Ttrí tuệ nhân tạo (AI), Với các ứng dụng khác nhau, từ khoa học dữ liệu cao cấp đến dịch vụ khách hàng tự động, công nghệ này đang xuất hiện trên khắp doanh nghiệp. Bài viết này chúng tôi chia sẻ về cách doanh nghiệp của bạn có thể hưởng lợi một cách an toàn và hiệu quả.
Trí tuệ nhân tạo (AI) rõ ràng là một thế lực đang phát triển trong ngành công nghệ. AI đang chiếm vị trí trung tâm tại các hội nghị và thể hiện tiềm năng trong nhiều ngành khác nhau, bao gồm bán lẻ và sản xuất. Các sản phẩm mới đang được nhúng với trợ lý ảo , trong khi chatbot đang trả lời các câu hỏi của khách hàng về mọi thứ từ trang web của nhà cung cấp văn phòng trực tuyến đến trang hỗ trợ của nhà cung cấp dịch vụ lưu trữ web của bạn .
Trong khi đó, các công ty như Google, Microsoft và Salesforce đang tích hợp AI như một lớp thông minh trên toàn bộ hệ thống công nghệ của họ. Vâng, AI chắc chắn đang có thời điểm của nó.
Đây không phải là AI mà văn hóa đại chúng đã tạo điều kiện cho chúng ta mong đợi; đó không phải là robot có tri giác hay Skynet, hay thậm chí là trợ lý Jarvis của Tony Stark. Cao nguyên AI này đang diễn ra dưới bề mặt, làm cho công nghệ hiện tại của chúng ta thông minh hơn và mở khóa sức mạnh của tất cả dữ liệu mà doanh nghiệp thu thập.
Điều đó có nghĩa là: Tiến bộ rộng rãi trong học máy (ML) , thị giác máy tính, học sâu và xử lý ngôn ngữ tự nhiên (NLP) đã giúp việc đưa lớp thuật toán AI vào phần mềm hoặc nền tảng cloud của bạn dễ dàng hơn bao giờ hết .
Đối với các doanh nghiệp, các ứng dụng AI thực tế có thể biểu hiện theo mọi cách tùy thuộc vào nhu cầu tổ chức của bạn và những hiểu biết sâu sắc về trí tuệ kinh doanh (BI) có được từ dữ liệu bạn thu thập. Các doanh nghiệp có thể sử dụng AI cho mọi thứ, từ khai thác dữ liệu xã hội đến thúc đẩy sự tham gia vào quản lý quan hệ khách hàng (CRM) để tối ưu hóa hậu cần và hiệu quả khi theo dõi và quản lý tài sản.
Luke Tang, Tổng giám đốc chương trình AI + Accelerator toàn cầu của TechCode, cho biết ML đang đóng một vai trò quan trọng trong sự phát triển của AI và giúp các công ty kết hợp AI trên các sản phẩm và dịch vụ hiện có của họ.
Tang cho biết: “Hiện tại, AI đang được thúc đẩy bởi tất cả những tiến bộ gần đây trong ML. Không có một bước đột phá nào mà bạn có thể chỉ ra, nhưng giá trị kinh doanh mà chúng ta có thể trích xuất từ ML bây giờ đã nằm ngoài bảng xếp hạng”. “Từ quan điểm của doanh nghiệp, những gì đang xảy ra ngay bây giờ có thể làm gián đoạn một số quy trình kinh doanh cốt lõi của công ty xung quanh việc điều phối và kiểm soát: lập lịch trình, phân bổ nguồn lực và báo cáo.” Sau đây, chúng tôi cung cấp các mẹo từ một số chuyên gia để giải thích các bước doanh nghiệp có thể thực hiện để tích hợp AI trong tổ chức của bạn và để đảm bảo việc triển khai của bạn thành công.
1. Làm quen với AI
Hãy dành thời gian để làm quen với những gì AI hiện đại có thể làm. TechCode Accelerator cung cấp cho các công ty khởi nghiệp nhiều nguồn tài nguyên thông qua quan hệ đối tác với các tổ chức như Đại học Stanford và các tập đoàn trong lĩnh vực AI. Bạn cũng nên tận dụng sự phong phú của thông tin trực tuyến và các nguồn sẵn có để làm quen với các khái niệm cơ bản của AI.
