როდის არ უნდა ჩადოთ ინვესტიცია ხელოვნურ ინტელექტში? ქვემოთ ხუთ სიტუაციას გაეცნობით, როდესაც ხელოვნურ ინტელექტს იმაზე მნიშვნელოვნად მიიჩნევენ, ვიდრე რეალურად არის

1980-იან წლებში ჩატარდა კვლევა ხელოვნური ინტელექტის (AI) დანერგვაზე ბიზნესში და შედეგები MIS Quarterly-ში გამოქვეყნდა. კვლევამ უჩვენა, რომ კომპანიები ჩქარობდნენ ხელოვნურ ინტელექტში ინვესტირებას და მისი საბაზრო ღირებულება პროგნოზის მიხედვით, $4 მილიარდი იყო.

თუმცა, შედეგები შოკისმომგვრელი აღმოჩნდა.

კვლევამ უჩვენა, რომ ხუთი წლის განმავლობაში ხელოვნური ინტელექტის გადაწყვეტილებების მხოლოდ 33%-ს თუ მოჰქონდა გარკვეული ფასეულობა, დანარჩენი საერთოდ არ გამოიყენებოდა. გაირკვა, რომ AI-ის მრავალი პოპულარული აპლიკაცია წმინდა წყლის გამონაგონი იყო და ხელოვნურმა ინტელექტმა რამდენიმე კომპანიას საერთოდ გაუცრუა იმედები.

დღეს ეს ისტორია თავიდან მეორდება.

ხელოვნურ ინტელექტის უკვე საკმაოდ დიდი ხანია იკვლევენ, ბოლო ათი წლის განმავლობაში მიღწეული პროგრესისა და ბოლოდროინდელი მიღწევების მიუხედავად, კომპანიები არ ჩქარობენ ამ ტექნოლოგიის დანერგვას. McKinsey-ის მიერ ჩატარებულმა გამოკითხვამ უჩვენა, რომ კომპანიების მხოლოდ 8% -ს ჰქონდა ისეთი პრაქტიკა, რომელიც მათ ხელოვნური ინტელექტის დანერგვისა და განვითარების საშუალებას აძლევდა.

AI- ს განსაკუთრებული შესაძლებლობები აქვს, მაგრამ ყველა ვითარებისთვის არ არის შესაფერისი. ქვემოთ ხუთ სიტუაციას გაეცნობით, როდესაც არ ღირს AI- ში ინვესტიციის ჩადება.

1. როდესაც მარტივი გადაწყვეტილებებით შეიძლება გამოსავლის მოძებნა

ბიზნესში პრობლემების უმრავლესობის გადაჭრა მარტივი ანალიზითაც შეიძლება. იმ ორგანიზაციებშიც კი, რომლებიც დღეს მანქანურ სწავლებას იყენებენ, ყველაზე პოპულარული რეგრესიაზე დაფუძნებული მარტივი ტექნიკაა. ბიზნესის მხოლოდ ნაწილს სჭირდება სინამდვილეში ხელოვნური ინტელექტი. მისი გამოყენების ცდუნება ნებისმიერი ბიზნეს პრობლემის მოსაგვარებლადკი, შესაძლოა დიდი იყოს AI-ის შესაძლებლობების დემოკრატიზაციასთან ერთად. მაგრამ საინტერესოა, რატომ უნდა გამოვიყენოთ ქვემეხი ბუზის მოსაკლავად?

Netflix-მა დიდი პრიზი, $ 1 მილიონი დააწესა, ფილმების სარეკომენდაციო მექანიზმების სიზუსტის 10% -ით გასაუმჯობესებლად. კომპანიამ მთელი მსოფლიოს 50,000 - ზე მეტ გუნდს შორის გამოავლინა გამარჯვებული, მათ ფული კი გადაუხადეს, მაგრამ მათი ალგორითმი არასოდეს გამოუყენებიათ! ამის ნაცვლად, უფრო დაბალი რანგის ალტერნატივა გამოიყენეს. ეს მარტივი გამოსავალი იყო, მართალია ის არ იყო ზუსტი, მაგრამ უფრო დაბალი ხარჯები ჰქონდა და უფრო შესაფერისი იყო რეალურ ცხოვრებაში გამოსაყენებლად.

