När det gäller artificiell intelligens, försök inte göra det ensam. IT-avdelningar, oavsett hur skickliga och redo utvecklare och datavetare kan vara, kan bara gå så långt förbi proof of concept. Det krävs människor — från alla hörn av företaget och som arbetar tillsammans — för att leverera AI-framgång,
Foto: Joe McKendrick
När de diskuterade lärdomar om AI de senaste åren pekar branschexperter på behovet av att få med människor från hela företaget. “En stor mängd träningsdata och elastisk beräkningskraft är inte hörnstenarna för framgångsrika AI-implementeringar”, säger Sreedhar Bhagavatheeswaran, global chef för Mindtree Consulting.
Den hörnstenen för AI-framgång är människor — inte bara AI-färdigheter, utan engagemang från alla discipliner, från marknadsföring till supply chain management. Under de senaste åren – och särskilt under det senaste året, när behovet av automatiserade eller obevakade processer accelererade, “har företag lärt sig att de måste få intressenternas inköp, med en sann förkämpe för AI inom organisationens ledningsgrupp”, säger Dan Simion , VP för AI och analys på Capgemini Americas.
En samordnad AI-utvecklings- och implementeringsansträngning kräver också “stark styrning, intern marknadsföring inom företaget och lämplig utbildning för att underblåsa ytterligare antagande av AI-initiativ över verksamhetens funktionella områden”, tillägger han. Nyckeln är att kunna visa upp de värdefulla insikter som genereras av dessa modeller,
I ansträngningarna att göra AI genomträngande, “är företag nu medvetna om kritiska faktorer som att identifiera rätt resor och användningsfall där AI-intervention kan göra en affärsinverkan, operationalisera AI genom att etablera en AI-drift och styrningsmekanismer, och blanda rätt andel av datateknik och AI-talanger”, säger Bhagavatheeswaran.
Haken är naturligtvis att många av dessa ansträngningar undergrävs av organisationspolitik, eller enkel tröghet. AI verkar glamoröst och lovande, men acceptans och adoption tar tid. “Företag bör planera för den tid och den ansträngning som krävs för att genomföra utbildningssessioner, och kontinuerligt förstärka användningen och fördelarna med AI-systemet jämfört med de traditionella metoderna”, råder Nitin Aggarwal, vice president data analytics på The Smart Cube. “Att dela och fira små och frekventa vinster är en beprövad katalysator.”
AI måste också ha ett vänligt ansikte, snarare än uppfattningar om robotar, mjukvara eller annat, som tar över företaget. “Gör slutanvändargränssnittet affärsvänligt och intuitivt”, föreslår Aggarwal. “Ju lägre bördan det är för slutanvändaren att förstå insikterna i termer av 'så vad', desto större är chansen att de faktiskt använder systemet.” Om möjligt rekommenderar han att ha ett MLOps-team till hands “för att säkerställa att de implementerade lösningarna fortsätter att fungera som förväntat.”
Hittills är de områden av verksamheten som har mest framgång med AI “de som har direkta kopplingar till kundinteraktioner – såsom marknadsföring och försäljning”, säger Simion. “Dessa områden letar ständigt efter att driva intäkter och är mer öppna för innovativa nya metoder och taktiker för att förbättra effektiviteten, som AI erbjuder.” Aggarwal håller med och noterar att områden som ser mest framgång med AI inkluderar “optimering av marknadsföringsmix, förbättring av prissättning och kampanjavkastning, efterfrågeprognoser, CRM och hyperpersonalisering.” På senare tid har dock AI:s kraft också kopplats till områden som riskhantering i supply chain, tillägger han.
AI är mer än teknik – det är nya sätt att tänka på problem och möjligheter. Alla behöver ha tillgång till detta kraftfulla nya verktyg, uppmanar Simion. “Se till att alla i hela företaget använder samma teknikstack, så att varje funktionsområde kan ha tillgång till samma lektioner och insikter. Konsekvensen av tekniken och värdet den kan ge är det som gör störst skillnad.”
AI-antagande beror också på uppfattningar om att det är rättvist och korrekt, vilket gör att bekämpa AI-bias är en annan utmaning som förespråkare måste ta itu med direkt. Börja med datan, konstaterar Aggarwal. “När AI-algoritmer lär sig av data, gör en medveten ansträngning för att samla in och mata rikare data, som är korrigerad för bias och är ganska representativ för alla klasser,” råder han.
I de flesta fall, “när du distribuerar AI-modeller i produktion i stor skala, har du automatiska verktyg för att övervaka resultaten i realtid”, säger Simion. “När AI-modellerna ligger utanför sina förinställda gränser och gränser är mänskligt ingripande nödvändigt. Detta görs för att säkerställa att AI fungerar som förväntat för att öka effektiviteten för verksamheten, och det görs också för att säkerställa eventuella problem med AI-bias eller förtroende fångas upp och korrigeras.”
Det är avgörande att människor hålls i ögat, säger Aggarwal. “Ibland är mänskligt beslutsfattande vid sidan av algoritmen till hjälp för att förstå olika svar och identifiera eventuella inneboende fel eller fördomar. Mänskligt omdöme kan ge mer medvetenhet, sammanhang, förståelse och forskningsförmåga för att vägleda rättvist beslutsfattande. Debiasing bör ses som en pågående engagemang.”
Som en del av detta kan företag dra nytta av att inrätta ett “AI-styrningsråd som granskar inte bara affärsresultaten som påverkas av deras AI-initiativ, utan också ansvarar för att förklara resultaten av specifika användningsfall när det behövs”, säger Bhagavatheeswaran.
IT-ledare och personal behöver få mer utbildning och medvetenhet för att även lindra AI-bias. “Det är också kopplat till hur personalens prestationer utvärderas och hur incitamenten är anpassade”, säger Aggarwal. “Om att skapa det mest exakta AI-systemet är nyckelresultatområdet för en dataforskare, är chansen stor att du får ett mycket exakt system men ett som kanske inte är det mest ansvarsfulla. På samma sätt bör en viktig utbildning för all personal vara om var man ska leta efter och hur man upptäcker fördomar i AI, och sedan belöna team som kan hitta och känna igen brister.”
Big Data Analytics | Digital transformation | CXO | Internet of Things | Innovation | Företagsprogramvara