6 ключевых элементов стратегии в сфере искусственного интеллекта

6 ключевых элементов стратегии в сфере искусственного интеллекта

03 May 2022
80
Прослушать

Компании по всему миру сталкиваются с проблемой успешного закрепления и распространения технологии искусственного интеллекта (artificial intelligence, AI) в своей организации таким образом, чтобы она приносила добавленную стоимость.

Создание стоимости за счет AI требует не только операционных мер, таких как наращивание технологий и инфраструктуры. Не менее важны и менее очевидные факторы, такие как способность идти в ногу с этой экспоненциально меняющейся технологией и эффективное управление соответствующими организационными изменениями. Ввиду значимости и влияния AI в целом, а также соответствующей сложности, компании должны заняться разработкой стратегии AI.

Исследование компании McKinsey "The State of AI" за 2020 год подчеркивает этот факт, показывая, что 43% высокоэффективных компаний "имеют четко определенное видение и AI-стратегию" по сравнению с 16% таких компаний среди соответствующих низкоэффективных респондентов.

Стратегия AI помогает планировать и направлять действия, которые необходимо предпринять для того, чтобы увеличить влияние AI на различные части организации.

Разработка стратегии внедрения AI в организации - нетривиальная задача. Многие компании испытывают трудности с определением и обсуждением соответствующих ключевых аспектов такой стратегии. Организациям необходимо обратить внимание на шесть ключевых элементов, которые они должны учитывать при разработке AI-стратегии.

Такая система разработки стратегии AI состоит из шести различных измерений. В рамках каждого измерения компания имеет соответствующий уровень зрелости, варьирующийся от 1 до 4. Эта зрелость оценивается перед разработкой стратегии.

  1. Данные: Данные стали сырьем с добавленной стоимостью и должны рассматриваться как актив для создания конкурентных преимуществ. Они являются основой любой инициативы в области AI и должны поощряться, приниматься и должным образом управляться.
    Извлечение ценной информации из данных является сложной задачей из-за их растущего объема, разнообразия и скорости поступления. Обработка данных требует систематического сбора, управления и обслуживания самих данных и соответствующих систем. Процесс перехода от необработанной информации к корректным, последовательным и высококачественным данным не менее важен, чем их анализ.
  1. Примеры использования: Сила искусственного интеллекта исходит от значимых примеров использования. Эти примеры использования могут, но не обязательно, распространяться на бизнес-модели, основанные на данных. Структурированный подход к определению и приоритизации примеров использования на различных этапах зрелости AI имеет решающее значение для распространения этой технологии на все важные сферы бизнеса в организации, для разработки новых бизнес-моделей, основанных на данных. Кроме того, AI помогает улучшить существующие продукты и услуги и оптимизировать внутренние процессы. Однако без определения приоритетов и масштаба ожиданий проекты AI часто терпят неудачу. Особенно на ранних стадиях зрелости AI краткосрочные инициативы с небольшими масштабами проектов позволяют накопить опыт и перейти к решению более сложных задач.
  2. Команда и навыки: Успешные команды AI требуют навыков и ролей из различных областей, которые меняются на пути зрелости AI-продукта. Способность собирать, удерживать и развивать многопрофильную команду опытных специалистов оказывает значительное влияние на успех компании в области AI.
    В каждой команде должны быть три ключевые роли: специалист по исследованию данных, отвечающий за разработку
    AI-моделей, инженер по данным, который поддерживает и эксплуатирует конвейеры данных и инфраструктуру, и бизнес-аналитик, который является посредником между командами AI и бизнеса. С ростом зрелости проектов необходимо создавать и другие роли, такие как архитекторы данных. Чтобы стимулировать изменение мышления персонала, необходимо принять меры по подготовке и переподготовке сотрудников для создания общего понимания данных и AI.

  1. Инфраструктура: Гибкая и масштабируемая ИТ-инфраструктура для начинаний в области AI создает предпосылки для эффективного выполнения проектов и быстрой адаптации к новым возникающим потребностям.
    При реализации инициатив в области AI необходимо учитывать множество новых технологий. ИТ-инфраструктура должна быть достаточно гибкой, чтобы масштабировать любое AI-решение в масштабах всей компании. Таким образом, все большее значение приобретает предоставление хранилищ данных, вычислительных мощностей и/или программного обеспечения с помощью поставщиков облачных услуг.
  1. Организация: Динамика проектов AI требует гибких форм организации проектов, а также готовности и способности изменить культуру организации в сторону принятия решений на основе данных. Это также включает решения, которые необходимо принять в отношении организационной и операционной модели.
    Стратегия
    AI должна четко определять и представлять подходящие для организации гибкие методы работы и предоставления решений AI. Лидеры и руководство должны донести до сотрудников видение AI, чтобы сформировать культуру работы с данными и организационную структуру, принимающую решения на основе данных. Эти изменения в организации могут стать возможными только при правильных мерах по управлению изменениями, которые согласуются с самой стратегией AI. Это поможет устранить сомнения в отношении технологии, ее надежности и общий страх перед системами AI, который часто встречается в организациях.
  2. Управление: Обеспечение соблюдения этических принципов, основных нормативных требований к данным и AI, а также технической надежности является обязательным условием разработки и эксплуатации надежных и устойчивых AI-систем.
    Стратегия
    должна учитывать этические принципы с точки зрения прозрачности, предвзятости и справедливости, а также внутренние и внешние риски разрабатываемых систем AI. Потенциальные факторы риска сильно зависят от области применения и среды, в которой работает система. Для обеспечения легитимного доступа и использования данных необходимо создать механизм обеспечения конфиденциальности и управления данными. Необходимо создать встроенное управление рисками AI в процессе разработки для смягчения изолированных проверок от традиционных процессов управления рисками.

На основе этих шести ключевых элементов можно вывести наиболее важные стратегические решения для успешной реализации инициатив в области AI. Однако стратегия внедрения систем искусственного интеллекта не является статичной, это скорее движущаяся мишень, которую необходимо постоянно корректировать. В рамках этих шести измерений компании обычно демонстрируют различные уровни зрелости, которые необходимо оценить перед определением целевых сценариев и разработкой соответствующих пунктов действий.

По материалам Statworx, Accenture, McKinsey.