Prečo by ste mali myslieť na AI ako na tímový šport

Čo to znamená považovať AI za tímový šport? Sme svedkami toho, ako sa projekty AI posúvajú od humbuku k dosahu, najmä preto, že sa zapájajú správne úlohy, aby poskytli obchodný kontext, ktorý predtým chýbal. Odbornosť v doméne je kľúčová; stroje nemajú takú hĺbku kontextu, akú majú ľudia, a ľudia potrebujú poznať podnikanie a údaje dostatočne dobre, aby pochopili, aké kroky treba vykonať na základe akýchkoľvek poznatkov alebo odporúčaní, ktoré sa objavia.

Pokiaľ ide o škálovanie AI, mnohí lídri si myslia, že majú problém s ľuďmi – konkrétne s nedostatkom vedcov v oblasti údajov. Ale nie každý obchodný problém je problémom vedy o údajoch. Alebo aspoň nie každá obchodná výzva by sa mala hodiť na váš tím pre vedu o údajoch. So správnym prístupom môžete ťažiť z výhod AI bez výziev, ktoré prichádzajú s tradičnými cyklami vedy o údajoch.

Na nasadenie a škálovanie riešení AI musia lídri zmeniť myslenie organizácie a myslieť na AI ako na tímový šport. Niektoré projekty AI potrebujú iný súbor ľudí, nástrojov a očakávaní na to, ako vyzerajú úspešné výsledky. Vedieť, ako rozpoznať tieto príležitosti, vám pomôže priblížiť sa k úspešnejším projektom AI a prehĺbiť vašu lavičku používateľov AI, čím sa zvýši rýchlosť a výkon pri rozhodovaní v rámci celej pracovnej sily. Poďme preskúmať prečo a ako.

Organizácie demokratizujú pokročilé analýzy pomocou AI

Používanie AI na riešenie obchodných problémov bolo vo veľkej miere v kompetencii dátových vedcov. Tímy pre vedu o údajoch sú často vyhradené pre najväčšie príležitosti a najzložitejšie výzvy organizácie. Mnoho organizácií uspelo pri aplikovaní vedy o údajoch na konkrétne prípady použitia, ako je detekcia podvodov, personalizácia a ďalšie, kde hlboká technická odbornosť a jemne vyladené modely vedú k mimoriadne úspešným výsledkom.

Škálovanie riešení AI prostredníctvom vášho tímu pre vedu údajov je však pre organizácie náročné z mnohých dôvodov. Prilákanie a udržanie talentov je veľmi drahé a na konkurenčnom trhu môže byť ťažké. Tradičné projekty vedy o údajoch môžu často trvať veľa času, kým sa vyvinú a nasadia, kým podnik uvidí hodnotu. A dokonca aj tie najskúsenejšie, robustné tímy pre vedu o údajoch môžu zlyhať, ak im chýbajú potrebné údaje alebo kontext na pochopenie nuancií problému, ktorý majú vyriešiť.

Gartner® 2021 Stav dátovej vedy a strojového učenia Správa (DSML) uvádza, že „dopyt klientov sa mení, pričom menej technické publikum chce používať DSML jednoduchšie, odborníci potrebujú zlepšiť produktivitu a podniky vyžadujú kratší čas na zhodnotenie svojich investícií.¹.“ Aj keď môže existovať veľa obchodných problémov, ktoré môžu ťažiť z rýchlosti alebo dôkladnosti analýzy, ktorú môže AI poskytnúť, tradičný prístup k vede o údajoch nemusí byť vždy tým najlepším plánom útoku na rýchle zistenie hodnoty. V skutočnosti tá istá správa Gartner predpovedá, že „do roku 2025 už nebude nedostatok vedcov v oblasti údajov brániť prijatiu vedy o údajoch a strojového učenia v organizáciách“.

Odbornosť v oblasti domén je rozhodujúca pre škálovanie AI v rámci celého podnikania

Umelá inteligencia už pomáha prinášať pokročilé možnosti analýzy používateľom, ktorí nemajú skúsenosti s dátovou vedou. Stroje si môžu vybrať z najlepších prognostických modelov a algoritmov a môžu byť vystavené základné modely, ktoré ponúkajú možnosť vyladiť ich a uistiť sa, že všetko zodpovedá tomu, čo používateľ hľadá.

