Por el personal de AI Trends
Las empresas que tienen cierto éxito con sus proyectos iniciales de IA están buscando formas de acelerar la adopción para ofrecer más valor al negocio. Un investigador ha definido un modelo de madurez de adopción de IA que presenta una hoja de ruta para acelerar la adopción de IA.
La primera etapa del modelo de madurez de adopción de IA de seis pasos es el digitalización del trabajo, convirtiendo el trabajo en el mundo físico en procesos digitales que se pueden rastrear y registrar como datos, sugiere el Dr. Michael Wu, estratega jefe de inteligencia artificial de PROS Holdings, que proporciona software basado en inteligencia artificial como un servicio para la optimización de precios, con un enfoque en la aerolínea. industria.
"Esta etapa se trata de obtener los datos, que son la materia prima de la IA", afirmó Wu, en una cuenta de ZDNet. “Si está en el tren de la transformación digital, bien por usted. Ya estás en la Etapa 1 de esta curva de madurez ".
Wu se sintió calificado para crear su propio modelo de madurez de adopción de IA a partir de su trabajo en la aplicación de la experiencia en ciencia de datos para analizar los comportamientos de los consumidores en las redes sociales durante más de 10 años en sus roles anteriores. Estos incluyeron al científico jefe de Lithium Technologies, ahora llamado Khoros, que ofrece software para la participación del cliente, administración de comunidades en línea y análisis de redes sociales.
El paso a las tecnologías digitales sin contacto acelerará la adopción de la IA porque es necesaria para adaptarse a la naturaleza global del comercio electrónico y porque la IA es un diferenciador de la competencia en línea. “Todas las empresas digitales deben adoptar y eventualmente adoptarán alguna forma de IA”, afirma.
La masa crítica de datos necesarios para entrenar la IA es alta, por lo que las empresas necesitan mucho tiempo para lograr el volumen de datos necesario. Mientras tanto, las empresas pueden obtener valor de los datos que han capturado realizando análisis para ayudar a los gerentes a tomar mejores decisiones.
La mayoría de las empresas comenzarán con analítica descriptiva que resumen los datos que han recopilado, en informes y paneles, quizás impulsados por herramientas de inteligencia empresarial. A medida que crece el volumen y la diversidad de los activos de datos, la empresa puede estar lista para realizar analítica predictiva. Por ejemplo, una planta de fabricación puede usar datos de operación mecánica para inferir el tiempo de falla de cierta maquinaria con el fin de realizar un mantenimiento predictivo, sugiere Wu.
Finalmente, la empresa ha reunido suficientes datos para realizar análisis prescriptivo, utilizado para prescribir acciones que optimizan algunos resultados. Por ejemplo, se establece una recomendación de precio para un producto para optimizar los ingresos. La automatización del marketing puede prescribir la frecuencia de participación de un cliente potencial, para optimizar la oportunidad de convertir clientes potenciales en clientes. Ahora la organización está lista para la siguiente etapa de la curva de madurez.
Wu señala que los pasos dentro de la primera etapa del modelo de madurez son "independientes del proveedor, de la tecnología y del caso de uso". Más bien, se derivan de "principios de las ciencias sociales", que describe como "no como las leyes fundamentales en matemáticas, física o química que son prácticamente absolutas. Esto significa que habrá excepciones, aunque raras ".
Los pasos sucesivos en el modelo de madurez de la inteligencia artificial de Wu se derivaron de los principios de la economía del comportamiento y la psicología. Él afirma, "Por lo tanto, son independientes de los proveedores, las tecnologías, los casos de uso, las industrias, los modelos comerciales, etc. "
La segunda etapa en el modelo de madurez de la IA de Wu es intercambiar datos para la automatización. "PAGla analítica restrictiva proporciona la transición natural a esta etapa ”, afirma Wu. Automatizar las acciones que la IA ha optimizado, es la sugerencia. “Una vez que la IA esté capacitada, podría ayudarnos a automatizar ese aspecto de nuestro trabajo imitando nuestras decisiones y acciones. Básicamente, estás intercambiando tus datos por la automatización ”, afirma Wu.
Para comprometerse con esta etapa, sugiere que hay que tener fe en la máquina y dejarla funcionar. “Debemos sentirnos cómodos dejando que las máquinas hagan la llamada (al menos cuando sea lo suficientemente seguro) bajo supervisión humana”, afirma.
