Data science

วิธีนำ AI มาทำงานในบริษัทของคุณ

ปัจจุบัน AI เป็นที่แพร่หลายในบริษัทและบริการหลักๆ ที่เราใช้อยู่ทุกวัน ตั้งแต่คำแนะนำผลิตภัณฑ์ไปจนถึงโฆษณาที่ปรับให้เหมาะกับแต่ละบุคคล ตั้งแต่ระบบสั่งงานด้วยเสียงไปจนถึงการจดจำภาพ AI ช่วยเราได้หลายร้อยวิธี ไม่เป็นไรถ้าคุณเป็นบริษัทดิจิทัลแห่งแรก ที่เกิดบนอินเทอร์เน็ตและเชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล แมชชีนเลิร์นนิง และ AI ตั้งแต่เริ่มแรก อย่างไรก็ตาม หาก AI จะเปลี่ยนโลกอย่างแท้จริง ทุกธุรกิจจะต้องเข้าถึงได้ โดยไม่คำนึงถึงมรดกทางดิจิทัล เราได้พูดคุยกับ Ann-Elise Delbecq ผู้อำนวยการโครงการ EMEA ของทีม Data Science และ AI Elite ที่ IBM เกี่ยวกับวิธีนำ AI มาใช้กับทุกองค์กร แล้วลูกค้าประเภทไหนที่คุณและ IBM พบในงานของคุณ? “AI ได้พิสูจน์แล้วว่าเป็นประโยชน์ต่อบริษัทต่างๆ ในทุกอุตสาหกรรม และได้แก้ไขกรณีการใช้งานที่หลากหลาย” Delbecq กล่าว “เราได้ทำงานร่วมกับ Telco บริษัทผู้ผลิต สถาบันการเงิน การค้าปลีก สายการบิน ฯลฯ ในแง่ของวุฒิภาวะ เรากำลังติดต่อกับลูกค้าในทุกด้าน ตั้งแต่ลูกค้าที่เริ่มหันมาใช้ AI ไปจนถึงลูกค้าที่มีกรณีการใช้งานขั้นสูงที่ช่วยเพิ่มประสิทธิภาพธุรกิจ กระบวนการ” อะไรคือความหมายที่สำคัญของการเรียนรู้ของเครื่อง (ML), วิทยาศาสตร์ข้อมูล (DS) และปัญญาประดิษฐ์ (AI) สำหรับองค์กร “AI ไม่ได้ตั้งใจที่จะเข้ามามีบทบาทในการตัดสินใจและแทนที่มนุษย์ในงานเหล่านี้” Delbecq กล่าว “การฝัง AI เข้าไปในกระบวนการทางธุรกิจที่มีอยู่จะช่วยปรับปรุงการตัดสินใจในทุกขั้นตอน สำหรับเจ้าของธุรกิจ AI ให้ความเข้าใจอย่างลึกซึ้งเกี่ยวกับตลาดและผู้บริโภค และคาดการณ์ผลของการกระทำที่เฉพาะเจาะจง องค์กรที่ช่วยเหลือด้วย AI ช่วยลดความเสี่ยงที่เกี่ยวข้องกับการตัดสินใจเชิงกลยุทธ์ได้อย่างมาก กระบวนการทางธุรกิจใหม่ไม่เคยเกิดขึ้นมาก่อน ซึ่งรวมถึงแต่ไม่จำกัดเฉพาะรูปแบบการโต้ตอบใหม่ เช่น แชทบอท” ตัวอย่างที่ยอดเยี่ยมของเวิร์กโฟลว์การเรียนรู้ของเครื่องระดับองค์กรคืออะไร “ไม่มี AI ที่ไม่มีโครงสร้างพื้นฐานข้อมูลที่เหมาะสม” Delbecq กล่าว “ขั้นตอนแรกคือการรวมศูนย์การจัดการข้อมูลและการกำกับดูแล: ไม่มีไซโลข้อมูลอีกต่อไป ไม่มีคำถามประเภทข้อมูลที่คุณรู้ว่าสามารถค้นหาได้จากที่ไหนอีกต่อไป องค์กรต้องรู้ว่าข้อมูลส่วนใดถูกใช้โดยใคร ตั้งแต่เมื่อใด จนถึงเมื่อใด และเพื่อวัตถุประสงค์ใด ขั้นต่อไป นักวิทยาศาสตร์ข้อมูลต้องมีเครื่องมือในการสร้างแบบจำลองอย่างรวดเร็วและดึงข้อมูลเชิงลึกที่มีความหมายออกจากข้อมูล