Globālā AI darba kārtība: solījums, realitāte un datu koplietošanas nākotne

Saistībā ar Genesys, Philips

' Globālā AI darba kārtība: solījums, realitāte un datu koplietošanas nākotne ' ir MIT Technology Review Insights ziņojums, kas sagatavots sadarbībā ar Genesys un Philips. Tas tika izstrādāts, izmantojot globālu aptauju, kas tika veikta 2020. gada janvārī un februārī, iesaistot vairāk nekā 1000 vadītāju 11 dažādās nozarēs, kā arī virkni interviju ar ekspertiem, kuriem ir īpaša atbildība par AI vai kuriem ir zināšanas par to. Zemāk esošais raksts ir pilna ziņojuma izraksts.

Šo saturu izstrādāja Insights, MIT Technology Review pielāgotā satura grupa. To nav rakstījuši MIT Technology Review redakcijas darbinieki.

Lejupielādēt pilns ziņojums .

Dažas jaunas tehnoloģiju jomas pēdējos gados ir izraisījušas tik lielu satraukumu un diskusijas kā AI. Lielākā daļa aizraušanās līdz šim ir vērsta uz tehnoloģiju nozari, kas ASV, Ķīnā un zināmā mērā arī Eiropā ir ieguldījusi miljardus savu AI iespēju attīstīšanā. Citu nozaru organizācijas, iespējams, netērē AI ar tādu pašu atteikšanos, taču aptauja liecina, ka lielākā daļa vismaz pārbauda ūdeņus.

Līdz 2020. gada beigām 97% šajā ziņojumā aptaujāto lielo uzņēmumu ieviesīs AI. Agrākie ieviesēji ir bijuši IT un telekomunikāciju uzņēmumi, no kuriem līdz 2018. gadam AI izmantoja 81% — tikai apsteidzot finanšu pakalpojumu uzņēmumus (78%) un patēriņa preču un mazumtirdzniecību (75%). Publiskais sektors arī atklāj daudzus AI lietošanas gadījumus: līdz 2019. gada beigām 94% valdības respondentu teica, ka ir izvietojuši AI.

AI, protams, spēlēs dažādas lomas dažāda veida uzņēmumos. Dažiem tā iespējas palīdzēs uzlabot darbības efektivitātes aspektus. Citi sagaida, ka tas mainīs spēli. Mums, saka Jeroens Tas, patērētāju un veselības aprūpes iekārtu piegādātāja Philips galvenais inovāciju un stratēģijas vadītājs, AI ir pamata tehnoloģija, kas tuvāko pāris gadu laikā būs atrodama lielākajā daļā mūsu piedāvājumu. Un dažiem uzņēmumiem, kas dzimuši tiešsaistes vidē, biznesa modeļa veiksme ir atkarīga no tā. Viens no tiem ir Limonāde, Ņujorkā bāzēts tiešsaistes īpašuma un negadījumu apdrošināšanas pakalpojumu sniedzējs, kas tiek raksturots kā iedibinātās apdrošināšanas nozares traucētājs. Tās izpilddirektors Daniels Šreibers uzskata, ka ar AI darbināmi robotprogrammatūras, piemēram, Lemonade’s, ir apdrošināšanas nākotne.

Vienu soli pa reizei

Lai gan AI ir plaši izplatīts, tas neplāno iekarot uzņēmumu. Ļoti maz aptaujāto vadītāju (4%) uzskata, ka tas tiks izmantots vairāk nekā pusē viņu biznesa procesu trīs gadu laikā. Mazāk nekā viena trešdaļa (30%) sagaida, ka to izmantos no 31% līdz 50% procesu. Lielākā daļa, 60% respondentu, uzskata, ka mākslīgais intelekts atradīs vietu jebkur no 11% līdz 30% viņu procesu, kas ir ievērojama, bet ne vienmēr dominējoša ietekme uz to, kā darbojas lielākā daļa uzņēmumu. Šajā pasākumā AI spēlēs īpaši lielu lomu finanšu pakalpojumu sniedzēju, ražotāju un tehnoloģiju firmu darbībā.

Finanšu pakalpojumu, ražošanas, IT un telekomunikāciju nozarēm ir vislielākās AI vēlmes trīs gadu laikā.