El resto de los pasos de Wu proporcionan una hoja de ruta para la adopción de la IA. “Junto con la IA, creo que podemos abordar los mayores desafíos a los que se enfrenta la humanidad”, afirma.
Acelerar la adopción después del éxito inicial
Las organizaciones que han comenzado su hoja de ruta hacia la IA y han tenido cierto éxito, se preguntan cómo se puede acelerar el proceso. Durante la pandemia de 2020, las empresas pusieron a prueba la IA.
"La pandemia puso en marcha la inteligencia artificial y los chatbots para responder a una avalancha de preguntas relacionadas con la pandemia", afirmó David Tareen, director de inteligencia artificial y análisis de SAS, en una cuenta de El proyecto de emprendedores. “La visión por computadora apoyó los esfuerzos de distanciamiento social. Los modelos de aprendizaje automático se han vuelto indispensables para modelar los efectos del proceso de reapertura ".
Con estos éxitos iniciales, las empresas comienzan a ver el camino hacia un mayor valor potencial para el negocio a partir de más proyectos de IA. “Si hay una razón por la que los líderes de TI deberían acelerar la adopción más amplia de la inteligencia artificial, es la capacidad de descubrir oportunidades que generan valor comercial real a través de conocimientos y eficiencias donde quizás no las había”, afirmó Josh Perkins, director de tecnología de campo de AHEAD, que es un premio Gold Socio de la nube con Microsoft Azure.
Una sugerencia es que yoidentificar los mejores casos de uso y empezar con esos. "Los esfuerzos de inteligencia artificial y aprendizaje automático se dirigen mejor a casos de uso específicos, y puede requerir la participación de un ecosistema más amplio para darle vida, especialmente si tiene una escasez de talento de inteligencia artificial y aprendizaje automático", sugiere Peter A. High, presidente de Metis Consultores de estrategia, negocios y tecnología.
Otra sugerencia es lograr hitos. “Un desafío que se pasa por alto con las iniciativas de inteligencia artificial es el compromiso de tiempo requerido antes de que se puedan entregar resultados tangibles”, afirmó Ravi Rajan, director de ciencia de datos de Cowbell Cyber, una compañía de seguros cibernéticos. "Sin objetivos claros e hitos planificados para mostrar el progreso, los proyectos de IA pueden convertirse rápidamente en descubrimientos".
En cuanto a la dotación de personal para la IA, los expertos sugieren enfoque múltiple para la adquisición de habilidades. Se demanda experiencia en big data, automatización de procesos, ciberseguridad, diseño de interacción hombre-máquina, ingenieros en robótica y expertos en aprendizaje automático. Encontrar la experiencia necesaria se ha convertido en un esfuerzo creativo que requiere enfoques innovadores.
“Además de tener planes sofisticados de contratación y retención, las organizaciones deben trabajar más para aprovechar el talento que ya tienen”, afirma Ben Pring, vicepresidente y director del Cognizant Center for the Future of Work. "Una reforma integral de la mejora de las competencias y la progresión profesional interna es un elemento importante de la estrategia de recursos humanos de múltiples factores necesaria para tener éxito en esta tarea fundamental".
Pring es coautor del libro, Qué hacer cuando las máquinas hacen todo (2017) y fundador del Cognizant's Center en 2011. Había trabajado en Gartner durante más de 14 años.
El laboratorio nacional de Oak Ridge trabajó con socios para acelerar la adopción
En energía nuclear, los ingenieros de la Laboratorio Nacional Oak Ridge (ORNL) encontró una manera de acelerar la adopción de la IA trabajando con socios.
"La industria recurre a ORNL en busca de experiencia científica y de ingeniería e instalaciones de clase mundial que no se pueden replicar fácilmente", afirmó Kathy McCarthy, directora asociada de laboratorio de la Dirección de Ciencia y Energía de Fusión y Fisión, en un presione soltar. "Aquí nuestros investigadores comparten algunos de los impactos y el éxito de sus asociaciones industriales actuales".
La colaboración condujo a la producción esta primavera de cuatro soportes de ensamblaje de combustible producidos por impresoras 3-D que se han instalado con éxito y ahora están operando en la Unidad 2 de la Planta Nuclear Browns Ferry de la Autoridad del Valle de Tennessee en Athens, Alabama. Se espera que los componentes permanezcan en el reactor durante seis años, con inspecciones de rutina.
