Эволюция ИИ в бизнесе:как далеко мы продвинулись

Открыв свое электронное письмо сегодня утром, я получил уведомление об отправленном мной старом сообщении. В предупреждении говорилось:«Отправлено 10 дней назад; вы бы хотели продолжить? " Действительно, мне нужно было напомнить моему коллеге, что нужно ответить. Полученный опыт заставил меня задуматься о том, как далеко мы продвинулись и что ждет впереди искусственный интеллект (ИИ) в бизнесе.

Я увлекся этой областью почти 40 лет назад, когда учился на бакалавриате в Беркли у профессора Алисы Агогино. Профессор Агогино нарисовал на доске эту простую схему.

Тогда системы искусственного интеллекта назывались экспертными системами. Они позволили большему количеству людей выполнить большинство задач на экспертном уровне. Они улучшили потенциал пользователей и изменили кривую производительности для всего бизнеса. С помощью этих систем эксперты могли сосредоточиться на самых сложных задачах, с которыми могли справиться только они.

На протяжении многих лет эта убедительная идея о том, что технология может расширить нашу производительность в масштабе, оставалась со мной. Это сформировало мои страсти, и мой собственный профессиональный путь пошел по траектории самого ИИ.

Но на этом пути возникло несколько проблем. Модели в наших системах имеют тенденцию отставать от изменений в бизнесе; хотя они и решали вчерашнюю проблему оптимально, постепенно они устаревали. Им нужны были специальные группы как для использования, так и для обслуживания.

Где мы находимся сегодня

Современные системы искусственного интеллекта принципиально отличаются от ранних экспертных систем и традиционных бизнес-решений по трем параметрам:

• Мы используем их по-разному;

• Акцент на интеллекте сместился с автоматизации на усиление, и

• Системы искусственного интеллекта учатся на опыте использования и адаптируются к изменениям в бизнесе.

Как мы их используем: Традиционные бизнес-решения часто фрагментированы. Один набор систем подскажет, как обстоят дела у вашего бизнеса в настоящее время . работает (традиционная бизнес-аналитика), другой помогает решить, как для ведения бизнеса, а еще один позволяет записывать то, что вы сделали для ведения бизнеса (планирование ресурсов предприятия).

Пользователи должны следовать утомительным и разрозненным путем, от описательной и диагностической аналитики до прогнозного анализа и оптимизации с использованием моделей цифровых двойников. Затем, когда решение принято, они должны вернуться и записать это решение в свою ERP.

Напротив, когда мы используем ИИ, мы начинаем непосредственно с рекомендаций и можем изучить прогностические, диагностические и описательные идеи в качестве объяснений. AI предлагает пошаговые инструкции для действий, даже если мы можем принимать решения, отличные от рекомендаций.

Смещение акцента: Традиционные экспертные системы были чрезмерно ориентированы на автоматизацию. Современные системы искусственного интеллекта могут помочь нам управлять бизнес-процессами и управлять ими. На мой взгляд, лучше думать об ИИ как об расширенном интеллект, а не искусственный интеллект. Сегодня мы рассматриваем ИИ как нечто, что можно тренировать и адаптировать к нашим потребностям.

Обучение и адаптация :Традиционные бизнес-системы статичны и со временем устаревают. Они нуждаются в улучшениях и изменениях, чтобы учесть отзывы или изменения в бизнесе. Системы ИИ, напротив, динамичны. Они учатся и адаптируются к меняющимся потребностям бизнеса. Чем больше вы их используете, тем умнее и эффективнее они становятся со временем.

Что впереди

Несмотря на свою мощь, возможности искусственного интеллекта создают определенные проблемы.

Во-первых, получение максимальной отдачи от ИИ требует тщательного управления изменениями как в поведении, так и в отношении к технологиям. Если люди видят в технологиях угрозу или средство для достижения поставленных целей, они будут работать над тем, чтобы помешать их успеху. Кроме того, если внедрение ИИ означает потерю контроля или личного контакта с клиентами и поставщиками или препятствует межфункциональному мышлению, оно потерпит неудачу.

С другой стороны, если люди видят ИИ как новый набор инструментов, который упрощает их жизнь, делает их умнее, взаимодействует между организациями и добивается большего, они будут работать над его успехом.

Второй вопрос касается этики ИИ. Нам нужно сделать ИИ более прозрачным и этичным. Модели машинного обучения узнают то, чему их научили и чему они научились. Если данные предвзяты, ИИ тоже. Также никто не любит следовать рекомендациям из черного ящика. Модели искусственного интеллекта должны объяснять свои рекомендации, какие предположения были сделаны, какие закономерности были обнаружены и какие варианты были прозрачно изучены.

Наконец, мы должны спросить себя, являются ли проблемы, над решением которых мы работаем, с помощью ИИ, правильными в первую очередь. Мы должны работать над тем, чтобы использовать ИИ для расширения досягаемости людей и улучшения жизни, а не контролировать их.

Одним словом, трансформация ИИ на сегодняшний день была революционной. Чем больше мы будем использовать, использовать и улучшать эту технологию, тем больше улучшится наш бизнес.

Адил Наджми - директор по продукту LevaData.