Come iniziare con l'IA, prima che sia troppo tardi

L'intelligenza artificiale e l'apprendimento automatico inizieranno a prendere molte più decisioni. Probabilmente non saranno ancora utilizzati nel prossimo futuro per prendere decisioni "importanti" come se applicare una tariffa del 25% su una merce e iniziare una guerra commerciale con un partner.

Tuttavia, quasi tutto ciò che hai bloccato in Excel e massaggiato, codificato o ordinato è un buon problema di raggruppamento, classificazione o apprendimento della classificazione. Tutto ciò che è un insieme di valori che possono essere previsti è un buon problema di apprendimento automatico. Tutto ciò che è uno schema, una forma o un oggetto che devi semplicemente passare e "cercare" è un buon problema di apprendimento profondo.

E gli affari sono pieni di questi. Proprio come l'elaboratore di testi ha sostituito il pool di macchine da scrivere, l'intelligenza artificiale sostituirà presto orde di impiegati che fissano Excel e sostituirà anche alcuni analisti.

Le aziende devono prepararsi a questo cambiamento. Proprio come le aziende che non si sono preparate per il web e l'e-commerce sono rimaste nella polvere, così le aziende che non si adattano all'intelligenza artificiale e all'apprendimento automatico. Se non stai esaminando la grande quantità di dati che elabori e le decisioni che prendi e chiedi: "Non posso fare l'ultimo miglio nell'automazione?" o alla ricerca di cose che non fai perché non puoi decidere "in tempo reale" abbastanza per ottenere un vantaggio: vedrò la chiusura della tua azienda sui giornali tra qualche anno.

Per prepararti a questo cambiamento, hai cinque prerequisiti prima di poter persino iniziare una trasformazione aziendale. Hai bisogno di una strategia per diffondere l'IA nella tua organizzazione che inizi con questi cinque prerequisiti.

Prerequisito AI n. 1: istruzione

Non puoi rendere tutti nella tua azienda uno scienziato dei dati. Inoltre, parte della matematica sta andando troppo velocemente per noi comuni mortali da afferrare: l'algoritmo specifico che la gente pensa sia più efficiente questa settimana probabilmente non sarà quello giusto la prossima settimana.

Tuttavia, alcune cose fondamentali non cambieranno. Tutti nella tua organizzazione dovrebbero comprendere alcune funzionalità di base dell'apprendimento automatico, in particolare gli sviluppatori:

  • Clustering: raggruppare le cose insieme.
  • Classificazione: ordinare le cose in gruppi etichettati.
  • Previsione su una linea: se puoi creare un grafico a linee, puoi probabilmente prevedere quale sarà quel valore.
  • Previsione della varianza: che si tratti di rischio di liquidità o vibrazioni o picchi di potenza, se hai una serie di valori che rientrano in un intervallo, puoi prevedere qual è la tua varianza in un dato giorno.
  • Ordinamento / ordinamento / definizione delle priorità: non sto parlando di cose semplici. Che si tratti di ricerca o di stabilire la priorità per la chiamata successiva alla persona di vendita o di supporto, questo è qualcosa che può essere gestito dall'apprendimento automatico.
  • Riconoscimento di modelli: che si tratti di una forma, un suono o un insieme di intervalli di valori o eventi, i computer possono imparare a trovarli.

Una cosa fondamentale è avere intorno un gruppo di persone che possano sminuirlo per le persone in base al loro livello di abilità. I tuoi sviluppatori potrebbero essere interessati ad algoritmi o tecniche specifici, ma i tuoi analisti e dirigenti dovrebbero comprendere i problemi aziendali di base e le tecniche informatiche. I vostri dirigenti potrebbero non aver bisogno di sapere come funziona il clustering, ma devono riconoscere che un problema "sembra" un problema di clustering.

Infine, è necessario un aggiornamento regolare dell'istruzione, almeno una volta all'anno, poiché le capacità si stanno espandendo. 