Nepārliecinoties par tā faktiskajām (pretstatā pieņemtajām) iespējām un apzinoties problēmas, ko tas rada, uzņēmumi ir izmantojuši iteratīvu pieeju AI ieviešanai. Kā norādīja Emirates Group Enterprise Analytics vecākais viceprezidents Dirks Jungnikels, viņa uzņēmuma sākotnējie mēģinājumi 2015. un 2016. gadā izveidot AI iespējas bieži vien nepārsniedza koncepcijas pārbaudes vai izmēģinājuma posmu. Tas sāka mainīties 2018. gada vidū, kad, pēc viņa teiktā, uzņēmums sāka īstenot savus AI attīstības centienus un industrializēt datu zinātni.

Céline Le Cotonnec, Singapūras Bankas galvenā datu inovāciju speciāliste, atzīmē, ka daudzas korporatīvās organizācijas vēlas sniegt AI lietošanas gadījumus, pirms tās vispirms ir izveidojušas pareizos pamatus IT arhitektūras, AI iespēju, mērķa darbības modeļa vai datu pārvaldības ziņā. Mana atbilde ir 'vispirms lietas', viņa saka. Pirms turpināt, mums ir jāizveido pareizais datu pamats. Tas ietver analītikas tulkotāju pakalpojumus — cilvēkus, kuri saprot AI, kā arī biznesa projektus, pārvalda piegādi, novērtē ieguldījumu atdevi un saprot, cik iespējams ir palielināt apjomu.

Lieliem uzņēmumiem, kas atliek ievērojamus budžetus AI iespēju attīstībai, lietošanas gadījumu izstrāde un prioritāšu noteikšana ir ievērojams izaicinājums. Saskaņā ar Walmart Intelligent Research Lab (IRL) izpilddirektora Maiku Hanrahanu teikto: Pirmā lieta, kurā mums bija jāiegulda laiks, bija izlemt, kur mums vajadzētu koncentrēt savus resursus. Viņa komanda identificēja vairāk nekā 250 dažādus lietošanas gadījumus un pēc tam tos filtrēja līdz dažiem. Filtrēšanas process bija diezgan sarežģīts, lai izlemtu, pie kā mums vajadzētu strādāt, saka Hanrahans. Bija jāizlemj, kuras lietas ir vispraktiskākās.

Uzņēmumam Walmart prioritārie gadījumi ir saistīti ar krājumu pārvaldību, kas veido lielu daļu no daudznacionālā uzņēmuma izmaksu bāzes un kur pat nelieli efektivitātes uzlabojumi rada ievērojamus ietaupījumus. Tomēr visās nozarēs uzņēmumi izmanto dažādus lietošanas gadījumus, cerot, ka vismaz pāris radīs agrīnu peļņu un palīdzēs vairot pārliecību un aizrautību par AI visā organizācijā.

Lietošanas gadījumi šodien un rīt

Aptaujas paraugā kopumā kvalitātes kontrole, klientu apkalpošana un krāpšanas atklāšana pašlaik ir populārākie AI lietošanas gadījumi. Tomēr detalizētāks skatījums atklāj ievērojamu dažādību galvenajos lietojuma gadījumos dažādās nozarēs. Piemēram, vairāk nekā puse finanšu pakalpojumu uzņēmumu (58 %) un valdības organizāciju (55 %) min krāpšanas atklāšanu kā galveno AI lietojuma gadījumu. Céline Le Cotonnec stāsta, ka viņas iepriekšējā amatā globālā apdrošināšanas firmā krāpšanas atklāšanas gadījumi bija pirmie, kas tika īstenoti, jo ieguvums solījās būt ievērojams: Saskaņā ar Amerikas Reinsurance Group (RGA) aptauju 2017. gadā, 3. 4% no visām globālajām prasībām ir krāpnieciskas, un visaugstākā sastopamība (4,16%) ir Āzijā.

Aptaujas paraugā kopumā kvalitātes kontrole, klientu apkalpošana un krāpšanas atklāšana pašlaik ir populārākie AI lietošanas gadījumi pasaulē.

Mobilo sakaru operatoram Vodafone visveiksmīgākie lietošanas gadījumi ir atrodami klientu apkalpošanā, norāda Vodafone UK produktu inovāciju vadītājs Adi Čhabra. Viņš saka, ka ieguvumi attiecas gan uz izmaksu efektivitāti, gan uz klientu pieredzi. Telekomunikāciju nozarē klientu apkalpošana patērē daudz izmaksu. AI integrēšana ar IVR (interaktīvā balss atbilde) gandrīz uzreiz samazina šo darbību izmaksas un ļauj ātrāk pieņemt lēmumus, lai risinātu klientu problēmas.

