Бизнесу не нужно торопиться применять искусственный интеллект. В основном, когда появляется новая технология, почти все компании должны быть быстрыми последователями, но никак не первопроходцами.
В статье расскажем, как применять решения ИИ в бизнесе пошагово.
1. Начните с базовых бизнес-целей и анализа эффективности
Шумиха вокруг искусственного интеллекта и машинного обучения заставляет некоторых лидеров в сфере бизнеса гнаться за технологиями и не думать о том, насколько это эффективно для компании.
Если вы начинаете с экспериментов с библиотеками машинного обучения или узнаете о расценках провайдеров решений ИИ, вы пропускаете важные шаги.
Сначала подумайте, как ваш бизнес сможет компенсировать расходы на исследование и развитие. Ваши бизнес-гипотезы должны подтверждаться большими массивами данных, которые у вас уже есть, или которые вы можете достать и легко интегрировать.
Одна из причин начать с анализа бизнес-эффективности — это то, что вы можете найти решения, в которых не понадобятся новейшие разработки ИИ.
Если вам нужна какая-то определенная форма ИИ, анализ поможет оценить, есть ли эффективные решения для этого на рынке.
Пример: если вы пытаетесь автоматизировать ручной бизнес-процесс, в котором нужно осматривать детали с конвейера, вы можете определить это как комбинацию распознавания изображений и роботизированную автоматизацию. Оба эти вида ИИ — хорошо исследованные области. Это можно определить по множеству успешных решений провайдеров в этой сфере.
Если решение нужно долго обдумывать и оценивать, значит, вы выбираете недостаточно развитую область ИИ.
2. Убедитесь, что у вас есть большие массивы данных для ИИ
Это второе условие успешного применения ИИ. Вам нужны большие массивы относительно чистых данных, чтобы тренировать решения ИИ и оценивать их результаты.
Пример: причина, по которой возможны автомобили-роботы, — 4 000 ГБ данных, сгенерированные лазерными дальномерами и сенсорами за час вождения.
Большое количество данных используется, чтобы принимать базовые решения: когда машине поворачивать, ускоряться, притормаживать или останавливаться.
Кроме массивов данных, вашей компании нужны инструменты для интегрирования и автоматизации данных, чтобы вы могли переносить данные в любой движок ИИ. Если в вашей компании люди вручную запускают скрипты для прогонки данных, советуем сначала инвестировать в автоматизацию, и только потом рассматривать ИИ.
3. Выберите опции для экспериментов с ИИ
Как только вы определили бизнес-возможности, почистили данные и сделали их доступными, вы готовы к тому, чтобы рассмотреть варианты решений ИИ.
Следующие шаги — это принять решение, какой продукт ИИ использовать и как его внедрять.
Если вы умеете, можете поэкспериментировать с TensorFlow или другими движками ИИ. Если у вас нет опыта, дважды подумайте до того, как нанять кого-то, кто в этом разбирается. Технологические гиганты, такие, как Google, платят огромные зарплаты редким специалистам по ИИ. Поэтому расходы здесь будут огромными.
Вторая опция — использовать готовые решения искусственного интеллекта.
Один из примеров — Salesforce Einstein, платформа искусственного интеллекта, которая делает прогнозы, используя данные систем CRM в базе Salesforce.
Вы также можете рассмотреть решения для конкретных сфер бизнеса.
Источник: статья в издании InfoWorld
