Pratiquement tous les fournisseurs de logiciels d’entreprise est de générer du bruit dans le marché au sujet de l’intelligence artificielle. Malheureusement, beaucoup de buzz marketing offre peu de substance et crée de la confusion pour les clients sur ce qui est réel. Compte tenu de cette RUMEUR, le défi pour les gens d’affaires, c’est de décider où investir.
Bien que la confusion sur le marché est un problème, la réalité sous-jacente est que l’obtention de résultats avec l’IA des besoins différents, des stratégies, des compétences et des objectifs de déploiement traditionnel de logiciels d’automatisation des processus.
Avec un logiciel traditionnel, comme l’ERP ou CRM, par exemple, les gestionnaires de ré-ingénierie des processus tels que service à la clientèle ou de fabrication pour trouver reproductible des améliorations et des gains d’efficience. Bien que la mise en œuvre est souvent compliqué, les avantages et les risques sont bien connus.
En revanche, les investissements dans IA demande un autre type d’analyse qu’avec les logiciels d’entreprise traditionnels. Non seulement est de l’IA technologie nouvelle pour la plupart des gestionnaires, mais obtenir les résultats souhaités, il faut avoir suffisamment grande et des séries de données pertinentes pour nourrir l’IA machine.
Parce que l’IA peut créer des résultats qui vont bien au-delà de l’amélioration des processus et de l’efficacité, de la définition des résultats d’investissement et les objectifs peuvent être beaucoup plus complexes que les traditionnels avec des logiciels d’automatisation des processus.
Fabrication succès des investissements dans l’IA, par conséquent, nécessite une expertise à travers un éventail de disciplines à penser en termes de cadres et de modèles. Les activités comprennent:
L’analyse de l’impact sur les activités actuelles et futures modèles de la Sélection d’opérations et de processus dans lesquels investir l’Examen de l’intelligence de la machine de la technologie Rigoureusement l’application de la science des données pour des solutions proposées et des résultats
Les compétences et les activités sont très différentes de celles requises lors de l’achat et de la mise en œuvre traditionnelle des logiciels d’entreprise.
Compte tenu de l’importance, la complexité et les risques autour de l’IA de l’investissement, j’ai invité l’un des plus expérimentés de l’IA des investisseurs dans le monde entier pour être un invité sur l’Épisode 220 de la CXOTALK série de conversations avec des innovateurs.
James Cham est un partenaire avec Bloomberg Bêta, une firme de capital de risque avec un fort accent sur les entreprises liées à l’apprentissage de la machine. James et son collègue, Shivon Zillis, créé détaillée de la machine du marché de l’apprentissage du paysage.
J’ai demandé à James de donner de chefs d’entreprise des conseils sur la façon d’investir dans l’IA. Au cours de notre discussion, Cham adresses des points tels que:
Éviter le gaspillage important sur l’IA des projets qui offrent peu de valeur ou d’avantages de la Création d’une utilité économique cadre pour investir dans l’IA de Comprendre le passage d’être centrée sur les données de modèle centré sur la Construction, la gestion, modèle de test centrée sur les applications de l’IA
Vous pouvez suivre la conversation dans la vidéo ci-dessus et lire la transcription complète sur le CXOTALK site. Vous pouvez également télécharger le podcast sur iTunes. Ci-dessous est un montage partie des points importants de la discussion.
Comment doit-chefs d’entreprise pensent à propos de la situation économique, organisationnelle et les aspects de gestion de l’IA?
Nous voyons l’innovation et le progrès sur le plan technique. Et ce qui est à la traîne est la pensée claire et la compréhension sur la situation économique et de gestion de côté.
Je pense que le plus gros risque pour la plupart d’entre nous, tout autour de l’intelligence de la machine est moins que les machines prennent le dessus et vous n’avez plus d’un emploi.
Le plus grand risque est que nous, en tant que gestionnaires de faire vraiment de mauvaises décisions quant à l’endroit où investir, et nous allons finir par perdre des milliards de dollars sur stupide projets que personne ne finit par se soucier. Je pense que, à certains égards, sont, dans l’immédiat, d’intéressant, de toute évidence la question devant nous pour les 5 à 10 prochaines années. C’est encore mal comprise et mal documenté partie de la question.
Pour les deux dernières années, j’ai été demander plusieurs économistes: “Dites-moi qu’est-ce que le droit microéconomique cadre de réflexion sur la façon d’investir dans l’apprentissage de la machine ou autour de l’IA?”
Je pense en général, la plupart des économistes, et la plupart des types d’école sont encore plus concentrés sur la grande échelle des implications économiques. Mais, ceux à plus grande échelle des implications économiques n’est pas question, à moins que nous de prendre les bonnes décisions au niveau micro.
