De ce ar trebui să vă gândiți la AI ca la un sport de echipă

Ce înseamnă să te gândești la AI ca la un sport de echipă? Vedem că proiectele AI trec de la hype la impact, în mare parte pentru că se implică rolurile potrivite pentru a oferi contextul de afaceri care lipsea anterior. Expertiza domeniului este cheia; mașinile nu au profunzimea contextului pe care o au oamenii, iar oamenii trebuie să cunoască afacerea și datele suficient de bine pentru a înțelege ce acțiuni să întreprindă pe baza oricăror informații sau recomandări care apar.

Când vine vorba de scalarea inteligenței artificiale, mulți lideri cred că au o problemă cu oamenii - în special, nu sunt suficienti oameni de știință ai datelor. Dar nu orice problemă de afaceri este o problemă de știință a datelor. Sau cel puțin, nu orice provocare de afaceri ar trebui să fie aruncată echipei dvs. de știință a datelor. Cu abordarea corectă, puteți beneficia de beneficiile AI fără provocările care vin cu ciclurile tradiționale de știință a datelor.

Pentru a implementa și a scala soluții de inteligență artificială, liderii trebuie să schimbe mentalitatea organizației, astfel încât să se gândească la inteligența artificială ca un sport de echipă. Unele proiecte AI au nevoie de un set diferit de oameni, instrumente și așteptări pentru cum arată rezultatele de succes. Știind cum să recunoașteți aceste oportunități, vă va ajuta să abordați proiecte AI de succes și să vă aprofundați grupul de utilizatori AI, adăugând viteză și putere în luarea deciziilor în întreaga forță de muncă. Să cercetăm de ce și cum.

Organizațiile democratizează analiza avansată cu AI

Utilizarea inteligenței artificiale pentru a rezolva problemele de afaceri a fost în mare parte de competența oamenilor de știință a datelor. Adesea, echipele de știință a datelor sunt rezervate pentru cele mai mari oportunități și cele mai complexe provocări ale unei organizații. O mulțime de organizații au reușit să aplice știința datelor în cazuri de utilizare specifice, cum ar fi detectarea fraudelor, personalizarea și multe altele, unde expertiza tehnică profundă și modelele fin reglate conduc la rezultate extrem de reușite.

Cu toate acestea, scalarea soluțiilor AI prin intermediul echipei dvs. de știință a datelor este o provocare pentru organizații, din multe motive. Atragerea și reținerea talentelor este foarte costisitoare și poate fi dificilă pe o piață competitivă. Proiectele tradiționale de știință a datelor pot dura adesea mult timp pentru a se dezvolta și implementa înainte ca afacerea să vadă valoare. Și chiar și cele mai experimentate și robuste echipe de știință a datelor pot eșua dacă le lipsesc datele sau contextul necesar pentru a înțelege nuanțele problemei pe care li se cere să o rezolve.

Gartner® 2021 Starea științei datelor și a învățării automate Raportul (DSML) afirmă că „cererea clienților se schimbă, publicul mai puțin tehnic care dorește să aplice DSML mai ușor, experții care trebuie să îmbunătățească productivitatea și întreprinderile care necesită un timp mai scurt pentru valorificarea investițiilor lor.¹.” Deși pot exista multe probleme de afaceri care pot beneficia de viteza sau minuțiozitatea analizei pe care AI o poate oferi, o abordare tradițională a științei datelor poate să nu fie întotdeauna cel mai bun plan de atac pentru a vedea valoarea rapid. De fapt, același raport Gartner prezice că „până în 2025, deficitul de oameni de știință în date nu va mai împiedica adoptarea științei datelor și a învățării automate în organizații”.

Expertiza în domeniu este esențială pentru extinderea AI în întreaga afacere

Inteligența artificială ajută deja să ofere capabilități avansate de analiză utilizatorilor care nu au experiență în știința datelor. Aparatele pot selecta dintre cele mai bune modele și algoritmi de prognoză, iar modelele subiacente pot fi expuse, oferind posibilitatea de a le regla și de a se asigura că totul se potrivește cu ceea ce caută utilizatorul.

