Majhna podjetja, ki niso investirala v ai, verjetno niso opravila dovolj raziskav

Samo 21 odstotkov malih podjetij je uvedlo rešitve, ki temeljijo na umetni inteligenci (AI), kaže poročilo Bluewolfa (IBM-ovega podjetja). Raziskava AI Investment Gap je raziskala 177 odločevalcev po vsem svetu, da bi ugotovila, ali so že sprejeli AI in strojno učenje (ML), ter globino njihovega razumevanja teh tehnologij. Čeprav je 33 odstotkov malih podjetij nameravalo v naslednjih 12 mesecih investirati v AI (kar bo skupno število posvojiteljev AI prihodnje leto znašalo 54 odstotkov), je to skupno še vedno manjše od števila velikih podjetij. Poleg tega je 30 odstotkov velikih podjetij že investiralo v AI, medtem ko jih 44 odstotkov namerava začeti investirati v naslednjih 12 mesecih. To pomeni skupno 74 odstotkov ali 20 odstotkov več kot skupno število malih podjetij.

Vanessa Thompson, starejša podpredsednica vpogleda v kupca pri Bluewolfu, je dejala, da obstajajo vrzeli v znanju med podjetji, ki so sprejela orodja AI, in tistimi, ki takšnih orodij ne načrtujejo. Ta zaliv imenuje "naložbena vrzel v AI" in ga opisuje kot "neskladje med izvajalci na ravni C, ki razumejo AI, in tistimi, ki ga še niso namenili v svoje poslovanje", piše v pisni izjavi.

Ker Bluewolf prodaja orodja AI, bi jim bilo priporočljivo, da je edini razlog, da ljudje ne kupujejo AI orodij, ker ne vedo zanje. Da bi preveril Thompsonovo trditev, sem se pogovarjal z Brandonom Purcellom, starejšim analitikom vpogleda strank v podjetju Forrester Research, o tem, kaj, če obstaja, lahko obstajajo še druga vprašanja, ki bodo povzročila vrzel med tistimi, ki so sprejeli AI, in tistimi, ki tega niso storili. Purcell in Forrester Research sta izvedli podobne študije o sprejetju AI. Čeprav so njegove skupne številke podobne IBM-u - 51 odstotkov podjetij je sprejelo ali širi AI, 20 odstotkov pa jih trdi, da jih nameravajo sprejeti v naslednjih 12 mesecih - je Purcell predstavil še nekaj drugih prepričljivih razlogov, zakaj lahko mala podjetja zaostajajo krivulja sprejetja AI.

Stroški AI

Purcell navaja, da so naložbene omejitve glavni dejavnik, zlasti "kar se nanaša na nabor spretnosti. Mala podjetja nimajo sredstev za najem znanstvenikov, " je dejal. To so delavci, ki bodo vzeli vpogled v podatke, ki jih potisnejo v in iz programske opreme podjetja.

Oni bodo tudi tisti, ki bodo ugotovili, ali AI natančno bere vaše podatke in ukrepa na podlagi svoje inteligence. Povprečna plača znanstvenika, ki se ukvarja s podatki, znaša 113.436 ameriških dolarjev na leto, glede na podjetje Glassdoor, ki je (v veliki shemi bogatih) le nekoliko manj od povprečne plače ameriškega izvršnega direktorja (166.000 dolarjev po podatkih PayScale). Torej, če ste izvršni direktor za majhna podjetja, ki deluje z majhnimi maržami in ne želite znižati lastne plače, bi bilo težko racionalizirati porabo šestih številk za podatkovnega znanstvenika in denar porabiti za programski sistem, ki lahko pretvori podatke v AI.

Toda vlaganje v programsko opremo z AI manjšim podjetjem ne prepoveduje le vloženega denarja. "Na povezanem zapisku je dejavnik podatkov, " je dejal Purcell. "AI cveti, če imate velike količine podatkov. Mala podjetja nimajo toliko podatkov, da bi to storila."

Mislite na to tako: Veste, kako Facebook ve, katere prijatelje označiti, ko objavijo fotografijo? To je zato, ker Facebook zbira informacije iz vseh vaših prej označenih objav. Ste kdaj gledali film, ki vam ga je priporočil Netflix? Netflix je vedel, da je film priporočil na podlagi vaših prejšnjih izbir. Facebook in Netflix lahko ta priporočila oblikujeta na podlagi ML, ki je prvi bratranec AI. Čeprav sta si podobna, se oba izraza pogosto uporabljata zamenljivo (in napačno).