Tang đề xuất một số hội thảo từ xa và các khóa học trực tuyến do các tổ chức như Udacity cung cấp như những cách dễ dàng để bắt đầu với AI và nâng cao kiến thức của bạn về các lĩnh vực như ML và phân tích dự đoán trong tổ chức của bạn.
Dưới là một số tài nguyên trực tuyến (miễn phí và trả phí) mà bạn có thể sử dụng để bắt đầu:
- Udacity của Giới thiệu về AI khóa học và chương trình Nanodegree Trí tuệ nhân tạo
- Các bài giảng trực tuyến của Đại học Stanford: Trí tuệ nhân tạo: Nguyên tắc và kỹ thuật
- Khóa học AI trực tuyến của edX , được cung cấp bởi Đại học Columbia
- Bộ công cụ nhận thức mã nguồn mở của Microsoft (trước đây gọi là CNTK) để giúp các nhà phát triển nắm vững các thuật toán học sâu
- Thư viện phần mềm TensorFlow mã nguồn mở (OS) của Google dành cho trí thông minh của máy móc
- AI Resources , một thư mục mã nguồn mở từ AI Access Foundation
- Trang tài nguyên của Hiệp hội vì sự tiến bộ của trí tuệ nhân tạo (AAAI)
- Hướng dẫn nhẹ nhàng về Học máy của MonkeyLearn
- Stephen Hawking và Viện Tương lai Cuộc sống của Elon Musk
- OpenAI , một ngành công nghiệp mở và sáng kiến học tập sâu rộng trong toàn học viện
2. Xác định các vấn đề bạn muốn AI giải quyết
Khi bạn đã bắt kịp những điều cơ bản, bước tiếp theo đối với bất kỳ doanh nghiệp nào là bắt đầu khám phá những ý tưởng khác nhau. Hãy nghĩ về cách bạn có thể thêm khả năng AI vào các sản phẩm và dịch vụ hiện có của mình. Quan trọng hơn, công ty của bạn nên ghi nhớ các trường hợp sử dụng cụ thể trong đó AI có thể giải quyết các vấn đề kinh doanh hoặc cung cấp giá trị có thể chứng minh được.
“Khi chúng tôi làm việc với một công ty, chúng tôi bắt đầu với tổng quan về các chương trình và vấn đề công nghệ quan trọng của công ty đó. Chúng tôi muốn có thể cho nó thấy cách xử lý ngôn ngữ tự nhiên, nhận dạng hình ảnh, ML, v.v. phù hợp với các sản phẩm đó, thường là Tang giải thích một hội thảo nào đó với sự quản lý của công ty. “Các chi tiết cụ thể luôn thay đổi theo ngành. Ví dụ: nếu công ty thực hiện giám sát bằng video, công ty có thể thu được nhiều giá trị bằng cách thêm ML vào quy trình đó.”
3. Ưu tiên Giá trị cốt lõi
Tiếp theo, bạn cần đánh giá giá trị tài chính và kinh doanh tiềm năng của các triển khai AI khả thi khác nhau mà bạn đã xác định. Thật dễ dàng bị lạc trong các cuộc thảo luận về AI “chiếc bánh trên bầu trời”, nhưng Tang nhấn mạnh tầm quan trọng của việc gắn các sáng kiến của bạn trực tiếp với giá trị kinh doanh.
Tang nói: “Để sắp xếp thứ tự ưu tiên, hãy xem xét các khía cạnh của tiềm năng và tính khả thi và đưa chúng vào ma trận 2×2. “Điều này sẽ giúp bạn sắp xếp thứ tự ưu tiên dựa trên khả năng hiển thị ngắn hạn và biết giá trị tài chính của công ty là bao nhiêu. Đối với bước này, bạn thường cần quyền sở hữu và công nhận từ các nhà quản lý và giám đốc điều hành cấp cao nhất.”
4. Thừa nhận khoảng cách về năng lực nội bộ
Có một sự khác biệt rõ rệt giữa những gì bạn muốn hoàn thành và những gì bạn có khả năng tổ chức để thực sự đạt được trong một khung thời gian nhất định. Tang cho biết một doanh nghiệp nên biết những gì nó có khả năng và những gì nó không có từ góc độ công nghệ và quy trình kinh doanh trước khi bắt đầu triển khai toàn diện AI.
