הצבת אתגרי AI בפרספקטיבה עם שותפויות

תכונה ממומנת ככל שהטכנולוגיה הופכת לפריסה רחבה יותר במגזרים ותעשיות אנכיות יותר, היכולת של בינה מלאכותית (AI) לשנות תהליכים עסקיים, קבלת החלטות אסטרטגיות וחוויות לקוחות זוכה לשבחים רבים על ידי אסטרטגי IT ואנליסטים כלכליים.

אפילו מנהלים ראשיים שפעם נזהרו מלאשר את ההשקעה ש-AI צריך כדי לספק ערך אופטימלי מתחילים להכיר בפוטנציאל שלו לשפר את היעילות התפעולית ולסלול את הדרך למקורות הכנסה חדשים.

תחזיות של צופים מכובדים בשוק כמו PwC תומכות בדעה שלהם. זה'מחקר גלובלי של בינה מלאכותית' מעריך שבינה מלאכותית עשויה לתרום עד 15.7 טריליון דולר לכלכלות גלובליות בשנת 2030. מתוכם, 6.6 טריליון דולר יכולים להגיע מהגדלת הפריון ו-9.1 טריליון דולר יכולים להגיע מ'תופעות לוואי של צריכה', טוענת PwC.

ההשקה האחרונה של כמה כלי AI גנרטיביים נחשבת כ הפריצה נקודה למה שהיה בעבר ענף מיוחד ו'עתידני' של מדעי המחשב. בבריטניה בשנת 2022 המשרד לבינה מלאכותית דיווח שכ-15 אחוז מהעסקים אימצו לפחות טכנולוגיית בינה מלאכותית אחת, המשתווה ל-432,000 חברות. בסביבות 2 אחוזים מהעסקים ביצעו פיילוט בינה מלאכותית, ו-10 אחוז תכננו לאמץ לפחות טכנולוגיית AI אחת בעתיד (62,000 ו-292,000 עסקים, בהתאמה).

זה עדיין חומר מורכב

בתוך הלהט הזה של AI ארגונים צריכים לזכור שבינה מלאכותית היא עדיין טכנולוגיה צעירה יחסית, והיא עלולה להיות מאתגרת להקים אותה בפעם הראשונה. יתרה מכך, ההחזר על ההשקעה המשויך (ROI) תלוי מאוד בהליכי הטמעה ובתצורות המנוהלים בדיוק רב, שלעתים קרובות הם פחות חזקים מול שגיאות מאשר פריסות IT קונבנציונליות.

בינה מלאכותית מציגה מבחנים ראויים להערכה עבור צוותי ה-IT המופקדים על יישום יוזמות ועומסי עבודה של AI/למידת מכונה, שיכולים לכלול התגברות על פערי מיומנויות ומגבלות מחשוב. הם עשויים גם לכלול חילופי משאבים עם עומסי עבודה ארגוניים אחרים שכבר משתמשים בתשתית IT משותפת.

"AI הוא מסע, לא יעד - זה לא עניין של מוכנות לאימוץ או אוטומציה של תהליכים פשוט למען יעילות רבה יותר", אומר מאט ארמסטרונג-בארנס, קצין טכנולוגיה ראשי לבינה מלאכותית ב-Hewlett Packard Enterprise (HPE). במקום זאת, מדובר במימוש ערך לטווח ארוך, מתן תוצאות טובות יותר והכרה בכך ש-AI דורש גישה שונה מהותית לפריסת IT. עבור טכנולוגים ארגוניים, מדובר בעקומת למידה של 360 מעלות".

הנקודה של ארמסטרונג-בארנס מעידה על הכתבה האחרונה של דלויטמצב ה- AI בארגוןסקר של מנהיגים עסקיים גלובליים. המשיבים זיהו ערימה של אתגרים בינה מלאכותית שנוצרה בשלבים עוקבים של פרויקטי יישום AI שלהם. הוכחת הערך העסקי של בינה מלאכותית הייתה סוגיה שצוינו על ידי 37 אחוזים - פרויקטים יכולים להוכיח כי הם יקרים, וקשה לאמת מקרה עסקי משכנע מול מועצות מנהלים ומנהלי C-Suite זהירים בהשקעות.

הגדלה של פרויקטי בינה מלאכותית לאורך זמן יכולה לפגוע במכשולים מזוהים נוספים, כמו ניהול סיכונים הקשורים לבינה מלאכותית (שצוטטו על ידי 50 אחוז מהמשתתפים בסקר של דלויט), היעדר רכישת מנהלים (גם 50 אחוז) והיעדר תחזוקה או תמיכה שוטפת (שוב 50 אחוז).

