Các doanh nghiệp nhỏ chưa đầu tư vào ai có lẽ chưa thực hiện đủ nghiên cứu

Chỉ 21% doanh nghiệp nhỏ đã triển khai các giải pháp dựa trên trí tuệ nhân tạo (AI), theo báo cáo từ Bluewolf (một công ty của IBM). Khảo sát khoảng cách đầu tư AI đã thăm dò 177 người ra quyết định trên toàn cầu để xác định xem họ đã áp dụng AI và học máy (ML) chưa, và mức độ hiểu biết của họ về các công nghệ này. Mặc dù 33% doanh nghiệp nhỏ dự định đầu tư vào AI trong vòng 12 tháng tới (nâng tổng số người áp dụng AI vào năm tới lên 54%), nhưng tổng số này vẫn thấp hơn so với các công ty lớn. Thêm vào đó, 30% các công ty lớn đã đầu tư vào AI trong khi 44% có kế hoạch bắt đầu đầu tư trong vòng 12 tháng tới. Điều này mang lại tổng số tới 74 phần trăm, hoặc nhiều hơn 20 phần trăm so với tổng số doanh nghiệp nhỏ.

Vanessa Thompson, Phó chủ tịch cấp cao về hiểu biết kinh nghiệm khách hàng tại Bluewolf, cho biết khoảng cách kiến ​​thức tồn tại giữa các công ty đã áp dụng các công cụ AI và những công ty không có kế hoạch áp dụng các công cụ đó. Cô gọi vịnh này là "Khoảng cách đầu tư AI" và mô tả nó như là một "sự khác biệt giữa các giám đốc điều hành cấp C, những người hiểu về AI và những người chưa triển khai nó vào doanh nghiệp của họ", theo một tuyên bố bằng văn bản.

Bởi vì Bluewolf bán các công cụ AI, nó sẽ khiến họ cho rằng lý do duy nhất khiến mọi người không mua công cụ AI là vì họ không biết về chúng. Để kiểm tra khiếu nại của Thompson, tôi đã nói chuyện với Brandon Purcell, Chuyên viên phân tích cao cấp về hiểu biết khách hàng tại Forrester Research, về những vấn đề khác, nếu có, có thể tồn tại để tạo ra khoảng cách giữa những người đã áp dụng AI và những người chưa sử dụng. Purcell và Forrester Research đã thực hiện các nghiên cứu tương tự của riêng họ về việc áp dụng AI. Mặc dù con số tổng thể của anh ta tương đương với 51% công ty của IBM đã áp dụng hoặc đang mở rộng AI, và 20% cho biết họ dự định sẽ áp dụng trong vòng 12 tháng tới, nhưng Pur Purcell đã đưa ra một số lý do thuyết phục khác tại sao các doanh nghiệp nhỏ có thể đứng sau đường cong của việc áp dụng AI.

Chi phí của AI

Purcell coi các hạn chế đầu tư là một yếu tố chính, đặc biệt là "vì nó liên quan đến bộ kỹ năng. Các doanh nghiệp nhỏ không có tài nguyên để thuê các nhà khoa học dữ liệu", ông nói. Đây là những công nhân sẽ trích xuất những hiểu biết sâu sắc từ dữ liệu được đẩy vào và ra khỏi phần mềm doanh nghiệp.

Họ cũng sẽ là người xác định liệu AI có đọc chính xác dữ liệu của bạn hay không và thực hiện các hành động dựa trên trí thông minh của chính nó. Mức lương trung bình cho một nhà khoa học dữ liệu là 113.436 đô la mỗi năm, theo Glassdoor, đó là (trong chương trình lớn của người giàu) chỉ thấp hơn một chút so với mức lương trung bình của một CEO người Mỹ (166.000 đô la, theo PayScale). Vì vậy, nếu bạn là một giám đốc điều hành doanh nghiệp nhỏ đang hoạt động với lợi nhuận mỏng như dao cạo và bạn không muốn tự cắt giảm lương của mình, thì sẽ rất khó để hợp lý hóa việc chi sáu con số cho một nhà khoa học dữ liệu và chi tiền cho hệ thống phần mềm có thể biến dữ liệu trong AI.

Nhưng đó không chỉ là tiền liên quan mà cấm các công ty nhỏ hơn đầu tư vào phần mềm điều khiển AI. "Trên một lưu ý liên quan, có một yếu tố dữ liệu, " Purcell nói. "AI phát triển mạnh mẽ khi bạn có lượng dữ liệu lớn. Các doanh nghiệp nhỏ không có nhiều dữ liệu để làm điều đó."

Hãy nghĩ về nó như thế này: Bạn biết làm thế nào Facebook biết bạn bè nào sẽ gắn thẻ khi bạn đăng ảnh? Đó là bởi vì Facebook đã thu thập thông tin từ tất cả các bài đăng được gắn thẻ trước đó của bạn. Bạn đã bao giờ xem một bộ phim mà Netflix đề nghị cho bạn? Netflix biết đề xuất phim đó dựa trên các lựa chọn trước đó của bạn. Facebook và Netflix có thể đưa ra các đề xuất này dựa trên ML, là anh em họ đầu tiên của AI. Mặc dù chúng giống nhau, cả hai thuật ngữ thường được sử dụng thay thế cho nhau (và không chính xác).

