[ad_1]

در پس زمینه بسیاری از اختلالات تجاری ناشی از covid-19 ، در اینجا یکی از مواردی است که تا حد زیادی نادیده گرفته می شود: شلاق با هوش مصنوعی (AI).

همزمان با آغاز همه گیری همه گیر در جهان در سال گذشته ، مشاغل برای رسیدگی به چالش ها و خدمات ایمن و م customersثر به مشتریان به هر ابزاری که در اختیار دارند – از جمله هوش مصنوعی – مراجعه کرده اند. در نظرسنجی KPMG 2021 از مدیران تجاری ایالات متحده که بین 3 تا 16 ژانویه انجام شد ، نیمی از پاسخ دهندگان گفتند که سازمان آنها در پاسخ به covid-19 سرعت استفاده از هوش مصنوعی را تسریع می کند – از جمله 72٪ از تولید کنندگان صنعتی ، 57٪ از شرکت های فن آوری و 53٪ از خرده فروشان

اکثر آنها از نتایج راضی هستند. هشتاد و دو درصد از پاسخ دهندگان موافقت کردند که هوش مصنوعی در طی بیماری همه گیر برای سازمان آنها مفید است و اکثریت گفتند که ارزش آن حتی بیشتر از حد انتظار است. به طور کلی ، تقریباً همه می گویند که استفاده بیشتر از هوش مصنوعی باعث می شود سازمان آنها کارایی بیشتری داشته باشد. در حقیقت ، 85 درصد می خواهند سازمانشان سرعت تصویب هوش مصنوعی را تسریع کند.

با این حال ، خلق و خوی کاملاً مثبت نیست. اگرچه تلاش برای گام برداشتن بر روی گاز ، 44 درصد از مدیران اجرایی معتقدند که صنعت آنها با هوش مصنوعی سریعتر از آنچه که باید پیش می رود. با شگفت انگیزتر ، 74٪ می گویند که استفاده از هوش مصنوعی برای حمایت از تجارت همچنان بلندتر از واقعیت است – پس از بررسی هوش مصنوعی ما در سپتامبر 2019 ، در صنایع مهم به شدت در حال افزایش است. به عنوان مثال ، هم در خدمات مالی و هم در خرده فروشی ، 75٪ از مدیران در حال حاضر بر این باورند که هوش مصنوعی به ترتیب 42 و 64 درصد بسیار بالا است.

چگونه می توان این دیدگاه های به ظاهر مخالف را با آنچه KPMG آن را شلاق زدن هوش مصنوعی می نامد ، برابر دانست؟ بر اساس کار ما در زمینه کمک به سازمان ها برای پیاده سازی هوش مصنوعی ، چندین توضیح در مورد مفصل ران می بینیم. یکی نوآوری ساده در فن آوری است ، که باعث می شود سو of تفاهم در مورد آنچه می تواند و نمی تواند انجام دهد ، مدت زمانی که برای دستیابی به نتایج در مقیاس سازمانی طول می کشد و وقتی سازمان ها بدون پایه و اساس مناسب با AI آزمایش می کنند ، چه اشتباهاتی امکان پذیر است.

اگرچه 79٪ از پاسخ دهندگان می گویند هوش مصنوعی در سازمان آنها حداقل عملکرد متوسطی دارد ، اما تنها 43٪ می گویند که در مقیاس کاملاً عملکردی است. ملاقات با افرادی که فکر می کنند هوش مصنوعی چیزی است که باید خریداری شود – به عنوان یک ماشین جدید – برای نتایج فوری هنوز معمول است. و گرچه ممکن است آنها با هوش مصنوعی موفقیت کسب کرده باشند – اغلب شواهد کمی از مفهوم است – بسیاری از سازمان ها آموخته اند که مقیاس گذاری آنها تا سطح شرکت می تواند چالش برانگیزتر باشد. نیاز به دسترسی به داده های تمیز و منظم دارد. زیرساخت ذخیره سازی داده های قوی ؛ متخصصان در این زمینه برای کمک به ایجاد داده های آموزشی دارای برچسب مهارت های پیشرفته کامپیوتر؛ و خریدهای تجاری.

البته باور اینکه حامیان هوش مصنوعی هر از گاهی در مورد پتانسیل خود اغراق کرده یا تلاش لازم برای تحقق ارزش کامل آن را کاهش داده اند نیز دشوار نیست.

