमा भाग लिन अनुमति दिएका छन्।
यो नोट गर्नु महत्त्वपूर्ण छ कि सुरूको समयमा कम्पनीमा पहिले नै राम्रो सम्पन्न डाटा व्यवस्थापन प्रकार्य (डाटा शासनको रूपमा), एकल दृष्टिकोण, प्रक्रिया र प्रविधिहरू पहिचान गर्यो।
के AI मा मानककरण समाधान गर्दछसर्वप्रथम, सक्षम टोलीको संयोजन र पारदर्शी सिद्धान्त र ऐको मापदण्डहरूको मापदण्डहरूको मापदण्डहरूले पहलबाट आर्थिक प्रभावको प्रमाण समस्या ल्याउँछ। यो परियोजनाबाट संक्रमणसँग नजिकबाट सम्बन्धित छ र उत्पादनको अन्त्य-देखि-अन्त्य श्रृंखलाको एक विश्लेषणको साथ उत्पादनमा। टोलीहरूले ऐ-मेट्रिकहरूको अभ्यासमा परिचय दिन्छन्, जसले तपाईंलाई स्तरमा वा AI परियोजनाहरूको समस्याहरू र सूत्र स्थानहरू पूर्ण रूपमा हटाउँदछ। उदाहरण को लागी, तपाइँ उन्नत विश्लेषकहरुको परिचय को लागी p & l उत्पादनको परिवर्तनको लागि एक पूर्वानुमान सञ्चालन गर्न सक्नुहुन्छ र एक विशिष्ट व्यापार प्रक्रियामा ऐ को कार्यान्वयन विश्लेषणको एक विशेषता-लाभ विश्लेषण हो।
कूलमा, यसले कम्पनीहरूको तत्परलाई एआईको विकासलाई ऐको विकासलाई डिजिटल रूपान्तरणको रणनीतिक दिशाको रूपमा विचार गर्न र "प्रयोगशाला प्रयोगहरू" बाट संक्रमण पूरा गर्न अनुमति दिन्छ।