Il y avait trois gars de l’Université de Toronto, dans leur école de commerce, qui est venu avec ce que je pense est le meilleur cadre pour la réflexion sur l’apprentissage de la machine en général. Je pense que pour la plupart des organisations, la bonne façon de penser à propos de l’apprentissage de la machine est de réfléchir sur le coût de prédictions. De la même manière que si vous étiez à l’abstrait, à un certain niveau, le calcul. L’histoire de calcul est de l’ordre de réduire le coût de l’arithmétique. Et, quand vous faites le bon d’ajouter et de soustraire à un certain niveau de l’échelle, puis vous vous retrouvez avec des appareils photo numériques et autres joyeusetés.
Et, si vous penser à l’IA ou l’intelligence de la machine comme différent, et de penser qu’en réduisant les coûts de prédiction, alors vous pouvez appliquer le même schéma mental que dans l’analyse économique: “Si le coût de la prédiction va vers le bas, puis ce sont les compléments et substituts pour moi? Et quels sont les moyens que je pourrais changer mon organisation à son cœur?” C’est le microéconomiques façon de penser à ce sujet.
C’est bien d’avoir une organisation fondée sur les données. Mais si vous avez toutes ces données, et ne savez pas quoi faire avec elle, c’est inutile. Il est bon d’avoir un meilleur flux de travail, mais si le flux de travail, en général, de vous aider à faire la même chose encore et encore, ça n’est pas utile.
D’autre part, si vous comme un organisme de réflexion sur vous-même comme centrée sur le modèle, alors que vous prenez en compte tous les processus que vous avez à l’intérieur de l’organisation. Les processus sont assez précieux que j’ai envie de faire des prédictions et prendre des décisions sans les personnes concernées au jour le jour?”
Ces modèles vont s’imposer à l’ensemble de l’entreprise. C’est la partie intéressante. [Toutefois,] le plus effrayant est que nous n’avons aucune idée de la façon de construire et de gérer eux parce que ces modèles sont différents que les applications.
Logiciel de construction est difficile, mais au moins j’ai une certaine idée de la façon de QA et de le tester et de déployer d’une certaine manière cohérente. En tant que culture, nous avons compris comment le faire. D’autre part, nous ne comprenons pas vraiment des modèles. Pour certains de ces nouveaux modèles, nous ne comprenons pas la façon de penser ou de l’introspection.
Nous ne comprenons pas vraiment comment les tester parce que, même théoriquement, si le modèle était totalement vérifiable, que vous n’avez pas besoin d’un modèle. Et puis nous ne savons pas comment les déployer de manière cohérente.
La plupart des organisations ont besoin pour comprendre où construire, investir, et de gérer ces modèles.
Quels sont les plus intéressants AI des cas d’utilisation que vous voyez maintenant?
J’essaie très dur comme un investisseur de ne pas obtenir trop visionnaire ou trop optimiste sur les choses.
Il frappe tout, des choses aussi banales que la recherche dans les dépenses de capturer des exemples de manque de respect. Je suis un investisseur dans cette société appelée AppZen, qui ne de cette.
D’une part, vous auriez du dire, “Mince, James! C’est un problème ennuyeux! Qui se soucie de cela?” J’ai dit que pour le premier fondateur. Mais alors, le moment où ils regardent le nombre de cas de non-conformité que vous obtenez dans les rapports de dépenses, c’est des dizaines de millions de dollars!
C’est comme ce petit problème assis sur le sol qui n’était pas pratique de les traiter avant parce que vous devez engager beaucoup de personnes ou de sous-traiter, ce qui serait compliqué.
Mais maintenant, le peu de bots gratter au travers de toutes les données, de sorte que le coût de la prédiction va baisser de façon spectaculaire. Soudain, l’un de ceux lancinante peu de choses qui vous inquiète dans le dos devient quelque chose dans l’immédiat à résoudre.
La partie difficile est que nous ne savons pas ou nous n’avons pas de bonnes façons encore de prédire, de la façon dont beaucoup de ces modèles, ou de ces bots, aidera l’organisation. Nous n’avons pas une bonne intuition autour de, “Si je passe après ce problème, peut-être que je vais économiser autant d’argent.”
[Mais alors, nous pouvons résoudre les problèmes nous n’étions même pas au courant de l’] ou de la pensée étaient insolubles. C’est la partie intéressante.
En d’autres termes, les gens d’affaires ont besoin d’acquérir une meilleure compréhension des données?
Oui, nous sommes aussi dans cette migration de données d’un monde à un modèle du monde. Les entreprises qui font que le meilleur, ou le savoir plus tôt, vont être ceux qui vont être — imaginez tous les mots à la mode que vous aimez, comme “agile” ou “dynamique”, ou quel que soit, ces bonnes choses.
Ceux qui est centrée sur le modèle, et sont intelligents au sujet d’être centrée sur le modèle vont être ceux qui vont être couronnée de succès.
Merci à Christopher Michel de me présenter à James Cham et à mon collègue, Lisbeth Shaw, pour leur aide dans cette colonne.
CXOTALK vous apporte les plus innovantes du monde chefs d’entreprises, des auteurs, et des analystes pour une discussion en profondeur disponibles nulle part ailleurs. Profitez de toutes nos épisodes et télécharger le podcast sur iTunes et Spreaker.