"די מובן, מנהיגי תאגידים צריכים להיות משוכנעים שבינה מלאכותית תשלם את דרכו", אומר ארמסטרונג-בארנס. "זה המקום שבו עבודה מההתחלה עם שותף טכנולוגי שעוסק בהטמעות AI מוכחות במשך שנים רבות עוזרת לנצח בתיק. הרקורד שלה יעניק אמינות להצעות פרויקטים ויעזור לשכנע בכירים שהסיכונים של AI ניתנים לניהול כמו כל מיזם IT אחר".

ולמרות שטכנולוגיה וכישרון בהחלט נחוצים, חשוב לא פחות ליישר את התרבות, המבנה ודרכי העבודה של החברה כדי לתמוך באימוץ AI רחב, על פי מקינזי, עם מאפיינים ייחודיים הפועלים לעתים כמחסומים לשינוי מונע בינה מלאכותית.

"אם לחברה יש מנהלי מערכות יחסים שמתגאים בכך שהם מתאימים לצרכי הלקוחות, הם עשויים לדחות את התפיסה של"מכונה" יכולה להיות רעיונות טובים יותר לגבי מה הלקוחות רוצים ולהתעלם מהמלצות המוצר המותאמות של כלי בינה מלאכותית", מציע מקינזי.

"אני משוחח עם עמיתים ל-HPE ועם לקוחות HPE לעתים קרובות על מגוון האתגרים שהם נתקלים בהם בפריסת AI", מדווח ארמסטרונג-בארנס. "כמה מאפיינים ראייתיים נפוצים חוזרים שוב ושוב. האחת היא הערכת חסר של פריסות בינה מלאכותית שונות מהותית מיישומי IT מסורתיים. ארגונים חייבים לפרוס בינה מלאכותית באופן שונה בעיקר מפרויקטי ה-IT שהם יישמו בעבר. ניהול נתונים וקנה מידה שונים באופן משמעותי עבור AI. זה אומר שלפעמים יש ללמוד מחדש ניסיון טכנולוגי שהושג קשה".

יש להימנע מהנטייה להתנסות עם טייסי בינה מלאכותית לפני פריסה ישירה לתוך מקרה שימוש אמיתי התומך בצורך עסקי דחוף, מסביר ארמסטרונג-בארנס. "הגישה של נסה לפני שאתה קונה נראית סבירה - בינה מלאכותית היא מורכבת ותאבת השקעות", הוא מסביר, "אבל עם בינה מלאכותית, ריצות יבשות ופרויקטי בדיקה לא ממש משכפלים את האתגרים שארגוני המשתמש יתקלו בהם ביישום בפועל. . מה שמתחיל 'במעבדה' נוטה להישאר במעבדה".

בקצה השני של סולם האימוץ, ארמסטרונג-בארנס רואה חברות שמנסות ליישם בינה מלאכותית בכל מקום שניתן ליישם אותה, גם כאשר אפליקציה עובדת בצורה אופטימלית ללא בינה מלאכותית: "ההפרעה כאן היא - רק בגלל שבינה מלאכותית יש לך פטיש מסיבי, אז לא צריך לראות הכל כאגוז שצריך לפצח."

אנשים ותשתיות אינם זמינים

אפילו מערכות הבינה המלאכותית המתקדמות ביותר עדיין לא השיגו אוטונומיה מוחלטת מקצה לקצה - הן צריכות להיות מאומנות ומכווננות על ידי מומחיות אנושית. זה מייצג אתגר נוסף עבור חברות שואפות בינה מלאכותית: איך הכי טוב לרכוש את הכישורים הדרושים - להכשיר מחדש את אנשי ה-IT הקיימים? לגייס חברי צוות חדשים עם ידע AI נדרש? או לבדוק אפשרויות לדחות את הצורך במומחיות בינה מלאכותית לשותפים טכנולוגיים?

מקינזי דיווחים שהפוטנציאל של AI מוגבל על ידי מחסור בכישרון מיומן. פרויקט AI טיפוסי דורש צוות מיומן ביותר הכולל מדען נתונים, מהנדס נתונים, מהנדס ML, מנהל מוצר ומעצב - ופשוט אין מספיק מומחים זמינים כדי לתפוס את כל המשרות הפתוחות הללו.

