Pse duhet të mendoni për AI si një sport ekipor

Çfarë do të thotë të mendosh për AI si një sport ekipor? Ne po shohim që projektet e inteligjencës artificiale të kalojnë nga reklama në ndikim, kryesisht sepse rolet e duhura po përfshihen për të ofruar kontekstin e biznesit që ka munguar më parë. Ekspertiza e domenit është thelbësore; makineritë nuk kanë thellësinë e kontekstit që kanë njerëzit dhe njerëzit duhet të njohin mjaft mirë biznesin dhe të dhënat për të kuptuar se cilat veprime duhet të ndërmarrin bazuar në çdo njohuri ose rekomandim që shfaqet.

Kur bëhet fjalë për shkallëzimin e inteligjencës artificiale, shumë udhëheqës mendojnë se kanë një problem me njerëzit - në mënyrë specifike, jo shkencëtarë të mjaftueshëm të të dhënave. Por jo çdo problem biznesi është një problem i shkencës së të dhënave. Ose të paktën, jo çdo sfidë biznesi duhet t'i hidhet ekipit tuaj të shkencës së të dhënave. Me qasjen e duhur, ju mund të korrni përfitimet e AI pa sfidat që vijnë me ciklet tradicionale të shkencës së të dhënave.

Për të vendosur dhe shkallëzuar zgjidhjet e AI, drejtuesit duhet të ndryshojnë mentalitetin e organizatës për të menduar për AI si një sport ekipor. Disa projekte të inteligjencës artificiale kanë nevojë për një grup të ndryshëm njerëzish, mjetesh dhe pritshmërish për atë se si duken rezultatet e suksesshme. Njohja se si t'i njohësh këto mundësi do t'ju ndihmojë t'i afroheni projekteve më të suksesshme të AI dhe të thelloni grupin tuaj të përdoruesve të AI, duke shtuar shpejtësinë dhe fuqinë në vendimmarrje në të gjithë fuqinë punëtore. Le të shqyrtojmë pse dhe si.

Organizatat po demokratizojnë analizat e avancuara me AI

Përdorimi i AI për të zgjidhur problemet e biznesit ka qenë kryesisht kompetencë e shkencëtarëve të të dhënave. Shpesh, ekipet e shkencës së të dhënave rezervohen për mundësitë më të mëdha dhe sfidat më komplekse të një organizate. Shumë organizata kanë qenë të suksesshme në aplikimin e shkencës së të dhënave në raste të veçanta përdorimi si zbulimi i mashtrimit, personalizimi dhe më shumë, ku ekspertiza e thellë teknike dhe modelet e rregulluara mirë sjellin rezultate jashtëzakonisht të suksesshme.

Sidoqoftë, shkallëzimi i zgjidhjeve të AI përmes ekipit tuaj të shkencës së të dhënave është sfidues për organizatat, për shumë arsye. Tërheqja dhe mbajtja e talenteve është shumë e shtrenjtë dhe mund të jetë e vështirë në një treg konkurrues. Projektet tradicionale të shkencës së të dhënave shpesh mund të marrin shumë kohë për t'u zhvilluar dhe vendosur përpara se biznesi të shohë vlerë. Dhe edhe ekipet më me përvojë dhe më të fuqishme të shkencës së të dhënave mund të dështojnë nëse u mungojnë të dhënat ose konteksti i nevojshëm për të kuptuar nuancat e problemit që u kërkohet të zgjidhin.

Gartner® 2021 Gjendja e shkencës së të dhënave dhe mësimit të makinerisë Raporti (DSML) thotë se “kërkesa e klientit po ndryshon, me audiencë më pak teknike që duan të aplikojnë DSML më lehtë, ekspertët kanë nevojë të përmirësojnë produktivitetin dhe ndërmarrjet që kërkojnë kohë më të shkurtër për të vlerësuar investimet e tyre¹.” Ndërsa mund të ketë shumë probleme biznesi që mund të përfitojnë nga shpejtësia ose tërësia e analizave që mund të ofrojë AI, një qasje tradicionale e shkencës së të dhënave mund të mos jetë gjithmonë plani më i mirë i sulmit për të parë vlerën shpejt. Në fakt, i njëjti raport i Gartner parashikon se "deri në vitin 2025, një mungesë e shkencëtarëve të të dhënave nuk do të pengojë më miratimin e shkencës së të dhënave dhe të mësimit të makinerive në organizata".

Ekspertiza e domenit është kritike për shkallëzimin e AI në të gjithë biznesin

AI tashmë po ndihmon në sjelljen e aftësive të avancuara të analizës për përdoruesit që nuk kanë prejardhje të shkencës së të dhënave. Makineritë mund të zgjedhin nga modelet dhe algoritmet më të mira të parashikimit, dhe modelet themelore mund të ekspozohen, duke ofruar mundësinë për t'i akorduar ato dhe për t'u siguruar që gjithçka përputhet me atë që kërkon përdoruesi.

