Analüüsi ja tehisintellekti projekti ebaõnnestumiste kolm levinumat põhjust

Taasavaldanud Platon

järgijaid: 0

Kolm levinumat analüütika ja tehisintellekti projekti ebaõnnestumise põhjust PlatoBlockchain Data Intelligence. Vertikaalne otsing. Ai.

Reklaam Vastavalt 2023 Dataiku sponsoreeritud IDC InfoBrief – looge oma organisatsiooniandmetest rohkem äriväärtust – „Kuigi [AI] kasutuselevõtt laieneb kiiresti, on projektide ebaõnnestumiste määr endiselt kõrge. Organisatsioonid üle maailma peavad hindama oma nägemust, et tegeleda edu pärssivate teguritega, vallandada tehisintellekti jõud ja areneda digiajastul.

Analüütikast ja tehisintellekti projekti ebaõnnestumisest ülesaamisel on üks olulisemaid näpunäiteid see, et kunagi pole ainult ühte korduvat rikkujat – nii äri- kui ka tehnilistes meeskondades on tehisintellekti projekti ebaõnnestumisel erinevaid punkte. Ülaltoodud interaktiivne mikrosait kuvab visuaalselt tehisintellekti projekti elutsükli kõige levinumad tõrkepunktid ja jagab lahendusi, kuidas andmed, analüütika ja IT-juhid saavad Dataiku abil neid kiiresti lahendada.

Mündi teisel küljel käsitletakse selles artiklis mõningaid levinumaid põhjuseid, mis põhjustavad AI-projekti ebaõnnestumist (ja näpunäiteid nende lahendamiseks).

AI talentide lõhe (inimesed!)

Kaks peamist AI skaleerimise blokeerijat on analüütika ja tehisintellekti oskustega inimeste palkamine ning heade ärijuhtumite tuvastamine. Kahjuks pole sadade või tuhandete andmeteadlaste palkamine enamiku organisatsioonide jaoks realistlik ja inimesed, kes suudavad mõlema probleemiga tegeleda (tehisintellektiga ja ärioskustega), on sageli nii haruldased, et neid nimetatakse ükssarvikuteks.

Organisatsioonid peaksid mõlema probleemi korraga tegelemiseks "Ehitage ükssarvikute meeskondi, mitte palkage ükssarvikuid." See tähendab, et nad peaksid looma nii andme- kui ka domeeniekspertidest koosnevaid meeskondi, püüdes samal ajal seda saavutada arendada oma tehisintellekti töömudelit (mis suurendab samal ajal nende tehisintellekti küpsust) aja jooksul. See toimib: 85% ettevõtetest, kes on edukalt AI skaleerinud, kasutavad interdistsiplinaarseid arendusmeeskondi, vastavalt Harvard Business Review'le.

IDC näpunäide: "Mõelge andmeteadlaste rollile koos teadmustöötajate ja tööstuse teadmistega. Teadmustöötajate mõjuvõimu suurendamine kiirendab väärtustamise aega.

Tehisintellekti juhtimise ja järelevalve puudumine (protsessid!)

Mida meeskonnad selles makromajanduslikus kliimas endale lubada ei saa, on tehisintellekti eelarvete vähendamine või täielik kärpimine. Mis võiks selleni viia, võite küsida? Aega raisati masinõppemudelite ehitamiseks ja testimiseks nii palju, et need ei jõua kunagi tootmisse, et hakata looma tegelikku, käegakatsutavat väärtust ettevõttele (nt teenitud raha, säästetud raha või uus protsess, mida täna teha ei saaks ).

Hea uudis: on olemas strateegiad ja parimate tavade analüüs ning tehisintellekti meeskonnad saavad rakendada oma tehisintellekti jõupingutuste ohutuks tõhustamiseks ja laiendamiseks, näiteks tehisintellekti juhtimisstrateegia loomine (kaasa arvatud tööelemendid, nagu MLOps, ja väärtuspõhised elemendid, nagu vastutustundlik tehisintellekt).