ที่สำคัญกว่านั้น พวกเขาต้องมีสิทธิ์เข้าถึงพื้นที่การปรับใช้ ซึ่งโมเดลทั้งหมดจะได้รับการจัดทำดัชนี กำหนดเวอร์ชัน จัดทำเป็นเอกสาร และเข้าถึงได้เหมือนกับข้อมูลอื่นๆ ของบริษัท การนำโมเดลแมชชีนเลิร์นนิงไปใช้ในสภาพแวดล้อมการผลิตยังคงเป็นส่วนที่ท้าทายที่สุดในการเดินทางในปัจจุบัน เมื่อนักวิทยาศาสตร์ข้อมูลได้พัฒนาตรรกะแล้ว บริษัทต่างๆ จะต้องปรับใช้มันในวงกว้างและเชื่อมต่อกับกระบวนการทางธุรกิจที่มีอยู่” ด้วยการใช้ data science ที่เพิ่มมากขึ้น ML, AI อาชีพอะไรที่จะมีการเปลี่ยนแปลงครั้งสำคัญ? “ทุกคนจะได้รับประโยชน์จากกระบวนการทางธุรกิจที่ใช้เทคโนโลยี AI” Delbecq กล่าว “มันเพิ่มโอกาสในการตัดสินใจที่ดีขึ้นและจัดอันดับความมั่นใจในการตัดสินใจเหล่านั้นอย่างเหมาะสม มาเริ่มกันที่ Business Analysts ที่จะได้ประโยชน์จากคำตอบอย่างรวดเร็วของคำถาม WHY ที่จะขับเคลื่อนผลลัพธ์อะไร เราสามารถย้ายไปยังบุคคลที่รับผิดชอบธุรกิจที่สามารถตอบคำถาม HOW ได้ดีขึ้นโดยใช้กระบวนการตัดสินใจที่เหมาะสมที่สุด รายการไม่มีที่สิ้นสุด” ส่วนใหญ่ กฎที่คำนวณผ่านแมชชีนเลิร์นนิงจะไม่สามารถแปลงกลับเป็นรูปแบบที่มนุษย์เข้าใจได้ (“กล่องดำ”) เป็นเพียงเรื่องของความไว้วางใจสำหรับบริษัทต่างๆ หรือเราควรอธิบายอัลกอริธึมการเรียนรู้ของเครื่องหรือไม่? “เครื่องตอบด้วยสองคำตอบที่แตกต่างกัน 'ฉันคิดว่ามันเป็นสิ่งนี้ และฉันมั่นใจว่า X เปอร์เซ็นต์มั่นใจว่ามันอาจจะเป็นอย่างนี้'” Delbecq กล่าว “พวกเขาจะแนะนำกระบวนการตัดสินใจที่ดีขึ้นซึ่งบางครั้งต้องใช้การทำงานอัตโนมัติซึ่งเป็นส่วนหนึ่งของกระบวนการทางธุรกิจหรือที่ที่มนุษย์สามารถช่วยได้ เทคนิค AI หลายอย่างสามารถอธิบายได้ง่าย บางอย่างยากขึ้นเมื่อคณิตศาสตร์เบื้องหลังการสรุปปัญหามากเกินไป อย่างไรก็ตาม มีวิธีอธิบายจุดตัดสินใจด้วยเทคนิคที่อธิบายได้ สิ่งเหล่านี้ดีพอ ๆ กับเทคนิคการกำหนดที่เราใช้ในวิศวกรรมซอฟต์แวร์แบบดั้งเดิม” ความหมายของ ML, DS และ AI เป็นสิ่งที่ท้าทายสำหรับวัฒนธรรมทางธุรกิจเมื่อมีการนำ AI และ Machine Learning มาใช้ในการดำเนินธุรกิจ คุณจะแนะนำบริษัทต่างๆ ให้พัฒนาความไว้วางใจในเทคโนโลยีเหล่านี้มากขึ้นได้อย่างไร “มีหลายวิธีที่บริษัทต่างๆ พัฒนาและเปลี่ยนแปลง” Delbecq กล่าว “หนึ่งคือผ่านกฎระเบียบที่กำหนดพฤติกรรมเฉพาะในบริษัท โดยทั่วไปแล้ว การดำเนินการนี้ไม่ได้จบลงด้วยการที่บริษัทปฏิบัติตามข้อกำหนด แต่จะสร้างโอกาสใหม่ๆ ขึ้นมาแทน ตัวอย่างเช่น