Enerģētikas uzņēmumi un komunālie uzņēmumi, saskaņā ar 51% respondentu no šīs nozares, izmanto AI, lai uzraudzītu savu tīklu stāvokli. Uzraudzība un diagnostika ir arī dabiska mākslīgā intelekta uzmanības centrā veselības aprūpes nozares organizācijās, un 42% respondentu no šīm organizācijām izmanto šādus lietojumus. Saskaņā ar Tas no Philips, mākslīgais intelekts ir pilnībā mainījis veidu, kā nozare diagnosticē vēzi, un tagad tās iespējas ir paplašinātas līdz ārstēšanas veidu izvēlei. Pēc diagnozes AI algoritmi tagad palīdz mums izvēlēties pareizo terapiju. Tas ir sarežģīti, jo iespējas var ietvert ķirurģiju, ablāciju, ķīmijterapiju, imūnterapiju vai starojumu, vai arī to kombināciju. Pareizo terapiju un ceļu izvēle kļūst par uz ieskatiem balstītu, ar AI iespējotu vingrinājumu.

Mērogošanas izaicinājumi

No šī ziņojuma intervētajiem vadītājiem ir skaidrs, ka AI lietošanas gadījumu mērogošana ir sarežģīta. Esošie tehnoloģiju ierobežojumi var kavēt plašāku ieviešanu, iesaka Hanrahan reāllaika video analīzes gadījumā. Runājot par personiskā AI formām, ir jāveic uzlabojumi dabiskās valodas apstrādē, pirms, piemēram, tērzēšanas roboti kļūst patiesi sarežģīti, saka Chhabra.

Dažās nozarēs regulējums kavē mākslīgā intelekta atbalstītu inovāciju plašāku piemērošanu. Piemērs ir uz algoritmiem balstīta apdrošināšanas cenu noteikšana Amerikas Savienotajās Valstīs. Saskaņā ar Limonādes pārstāvja Daniela Šraibera teikto, tas pašlaik ir atļauts tikai nedaudzos ASV štatos. Viņš saka, ka ASV, pasaules lielākajā apdrošināšanas tirgū, normatīvā vide vēl nav pieļāvusi šīs nākamās paaudzes tehnoloģijas.

Ar AI saistītu talantu un prasmju trūkums bieži žēlojas CIO un CTO, un 42% mūsu aptaujas respondentu saka, ka iekšējo datu zinātnieku un saistīto ekspertu trūkums ir galvenais ierobežojums AI lietošanā. Deficīts ir ļoti jūtams starp ražošanas un tehnoloģiju nozares respondentiem, kurus kā AI ierobežojumu minēja attiecīgi 48% un 47% no tiem.

Grūtības pielāgot biznesa procesus saistībā ar AI ieskatiem tika minētas kā galvenais AI izaicinājums pasaulē, kam sekoja problēmas, kas saistītas ar datu daudzumu, kvalitāti un pieejamību.

Dati patiešām ir vēl viens būtisks ierobežojums, ko aptaujas respondenti (minējuši 48% no viņiem) ierindojuši gandrīz otrajā vietā pēc apstrādes problēmām. AI modeļiem ir nepieciešami dati: jo vairāk modelis uzņem, jo ​​precīzāka ir tā analīze un lielāka iespējamība, ka tā piedāvātie lēmumi sasniegs atzīmi. Tomēr problēma ir mazāka ar kopējo datu pieejamību. Tikai 10% respondentu saka, ka viņiem ir problēmas ar to. Saskaņā ar Le Cotonnec teikto, lielākā problēma ir grūtības integrēt datus dažādos formātos, jo īpaši nestrukturētus datus. Viņa saka, ka apdrošinātājiem vajadzētu sākt izmantot savus nestrukturētos datus (zvanu žurnālus, attēlus, e-pastu), lai uzlabotu atlīdzību procesa efektivitāti vai uzlabotu klientu pieredzi. Mums ir pietiekami daudz datu, taču mūsu iespējas iegūt vērtību no nestrukturētiem datiem pašlaik ir ierobežotas. Apdrošināšanas nozare nav viena: tā ir problēma, ar kuru saskaras 57% aptaujā iekļauto uzņēmumu (un ievērojami vairāk profesionālo pakalpojumu, transporta un valsts organizāciju).

Nestrukturētu datu integrēšana, saskarne ar atvērto datu platformām un neobjektivitāte algoritmiskajos modeļos ir galvenās AI datu problēmas.

