AI-uitdagingen in perspectief plaatsen met partnerschappen

Gesponsorde functie Naarmate de technologie op grotere schaal wordt ingezet in meer verticale sectoren en industrieën, wordt het vermogen van kunstmatige intelligentie (AI) om bedrijfsprocessen, strategische besluitvorming en klantervaringen te transformeren ronduit geprezen door IT-strategen en economische analisten.

Zelfs topbestuurders die ooit huiverig waren voor het goedkeuren van de investeringen die AI nodig heeft om optimale waarde te leveren, gaan het potentieel ervan inzien om de operationele efficiëntie te verbeteren en de weg vrij te maken voor nieuwe inkomstenstromen.

Prognoses van eerbiedwaardige marktwaarnemers als PwC ondersteunen hun standpunt. Zijn 'Mondiaal onderzoek naar kunstmatige intelligentie' schat dat AI in 15.7 tot 2030 biljoen dollar zou kunnen bijdragen aan de mondiale economieën. Hiervan zou 6.6 biljoen dollar afkomstig kunnen zijn van een hogere productiviteit en 9.1 biljoen dollar uit 'consumptie-neveneffecten', beweert PwC.

De recente uitrol van verschillende generatieve AI-tools wordt beschouwd als een breakout punt voor wat voorheen een zeer gespecialiseerde en 'futuristische' tak van de informatica was. In Groot-Brittannië in 2022 het Office for Artificial Intelligence gerapporteerd dat ongeveer 15 procent van de bedrijven ten minste één AI-technologie heeft geïmplementeerd, wat neerkomt op 432,000 bedrijven. Ongeveer 2 procent van de bedrijven was bezig met een pilot met AI, en 10 procent was van plan in de toekomst ten minste één AI-technologie te adopteren (respectievelijk 62,000 en 292,000 bedrijven).

Het is nog steeds complex spul

Te midden van deze AI-ijver moeten organisaties niet vergeten dat AI nog steeds een relatief jonge technologie is, en dat het een uitdaging kan zijn om deze voor de eerste keer op te zetten. Bovendien is het bijbehorende rendement op de investering (ROI) in hoge mate afhankelijk van zeer nauwkeurig beheerde implementatieprocedures en configuraties die vaak minder robuust zijn in het geval van fouten dan conventionele IT-implementaties.

AI levert waardevolle tests op voor de IT-teams die bijvoorbeeld belast zijn met het implementeren van AI/Machine Learning-initiatieven en werklasten, waaronder het overwinnen van vaardigheidslacunes en computerbeperkingen. Er kan ook sprake zijn van een wisselwerking tussen resources en andere bedrijfsworkloads die al gebruik maken van een gemeenschappelijke IT-infrastructuur.

“AI is een reis, geen bestemming – het gaat er niet om dat je klaar bent voor adoptie of dat je processen simpelweg automatiseert voor meer efficiëntie”, zegt Matt Armstrong-Barnes, Chief Technology Officer voor Kunstmatige Intelligentie bij Hewlett Packard Enterprise (HPE). “Het gaat veeleer om het realiseren van waarde op de lange termijn, het mogelijk maken van betere resultaten en het erkennen dat AI een fundamenteel andere benadering van IT-implementatie vereist. Voor bedrijfstechnologen is het een allround leercurve van 360 graden.”

Het punt van Armstrong-Barnes blijkt uit de nieuwste 'Staat van AI in de onderneming'onderzoek onder mondiale bedrijfsleiders. De respondenten identificeerden een hoop uitdagingen die AI voortkwam uit opeenvolgende fasen van hun AI-implementatieprojecten. Het bewijzen van de zakelijke waarde van AI was een probleem dat door 37 procent werd genoemd. Projecten kunnen duur uitvallen, en een overtuigende business case kan moeilijk te valideren zijn als je te maken krijgt met investeringsraden en C-Suite-managers.

