10 bước để áp dụng trí tuệ nhân tạo trong doanh nghiệp của bạn

Trí tuệ nhân tạo (AI) rõ ràng là một lực lượng đang phát triển trong ngành công nghệ. AI đang chiếm vị trí trung tâm tại các hội nghị và cho thấy tiềm năng trong nhiều ngành công nghiệp, bao gồm bán lẻ và sản xuất. Các sản phẩm mới đang được nhúng với trợ lý ảo, trong khi các chatbot đang trả lời các câu hỏi của khách hàng về mọi thứ từ trang web của nhà cung cấp văn phòng trực tuyến đến trang hỗ trợ của nhà cung cấp dịch vụ lưu trữ web của bạn. Trong khi đó, các công ty như Google, Microsoft và Salesforce đang tích hợp AI như một lớp thông minh trên toàn bộ công nghệ của họ. Vâng, AI chắc chắn có thời điểm của nó.

Đây không phải là AI mà văn hóa nhạc pop đã tạo điều kiện cho chúng ta mong đợi; đó không phải là robot tình cảm hay Skynet, hay thậm chí là trợ lý Jarvis của Tony Stark. Cao nguyên AI này đang diễn ra dưới bề mặt, làm cho công nghệ hiện tại của chúng ta thông minh hơn và mở khóa sức mạnh của tất cả dữ liệu mà doanh nghiệp thu thập. Điều đó có nghĩa là: Sự tiến bộ rộng rãi trong học máy (ML), thị giác máy tính, học sâu và xử lý ngôn ngữ tự nhiên (NLP) đã giúp việc đưa một lớp thuật toán AI vào nền tảng đám mây hoặc phần mềm của bạn trở nên dễ dàng hơn bao giờ hết.

Đối với các doanh nghiệp, các ứng dụng AI thực tế có thể biểu hiện theo tất cả các cách tùy thuộc vào nhu cầu tổ chức của bạn và thông tin chi tiết về trí tuệ kinh doanh (BI) có được từ dữ liệu bạn thu thập. Các doanh nghiệp có thể sử dụng AI cho tất cả mọi thứ, từ khai thác dữ liệu xã hội đến thúc đẩy sự tham gia trong quản lý quan hệ khách hàng (CRM) để tối ưu hóa hậu cần và hiệu quả khi theo dõi và quản lý tài sản.

ML đang đóng một vai trò quan trọng trong sự phát triển của AI, Luke Tang, Tổng Giám đốc chương trình Tăng tốc AI + Toàn cầu của TechCode, nơi ươm tạo các công ty khởi nghiệp AI và giúp các công ty kết hợp AI lên trên các sản phẩm và dịch vụ hiện có của họ.

"Ngay bây giờ, AI đang được thúc đẩy bởi tất cả những tiến bộ gần đây trong ML. Không có một bước đột phá nào bạn có thể chỉ ra, nhưng giá trị kinh doanh mà chúng tôi có thể trích xuất từ ​​ML bây giờ không còn trong bảng xếp hạng", Tang nói. "Từ quan điểm của doanh nghiệp, những gì xảy ra ngay bây giờ có thể phá vỡ một số quy trình kinh doanh cốt lõi của công ty xung quanh sự phối hợp và kiểm soát: lập kế hoạch, phân bổ tài nguyên và báo cáo." Ở đây chúng tôi cung cấp các mẹo từ một số chuyên gia để giải thích các bước doanh nghiệp có thể thực hiện để tích hợp AI trong tổ chức của bạn và để đảm bảo việc triển khai của bạn thành công.

1. Làm quen với AI

Dành thời gian để làm quen với những gì AI hiện đại có thể làm. Bộ gia tốc TechCode cung cấp cho các công ty khởi nghiệp của mình một loạt các nguồn lực thông qua quan hệ đối tác với các tổ chức như Đại học Stanford và các tập đoàn trong không gian AI. Bạn cũng nên tận dụng sự giàu có của thông tin và tài nguyên trực tuyến có sẵn để làm quen với các khái niệm cơ bản về AI. Tang khuyến nghị một số hội thảo từ xa và các khóa học trực tuyến được cung cấp bởi các tổ chức như Udacity là cách dễ dàng để bắt đầu với AI và để tăng kiến ​​thức về các lĩnh vực như ML và phân tích dự đoán trong tổ chức của bạn.