Datu koplietošanas iespēju atvēršana

2019. gada jūnijā 10 lielie zāļu ražotāji izveidoja konsorciju, lai tiešā veidā dalītos ar zāļu izpētes datiem, ko katrs var izmantot savu AI algoritmu apmācībai. Tā nav pirmā reize, kad narkotiku lielie uzņēmumi ir iesaistījušies pētniecības un attīstības sadarbībā. Taču tas ir pirmais gadījums šajā pētniecības sadarbības nozarē, kurā AI ir gan veicinātājs, gan ieguvējs. Konsorcija dalībnieki izmanto viens otra datus, izmantojot apvienotās mācīšanās metodes, kas ir decentralizēts mašīnmācīšanās veids. Tas ļauj meklētajiem datiem palikt katra uzņēmuma serveros, nevis apkopot centrālajā repozitorijā. Uzņēmumi var aizsargāt to, ko viņi uzskata par patentētu, savukārt blokķēdes izmantošana nodrošina pilnīgu datu izsekojamību. Galīgais mērķis: vienkāršot un paātrināt zāļu atklāšanu un izstrādi, kā rezultātā tirgū nonāk jaunas un lētākas zāles un ārstēšanas metodes.

Šajā piemērā ir uzsvērts, kā AI izmantošana kopā ar citām tehnoloģijām var veicināt efektīvu un drošu datu apmaiņu starp uzņēmumiem un priekšrocības, ko varētu sniegt jaudīgi AI modeļi, kuru pamatā ir kopīgi dati. Ieguvumi varētu izpausties kā jaunas efektivitātes, jaunu produktu un pakalpojumu vai pat jaunu vērtību ķēdes, kas veidojas ap datu koplietošanas pasākumiem.

Pasaulē ražošanas, patēriņa preču un mazumtirdzniecības, kā arī IT un telekomunikāciju nozares izrāda vislielāko interesi par veidiem, kā koplietot datus ar trešajām pusēm.

Divas trešdaļas (66%) mūsu aptaujas respondentu pauž vēlmi dalīties ar saviem datiem šiem nolūkiem. Ražotāji, patēriņa preču un mazumtirdzniecības uzņēmumi, kā arī tehnoloģiju uzņēmumi ir visvairāk entuziastiski, lai gan visas nozares uzrāda lielu gatavības pakāpi. Kā viņi vēlas no tā gūt labumu? Ražotāji saskata savus galvenos ieguvumus kā lielāku piegādes ķēdes ātrumu un redzamību, efektīvākas ražošanas darbības, kā arī ātrāku un inovatīvāku produktu izstrādi. Respondenti no patēriņa preču un mazumtirdzniecības, kā arī farmācijas un veselības aprūpes nozarēm min tos pašus piegādes ķēdes un produktu attīstības ieguvumus. IT un telekomunikāciju vadītāji saskata priekšrocības galvenokārt uzlabotā klientu apkalpošanas pieredzē un spēcīgākā kiberdrošībā un krāpšanas novēršanā, kas ir tādas pašas priekšrocības, kādas ir finanšu nozares respondentiem.

Datu koplietošana vērtību ķēdēs un starp dažādiem pakalpojumu sniedzējiem klienta ceļojuma laikā var būt milzīgs ieguvums patērētājiem, saka Tonijs Beitss no Genesys. Mēs ģenerējam miljardiem mijiedarbību, ar kurām varam izveidot kopīgus datu modeļus. Bet mums ir vajadzīgi arī citi datu veidi. Ir nepieciešams koplietot datus dažādās lielajās tehnoloģiju grupās, kuras mēs izmantojam un pārvaldām. Ja mēs to varam izdarīt anonimizētā un drošā veidā, mēs kā nozare varam nodrošināt, ka mūsu klienti saņem daudz personalizētāku pieredzi nekā šobrīd.

Aptaujas respondenti uzskata, ka lielākais ieguvums datu apmaiņai ar trešajām pusēm ir lielāka redzamība piegādes ķēdēs un ātrāka un inovatīvāka produktu izstrāde.

Jo īpaši uzņēmumiem, kas nodarbojas ar patērētājiem, galvenais šķērslis līdz šim ir bijis grūtības nodrošināt savu klientu datu anonimitāti. Chhabra no Vodafone saka, ka pilnīga anonimitāte ir bijusi nenotverama: lai arī cik vēlaties anonimizēt, koplietoto datu lietotāji var atrast veidus, kā izsekot klientiem, uz kuriem attiecas dati. Viņš uzskata, ka blokķēde un jaunāki sasniegumi, piemēram, Ocean Protocol, kas darbojas līdzīgi federālajai apmācībai, ļaujot decentralizēti meklēt datus, galu galā nodrošinās, ka AI modeļus var darbināt ar pilnībā anonimizētiem datiem.