“Đôi khi điều này có thể mất nhiều thời gian để thực hiện”, Tang nói. “Giải quyết khoảng cách năng lực nội bộ của bạn có nghĩa là xác định những gì bạn cần đạt được và bất kỳ quy trình nào cần được phát triển nội bộ trước khi bạn bắt đầu. Tùy thuộc vào doanh nghiệp, có thể có các dự án hoặc nhóm hiện có có thể giúp thực hiện điều này một cách hữu cơ cho các đơn vị kinh doanh nhất định. ”
5. Thu hút các chuyên gia và thiết lập một dự án thử nghiệm
Khi doanh nghiệp của bạn đã sẵn sàng từ quan điểm tổ chức và công nghệ, thì đã đến lúc bắt đầu xây dựng và tích hợp. Tang cho biết các yếu tố quan trọng nhất ở đây là bắt đầu từ quy mô nhỏ, có mục tiêu dự án trong đầu và quan trọng nhất, nhận thức được những gì bạn biết và những gì bạn chưa biết về AI. Đây là nơi mà việc thu hút các chuyên gia bên ngoài hoặc các nhà tư vấn AI có thể là vô giá.
“Bạn không cần nhiều thời gian cho một dự án đầu tiên; thông thường đối với một dự án thử nghiệm, 2-3 tháng là một khoảng thời gian tốt”, Tang nói. “Bạn muốn tập hợp những người bên trong và bên ngoài lại với nhau trong một nhóm nhỏ, có thể là 4-5 người và khung thời gian chặt chẽ hơn đó sẽ giúp nhóm tập trung vào các mục tiêu đơn giản.
Sau khi hoàn thành thí điểm, bạn sẽ có thể quyết định xem điều gì còn – dự án hàng kỳ, công phu hơn sẽ được thực hiện và liệu đề xuất giá trị có phù hợp với doanh nghiệp của bạn hay không. Điều quan trọng nữa là chuyên môn từ cả hai phía — những người biết về doanh nghiệp và những người biết về AI — được hợp nhất vào nhóm dự án thử nghiệm của bạn . ”
6. Hình thành một nhóm đặc nhiệm để tích hợp dữ liệu
Tang lưu ý rằng, trước khi triển khai ML vào doanh nghiệp của mình, bạn cần làm sạch dữ liệu của mình để sẵn sàng tránh trường hợp “rác vào, rác ra ngoài”. Tang cho biết: “Dữ liệu nội bộ của công ty thường được trải ra trong nhiều kho dữ liệu của các hệ thống kế thừa khác nhau và thậm chí có thể nằm trong tay của các nhóm kinh doanh khác nhau với các ưu tiên khác nhau. “Do đó, một bước rất quan trọng để có được dữ liệu chất lượng cao là hình thành một nhóm tác vụ [đơn vị kinh doanh] chéo, tích hợp các tập dữ liệu khác nhau với nhau và sắp xếp các điểm không nhất quán để dữ liệu chính xác và phong phú, với tất cả các kích thước phù hợp được yêu cầu cho ML. ”
7. Bắt đầu nhỏ – Start Small
Hãy bắt đầu áp dụng AI vào một mẫu dữ liệu nhỏ của bạn thay vì tiếp nhận quá sớm. Aaron Brauser, Phó Chủ tịch Quản lý Giải pháp tại M * Modal , cho biết: “Hãy bắt đầu đơn giản, sử dụng AI từng bước để chứng minh giá trị, thu thập phản hồi và sau đó mở rộng tương ứng”, Aaron Brauser, Phó Chủ tịch Quản lý Giải pháp tại M * Modal , công ty cung cấp công nghệ hiểu ngôn ngữ tự nhiên (NLU) cho các tổ chức chăm sóc sức khỏe cũng như một nền tảng AI tích hợp với hồ sơ y tế điện tử (EMR).
Một loại dữ liệu cụ thể có thể là thông tin về một số chuyên ngành y tế. Tiến sĩ Gilan El Saadawi, Giám đốc Thông tin Y tế (CMIO) tại M * Modal cho biết: “Hãy chọn lọc những gì AI sẽ đọc. “Ví dụ: chọn một vấn đề nhất định bạn muốn giải quyết, tập trung AI vào nó và đưa ra một câu hỏi cụ thể để trả lời chứ không phải ném tất cả dữ liệu vào đó.”