Sau đây là một số tài nguyên trực tuyến (miễn phí và trả phí) mà bạn có thể sử dụng để bắt đầu:

• Khóa học giới thiệu về AI của Udacity và Chương trình Nanodegree trí tuệ nhân tạo
• Các bài giảng trực tuyến của Đại học Stanford: Trí tuệ nhân tạo: Nguyên tắc và Kỹ thuật
• Khóa học AI trực tuyến của edX, được cung cấp thông qua Đại học Columbia
• Bộ công cụ nhận thức mã nguồn mở của Microsoft (trước đây gọi là CNTK) để giúp các nhà phát triển nắm vững các thuật toán học sâu
• Thư viện phần mềm TensorFlow mã nguồn mở của Google dành cho trí thông minh của máy
• Tài nguyên AI, một thư mục mã nguồn mở từ AI Access Foundation
• Trang tài nguyên của Hiệp hội vì sự tiến bộ của trí tuệ nhân tạo (AAAI)
• Hướng dẫn nhẹ nhàng của MonkeyLearn về học máy
• Viện nghiên cứu tương lai của Stephen Hawking và Elon Musk
• OpenAI, một ngành công nghiệp mở và sáng kiến ​​học tập sâu rộng khắp học viện

2. Xác định các vấn đề bạn muốn AI giải quyết

Khi bạn đã đạt được những điều cơ bản, bước tiếp theo cho bất kỳ doanh nghiệp nào là bắt đầu khám phá những ý tưởng khác nhau. Hãy suy nghĩ về cách bạn có thể thêm khả năng AI vào các sản phẩm và dịch vụ hiện tại của mình. Quan trọng hơn, công ty của bạn nên có các trường hợp sử dụng cụ thể trong đó AI có thể giải quyết các vấn đề kinh doanh hoặc cung cấp giá trị rõ ràng.

"Khi chúng tôi làm việc với một công ty, chúng tôi bắt đầu với một cái nhìn tổng quan về các vấn đề và chương trình công nghệ quan trọng của công ty. Chúng tôi muốn có thể chỉ ra cách xử lý ngôn ngữ tự nhiên, nhận dạng hình ảnh, ML, v.v. một hội thảo của một số loại với quản lý của công ty, "Tang giải thích. "Các chi tiết cụ thể luôn thay đổi theo ngành. Ví dụ: nếu công ty thực hiện giám sát video, nó có thể thu được rất nhiều giá trị bằng cách thêm ML vào quy trình đó."

3. Ưu tiên giá trị bê tông

Tiếp theo, bạn cần đánh giá giá trị tài chính và kinh doanh tiềm năng của các triển khai AI khác nhau có thể bạn đã xác định. Rất dễ bị lạc trong các cuộc thảo luận về AI "trên trời", nhưng Tang nhấn mạnh tầm quan trọng của việc buộc trực tiếp các sáng kiến ​​của bạn vào giá trị doanh nghiệp.

"Để ưu tiên, hãy nhìn vào kích thước của tiềm năng và tính khả thi và đưa chúng vào ma trận 2x2", Tang nói. "Điều này sẽ giúp bạn ưu tiên dựa trên khả năng hiển thị gần và biết giá trị tài chính của công ty là gì. Đối với bước này, bạn thường cần quyền sở hữu và sự công nhận từ các nhà quản lý và giám đốc điều hành cấp cao nhất."

4. Công nhận khoảng cách năng lực nội bộ

Có một sự khác biệt rõ ràng giữa những gì bạn muốn thực hiện và những gì bạn có khả năng tổ chức để thực sự đạt được trong một khung thời gian nhất định. Tang cho biết một doanh nghiệp nên biết những gì nó có khả năng và những gì không phải từ góc độ quy trình công nghệ và kinh doanh trước khi đưa vào triển khai AI toàn diện.