Drošas datu koplietošanas iespējas izveide ir viens no mīklas elementiem. Otrs, saka Chhabra, rada stimulu uzņēmumiem iet uz priekšu un dalīties tajā. Tie, kas ir Singapūrā dibināta fonda izstrādāta bezpeļņas platforma Ocean Protocol, uzskata, ka tās tehnoloģija ir pamatā tādu datu tirgu veidošanai, kuros uzņēmumi, patērētāji un citas puses dalās vai tirgo datus.

Neatkarīgi no tā, kādos koplietošanas uzņēmumi piedalās, tiem ir jāiemācās novērtēt to rīcībā esošos un nepieciešamos datus, saka Džordžs Beilijs, pētniecības organizācijas Digitālās piegādes ķēdes institūta rīkotājdirektors. Tas var nozīmēt naudas cenas piešķiršanu dažāda veida datiem vai noteikšanu, ar kādiem datiem tā vēlas apmainīties pret citu pušu datiem. Viņš min piemērus par sporta preču ražotājiem, kuri saskata ieguvumu, iegūstot datus no uzņēmumiem, kas atbalsta fitnesa lietotnes, un ilglietojuma patēriņa preču ražotājiem, kuri meklē datus par galalietotāju vēlmēm un īpašībām no mazumtirgotājiem. Beilija arī atbalsta datu vērtēšanu un tirdzniecību uzņēmumos kā līdzekli, lai pārvarētu iesakņojušos datu krātuves.

Pirms uzņēmumi sāk aktīvāk koplietot datus, ir nepieciešama lielāka regulējuma skaidrība un saskaņoti nozares standarti.

No vīzijas līdz realitātei

Datu koplietošana tādā mērogā, kas rada jaunas ar mākslīgo intelektu saistītās efektivitātes, produktus un vērtību ķēdes, ir vīzija, kas jāīsteno, nevis pašreizējā realitāte. Visi, kurus mēs intervējām, uzskata, ka tas piepildīsies, taču paies laiks, līdz tiks mazinātas valdes un C-suite bažas par drošības un privātuma riskiem. Šis viedoklis ir atspoguļots aptaujā, kurā 64% respondentu apgalvo, ka regulējums ir jāmaina vai jāprecizē, un 58% respondentu saka, ka ir jāizstrādā nozares standarti, pirms viņu uzņēmumi plaši izmantos datu apmaiņu.

Stingri datu privātuma noteikumi, piemēram, Eiropas Savienības Vispārīgā datu aizsardzības regula (GDPR), kas ir spēkā kopš 2018. gada, saprotams, ka vadītājiem ietur pauzi, ņemot vērā sodus, kas viņiem varētu rasties par tās prasību neievērošanu. Blockchain tehnoloģija var būt daļa no risinājuma, taču Chhabra izceļ arī to, kas pazīstams kā GDPR blokķēdes paradokss — pirmajam ir nepieciešama datu dzēšanas iespēja pēc indivīda pieprasījuma, savukārt otrajam ir raksturīga datu dzēšana — pilnīga izsekojamība.

Vēl ir redzams, kā šādas problēmas tiek atrisinātas, taču dažas organizācijas atbalsta datu trastu izveidi, lai atvieglotu kopīgošanu. Viens no tiem ir Atvērto datu institūts (ODI), Apvienotajā Karalistē bāzēta bezpeļņas organizācija: tā apgalvo, ka Apvienotās Karalistes uzņēmumi ļoti vēlas šādus trestus, kas izveidoti kā neatkarīgas institūcijas, lai pārvaldītu kopīgotos datus.

Philips, saka Jeroen Tas, ir liels nekomerciālas trasta izveides atbalstītājs, lai pārvaldītu veselības aprūpes datus, un pašlaik notiek sarunas ar Eiropas Komisiju, lai atbalstītu šādas iniciatīvas. Šajā nozarē valda vienprātība: “Varbūt mums nevajadzētu tikai ieguldīt ķieģeļu un javas slimnīcās un citās iekārtās. Varbūt veselības aprūpes nākotne ir ļoti stabila veselības datu infrastruktūra, kas ir droša.

Lai iegūtu vairāk, lūdzu, lejupielādējiet pilns ziņojums .

paslēpties