در مورد اینکه چرا مدیران در مورد سرعت درک هوش مصنوعی اختلاف نظر دارند ، ما ماهیت اساسی انسان را می بینیم. برای مبتدیان ، همیشه آسانتر است که سبزتر چمن در طرف دیگر سبز باشد. ما همچنین گمان می کنیم که بسیاری از مردم نگرانند که صنعت آنها خیلی سریع پیش می رود ، دلیل اصلی این امر این است که سازمان خودشان پیشرفت نمی کند. اگر آنها در مراحل اولیه سکته مغزی با هوش مصنوعی – خصوصاً در سال گذشته که دنیا شاهد دستاوردهایی با هوش مصنوعی مانند رکورد سریع تولید واکسن های covid-19 بودند – دچار مشکل شدند ، تسلیم این ترس ها آسان بوده است.

ما عامل دیگری را در ایجاد احساسات متفاوت در مورد پتانسیل هوش مصنوعی می بینیم – فقدان یک چارچوب قانونی و نظارتی برای هدایت استفاده از آن. بسیاری از رهبران مشاغل ایده روشنی از اینکه سازمان مدیریت هوش مصنوعی آنها چه می کند یا مقررات جدید دولتی در پیش رو دارند ندارند. به طور واضح ، آنها نگران خطرات موجود هستند ، از جمله موارد استفاده امروزی که ممکن است تنظیم کننده ها فردا خرد شوند.

این عدم اطمینان کمک می کند تا یافته ای به ظاهر متناقض دیگر از مطالعه ما تبیین شود. در حالی که رهبران مشاغل معمولاً نسبت به مقررات دولت تردید دارند ، 87٪ می گویند دولت باید در تنظیم فن آوری های هوش مصنوعی نقشی داشته باشد.

تغییر از شلاق زدن هوش مصنوعی

اگرچه هر سازمانی برای بازیابی از زندگی هوش مصنوعی و بهینه سازی سرمایه گذاری خود در فناوری به کتاب بازی خود نیاز دارد ، اما یک برنامه جامع باید شامل پنج م componentsلفه باشد:

  • سرمایه گذاری استراتژیک در داده ها. داده ها ماده اولیه AI و بافت همبند یک سازمان دیجیتال هستند. سازمان ها برای آموزش مدل های هوش مصنوعی با کمک متخصصان در این زمینه به داده های تمیز و قابل هضم در ماشین نیاز دارند. آنها به یک زیرساخت ذخیره سازی نیاز دارند که فراتر از سیلوهای عملکردی در تجارت باشد و بتواند داده ها را به سرعت و با اطمینان ارائه دهد. پس از اجرای مدل ها ، برای جمع آوری داده ها برای راه اندازی و آموزش مداوم ، به یک استراتژی و رویکرد نیاز است.
  • استعداد مناسب دانشمندان کامپیوتر با تجربه در هوش مصنوعی بسیار مورد جستجو و دشوار هستند ، اما برای درک چشم انداز هوش مصنوعی و استراتژی هدف گیری بسیار مهم هستند. سازمانهایی که نمی توانند یک تیم کامل داخلی از دانشمندان ایجاد کنند ، به شرکای خارجی احتیاج دارند که بتوانند خلا theها را پر کرده و به آنها کمک کنند دامنه رو به گسترش ارائه دهندگان و پیشنهادهای مربوط به هوش مصنوعی را مرتب کنند.
  • استراتژی هوش مصنوعی طولانی مدت سازمان ها به جای خرید فناوری و جستجوی راه هایی برای استفاده از آن ، بیشتر به فکر استفاده از هوش مصنوعی می افتند. آنها تجارت را ترک می کنند ، نه بخش فناوری اطلاعات ، برای مدیریت دستور کار. وقتی سرمایه گذاری های هوش مصنوعی مرتبط با یک استراتژی مبتنی بر کسب و کار اشتباه انجام می شوند ، به جای سریع سوختن به فرصت هایی برای شکست سریع و یادگیری تبدیل می شوند. اما حتی وقتی شرکت ها سریع خود را تکرار می کنند ، لازم است این کار را مطابق با استراتژی بلند مدت هوش مصنوعی انجام دهند ، زیرا بیشترین مزایای آن در طولانی مدت محقق می شود.
  • فرهنگ و رشد حرفه ای کارمندان. تعداد کمی از برنامه های هوش مصنوعی می توانند قدرت خرید و فرهنگ سرمایه گذاری در موفقیت هوش مصنوعی را بدست آورند. دستیابی به تعامل کارمندان مستلزم ارائه حداقل درک اساسی از فناوری و داده ها و درک حتی عمیق تری از سود آن برای شرکت و شرکت است. همچنین ارتقا the مهارت های نیروی کار بسیار مهم است ، به ویژه در مواردی که هوش مصنوعی مسئولیت های موجود آنها را به عهده می گیرد یا آنها را تکمیل می کند. اتخاذ یک ذهنیت داده محور و القای سواد عمیق تر AI در DNA سازمان به آنها کمک می کند تا مقیاس بندی و موفقیت کسب کنند.
  • تعهد به استفاده اخلاقی و بی طرفانه از هوش مصنوعی. هوش مصنوعی وعده های بزرگی می دهد ، اما اگر سازمان ها از آن به طریقی استفاده کنند که مشتریان دوست ندارند یا باعث ایجاد تبعیض در قشرهای خاصی از مردم می شود ، احتمال آسیب نیز دارد. هر سازمان باید یک سیاست اخلاقی هوش مصنوعی با راهنماهای مشخص در مورد چگونگی اجرای این فن آوری تدوین کند. این سیاست باید اقدامات لازم را انجام دهد و بخشی از فرایند DevOps باشد تا مشکلات و عدم تعادل در داده ها را بررسی کند ، سوگیری های پیش بینی نشده را در الگوریتم های یادگیری ماشین اندازه گیری و کمی کند ، منشا داده ها را ردیابی کند و کسانی را که الگوریتم ها را آموزش می دهند شناسایی کند. سازمان ها باید به طور مداوم مدل ها را از نظر سوگیری و تعصب کنترل کنند و از وجود راه حل های قابل توضیح مدل اطمینان حاصل کنند.