"אנו רואים כי טכנולוגים ארגוניים בדרך כלל צריכים לשדרג את היכולות שלהם בחמש היבטים מרכזיים", אומר ארמסטרונג-בארנס. "בעיקר, הם טמונים בתחומי מומחיות AI, תשתית IT, ניהול נתונים, ניהול מורכבות, ובמידה פחותה, המחסומים התרבותיים הנ"ל. אף אחד מהאתגרים הללו אינו בלתי עביר בהינתן הגישה הנכונה ותמיכה בשותפות".

AI גם אוהב חומרה סופר עוצמתית לרוץ עליה. אספקת פלטפורמות מחשוב בעלות ביצועים גבוהים ממשיכה כאתגר מתמשך מכיוון שמעט ארגונים רוצים - או יכולים להרשות לעצמם - לבצע את ההשקעות הדרושות באחוזות השרתים שלהם ללא עלייה ניכרת ביחסי החזר ה-ROI.

"כאשר מתכננים יישומי בינה מלאכותית, בשלב מוקדם מאוד מתכנני IT צריכים לקבל כמה החלטות מפתח בנוגע לטכנולוגיית הליבה המאפשרת", אומר ארמסטרונג-בארנס. "לדוגמה, האם אתה מתכוון לקנות אותו, לבנות אותו - או לנקוט בגישה היברידית שמכילה אלמנטים של שניהם?"

ההחלטה החשובה הבאה מתייחסת לשותפויות. תנאי מכריע לאספקת בינה מלאכותית מוצלחת הוא שאף אחד לא יכול לעשות זאת לבד, מציין ארמסטרונג-בארנס: "אתה זקוק לתמיכה של שותפים טכנולוגיים, והדרך הטובה ביותר לבסס את השותפויות הללו היא באמצעות מערכת אקולוגית של בינה מלאכותית. חשבו על מערכת אקולוגית בינה מלאכותית כעל קונסורציום תומך של מומחיות, אשר יחדיו יעניקו לכם גישה לידע הנכון, לנתונים, לכלי בינה מלאכותית, לטכנולוגיה ולכלכלה כדי לפתח ולהפעיל את מאמצי ה-AI שלכם".

ארמסטרונג-בארנס מוסיף: "לקוחות שואלים לפעמים איך HPE הגיעה לניסיון כל כך בשימוש ב-AI - האם חזינו את השפעתה לפני שנים והתחלנו להתכונן הרבה לפני השוק? העובדה היא שראינו את השפעת הבינה המלאכותית מגיעה לא לפני שנים אלא לפני עשרות שנים, הקמנו מרכזי מצוינות ומערכות אקולוגיות בינה מלאכותית במשך זמן רב, ועשינו רכישות אסטרטגיות כדי להגביר את המומחיות הקיימת שלנו בהתאם לדרישות הלקוחות ולהזדמנויות הצמיחה".

בלי אימונים אין תוצאות

הגדלה אחת כזו היא Determined AI, שהפכה לחלק מהיצע פתרונות HPC ו-AI של HPE בשנת 2021. תוכנת הקוד הפתוח של Determined AI מתייחסת לעובדה שבנייה והדרכה של מודלים מותאמים בקנה מידה הוא שלב מחייב וקריטי בפיתוח ML - כזה שיותר ויותר מחייב מי שאינם טכנולוגים כמו אנליסטים, חוקרים ומדענים לקחת על עצמם את האתגרים של HPC.

אתגרים אלו כוללים הגדרה וניהול של ערימת תוכנה מקבילה ביותר ותשתית המשתרעת על אספקת מחשוב מיוחדת, אחסון נתונים, מארג מחשוב וכרטיסי מאיץ.

"בנוסף, נציגי ML צריכים לתכנת, לתזמן ולאמן את המודלים שלהם ביעילות כדי למקסם את הניצול של התשתית המיוחדת שהם הקימו", אומר ארמסטרונג-בארנס, "שיכולה ליצור מורכבות ולהאט את הפרודוקטיביות."

משימות אלו צריכות להיעשות, כמובן, ברמת מיומנות קפדנית, שאפילו עם תמיכה של צוותי IT פנימיים מתוחים מדי, לא מובטחת בקלות.

פלטפורמת הקוד הפתוח של Determined AI לאימון מודלים של ML נועדה לסגור את פער המשאבים הזה, מה שמקל על הגדרה, תצורה, ניהול ושיתוף של תחנות עבודה או אשכולות AI הפועלים במקום או בענן. בנוסף לתמיכה פרימיום, הוא כולל תכונות כגון כלי אבטחה, ניטור וצפייה מתקדמים - כולם נתמכים על ידי מומחיות מתוך HPE.