Tu je osnovna razlika med pojmi: ML sistemi uporabljajo inteligenco za izboljšanje zmogljivosti, tako da vam ponujajo priporočila in načine za racionalizacijo procesov, medtem ko sistemi, ki uporabljajo AI, dajejo programski opremi avtonomijo za izvajanje nalog in sprejemanje odločitev brez človeškega nadzora. ML je Netflix, ki daje filmska priporočila, medtem ko je AI avtomobil, ki vas vozi v službo, medtem ko se pri zadnjem sedežu naspavate. Kot majhno podjetje, ki šele začenja ustvarjati podatke, bodo prednosti AI majhne v primerjavi s tistimi, ki jih lahko vidi podjetje Fortune 500, ko vklopi programsko opremo AI.

Ali je Bluewolf napačen?

Ali je Bluewolf v svoji raziskavi hranil slabe informacije? Ali mala podjetja vedo za AI, vendar preprosto nimajo denarja ali podatkov, da bi se navdušili nad njim? Purcell ne misli, da je raziskava Bluewolfa napačna. Pravzaprav je IBM Watson zaslužen za ustvarjalca kognitivnega računalništva, krovnega izraza, ki zajema AI, ML in druge aplikacije, ki posnemajo človeške možgane.

"Za ustvarjanje te kategorije so porabili veliko denarja, vendar imajo v prostoru velike konkurente: Google, Amazon, Facebook, Microsoft, " je dejal Purcell. "Ta podjetja sedijo tudi v ogromni količini podatkov, ki se uporabljajo za usposabljanje sistemov AI. Holivudska opredelitev AI je čutni robot. Tega še nismo uporabljali. Toda, ko gre za izvajanje AI na ravni podjetij za praktično AI, IBM izvrstno ustvarja ta orodja."

Napačne predstave o Hollywoodu, AI in robotih, ki nas ubijajo v spanju, so verjeten razlog, zakaj so se mala podjetja izognila temu, da bi se naučila več o orodjih AI. Če ste prodajalec majic v Oklahomi, kaj je potem dobro avtonomno vozilo ali bodoči robot, oborožen z lasersko pištolo? Vendar pa sta Purcell in Thompson v svojem manj znanem okviru videli primere praktične uporabe za mala podjetja - primere, o katerih mala podjetja še niso bila izobražena.

Z nekaj, kar Thompson in Bluewolf imenujeta "razširjena inteligenca", majhnim podjetjem ni nujno potrebno strokovno znanje in izkušnje podatkov, da bi lahko izkoristili AI. Bluewolf opredeljuje razširjeno inteligenco kot zmožnost aplikacij, da razlagajo, sklepajo in črpajo ideje, tudi z nestrukturiranimi nabori podatkov, kot sta jezik in posnetki. Tudi na začetku zbiranja podatkov podjetja se lahko razširjene obveščevalne rešitve naučijo med seboj, ne glede na to, kako malo informacij se vnaša v sistem.

"Razširjena inteligenca pomaga končnim uporabnikom predvideti, kaj jim bo sledilo, tako da jim predstavi, kaj potrebujejo njihove stranke, " je dejal Thompson. "Dopolnjeni vidimo kot način, da AI postane resničnost za podjetja kakršne koli velikosti."

To vključuje stvari, kot je kombiniranje zunanjih in notranjih podatkov, da se izboljša znanje, ki ga razširjena inteligenčna tehnologija uporablja za poslovne odločitve. Na primer, če združujejo zunanje lokalne vzorce nakupovanja in vremenske podatke z lastniškimi, podatki o vzorcih nakupovanja strank, lahko podjetja za e-trgovino zagotavljajo hiper personalizirane akcije. V tem scenariju bi bil podatkovni znanstvenik koristen, vendar ne potreben, s številnimi podatki o kupcih pa bi bila kampanja še močnejša. Toda to ne bi preprečilo, da bi bila kampanja močnejša, kot bi bila brez kombinacije notranjih in zunanjih virov podatkov.