Het opschalen van deze AI-projecten in de loop van de tijd kan verder geïdentificeerde hindernissen tegenkomen, zoals het beheersen van AI-gerelateerde risico’s (aangehaald door 50 procent van de deelnemers aan het Deloitte-onderzoek), het gebrek aan buy-in van het management (ook 50 procent) en het gebrek aan onderhoud of voortdurende ondersteuning (opnieuw 50 procent).

“Het is begrijpelijk dat bedrijfsleiders ervan overtuigd moeten worden dat AI zijn vruchten zal afwerpen”, zegt Armstrong-Barnes. “Dit is waar het vanaf het begin samenwerken met een technologiepartner die al vele jaren betrokken is bij bewezen AI-implementaties de zaak wint. Zijn trackrecord zal de geloofwaardigheid van projectvoorstellen vergroten en leidinggevenden ervan overtuigen dat de risico’s van AI net zo beheersbaar zijn als die van andere IT-ondernemingen.”

En hoewel technologie en talent zeker nodig zijn, is het net zo belangrijk om de cultuur, structuur en manier van werken van een bedrijf op één lijn te brengen om een ​​brede adoptie van AI te ondersteunen. volgens McKinsey, waarbij onderscheidende kenmerken soms een barrière vormen voor door AI aangedreven veranderingen.

‘Als een bedrijf relatiemanagers heeft die er trots op zijn dat ze goed zijn afgestemd op de behoeften van de klant, kunnen ze het idee verwerpen dat een ‘machine’ betere ideeën zou kunnen hebben over wat klanten willen, en de op maat gemaakte productaanbevelingen van een AI-tool negeren’, suggereert McKinsey.

“Ik overleg regelmatig met HPE-collega’s en HPE-klanten over de reeks uitdagingen die zij tegenkomen bij de implementatie van AI”, meldt Armstrong-Barnes. “Sommige gemeenschappelijke bewijskenmerken komen keer op keer terug. Eén daarvan is een onderschatting van hoe fundamenteel verschillend AI-implementaties zijn van traditionele IT-implementaties. Organisaties moeten AI vooral op een andere manier inzetten dan de IT-projecten die ze in het verleden hebben geïmplementeerd. Gegevensbeheer en schaalvergroting zijn bij AI aanzienlijk verschillend. Dit betekent dat zwaarbevochten technische ervaringen soms opnieuw moeten worden geleerd.”

De neiging om te experimenteren met AI-pilots voordat deze direct worden ingezet in een echte use-case die een dringende zakelijke behoefte ondersteunt, moet worden vermeden, legt Armstrong-Barnes uit. “De ‘try-before-you-buy’-aanpak lijkt redelijk – AI is complex en vergt veel investeringen”, legt hij uit. “Maar met AI repliceren dry runs en testprojecten niet echt de uitdagingen die gebruikersorganisaties tegenkomen bij een daadwerkelijke implementatie. . Wat ‘in het lab’ begint, blijft vaak in het lab.”

Aan de andere kant van de adoptieschaal ziet Armstrong-Barnes bedrijven die AI proberen toe te passen waar het maar kan worden toegepast, zelfs waar een applicatie optimaal werkt zonder AI: “De conclusie hier is: alleen omdat je in AI een enorme hamer hebt, je moet dan niet alles als een nootje zien dat gekraakt moet worden.”

Mensen en infrastructuur niet direct beschikbaar

Zelfs de meest geavanceerde AI-systemen moeten nog een totale end-to-end autonomie bereiken – ze moeten worden getraind en verfijnd door menselijke expertise. Dit vormt een nieuwe uitdaging voor bedrijven die op zoek zijn naar AI: hoe kunnen ze het beste de noodzakelijke vaardigheden verwerven – bestaand IT-personeel omscholen? Nieuwe teamleden werven met de benodigde AI-kennis? Of mogelijkheden onderzoeken om de behoefte aan AI-expertise uit te stellen aan technologiepartners?