Video correlato: Machine learning e AI decifrati

Rompendo il clamore intorno all'apprendimento automatico e all'intelligenza artificiale, il nostro panel parla delle definizioni e delle implicazioni della tecnologia.

Prerequisito AI n. 2: Componentizzazione

Alcuni dei recenti strumenti sulla componentizzazione sono "notebook" per data scientist; molti altri strumenti nascono da questi. Questi sono ottimi strumenti per i data scientist e i loro collaboratori.

Il problema è che incoraggiano le cattive pratiche quando si tratta di produzione. L'interfaccia di un algoritmo di classificazione sembra più o meno la stessa di tutti gli altri algoritmi. L'implementazione di un particolare algoritmo di classificazione non cambia con il problema aziendale.

Proprio come molte aziende hanno dovuto capire come fare una rappresentazione di un cliente (piuttosto che quelle totalmente diverse in ogni sistema per ogni problema aziendale), è necessario fare lo stesso per gli algoritmi. Questo non vuol dire che devi inventare l'unico vero algoritmo di clustering, ma che componete ciò che è diverso.

Prerequisito AI n. 3: sistematizzazione

Nonostante tutto il trambusto, la maggior parte dei sistemi sembra ancora la stessa. C'è un processo per inserire i dati in un algoritmo, un processo per eseguire l'algoritmo e un punto in cui sputare il risultato. Se stai progettando su misura tutte queste cose più e più volte per ogni algoritmo, stai sprecando tempo e denaro e creando un problema più grande per te stesso. Proprio come la SOA ha cambiato il numero di aziende che distribuiscono software applicativo, sono necessarie tecniche simili nel modo in cui viene implementata l'IA.

Non hai bisogno di un gruppo di cluster Spark personalizzati che girano ovunque con "notebook" personalizzati e processi ETL personalizzati. Hai bisogno di sistemi di intelligenza artificiale in grado di svolgere il lavoro pesante indipendentemente dal problema aziendale.

Prerequisito AI n. 4: componentizzazione AI / UI

In un mondo JavaScript / web UI con servizi RESTful sul back-end, molte delle tue UI dovrebbero essere in grado di combinarsi semplicemente in un componente AI. Che si tratti di un consiglio basato sul comportamento dell'utente o di un assistente virtuale completo, la tua azienda dovrebbe creare una libreria di interfaccia utente che includa funzionalità di intelligenza artificiale da incorporare facilmente nelle tue applicazioni aziendali.

Prerequisito AI n. 5: strumentazione

Niente di tutto questo funziona senza dati. Non torniamo alla creazione di dump di dati di grandi dimensioni in cui raccogliamo solo un mucchio di spazzatura su HDFS e speriamo che un giorno abbia valore, come alcuni fornitori ti hanno sollecitato a fare. Invece, diamo un'occhiata a quali cose dovrebbero essere strumentate.

Se sei nella produzione, ci sono semplici punti di partenza: chiunque tiri fuori un indicatore manuale sta perdendo tempo. Tuttavia, anche nelle vendite e nel marketing si hanno e-mail e telefoni cellulari: i dati possono essere raccolti automaticamente da questi che sono chiaramente utili. Invece di assillare i venditori per completare l'immissione dei dati, perché non lasciare che i sistemi lo facciano da soli?

Muovi la tua strategia di intelligenza artificiale

Per ricapitolare, i cinque prerequisiti chiave sono:

  • Diffondi la conoscenza dell'IA in tutta la tua organizzazione.
  • Tutti dovrebbero capire le cose basilari di tutti i giorni che le macchine possono fare da sole.
  • Crea sistemi e componenti per la tua intelligenza artificiale.
  • Crea mixin AI / UI per aggiungere facilmente AI alle tue applicazioni aziendali.
  • Strumenti i tuoi sistemi per raccogliere i dati necessari per alimentare gli algoritmi per prendere decisioni per te.

Se metti insieme questi prerequisiti, il resto dovrebbe seguire durante la transizione dall'era dell'informazione all'era dell'insight.