Aceste capabilități le oferă analiștilor și experților calificați în domeniul afacerilor capacitatea de a proiecta și de a folosi propriile aplicații AI. Fiind mai aproape de date, acești utilizatori au un avantaj față de mulți dintre omologii lor cercetători de date. Punerea acestei puteri în mâinile celor cu expertiză în domeniu poate ajuta la evitarea timpilor lungi de dezvoltare, a sarcinilor de resurse și a costurilor ascunse asociate cu ciclurile tradiționale de știință a datelor. În plus, oamenii cu experiență în domeniu ar trebui să decidă dacă o predicție sau o sugestie AI este sau nu utilă.

Cu procese de construire a modelelor mai iterative, de revizuire și reimplementare, oamenii cu context de afaceri pot obține valoare din AI mai rapid – chiar și implementând noi modele pentru mii de utilizatori în câteva zile sau săptămâni, în loc de săptămâni sau luni. Acest lucru este deosebit de puternic pentru acele echipe ale căror provocări unice nu pot fi o prioritate ridicată pentru echipele de știință a datelor, dar pot beneficia de viteza și minuțiozitatea analizei AI.

Cu toate acestea, este important de reținut că, deși aceste soluții pot ajuta la abordarea decalajului de competențe dintre analiști și oamenii de știință de date, nu este un înlocuitor pentru cei din urmă. Oamenii de știință de date rămân un partener esențial cu experții în afaceri pentru a valida datele utilizate în soluțiile activate de AI. Și pe lângă această colaborare, educația și abilitățile de date vor fi esențiale în utilizarea cu succes a acestor tipuri de instrumente la scară.

Alfabetizarea datelor dă putere mai multor oameni să folosească AI

Strategia dvs. de bază de date joacă un rol important în configurarea organizației dvs. pentru succesul cu AI, dar aducerea soluțiilor AI către mai mulți oameni din afacere va necesita o bază de cunoaștere a datelor. Înțelegerea a ce date sunt adecvate pentru a fi aplicate unei probleme de afaceri, precum și modul de interpretare a datelor și a rezultatelor unei recomandări AI va ajuta oamenii să aibă încredere și să adopte cu succes AI ca parte a procesului decizional. Un limbaj comun al datelor în cadrul organizației deschide, de asemenea, mai multe uși pentru o colaborare de succes cu experți.

Cel mai recent sondaj global al lui McKinsey privind inteligența artificială a arătat că în cadrul a 34% dintre organizațiile cu performanțe înalte „un centru de formare dedicat dezvoltă abilitățile de inteligență artificială ale personalului netehnic prin învățare manuală”, comparativ cu doar 14% din toate celelalte chestionate. În plus, în 39% dintre organizațiile cu performanțe înalte „există canale de comunicare și puncte de contact desemnate între utilizatorii AI și echipa de știință a datelor a organizației”, comparativ cu doar 20% dintre altele.

Liderii pot adopta o varietate de abordări pentru a construi alfabetizarea datelor, de la educație și formare, programe de mentorat, concursuri de date pentru construirea comunității și multe altele. Gândiți-vă la normalizarea accesului și a partajării datelor, precum și la modul în care sărbătoriți și promovați succesele, învățările și luarea deciziilor cu ajutorul datelor.

„Cunoașterea datelor și educația despre vizualizare și știința datelor trebuie să fie mai răspândite și predate mai devreme”, a declarat Vidya Setlur, șeful Tableau Research. „Există un fel de responsabilitate socială și organizațională care vine odată cu dependența de utilizarea datelor. Oamenii ar trebui să fie mai bine pregătiți să înțeleagă, să interpreteze și să profite la maximum de date, deoarece IA va deveni doar mai sofisticată și ar trebui să fim cu câțiva pași înaintea jocului.”

Continuarea dezvoltării culturii de date a organizației dvs. creează oportunități puternice de a dezvolta competențe și de a promova noi soluții în întreaga afacere. Multe organizații și-au mărit deja investițiile în date și analize în ultimii ani, pe măsură ce transformarea digitală s-a accelerat. Nu este posibil să ne gândim la date ca la un sport de echipă – iar acum avem mijloacele de a extinde această mentalitate la AI.