2. როდესაც არ გაქვთ საკმარისი მონაცემები

ანალიტიკური მეთოდები მონაცემებს მოითხოვს, რომ სასარგებლო ინფორმაციის მიღება გახდეს შესაძლებელი. რაც უფრო მძლავრია მეთოდი, მით დიდი მოცულობის მონაცემებია მისთვის საჭირო. AI გრანდიოზული რაოდენობის მონაცემებს მოითხოვს და მონაცემთა ასობით ათასი წერტილი სჭირდება ისეთი ძირითადი ამოცანების შესასრულებლად, როგორიც გამოსახულების აღმოჩენაა. ეს მონაცემები უნდა გაიწმინდოს და სპეციალურ ფორმატში მომზადდეს ხელოვნური ინტელექტისთვის. მაღალი ხარისხის, მონიშნული მონაცემები ფუფუნება არ არის, რომლის უფლებაც საკუთარ თავს ყველა ორგანიზაციამ შეიძლება მისცეს.

მაგალითად, AI- ს თქვენი გაყიდვების პროგნოზირება შეუძლია შემდეგი 4 კვირის განმავლობაში. მაგრამ მხოლოდ იმ შემთხვევაში, თუ მრავალი თვის დეტალური ისტორიული მონაცემები გაქვთ. თუ ბოლო რამდენიმე კვირის მონაცემები გაქვთ, AI ვერ დაგეხმარებათ. ამიტომ, პროგნოზირების მარტივი მეთოდები გამოიყენეთ, როგორიცაა მაგალითად, ექსტრაპოლაცია. მას მონაცემთა რამდენიმე წერტილის საშუალებით შეუძლია, სარწმუნო ინფორმაცია მოგაწოდოთ თქვენი ბიზნეს გადაწყვეტილებების დასასაბუთებლად.

3. როდესაც ხელოვნური ინტელექტი გარკვეულ სფეროებში ექსპერიმენტების დონეზეა

ჩვენ ყოველდღიურად ვხედავთ თუ რა შთამბეჭდავი მიღწევები ხდება ხელოვნური ინტელექტის კვლევის სფეროში. დღეს ხელოვნურ ინტელექტს თქვენი სუბტიტრების გამოსახულებების შექმნა შეუძლია, ან დრონების მთელი გუნდის გაკონტროლება. ამასთან, ისიც უნდა ითქვას, რომ ამოცანების შესრულება სრულიად განსხვავებულია კონტროლირებადი სცენარების პირობებში და რეალურ ცხოვრებაში. AI- ის მრავალი შთამბეჭდავი მიღწევა ჯერ კიდევ ექსპერიმენტების ეტაპზეა.

2013 წელს ანდერსონის ონკოლოგიურმა ცენტრმა თამამი ნაბიჯი გადადგა, რომ კომპიუტერულ სისტემაში (IBM Watson) ხელოვნური ინტელექტი დაენერგა და თავის კლინიცისტებს ონკოდაავადებების დიაგნოსტირებაში დახმარებოდა. მომდევნო რამდენიმე წლის განმავლობაში კომპანიამ $62 მილიონი დახარჯა, ამ შესაძლებლობის პრაქტიკულად გამოყენებას ცდილობდა, მაგრამ საბოლოოდ სისტემის გამოყენებაზე უარი განაცხადა. დღეს, AI-ს კიდევ უფრო დიდი პროგრესი აქვს სიმსივნური დაავადებების გამოვლენაში, მაგრამ ჯერჯერობით ფართოდ არ არის გავრცელებული. მართალია, ექსპერიმენტების ჩატარება ხელოვნური ინტელექტის გამოყენებით კარგია, მაგრამ ზუსტად უნდა იცოდეთ, თუ რა სფეროშია იგი უკვე ისეთ ეტაპზე, რომ მისი გამოყენება შეძლოთ.

4. როდესაც ხარჯები სარგებელს აღემატება

დღეს უკვე არსებობს სფეროები, რომლებშიც AI-ს კარგად შეუძლია სამუშაოს შესრულება. თუმცა, მისი ღირებულება იმდენად მაღალია, რომ ეკონომიკური თვალსაზრისით მისი გამოყენება ჯერჯერობით არ არის მიზანშეწონილი. როდესაც ორგანიზაციები AI-ზე ფიქრობენ, ისინი ხშირად მხოლოდ მისი დანერგვის ხარჯებს გეგმავენ. ამ დროს, ეს მხოლოდ აისბერგის მწვერვალია, AI-ის თქვენს სამსახურში ჩასაყენებლად, გაცილებით მეტი ინვესტიციაა საჭირო.