McKinsey meldt dat het potentieel van AI wordt beperkt door een tekort aan geschoold talent. Een typisch AI-project vereist een zeer bekwaam team, waaronder een datawetenschapper, data-ingenieur, ML-ingenieur, productmanager en ontwerper – en er zijn simpelweg niet genoeg specialisten beschikbaar om al die openstaande vacatures te bezetten.

“We zien dat bedrijfstechnologen over het algemeen hun vaardigheden op vijf belangrijke punten moeten verbeteren”, zegt Armstrong-Barnes. “Die liggen vooral op het gebied van AI-expertise, IT-infrastructuur, datamanagement, complexiteitsmanagement en in mindere mate de bovengenoemde culturele barrières. Geen van deze uitdagingen is onoverkomelijk, gegeven de juiste aanpak en partnerschapsondersteuning.”

AI houdt ook van superkrachtige hardware om op te draaien. Het inrichten van krachtige computerplatforms blijft een blijvende uitdaging, omdat maar weinig organisaties de noodzakelijke investeringen in hun serverparken willen (of kunnen betalen) zonder een aantoonbare stijging van de ROI-ratio's.

“Bij het plannen van AI-implementaties moeten IT-planners in een zeer vroeg stadium enkele belangrijke beslissingen nemen met betrekking tot de kerntechnologie”, zegt Armstrong-Barnes. “Ga je het bijvoorbeeld kopen, bouwen – of kies je voor een hybride aanpak die elementen van beide omvat?”

De volgende belangrijke beslissing heeft betrekking op partnerschappen. Een bepalende voorwaarde voor succesvolle AI-levering is dat niemand het alleen kan doen, benadrukt Armstrong-Barnes: “Je hebt de steun van technologiepartners nodig, en de beste manier om die partnerschappen tot stand te brengen is via een AI-ecosysteem. Beschouw een AI-ecosysteem als een ondersteunend consortia van expertise die, als ze samenkomen, je toegang geven tot de juiste kennis, data, AI-tools, technologie en economie om je AI-inspanningen te ontwikkelen en te operationaliseren.”

Armstrong-Barnes voegt hieraan toe: “Klanten vragen zich soms af hoe HPE zo ervaren is geworden in AI-gebruiksscenario’s – hebben we de impact ervan jaren geleden voorzien en zijn we ruim vóór de markt met de voorbereidingen begonnen? Feit is dat we de impact van AI niet jaren maar decennia geleden zagen aankomen, dat we al lange tijd AI-centra van uitmuntendheid en ecosystemen hebben opgericht en strategische overnames hebben gedaan om onze bestaande expertise uit te breiden in overeenstemming met de eisen van de klant en groeimogelijkheden.”

Geen trein, geen winst

Een van die uitbreidingen is Bepaald AI, dat in 2021 onderdeel werd van HPE's aanbod van HPC- en AI-oplossingen. De open-sourcesoftware van Vastbesloten AI speelt in op het feit dat het bouwen en trainen van geoptimaliseerde modellen op schaal een veeleisende en kritische fase is van de ML-ontwikkeling – een fase die steeds vaker vereist dat niet-technologen zoals analisten, onderzoekers en wetenschappers de uitdagingen van HPC aangaan.

Deze uitdagingen omvatten het opzetten en beheren van een zeer parallelle softwarestack en -infrastructuur die gespecialiseerde compute-provisioning, dataopslag, compute fabric en acceleratorkaarten omvat.

“Bovendien moeten ML-exponenten hun modellen efficiënt programmeren, plannen en trainen om het gebruik van de gespecialiseerde infrastructuur die ze hebben opgezet te maximaliseren”, zegt Armstrong-Barnes, “wat voor complexiteit kan zorgen en de productiviteit kan vertragen.”

Deze taken moeten uiteraard worden uitgevoerd met een strikt competentieniveau dat, zelfs met de steun van overbelaste interne IT-teams, niet gemakkelijk te garanderen is.