Këto aftësi u japin analistëve dhe ekspertëve të aftë të fushës së biznesit aftësinë për të hartuar dhe përdorur aplikacionet e tyre të AI. Duke qenë më afër të dhënave, këta përdorues kanë një avantazh ndaj shumë prej homologëve të tyre shkencëtarë të të dhënave. Vënia e kësaj fuqie në duart e atyre me ekspertizë domeni mund të ndihmojë në shmangien e kohërave të gjata të zhvillimit, ngarkesave të burimeve dhe kostove të fshehura që lidhen me ciklet tradicionale të shkencës së të dhënave. Plus, njerëzit me ekspertizë në domen duhet të jenë ata që do të vendosin nëse një parashikim ose sugjerim i AI është apo jo i dobishëm.

Me një proces më të përsëritur, rishikuar dhe rishpërndarë të ndërtimit të modelit, njerëzit me kontekst biznesi mund të marrin vlerë nga AI më shpejt—madje duke vendosur modele të reja te mijëra përdorues brenda ditëve në javë, në vend të javëve në muaj. Kjo është veçanërisht e fuqishme për ato ekipe, sfidat unike të të cilave mund të mos jenë një prioritet i lartë për ekipet e shkencës së të dhënave, por mund të përfitojnë nga shpejtësia dhe tërësia e analizës së AI.

Megjithatë, është e rëndësishme të theksohet se ndërsa këto zgjidhje mund të ndihmojnë në adresimin e hendekut të aftësive midis analistëve dhe shkencëtarëve të të dhënave, nuk është një zëvendësim për këtë të fundit. Shkencëtarët e të dhënave mbeten një partner kritik me ekspertët e biznesit për të vërtetuar të dhënat që përdoren në zgjidhjet e aktivizuara me AI. Dhe përveç këtij bashkëpunimi, edukimi dhe aftësitë e të dhënave do të jenë kritike në përdorimin e këtyre llojeve të mjeteve me sukses në shkallë.

Njohuria e të dhënave fuqizon më shumë njerëz të përdorin AI

Strategjia juaj bazë e të dhënave luan një rol të madh në ngritjen e organizatës suaj për sukses me AI, por sjellja e zgjidhjeve të AI për më shumë njerëz në të gjithë biznesin do të kërkojë një bazë të njohurive të të dhënave. Të kuptuarit se cilat të dhëna janë të përshtatshme për t'u aplikuar në një problem biznesi, si dhe si të interpretohen të dhënat dhe rezultatet e një rekomandimi të AI do t'i ndihmojë njerëzit të besojnë dhe të miratojnë me sukses AI si pjesë e vendimmarrjes së tyre. Një gjuhë e përbashkët e të dhënave brenda organizatës gjithashtu hap më shumë dyer për bashkëpunim të suksesshëm me ekspertë.

Sondazhi më i fundit global i McKinsey mbi AI zbuloi se brenda 34% të organizatave me performancë të lartë "një qendër trajnimi e dedikuar zhvillon aftësitë e AI të personelit joteknik përmes të mësuarit praktik", krahasuar me vetëm 14% të të gjithë të tjerëve të anketuar. Për më tepër, në 39% të organizatave me performancë të lartë "ka kanale të caktuara komunikimi dhe pika kontakti midis përdoruesve të AI dhe ekipit të shkencës së të dhënave të organizatës", krahasuar me vetëm 20% të të tjerave.

Udhëheqësit mund të marrin një sërë qasjesh për të ndërtuar shkrim e këndim të të dhënave, nga edukimi dhe trajnimi, programet e mentorimit, konkurset e të dhënave për ndërtimin e komunitetit dhe më shumë. Mendoni për normalizimin e aksesit dhe ndarjes së të dhënave, si dhe mënyrën se si i festoni dhe promovoni sukseset, mësimet dhe vendimmarrjen me të dhënat.

“Shkenca e të dhënave dhe edukimi në lidhje me vizualizimin dhe shkencën e të dhënave duhet të jenë më të përhapura dhe të mësohen më shpejt”, tha Vidya Setlur, kreu i Tableau Research. “Ka një lloj përgjegjësie sociale dhe organizative që vjen me mbështetjen në përdorimin e të dhënave. Njerëzit duhet të jenë më të pajisur për të kuptuar, interpretuar dhe për të shfrytëzuar sa më shumë të dhënat sepse AI do të bëhet më i sofistikuar dhe ne duhet të jemi disa hapa përpara lojës.”

Vazhdimi i ndërtimit të kulturës së të dhënave të organizatës suaj krijon mundësi të fuqishme për të ushqyer aftësitë dhe për të nxitur zgjidhje të reja në të gjithë biznesin. Shumë organizata kanë rritur tashmë investimet e tyre në të dhëna dhe analiza në vitet e fundit, pasi transformimi dixhital është përshpejtuar. Nuk është e mundur të mendosh për të dhënat si një sport ekipor - dhe tani ne kemi mjetet për ta shtrirë këtë mentalitet në AI.