Tieto schopnosti dávajú analytikom a skúseným odborníkom na obchodné oblasti možnosť navrhovať a využívať svoje vlastné aplikácie AI. Tým, že sú bližšie k údajom, majú títo používatelia výhodu oproti mnohým ich náprotivkom v oblasti údajov. Vloženie tejto sily do rúk odborníkom v danej oblasti môže pomôcť vyhnúť sa zdĺhavému vývoju, zaťaženiu zdrojmi a skrytým nákladom spojeným s tradičnými cyklami vedy o údajoch. Navyše ľudia s odbornými znalosťami v danej oblasti by mali byť tí, ktorí rozhodnú, či je predikcia alebo návrh AI užitočný alebo nie.

Vďaka iteratívnejším procesom vytvárania modelov, ktoré sa dajú revidovať a opätovne nasadiť, môžu ľudia s obchodným kontextom získať hodnotu z AI rýchlejšie – dokonca aj nasadenie nových modelov tisíckam používateľov v priebehu dní až týždňov, namiesto týždňov až mesiacov. To je obzvlášť účinné pre tímy, ktorých jedinečné výzvy nemusia byť vysokou prioritou tímov pre vedu o údajoch, ale môžu ťažiť z rýchlosti a dôkladnosti analýzy AI.

Je však dôležité poznamenať, že hoci tieto riešenia môžu pomôcť vyriešiť medzeru v zručnostiach medzi analytikmi a vedcami v oblasti údajov, nenahrádzajú to druhé. Dátoví vedci zostávajú kritickým partnerom obchodných expertov pri overovaní údajov používaných v riešeniach s podporou AI. A okrem tejto spolupráce budú pri úspešnom využívaní týchto nástrojov vo veľkom rozsahu rozhodujúce vzdelanie a dátové zručnosti.

Dátová gramotnosť umožňuje väčšiemu počtu ľudí využívať AI

Vaša základná dátová stratégia hrá obrovskú úlohu pri nastavení vašej organizácie na úspech s AI, no sprístupniť riešenia AI väčšiemu počtu ľudí v rámci podniku si bude vyžadovať základnú úroveň dátovej gramotnosti. Pochopenie toho, aké údaje je vhodné použiť na obchodný problém, ako aj to, ako interpretovať údaje a výsledky odporúčaní AI, pomôže ľuďom úspešne dôverovať a osvojiť si AI ako súčasť ich rozhodovania. Zdieľaný jazyk údajov v rámci organizácie tiež otvára ďalšie dvere úspešnej spolupráci s odborníkmi.

Najnovší globálny prieskum spoločnosti McKinsey o AI odhalil, že v 34 % vysokovýkonných organizácií „vyhradené školiace stredisko rozvíja zručnosti umelej inteligencie netechnického personálu prostredníctvom praktického učenia“ v porovnaní s iba 14 % všetkých ostatných opýtaných. Okrem toho v 39 % vysokovýkonných organizácií „existujú určené komunikačné kanály a kontaktné body medzi používateľmi AI a tímom organizácie pre vedu o údajoch“, v porovnaní s iba 20 % ostatných.

Lídri môžu využiť rôzne prístupy k budovaniu dátovej gramotnosti, od vzdelávania a školenia, mentorských programov, súťaží o budovanie komunít a ďalších. Premýšľajte o normalizácii prístupu a zdieľania údajov, ako aj o tom, ako oslavujete a podporujete úspechy, poznatky a rozhodovanie s údajmi.

„Dátová gramotnosť a vzdelávanie o vizualizácii a vede o údajoch musia byť rozšírenejšie a musia sa vyučovať skôr,“ povedala Vidya Setlur, vedúca výskumu Tableau. „So spoliehaním sa na používanie údajov je spojená istá spoločenská a organizačná zodpovednosť. Ľudia by mali byť lepšie vybavení na pochopenie, interpretáciu a maximálne využitie údajov, pretože AI bude len sofistikovanejšia a my by sme mali byť o pár krokov vpredu.“

Pokračovanie v budovaní dátovej kultúry vašej organizácie vytvára silné príležitosti na rozvíjanie zručností a podporu nových riešení v rámci celého podnikania. Mnohé organizácie už v posledných rokoch zvýšili svoje investície do údajov a analytiky, keďže digitálna transformácia sa zrýchlila. Nie je možné považovať dáta za tímový šport – a teraz máme prostriedky na rozšírenie tohto myslenia na AI.