การแนะนำการปฏิบัติตามข้อกำหนดและความเสี่ยงทำให้ CDO มีมุมมองที่ชัดเจนเกี่ยวกับรูปแบบข้อมูลขององค์กรเพื่อให้เป็นไปตามข้อกำหนด ต่อมาเราเห็นแนวโน้มที่ชัดเจนว่าพวกเขาให้บริการสายธุรกิจได้ดีขึ้นโดยเปิดเผยข้อมูลมากขึ้นโดยเติบโตเป็นบริการตนเองและเลือกซื้อข้อมูลเมื่อมีความมั่นใจในการโต้ตอบมากขึ้น” “อีกวิธีหนึ่งที่เราเห็นการเปลี่ยนแปลงคือการได้สัมผัสกับประโยชน์ที่แท้จริงจากการทำความเข้าใจกรณีการใช้งานและกระบวนการทางธุรกิจใหม่ๆ ซึ่งอาจเกิดจากการปรับปรุงสิ่งที่มีอยู่หรือเพิ่มเวลาตอบสนองเท่านั้น AI กำลังผลักดันให้เกิดการเปลี่ยนแปลงมากมายในพื้นที่นี้ เมื่อพิจารณาว่าการเข้าถึง AI และคอมพิวเตอร์ที่สามารถพกพา AI นั้นมีราคาไม่แพงมากในช่วงสิบปีที่ผ่านมา ML และ Data Science เป็นส่วนหนึ่งของชีวิตเราในช่วงหลายปีที่ผ่านมา 50 แต่การทำให้เป็นกระแสหลักมากขึ้นทำให้เกิดความท้าทายในด้านต้นทุนและทักษะ อุปสรรคเหล่านี้กำลังถูกกำจัดออกไปอย่างรวดเร็ว” “เนื่องจากธรรมาภิบาล/การปฏิบัติตามกฎระเบียบและการได้รับประโยชน์ดังกล่าวจะมีบทบาทสำคัญในการนำผู้คนมาใช้และไว้วางใจ AI จากมุมมองของธรรมาภิบาลและการตรวจสอบ ตรวจสอบให้แน่ใจว่าแบบจำลองมีความเป็นธรรม อธิบายได้ มีประสิทธิภาพ มีการจัดทำเป็นเอกสารอย่างดี และบริษัทสามารถมั่นใจได้ว่าสายเลือดเป็นกุญแจสำคัญ” โปรดแบ่งปันกรณีการใช้งานที่ประสบความสำเร็จมากที่สุดชิ้นหนึ่งจากงานของคุณ และบอกเราว่าทำไมคุณถึงถือว่าประสบความสำเร็จ “สำหรับหนึ่งในลูกค้ารายย่อยของเราในธุรกิจค้าปลีก เราได้ทำการแบ่งส่วนลูกค้า ทำให้กระบวนการทั้งหมดเป็นแบบอัตโนมัติ และเชื่อมโยงกับกระบวนการทางการตลาดที่สำรวจลูกค้าและรวบรวมข้อมูลเพิ่มเติมเกี่ยวกับความชอบของพวกเขา” Delbecq กล่าว “เราถือว่าประสบความสำเร็จในขณะที่พวกเขากำลังย้ายรหัสไปยังการผลิต” และที่สำคัญ นอกจาก AI จะกลายเป็นที่แพร่หลายในทุกธุรกิจ และไม่ใช่เฉพาะผู้ที่พึ่งพามันโดยธรรมชาติเพราะมาจากวัฒนธรรมการเริ่มต้นเทคโนโลยี ไม่เพียงแต่เราต้องทำให้เข้าถึงได้เท่านั้น แต่ยังต้องสร้างผลลัพธ์และอยู่ในขั้นตอนการผลิตอีกด้วย ดูเหมือนว่าเรากำลังไปได้ดี พบกับ Ann-Elise Delbecq ในเดือนพฤศจิกายน 18-20 ที่ DN Unlimited Conference การรวบรวมเสมือนจริงด้านวิทยาศาสตร์ข้อมูลที่ใหญ่ที่สุดในยุโรป ในการประชุม คุณจะได้ยินจากผู้เชี่ยวชาญชั้นนำของ IBM เกี่ยวกับ AI, แมชชีนเลิร์นนิง, วิทยาศาสตร์ข้อมูล และอื่นๆ ลงทะเบียนเพื่อรับบัตรผ่านฟรีที่นี่

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button