Halb uudis: sageli pole meeskondadel neid protsesse enne juurutamist seadistatud (mis võib põhjustada palju keerulisi probleeme) ja neil ei ole võimalust selgelt edasi liikuda õigete projektidega, mis loovad äriväärtust ja aeguvad. kehvema tulemuslikkusega.

AI Governance pakub täielikku mudelihaldust mastaabis, keskendudes riskiga kohandatud väärtuse pakkumisele ja tehisintellekti skaleerimise tõhususele, mis kõik on kooskõlas eeskirjadega. Meeskonnad peavad tegema vahet kontseptsioonide tõestamise (POC), iseteeninduse andmealgatuste ja tööstuslike andmetoodete vahel, aga ka neid ümbritsevatel juhtimisvajadustel. Uurimiseks ja katsetamiseks tuleb anda ruumi, kuid meeskonnad peavad tegema ka selged otsused selle kohta, millal peaks iseteenindusprojektidel või POC-del olema rahastus, testimine ja tagatis, et saada tööstuslikuks ja toimivaks lahenduseks.

IDC nõuanne: „Kehtige selged eeskirjad andmete privaatsuse, otsustusõiguse, vastutuse ja läbipaistvuse kohta. Laske IT-l ja äri- ja nõuetele vastavusega tegelevatel isikutel ühiselt läbi viia ennetav ja pidev riskijuhtimine ja -juhtimine.

Ei võta platvormipõhist mõtteviisi (tehnoloogia!)

Kuidas saavad meeskonnad kindlaks määrata õiged tehnoloogiad ja protsessid, et võimaldada tehisintellekti ulatuslikku kasutamist?

Täielik platvorm (nagu Dataiku) toob analüütika ja tehisintellekti projekti elutsükli etappide ühtekuuluvuse ning loob ühtse välimuse, tunde ja lähenemisviisi, kui meeskonnad neid etappe läbivad.

Kaasaegse tehisintellekti platvormi strateegia koostamisel on oluline arvestada kõikehõlmava platvormi väärtust kõige jaoks alates andmete ettevalmistamisest kuni masinõppemudelite jälgimiseni tootmises. Seevastu iga komponendi jaoks eraldi tööriistade ostmine võib olla tohutult keeruline, kuna elutsükli erinevates valdkondades on mitu pusletükki (allpool illustreeritud).

Tehisintellekti programmi kaudu pikaajalise kultuurimuutuse etappi jõudmiseks on oluline olla kindel, et IT on algusest peale kaasatud. IT-juhid on olulised mis tahes tehnoloogia tõhusaks ja sujuvaks kasutuselevõtuks ning – filosoofilisemast vaatenurgast – on olulised andmetele juurdepääsu kultuuri juurutamiseks, mis on tasakaalustatud õige juhtimise ja kontrolliga.

IDC nõuanne: "Selle asemel, et rakendada väikeste ülesannete lahendamiseks erinevaid lahendusi, kasutage platvormipõhist lähenemisviisi, et toetada järjepidevaid kogemusi ja standardimist.

tulevikku

Analüütika skaleerimine ja tehisintellekt võtavad palju aega ja ressursse, nii et viimane asi, mida soovite teha, on ebaõnnestumine. Samal ajal on katsetamise ajal ka tervislik ebaõnnestumine väärtuslik, kui meeskonnad suudavad kiiresti ebaõnnestuda ja oma õpetusi rakendada. Nad peaksid kindlasti keskenduma oskuste täiendamisele ja koolitusele (st äripraktikute üha enam kaasamisele), demokratiseerima tehisintellekti tööriistu ja tehnoloogiaid ning panema paika õiged kaitsepiirded, et tagada tehisintellekti vastutustundlik kasutamine.

Jätkake tehisintellekti projekti ebaõnnestumisega tegelemist

Selles interaktiivses visuaalis avastage tehisintellektiprojekti ebaõnnestumise peamised tehnilised põhjused ja lisaressursse ärilistel põhjustel, mis soodustavad projekti ebaõnnestumist (ja seda, kuidas Dataiku saab mõlema puhul aidata).

Miks teie AI-projektid ebaõnnestuvad? Uurige see interaktiivne mikrosait rohkem teada saada.

Toetaja Dataiku.