Producidos en las instalaciones de demostración de fabricación de ORNL, se desarrollaron en colaboración con Framatome, TVA y el programa de Reactor de Desafío Transformacional (TCR) financiado por la Oficina de Energía Nuclear del DOE con sede en ORNL.
“Se necesitaron los tres puntos estratégicos: fabricante de la industria, empresa eléctrica y laboratorio nacional, para hacer posible este hito”, afirmó Ben Betzler, director del programa TCR. “A través de esta colaboración, hemos demostrado que de hecho es posible entregar un componente impreso en 3D calificado para operar en lo que es una de las industrias más reguladas del país”.
Los investigadores del programa TCR lideran 13 proyectos seleccionados para la iniciativa INFUSE (Red de innovación para la energía de fusión) del DOE.
Lea la información y los artículos de origen Desde ZDNet, de El proyecto de emprendedores y en una comunicado de prensa del Laboratorio Nacional de Oak Ridge.
- 2020
- Absoluto
- Mi Cuenta
- adquisición
- Adopción
- AI
- Adopción de IA
- línea aérea
- Alabama
- Todos
- Analytics
- Activos
- auto
- Automatización
- Azure
- MEJOR
- Big Data
- Mayor
- inteligencia empresarial
- llamar al
- Carreras
- cases
- Reto
- Chatbots
- química
- jefe
- Soluciones
- competente
- colaboración
- vibrante e inclusiva
- Empresas
- compañía
- competencia
- componente
- consumidor
- Estudio
- crédito
- CTO
- Current
- curva
- para los principales clientes de comunicaciones europeas
- Clientes
- ciber
- La Ciberseguridad
- datos
- Ciencia de los datos
- Demanda
- Diseño
- digital
- Transformación Digital
- Director
- descubrimiento
- Diversidad
- DOE
- comercio electrónico
- Ciencias económicas
- ecosistema
- Los
- energía
- Ingeniería
- certificados
- etc.
- expertos
- Lugar
- tener problemas con
- Fracaso
- Nombre
- Focus
- formulario
- fundador
- Combustible
- futuras
- Futuro del trabajo
- Gartner
- Buscar
- Goals
- Gold
- candidato
- Crecer
- cabeza
- Alta
- Contratación
- Cómo
- hr
- HTTPS
- con Humildad
- industrias
- energético
- Iniciativa
- Innovation
- originales
- Insights
- aseguradora
- Intelligence
- interacción
- diseño de interacción
- IT
- leyes
- líder
- aprendizaje
- LED
- Apalancamiento
- litio
- Largo
- máquina de aprendizaje
- Máquinas
- Management
- Fabricante
- Fabricación
- mapa
- Marketing
- la Automatización de marketing
- las matemáticas
- Medios
- Microsoft
- ML
- modelo
- modelado
- movimiento
- del sistema,
- Energía nuclear
- roble
- Laboratorio Nacional Oak Ridge
- que ofrece
- en línea
- funcionamiento
- Del Mañana
- Oportunidad
- solicite
- organización
- para las fiestas.
- pandemia
- Socio
- socios
- asociaciones
- los libros físicos
- Física
- prescribir
- presidente
- prensa
- Comunicado de prensa
- cotización
- Automatización de procesos
- producido
- Producto
- Producción
- Programa
- proyecta
- Psicología
- Crudo
- Informes
- REST
- Resultados
- ingresos
- robótica
- Ejecutar
- SAS
- Escala
- Ciencia:
- la búsqueda de
- seleccionado
- set
- Compartir
- SEIS
- habilidades
- So
- Social
- distanciamiento social
- redes sociales
- Software
- velocidad
- Patrocinado
- primavera
- Etapa
- fundó
- Zonas
- Estrategia
- comercial
- Soportado
- Talent
- Tecnologías
- Tecnología
- El futuro de las
- El futuro del Trabajo
- La Fuente
- el mundo
- equipo
- Tendencias
- descubrir
- upskilling
- us
- utilidad
- propuesta de
- vendedores
- visión
- volumen
- Que es
- Blackpaper
- QUIENES
- dentro de
- Actividades:
- mundo
- wu
- años
- ZDNET