8. Lưu trữ dữ liệu là một phần của Kế hoạch AI của bạn
Theo Philip Pokorny, Giám đốc kỹ thuật (CTO) tại Penguin Computing , một công ty cung cấp máy tính hiệu suất cao ( HPC), giải pháp AI và ML.
“Cải thiện thuật toán là điều quan trọng để đạt được kết quả nghiên cứu. Nhưng nếu không có khối lượng dữ liệu khổng lồ để giúp xây dựng các mô hình chính xác hơn, các hệ thống AI không thể cải thiện đủ để đạt được các mục tiêu máy tính của bạn”, Pokorny viết trong whitepaper có tựa đề “Các quyết định quan trọng: Hướng dẫn Xây dựng Giải pháp Trí tuệ Nhân tạo Hoàn chỉnh Không hối tiếc. ”
“Đó là lý do tại sao việc bao gồm lưu trữ nhanh, tối ưu hóa nên được xem xét khi bắt đầu thiết kế hệ thống AI.”
Ngoài ra, bạn nên tối ưu hóa lưu trữ AI để nhập dữ liệu, quy trình làm việc và mô hình hóa, ông đề xuất. “Dành thời gian để xem xét các tùy chọn của bạn có thể có tác động tích cực, rất lớn đến cách hệ thống chạy sau khi trực tuyến”, Pokorny nói thêm.
9. Kết hợp AI như một phần của Nhiệm vụ hàng ngày của bạn
Theo Dominic Wellington, Nhà truyền bá CNTT toàn cầu tại Moogsoft , một nhà cung cấp AI cho các hoạt động CNTT (AIOps ). “Một số nhân viên có thể cảnh giác với công nghệ có thể ảnh hưởng đến công việc của họ, vì vậy việc giới thiệu giải pháp như một cách để tăng cường công việc hàng ngày của họ là rất quan trọng,” Wellington giải thích.
Ông nói thêm rằng các công ty nên minh bạch về cách thức hoạt động của công nghệ để giải quyết các vấn đề trong quy trình làm việc. Ông nói: “Điều này mang lại cho nhân viên trải nghiệm ‘chui’ để họ có thể hình dung rõ ràng cách AI tăng cường vai trò của họ thay vì loại bỏ nó”.
10. Xây dựng với sự cân bằng
Khi bạn đang xây dựng một hệ thống AI , nó đòi hỏi sự kết hợp giữa việc đáp ứng nhu cầu của công nghệ cũng như dự án nghiên cứu, Pokorny giải thích. Pokorny nói: “Cân nhắc tổng thể, ngay cả trước khi bắt đầu thiết kế một hệ thống AI, là bạn nên xây dựng hệ thống với sự cân bằng. “Điều này nghe có vẻ hiển nhiên nhưng quá thường xuyên, các hệ thống AI được thiết kế xung quanh các khía cạnh cụ thể về cách nhóm hình dung đạt được mục tiêu nghiên cứu của mình mà không hiểu các yêu cầu và giới hạn của phần cứng và phần mềm hỗ trợ nghiên cứu. Kết quả là ít- hệ thống quá tối ưu, thậm chí hoạt động không hiệu quả, không đạt được mục tiêu mong muốn. ”
Để đạt được sự cân bằng này, các công ty cần xây dựng đủ băng thông để lưu trữ, bộ xử lý đồ họa (GPU) và mạng. Bảo mật cũng là một thành phần không được chú ý. Bản chất của AI đòi hỏi quyền truy cập vào hàng loạt dữ liệu để thực hiện công việc của nó. Đảm bảo rằng bạn hiểu những loại dữ liệu nào sẽ liên quan đến dự án và các biện pháp bảo vệ an toàn thông thường của bạn – mã hóa, mạng riêng ảo (VPN) và chống phần mềm độc hại – có thể là không đủ.
“Tương tự như vậy, bạn phải cân đối ngân sách tổng thể được chi tiêu như thế nào để đạt được nghiên cứu với nhu cầu bảo vệ chống mất điện và các tình huống khác thông qua dự phòng,” Pokorny nói. “Bạn cũng có thể cần phải xây dựng tính linh hoạt để cho phép sử dụng lại phần cứng khi yêu cầu của người dùng thay đổi.”