Hiçbir şey okuyucunun dikkatini kötü haber kadar çekemez. Örneğin, dünyanın her yerindeki teknoloji liderleri, neredeyse tüm üretken teknolojilerin bulunduğunu ortaya koyan MIT’nin son araştırmasını yakından takip etti. yapay zeka pilotlar gerçek mali sonuçlar elde etmekte başarısız oluyor – tam olarak %95.
RAND’ın araştırması da benzer şekilde kasvetli ve beş yapay zeka projesinden dördünün duraksadığını gösteriyor. S&P Global, kuruluşların yapay zeka girişimlerinden önceki yıla göre iki kat daha fazla oranda vazgeçtiğini keşfetti.
MongoDB’de Yapay Zeka Saha CTO’su.
Hepimiz bu başarısızlıkların zayıf modellerden, olgunlaşmamış araçlardan veya kurum içi uzmanlık ve yetenek eksikliğinden kaynaklandığını teşhis eden yazıları okumuşuzdur. Ancak gerçek daha basit ve belki de daha rahatsız edici.
Gerçek şu ki çoğu yapay zeka projeler teknoloji yüzünden değil, arkalarındaki strateji ya da strateji eksikliği yüzünden başarısız oluyorlar.
Sorun: Yapay zekaya satın alabileceğiniz bir ürün gibi davranmak
Bir kurumsal yazılım konferansına katılan herkes, rafa hazır “Yapay Zeka çözümleri” satan bir satıcılar deniziyle karşılanacaktır. Örtülü olarak gönderdikleri mesaj, yapay zekanın birinin satın alabileceği, takabileceği ve ardından verimlilik avantajlarının ortaya çıkmasını izleyebileceği bir ürün olduğudur.
Ve yapay zekaya bir katalogdan sipariş verebileceğiniz bir stok tutma birimi (SKU) gibi davranan bu son derece ticarileştirilmiş bakış açısı, yapay zeka projelerinin satın alındıktan kısa bir süre sonra çözülmesine yol açıyor.
Bunun nedeni, yapay zekanın bir kullanım senaryosu arayışında önceden kutulanmış bir yanıt olmamasıdır. Bunun yerine, yalnızca belirli, iyi tanımlanmış bir konuya uygulandığında değer yaratan bir dizi tekniktir. işletme sorun. Yani başlangıçtan itibaren yatırım getirisine giden net bir yol olmadığında, yapay zeka projelerinin başarısız olma ihtimali oldukça yüksektir.
Kuruluşlar bunu unuttuklarında çoğu liderin bazen “bilim-deney” tuzağı olarak adlandırdığı duruma düşerler. İki yaygın biçimde görünür. İlkinde, yeni bir model veya araç hakkında iç heyecan görebiliriz ve hatta pilot, üst düzey liderlikten cömert bir fon sağlayabilir ve ardından etkileyici bir demo izleyebilir.
Ancak birkaç ay içinde yok olup gidecek çünkü hiç kimse bunu ölçülebilir sonuçlara bağlayamıyor.
MIT araştırması bunu doğruluyor ve satın alınanların Yapay zeka araçları Şirket içi yapılar %67 oranında başarılı olurken, dahili yapılar yalnızca üçte bir oranında başarılı oluyor; bunun nedeni büyük ölçüde satıcı çözümlerinin daha net kullanım senaryoları ve belirli iş sonuçlarına bağlı başarı ölçümleri ile birlikte gelmesi.
İkinci versiyon en üstten başlar. Bu, liderliğin bir “Yapay Zeka stratejisi” çağrısı yaptığı ve harekete geçme telaşında olan bir kuruluşun, kağıt üzerinde etkileyici görünen donanım veya yazılım satın aldığı zamandır.
Ekip ancak ürün geldiğinde bunu net bir şekilde kullanmadıklarını veya yapay zekanın bunu başaramadığını fark eder. Her iki durumda da aynı hikayeyi görüyoruz: İş sorunu en sonda geldiğinde değere yer kalmıyor.
Yapay zekayı iş gerçekliği etrafında yeniden çerçevelemek
İyi haber şu ki yapay zeka yatırımlarını değerlendirmenin ve önceliklendirmenin daha iyi bir yolu var. Özünde, ekiplerin ve liderlerin takip edilmeye değer olan ve olmayan yapay zeka fikirleri arasında ne kadar iyi ayrım yaptığıyla ilgilidir.
Başlangıç noktası, bir kuruluşun karşılaştığı en büyük zorlukları ve temel performansı açısından neyin önemli olduğunu belirlemektir. Çoğu için bu, gelir artışı, verimlilik, müşteri memnuniyet, riske maruz kalma veya belki üretkenlik. Konuşma teknik bir merakla değil, iş ihtiyacıyla başlamalıdır.
Bir sonraki adım, bu zorlukları çözmek için gereken verileri değerlendirmektir. Birçok kuruluşta veriler birden fazla kaynağa dağılmış ve kopyalanmış durumda veya eski sistemlerde sıkışıp kalıyor.
Bu veriler konsolide edilip temizlenene kadar yeryüzünde onunla etkili bir şekilde çalışabilecek hiçbir model yok. Veri ortamını düzene sokmak için gereken çalışmalar tamamlandıktan sonra yapay zekanın bu sorunu çözme potansiyeli somut hale gelir.
Daha sonra ölçülebilirliği ve kuruluşun gelir artışı, verimlilik veya müşteri memnuniyeti gibi şeyleri halihazırda nasıl ölçtüğünü dikkate almak önemlidir. Bu temel çizginin yerinde olması, yapay zekadan kaynaklanan her türlü iyileştirmenin açıkça gösterilebileceği anlamına gelir.
Döngü süresi, doğruluk, işlem başına maliyet veya müşteri puanları gibi ölçümler size etki gösterme olanağı sağlar.
Yapay zekanın iş dünyasındaki yerini kazanmasına izin vermek
Bu hususları uyguladığınızda muhtemelen potansiyel yapay zeka projelerinin sayısının azaldığını göreceksiniz. Bu iyi bir şey; çünkü kalan projeler doğrudan iş değerine yönelik olacak ve şirketler tarafından desteklenecek. veri bu amaca uygun. Ekipler daha sonra herkesin anlayabileceği ve zaman içinde ölçebileceği başarı kriterlerini belirleyebilir.
Buna karşılık, bu yaklaşım yapay zekayı maliyetli bir deney olmaktan çıkarıp somut değer katmaya dönüştürebilir. Yatırımı teorik olarak heyecan verici olandan ziyade şu anda çözülebilir olana odaklıyor. Ve en önemlisi, yapay zekanın dönüşüm vaatlerini gerçekten yerine getirmesini sağlıyor.
En iyi AI web sitesi oluşturucusunu sunduk.
Bu makale, günümüz teknoloji endüstrisindeki en iyi ve en parlak beyinleri öne çıkardığımız TechRadarPro’nun Expert Insights kanalının bir parçası olarak üretildi. Burada ifade edilen görüşler yazara aittir ve mutlaka TechRadarPro veya Future plc’ye ait değildir. Katkıda bulunmak istiyorsanız buradan daha fazla bilgi edinin: https://www.techradar.com/news/submit-your-story-to-techradar-pro