بعدش چی

اهداف سرمایه گذاری هوش مصنوعی برای مدیران طی دو سال آینده بسته به صنعت متفاوت است. مدیران بهداشت می گویند تمرکز آنها روی پزشکی از راه دور ، کارهای رباتیک و مراقبت از بیمار خواهد بود. در علوم زندگی ، آنها می گویند که به دنبال پیاده سازی هوش مصنوعی برای شناسایی فرصت های جدید درآمد ، کاهش هزینه های اداری و تجزیه و تحلیل داده های بیمار هستند. و رهبران دولت می گویند که تمرکز آنها بر روی بهبود اتوماسیون فرآیند و توانایی تجزیه و تحلیل ، و همچنین مدیریت قرارداد و سایر تعهدات خواهد بود.

نتایج پیش بینی شده نیز بسته به صنعت متفاوت است. مدیران خرده فروشی بیشترین تأثیر را در زمینه های هوشمندی مشتری ، مدیریت موجودی و ربات های گفتگوی خدمات مشتری پیش بینی می کنند. تولیدکنندگان صنعتی آن را در طراحی ، توسعه و مهندسی محصول می بینند. عملیات پشتیبانی؛ و فعالیت های تولیدی. و شرکت های خدمات مالی انتظار دارند که کشف و پیشگیری از تقلب ، مدیریت ریسک و اتوماسیون فرآیند را بهبود بخشند.

در دراز مدت ، KPMG می داند که هوش مصنوعی نقشی اساسی در کاهش تقلب ، ضایعات و سو استفاده و کمک به مشاغل برای افزایش فروش ، بازاریابی و خدمات مشتری دارد. در نهایت ، ما معتقدیم که هوش مصنوعی به رفع چالش های عمده مردم در مناطق مختلف مانند شناسایی و درمان بیماری ، کشاورزی و گرسنگی جهانی و تغییرات آب و هوایی کمک خواهد کرد.

این آینده ای است که ارزش کار دارد. ما معتقدیم که دولت و صنعت باید در دستیابی به این مهم نقش داشته باشند – در همکاری با یکدیگر برای تدوین قوانینی که تحول اخلاقی هوش مصنوعی را بدون مانع از نوآوری و حرکت ایجاد می کنند.

بیشتر بخوانید در گزارش KPMG “رونق در دنیای هوش مصنوعی”.

این محتوا توسط KPMG ایجاد شده است. توسط MIT Technology Review نوشته نشده است.

[ad_2]

منبع: unbox-khabar.ir