"בינה מלאכותית נחושה עוסקת בהסרת חסמים עבור ארגונים לבנות ולהכשיר מודלים של ML בקנה מידה ובמהירות, על מנת לממש ערך גדול יותר בפחות זמן, עם מערכת הפיתוח החדשה של HPE Machine Learning", מסביר ארמסטרונג-בארנס. "היכולות האלה כוללות דברים די טכניים הדרושים כדי לייעל עומסי עבודה של AI/Machine Learning, כמו תזמון מאיץ, סובלנות תקלות, אימון מקביל ומבוזר במהירות גבוהה של מודלים, אופטימיזציה מתקדמת של היפרפרמטרים וחיפוש ארכיטקטורה עצבית.

"הוסף לזה משימות משמעתיות כמו שיתוף פעולה שניתן לשחזר ומעקב אחר מדדים - יש הרבה מה להתעדכן בהם. עם העזרה של Determined AI מומחי פרויקטים יכולים להתמקד בחדשנות ולעקוב מהר אחרי זמן ההגשה שלהם".

יותר משאבים ורגולציה של HPC ממלאים את תפקידם

הכוח של HPC משמש יותר ויותר גם לאימון ואופטימיזציה של מודלים של בינה מלאכותית, בנוסף לשילוב עם בינה מלאכותית להגדלת עומסי עבודה כגון דוגמנות וסימולציה - כלים ותיקים כדי להאיץ את הזמן עד לגילוי במגזרים ברחבי תעשיית הייצור.

שוק HPC העולמי צפוי לצמיחה ראויה להערכה במהלך שאר שנות ה-2020. מודיעין מורדור הערכות שוויו עומד על 56.98 מיליארד דולר ב-2023, ומצפה שהוא יגיע ל-96.79 מיליארד דולר עד 2028 - CAGR של 11.18 אחוזים בתקופת התחזית.

"HPE בונה תשתית HPC במשך זמן רב, וכעת יש לה סל HPC הכולל מחשבי-על של Exascale ופלטפורמות מחשוב מותאמות לצפיפות. כמה מאשכולות HPC הגדולים בנויים על חדשנות HPE", אומר ארמסטרונג-בארנס. "ל-HPE יש מומחיות שאין כמותה בפלטפורמות חומרה בעלות ביצועים גבוהים."

עם כניסתה של HPE GreenLake לדגמי שפה גדולים מוקדם יותר השנה (2023), ארגונים - מסטארטאפים ועד Fortune 500 - יכולים לאמן, לכוון ולפרוס בינה מלאכותית בקנה מידה גדול באמצעות פלטפורמת מחשוב-על בת-קיימא המשלבת את תוכנת הבינה המלאכותית של HPE ומחשבי העל המתקדמים ביותר.

ברור שאימוץ בינה מלאכותית הוא מאתגר עבור ארגונים מכל הגדלים, אבל זה לא קשור רק לטכנולוגיה, מציינת ארמסטרונג-בארנס: "יותר ויותר, כל מאמצי הבינה המלאכותית יצטרכו להישאר מעודכנים בתקנות ובתאימות מתהווה. חקיקה כמו מגילת זכויות הבינה המלאכותית של ארה"ב, חוק הבינה המלאכותית של האיחוד האירופי וההצעות הרגולטוריות הקרובות המפורטות בספר הלבן של ממשלת בריטניה בבינה מלאכותית - בדרך כלל צפויה ליידע מסגרת בינה מלאכותית המוכנה לתאימות - הן דוגמאות אימננטיות לכך".

עבור עסקים שפועלים בינלאומית, זה נראה כמו עוד מכשול עטוף בבירור, אבל ארמסטרונג-בארנס מציע שעמידה ברגולציה עשויה להיות לא כל כך מכבידה כפי שהיא עשויה להיראות - עם קצת עזרה מאקוסיסטם של שותפות בינה מלאכותית מסודרת היטב.

"בדוק אם השותפים למערכת האקולוגית של הבינה המלאכותית שלך יכולים לעזור לך גם בתאימות - אם אתה כבר נמצא בסביבה עסקית עם רגולציה כבדה, בהחלט יכול להיות שאתה כבר באמצע הדרך עם מצוות קיימות."

בחסות HPE.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/