"Đôi khi điều này có thể mất nhiều thời gian để làm", Tang nói. "Giải quyết khoảng cách về năng lực nội bộ của bạn có nghĩa là xác định những gì bạn cần có và bất kỳ quy trình nào cần được phát triển nội bộ trước khi bạn bắt đầu. Tùy thuộc vào doanh nghiệp, có thể có các dự án hoặc nhóm hiện có thể giúp thực hiện việc này một cách hữu cơ cho một số đơn vị kinh doanh nhất định. "

5. Đưa các chuyên gia và thiết lập một dự án thí điểm

Khi doanh nghiệp của bạn đã sẵn sàng từ quan điểm tổ chức và công nghệ, đó là lúc bắt đầu xây dựng và tích hợp. Tang cho biết các yếu tố quan trọng nhất ở đây là bắt đầu nhỏ, có mục tiêu dự án và quan trọng nhất là nhận thức được những gì bạn biết và những gì bạn không biết về AI. Đây là nơi mang lại các chuyên gia bên ngoài hoặc các chuyên gia tư vấn AI có thể là vô giá.

"Bạn không cần nhiều thời gian cho một dự án đầu tiên, thông thường đối với một dự án thí điểm, 2-3 tháng là một phạm vi tốt", Tang nói. "Bạn muốn kết hợp những người bên trong và bên ngoài trong một nhóm nhỏ, có thể 4-5 người và khung thời gian chặt chẽ hơn đó sẽ giúp nhóm tập trung vào các mục tiêu đơn giản. Sau khi hoàn thành thí điểm, bạn sẽ có thể quyết định lâu hơn -term, dự án phức tạp hơn sẽ là và liệu đề xuất giá trị có ý nghĩa đối với doanh nghiệp của bạn hay không. Điều quan trọng là chuyên môn từ cả hai bên phải tin tưởng vào những người biết về doanh nghiệp và những người biết về AI. . "

6. Thành lập một nhóm đặc nhiệm để tích hợp dữ liệu

Tang lưu ý rằng, trước khi triển khai ML vào doanh nghiệp của bạn, bạn cần dọn sạch dữ liệu của mình để sẵn sàng tránh tình huống "rác vào, rác ra". "Dữ liệu nội bộ của công ty thường được trải ra trong nhiều hầm dữ liệu của các hệ thống kế thừa khác nhau và thậm chí có thể nằm trong tay các nhóm kinh doanh khác nhau với các ưu tiên khác nhau", Tang nói. "Do đó, một bước rất quan trọng để có được dữ liệu chất lượng cao là hình thành một lực lượng chéo, tích hợp các bộ dữ liệu khác nhau và sắp xếp các mâu thuẫn sao cho dữ liệu chính xác và phong phú, với tất cả các kích thước phù hợp cho ML."

7. Bắt đầu nhỏ

Bắt đầu áp dụng AI vào một mẫu nhỏ dữ liệu của bạn thay vì nhận quá nhiều quá sớm. "Bắt đầu đơn giản, sử dụng AI tăng dần để chứng minh giá trị, thu thập phản hồi và sau đó mở rộng tương ứng", Aaron Brauser, Phó Chủ tịch Quản lý Giải pháp tại M * Modal, cung cấp công nghệ hiểu ngôn ngữ tự nhiên (NLU) cho các tổ chức chăm sóc sức khỏe cũng như một nền tảng AI tích hợp với hồ sơ y tế điện tử (EMR).

Một loại dữ liệu cụ thể có thể là thông tin về một số chuyên khoa y tế. "Hãy chọn lọc những gì AI sẽ đọc", Tiến sĩ Gilan El Saadawi, Giám đốc Thông tin Y tế (CMIO) tại M * Modal nói. "Ví dụ: chọn một vấn đề nào đó bạn muốn giải quyết, tập trung AI vào đó và đưa ra một câu hỏi cụ thể để trả lời và không ném tất cả dữ liệu vào nó."

8. Bao gồm lưu trữ như một phần của kế hoạch AI của bạn

Sau khi bạn tích lũy từ một mẫu dữ liệu nhỏ, bạn sẽ cần xem xét các yêu cầu lưu trữ để triển khai giải pháp AI, theo Philip Pokorny, Giám đốc kỹ thuật (CTO) tại Penguin Computing, một công ty cung cấp tính toán hiệu năng cao ( Các giải pháp HPC), AI và ML.

"Cải thiện thuật toán là rất quan trọng để đạt được kết quả nghiên cứu. Nhưng không có khối lượng dữ liệu khổng lồ để giúp xây dựng các mô hình chính xác hơn, các hệ thống AI không thể cải thiện đủ để đạt được các mục tiêu điện toán của bạn", Pokorny viết trong một tờ giấy trắng có tựa đề: "Các quyết định quan trọng: Hướng dẫn về Xây dựng giải pháp trí tuệ nhân tạo hoàn chỉnh không hối tiếc. " "Đó là lý do tại sao bao gồm lưu trữ nhanh, tối ưu hóa nên được xem xét khi bắt đầu thiết kế hệ thống AI."