Đây là sự khác biệt cơ bản giữa các thuật ngữ: Các hệ thống ML sử dụng trí thông minh để cải thiện hiệu suất bằng cách cung cấp cho bạn các đề xuất và cách để hợp lý hóa các quy trình, trong khi các hệ thống sử dụng AI tự chủ cho phần mềm để thực hiện các nhiệm vụ và đưa ra quyết định mà không cần sự giám sát của con người. ML là Netflix đưa ra đề xuất phim trong khi AI là chiếc xe thúc đẩy bạn làm việc trong khi bạn chợp mắt ở hàng ghế sau. Là một doanh nghiệp nhỏ mới bắt đầu tạo dữ liệu, những lợi thế của AI sẽ rất nhỏ so với những gì một công ty Fortune 500 có thể thấy khi họ bật phần mềm AI của họ.

Là Bluewolf sai?

Vì vậy, Bluewolf đã cung cấp thông tin kém trong cuộc khảo sát của họ? Các doanh nghiệp nhỏ có biết về AI nhưng họ không có tiền hoặc dữ liệu để có hứng thú với nó không? Purcell không nghĩ rằng nghiên cứu của Bluewolf là sai. Trên thực tế, ông tin rằng IBM Watson là người tạo ra điện toán nhận thức, thuật ngữ ô bao gồm AI, ML và các ứng dụng khác bắt chước bộ não của con người.

"Họ đã chi rất nhiều tiền để tạo ra danh mục đó, nhưng họ có những đối thủ lớn trong không gian: Google, Amazon, Facebook, Microsoft, " Purcell nói. "Các công ty đó cũng đang sử dụng lượng dữ liệu khổng lồ được sử dụng để đào tạo các hệ thống AI. Định nghĩa về AI của Hollywood là robot tình cảm. Chúng tôi chưa sử dụng điều đó. Nhưng, khi nói đến việc triển khai AI ở cấp độ doanh nghiệp cho AI thực tế, IBM rất xuất sắc trong việc tạo ra những công cụ đó. "

Những quan niệm sai lầm về Hollywood, AI và robot giết chết chúng ta trong giấc ngủ là lý do có thể khiến các doanh nghiệp nhỏ tránh xa việc tìm hiểu thêm về các công cụ AI. Nếu bạn là một nhà cung cấp áo phông ở Oklahoma, thì chiếc xe tự trị hay robot tương lai được trang bị súng laser có gì tốt? Tuy nhiên, khi được thực hiện trong bối cảnh ít được biết đến của mình, Purcell và Thompson đã thấy các trường hợp sử dụng thực tế cho các doanh nghiệp nhỏ. Các trường hợp sử dụng mà các doanh nghiệp nhỏ chưa được giáo dục.

Với thứ mà Thompson và Bluewolf gọi là "trí thông minh gia tăng", các doanh nghiệp nhỏ không nhất thiết cần chuyên môn dữ liệu hoặc kho thông tin để tận dụng lợi thế của AI. Bluewolf định nghĩa trí thông minh tăng cường là khả năng cho các ứng dụng suy luận, suy luận và trích xuất ý tưởng, ngay cả với các tập dữ liệu phi cấu trúc, như ngôn ngữ và hình ảnh. Ngay cả khi bắt đầu thu thập dữ liệu của công ty, các giải pháp thông minh tăng cường vẫn có thể học khi họ đi, bất kể có bao nhiêu thông tin được đưa vào hệ thống.

"Trí thông minh tăng cường giúp người dùng cuối dự đoán những việc cần làm tiếp theo bằng cách cung cấp cho họ một hồ sơ về những gì khách hàng của họ cần, " ông Thompson nói. "Chúng tôi thấy tăng cường là một cách để biến AI thành hiện thực cho các công ty ở mọi quy mô."

Điều này bao gồm những thứ như kết hợp dữ liệu bên ngoài và dữ liệu bên trong để bổ sung kiến ​​thức mà công nghệ tình báo tăng cường đang sử dụng để đưa ra quyết định kinh doanh. Ví dụ: bằng cách kết hợp các mẫu mua sắm bên ngoài và dữ liệu thời tiết với dữ liệu mẫu mua sắm của khách hàng, độc quyền, các công ty thương mại điện tử có thể cung cấp các chiến dịch siêu cá nhân hóa. Trong kịch bản này, một nhà khoa học dữ liệu sẽ hữu ích nhưng không cần thiết và một kho dữ liệu khách hàng sẽ khiến chiến dịch trở nên mạnh mẽ hơn. Nhưng nó sẽ không ngăn chiến dịch trở nên mạnh mẽ hơn so với trước đây nếu không có sự kết hợp của các nguồn dữ liệu bên trong và bên ngoài.