მაგალითად, თუ AI-ზე ორიენტირებულ პლატფორმას ქმნით მომხმარებლებთან ურთიერთობის დასამყარებლად, ახალი მონაცემები უნდა შეაგროვოთ, რომლებიც მომხმარებელთა გაცილებით ღრმა სიგნალების მიღებას შეძლებს. თქვენ ხელით უნდა მოახდინოთ მონაცემების მარკირება AI-სთვის, და თან, ჯერ კიდევ იქამდე, ვიდრე პროგრამულ პლატფორმებში, მაღალი ხარისხის ტექნიკაში და ანალიტიკურ გუნდებში გადაიხდით თანხებს. გარდა ამისა, თქვენ საბოლოო მომხმარებლებიც უნდა მოამზადოთ, რომ მათი მონაცემები შესაბამისი იყოს, თქვენი ბიზნესის პროცესებიც უნდა მოაწესრიგოთ და მიმდინარე ცვლილებების სამართვად ბიუჯეტიც უნდა გამოყოთ.

AI- ის გასავითარევლად იმდენი თანხა უნდა გადაიხადოთ, რამდენიც მის დანერგვაში გადაიხადეთ. მაგრამ ყველაზე მნიშვნელოვანი, მაინც ერთი შეკითხვაა, მოგიტანენ თუ არა კმაყოფილი მომხმარებლები საკმარის დამატებით შემოსავალს, რომ AI- სთან დაკავშირებული ყველა ხარჯი დაფაროთ. ეს მაჩვენებელი გადამწყვეტი ნაბიჯის გადადგმამდე უნდა გამოითვალოთ.

5. სადაც გაგება და თანაგრძნობაა საჭირო

დავუშვათ, თქვენი ბიზნეს პრობლემა ზემოთ მოცემულ ოთხ სცენარში არ ეწერება. AI მაინც ვერ იქნება თქვენთვის შესაფერისი, თუ თქვენს მომხმარებლებს გაგება და თანაგრძნობა სჭირდებათ. AI-ს საკმაოდ კარგად შეუძლია კანონზომიერებების ამოცნობა და უფრო ღრმა ტენდენციების გამოვლენაც, რომელთა დაფიქსირების შანსიც ადამიანებს არ აქვთ. ხელოვნურ ინტლექტს საერთოდ არაფერი ესმის, მას არც ემოციური კავშირის დამყარება შეუძლია ადამიანებთან, ანუ მომხმარებლებთან.

ჩვენ დავინახეთ, თუ როგორ იკვლევს გზას AI კიბოს კვლევაში. იგი მაღალი რანგის ექიმების მიერ დასმულ დიაგნოზებსაც კი ცვლის. თუმცა, როგორ ფიქრობთ, მზად არიან პაციენტები აპარატებისგან მოისმინონ თავიანთი დიაგნოზები? ემოციური ინტელექტი და თანაგრძნობა ღრმად ადამიანური უნარებია. რამდენად კრიტიკულია ეს საკითხები თქვენი სფეროსთვის? ამ საკითხზე დაფიქრება იმის გადაწყვეტაში დაგეხმარებათ, ნამდვილად გჭირდებათ თუ არა AI. გარდა ამისა, იმასაც გიჩვენებთ, რამდენად აუცილებელი იქნება ადამიანების აქტიური ჩარევა ოპერაციებში მაშინაც კი, თუ AI-ს დანერგავთ.

როგორ უნდა დაადგეთ სწორ გზას

ჩვენ იმასაც გადავხედეთ, თუ რა ნაკლოვანებები აქვს ხელოვნურ ინტელექტს და სიტუაციებიც მიმოვიხილეთ, რომლებსაც შეიძლება ის საერთოდ არ მოერგოს. ეს კიდევ ერთი, ძლიერი ინსტრუმენტი უნდა იყოს თქვენი ანალიტიკური ინსტრუმენტების ნაკრებში.

როგორ უნდა დაადგინოთ, არის თუ არა AI შესაფერისი თქვენი კომპანიის პრობლემების მოსაგვარებლად?

თქვენი ბიზნესის საჭიროებებით დაიწყეთ. დაადგინეთ, როგორ შეიძლება მოაგვაროს ეს პრობლემები ტექნოლოგიამ და მონაცემებმა. ჩამოაყალიბეთ, რა შეიძლება იყოს საუკეთესო გამოსავალი თქვენი ბიზნესის პრობლემების მოსაგვარებლად. თქვენს ხელთ არსებული ყველა ინსტრუმენტი შეაფასეთ, უმარტივესი მეთოდებით დაწყებული. როდესაც უფრო რთულ ამოცანებს განიხილავთ, ერთმანეთს დაუკავშირეთ რამდენად მარტივია შედეგების მიღება და რამდენად ეფექტურია ეს შედეგები. თუ AI- ს დანერგვას გადაწყვეტთ, მის გასააქტიურებლად სწორი მონაცემებიც უნდა გქონდეთ, საჭირო ბიუჯეტიც და ადამიანური რესურსებიც, რომელთა ჩარევის გარეშე ის სრულყოფილი არ იქნება.