Ngoài ra, bạn nên tối ưu hóa lưu trữ AI để nhập dữ liệu, quy trình làm việc và mô hình hóa, ông đề xuất. "Dành thời gian để xem xét các lựa chọn của bạn có thể có tác động lớn, tích cực đến cách hệ thống chạy khi trực tuyến, " Pokorny nói thêm.

9. Kết hợp AI như một phần của nhiệm vụ hàng ngày của bạn

Với cái nhìn sâu sắc và tự động hóa do AI cung cấp, các công nhân có một công cụ để biến AI thành một phần của thói quen hàng ngày thay vì thứ gì đó thay thế nó, theo Dominic Wellington, Nhà truyền giáo CNTT toàn cầu tại Moogsoft, nhà cung cấp AI cho các hoạt động CNTT (AIOps ). "Một số nhân viên có thể cảnh giác với công nghệ có thể ảnh hưởng đến công việc của họ, vì vậy việc giới thiệu giải pháp như một cách để tăng cường các công việc hàng ngày của họ là rất quan trọng", Wellington giải thích.

Ông nói thêm rằng các công ty nên minh bạch về cách thức hoạt động của công nghệ để giải quyết các vấn đề trong quy trình làm việc. "Điều này mang lại cho nhân viên trải nghiệm 'dưới mui xe' để họ có thể hình dung rõ ràng cách AI tăng cường vai trò của họ thay vì loại bỏ nó, " ông nói.

10. Xây dựng với sự cân bằng

• Trí tuệ nhân tạo có vấn đề về thiên vị và đó là lỗi của chúng tôi Trí thông minh nhân tạo có vấn đề về thiên vị và đó là lỗi của chúng tôi
• Trí tuệ nhân tạo của IBM tham gia vào cuộc tranh luận về con người Champs Trí tuệ nhân tạo của IBM thực hiện cuộc tranh luận về con người
• AI mang đến tiềm năng rất lớn, nhưng nó sẽ không xảy ra qua đêm AI cung cấp tiềm năng rất lớn, nhưng nó sẽ không xảy ra qua đêm

Khi bạn đang xây dựng một hệ thống AI, nó đòi hỏi sự kết hợp của việc đáp ứng nhu cầu của công nghệ cũng như dự án nghiên cứu, Pokorny giải thích. "Việc cân nhắc bao quát, ngay cả trước khi bắt đầu thiết kế một hệ thống AI, là bạn nên xây dựng hệ thống một cách cân bằng, " Pokorny nói. "Điều này nghe có vẻ hiển nhiên nhưng, quá thường xuyên, các hệ thống AI được thiết kế xoay quanh các khía cạnh cụ thể về cách nhóm dự kiến ​​đạt được mục tiêu nghiên cứu của mình, mà không hiểu các yêu cầu và giới hạn của phần cứng và phần mềm sẽ hỗ trợ nghiên cứu. Kết quả là ít hơn hệ thống tối ưu hơn, thậm chí không hoạt động, không đạt được mục tiêu mong muốn. "

Để đạt được sự cân bằng này, các công ty cần xây dựng đủ băng thông để lưu trữ, đơn vị xử lý đồ họa (GPU) và kết nối mạng. Bảo mật là một thành phần bị bỏ qua là tốt. AI về bản chất đòi hỏi phải có quyền truy cập vào các luồng dữ liệu rộng lớn để thực hiện công việc của mình. Đảm bảo rằng bạn hiểu loại dữ liệu nào sẽ liên quan đến dự án và các biện pháp bảo vệ an toàn thông thường của bạn - mã hóa, mạng riêng ảo (VPN) và chống phần mềm độc hại - có thể không đủ.

"Tương tự, bạn phải cân bằng cách chi ngân sách tổng thể để đạt được nghiên cứu với nhu cầu bảo vệ chống mất điện và các tình huống khác thông qua các khoản dự phòng, " Pokorny nói. "Bạn cũng có thể cần xây dựng tính linh hoạt để cho phép tái sử dụng phần cứng khi yêu cầu của người dùng thay đổi."