Dagens CIO måste se till att deras organisationer har en “AI-klar” infrastruktur som kan stödja data och applikationer relaterade till AI.
Vad är ett AI-first-företag?
Det kan vara ett befintligt företag som börjar sätta AI i början av varje samtal, högst upp på agendan i varje möte, eller det kan vara ett nytt företag som är fokuserat och strategiskt om att samla in rätt data, mata in dem i rätt system, bygga produkter med prediktivt värde.
Det är vad ett AI-first-företag är: ett företag som får det absolut nödvändiga att bygga dessa system och får behovet av att fokusera på detta från dag ett, så att du har rätt data på rätt plats som matar in rätt modeller. Snarare än att senare försöka sprida AI över data som du av misstag har samlat in.
Konsekvenserna är ett fokus på datahantering, datainsamling och datatalang eller datakompetent talang när du funderar på budgetering, var du ska fokusera din uppmärksamhet.
Om att investera i datainfrastruktur
När du verkligen fokuserar på att samla in data, vad är det för konstiga och underbara sätt du kan samla in den informationen? Hur hanterar du till exempel en datamärkning? Det är en ganska ny utmaning. Det är inte en funktion som har funnits tidigare.
När du anställer människor, vad är skillnaden mellan en produktchef och en dataproduktchef? Vad är skillnaden mellan en mjukvaruutvecklare och en dataingenjör? Vad är skillnaden mellan en projektledare och en dataprojektledare? De är olika roller som du anställer från olika bakgrunder.
Det finns också en rad organisatoriska frågor att ställa. Hur väljer du rätt grad av centralisering och decentralisering i din organisation? Hur centraliserar du tillräckligt så att du har en bra datainfrastruktur, du har en bra uppsättning verktyg som människor kan använda för att bygga modeller i hela din organisation?
Hur upprätthåller du också en grad av decentralisering, så datavetenskap och talang för maskininlärning är ute på fältet och förstår de förutsägelseproblem som ditt företag har? Ute på fältet med människorna med klippbord, kolla in saker på en säkerhetskontrollista eller inventarier på ett lager eller vad som inte är. De förstår vilken data som är tillgänglig, vad människor försöker göra, vad människor försöker automatisera osv. Det är en organisatorisk fråga.
Sedan finns det också, slutligen, mätvärden och mätningar. Hur skiljer sig mätvärdena för ett AI-first-företag jämfört med ett normalt mjukvaruföretag? Hur mäter man egentligen avkastningen på investeringar i AI -projekt? Hur förstår du om dessa modeller fungerar? Hur ser du då till att de håller koll?
Om CIO -rollen i företagets AI
CIO: s roll förändras i hög grad när du tänker på kapitaltilldelning till datainfrastruktur, datainsamling och datatalang. Det förändras med avseende på hur du hanterar eller strukturerar organisationen, och det ändras med avseende på dina mätvärden och vad du mäter.
Det finns så mycket nyanser kring i vilken grad du fokuserar på detta, beroende på var du befinner dig på din resa. Beroende på om du bara experimenterar med några modeller att testa, till exempel, kan vi faktiskt göra en förutsägelse om efterfrågan på det vi säljer, efterfrågan på kläderna vi säljer nästa säsong? Kan vi göra en förutsägelse om en trend i denna bransch med våra konsumenter, oavsett om de ska köpa den eller den färgen nästa säsong? Kan vi göra en förutsägelse kring denna leveranstid i vår leveranskedja?
Är du i detta skede, där du experimenterar och försöker lära dig av de data du har? I vilken utsträckning du investerar i datainsamling, datainfrastruktur och maskininlärning olika modeller är mycket annorlunda än efter att du har gjort dessa experiment, du är säker på att du kan göra dessa förutsägelser och du vill fördubbla.
Vad är “Lean AI”?
Lean Startup handlade om att begränsa mitt problem och mitt experiment för att förstå om kunderna vill ha en funktion i en produkt och att förstå om behovet verkligen finns där.
Lean AI begränsar experimentet för att testa om kunderna vill, eller kommer de att uppskatta, en förutsägelse eller lite automatisering.
Det finns en rad frågor som hjälper dig att räkna ut:
Vad är den enda datauppsättning jag behöver så att experimentet till exempel inte kräver att man får massor av data från många olika platser? Vilken modell kan jag använda? Ofta är det en mycket enkel statistisk modell snarare än att ha ett nätverk av maskininlärningsmodeller som alla är sammankopplade på ett komplicerat sätt.Vad är den enda maskinen jag kan köra den på? Kör det bara på någons bärbara dator i stället för att distribuera över hela datorinfrastrukturen.
Vilken utmatning kan jag få som kommer att vara användbar för människor, oavsett om det är ett diagram, en rapport på en sida eller en tabell med data för information?
Artificiell intelligens
Honda förbereder robotar, elektriska flygresor, månteknik för 2030 Denna AI mäter din samtalstid under möten för att göra dem mer produktiva Hur går man med i den uppkopplade världen med data och AI Vad är AI? Allt du behöver veta om artificiell intelligens
Denna Lean AI -process är ett sätt för dig att snabbt komma igång och göra minst ett experiment som hjälper dig att ta reda på var du ska investera nästa.
CXOTalk presenterar djupgående samtal med människor som formar vår värld. Tack till min seniorforskare, Sumeye Dalkilinc, för hennes hjälp med detta inlägg.
Relaterade ämnen:
Artificiell intelligens Digital Transformation Innovation Tanke Ledarskap Teknisk industri 