Het open source platform van Vastbesloten AI voor ML-modeltraining is ontworpen om deze kloof in hulpbronnen te dichten, waardoor het eenvoudig wordt om werkstations of AI-clusters in te stellen, te configureren, te beheren en te delen die on-premises of in de cloud draaien. En naast premium ondersteuning bevat het functies zoals geavanceerde beveiligings-, monitoring- en observatietools – allemaal ondersteund door expertise van binnen HPE.

“Vastberaden AI gaat over het wegnemen van barrières voor bedrijven om ML-modellen op schaal en snelheid te bouwen en te trainen, om zo in minder tijd meer waarde te realiseren, met het nieuwe HPE Machine Learning Development System”, legt Armstrong-Barnes uit. “Deze mogelijkheden omvatten behoorlijk technische zaken die nodig zijn om AI/Machine Learning-workloads te optimaliseren, zoals acceleratorplanning, fouttolerantie, snelle parallelle en gedistribueerde training van modellen, geavanceerde hyperparameteroptimalisatie en zoeken naar neurale architectuur.

“Voeg daar disciplinaire taken aan toe, zoals reproduceerbare samenwerking en het bijhouden van statistieken – het is veel om op de hoogte te houden. Met de hulp van Bepaald AI kunnen projectspecialisten zich concentreren op innovatie en de doorlooptijd tot oplevering versnellen.”

Meer HPC-middelen en regelgeving spelen een rol

De kracht van HPC wordt ook steeds vaker gebruikt om AI-modellen te trainen en te optimaliseren, naast de combinatie met AI om werklasten zoals modellering en simulatie te vergroten – al lang bestaande tools om de time-to-discovery in sectoren in de hele productie-industrie te versnellen.

De mondiale HPC-markt zal de rest van de jaren 2020 een aanzienlijke groei doormaken. Mordor-inlichtingendienst schattingen de waarde ervan bedraagt ​​56.98 miljard dollar in 2023, en verwacht dat deze in 96.79 2028 miljard dollar zal bereiken – een CAGR van 11.18 procent over de prognoseperiode.

“HPE bouwt al lange tijd aan HPC-infrastructuur en heeft nu een HPC-portfolio met Exascale Supercomputers en voor dichtheid geoptimaliseerde rekenplatforms. Enkele van de grootste HPC-clusters zijn gebouwd op HPE-innovatie”, zegt Armstrong-Barnes. “HPE heeft ongeëvenaarde expertise op het gebied van krachtige hardwareplatforms.”

Met de introductie van HPE GreenLake voor grote taalmodellen Eerder dit jaar (2023) kunnen ondernemingen – van startups tot Fortune 500 – grootschalige AI trainen, afstemmen en inzetten met behulp van een duurzaam supercomputerplatform dat de AI-software van HPE combineert met de meest geavanceerde supercomputers.

Het is duidelijk dat de adoptie van AI een uitdaging is voor organisaties van elke omvang, maar het gaat niet alleen om de technologie, benadrukt Armstrong-Barnes: “Alle AI-gebruikers zullen steeds vaker op de hoogte moeten blijven van de opkomende AI-regelgeving en -compliance. Wetgeving zoals de Amerikaanse AI Bill of Rights, de EU AI Act en de komende regelgevingsvoorstellen die zijn uiteengezet in het AI White Paper van de Britse regering – waarvan algemeen wordt verwacht dat ze een AI-framework zullen opleveren dat gereed is voor naleving – zijn hier immanente voorbeelden van.”

Voor bedrijven die internationaal actief zijn, lijkt dit een nieuwe hindernis gehuld in administratieve rompslomp, maar Armstrong-Barnes suggereert dat naleving van de regelgeving misschien niet zo belastend is als ze lijkt – met een beetje hulp van een goed uitgerust AI-partnerschapsecosysteem.

“Controleer of uw AI-ecosysteempartners u ook kunnen helpen bij het naleven van de voorschriften. Als u zich al in een zwaar gereguleerde zakelijke omgeving bevindt, kan het heel goed zijn dat u al halverwege bent met de bestaande naleving.”

Gesponsord door HPE.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/