Mettre les défis de l'IA en perspective avec des partenariats

Republié par Platon

Suiveurs: 0

Fonctionnalité sponsorisée Alors que la technologie est de plus en plus déployée dans des secteurs et des industries plus verticaux, la capacité de l'intelligence artificielle (IA) à transformer les processus métier, la prise de décision stratégique et l'expérience client est saluée par les stratèges informatiques et les analystes économiques.

Même les dirigeants d’entreprise qui hésitaient autrefois à approuver l’investissement dont l’IA a besoin pour offrir une valeur optimale finissent par reconnaître son potentiel à améliorer l’efficacité opérationnelle et à ouvrir la voie à de nouvelles sources de revenus.

Les prévisions de vénérables observateurs du marché comme PwC confortent leur point de vue. C'est 'Étude mondiale sur l'intelligence artificielle» estime que l’IA pourrait contribuer jusqu’à 15.7 2030 milliards de dollars aux économies mondiales en 6.6. Sur ce montant, 9.1 XNUMX milliards de dollars pourraient provenir d’une productivité accrue et XNUMX XNUMX milliards de dollars pourraient provenir des « effets secondaires sur la consommation », affirme PwC.

Le récent déploiement de plusieurs outils d’IA générative est considéré comme un breakout point de référence pour ce qui était auparavant une branche hautement spécialisée et « futuriste » de l’informatique. Au Royaume-Uni en 2022, l'Office for Artificial Intelligence rapporté qu'environ 15 % des entreprises ont adopté au moins une technologie d'IA, ce qui équivaut à 432,000 2 entreprises. Environ 10 % des entreprises testaient l’IA et 62,000 % prévoyaient d’adopter au moins une technologie d’IA à l’avenir (292,000 XNUMX et XNUMX XNUMX entreprises, respectivement).

C'est encore une chose complexe

Au milieu de cette ferveur pour l’IA, les organisations doivent garder à l’esprit que l’IA est encore une technologie relativement jeune et qu’elle peut être difficile à mettre en place pour la première fois. De plus, le retour sur investissement (ROI) associé dépend fortement de procédures de mise en œuvre et de configurations gérées de manière très précise, souvent moins robustes face aux erreurs que les déploiements informatiques classiques.

L'IA pose des tests estimables aux équipes informatiques chargées de mettre en œuvre des initiatives et des charges de travail d'IA/Machine Learning, par exemple, qui peuvent inclure la résolution des déficits de compétences et des contraintes de calcul. Ils peuvent également impliquer des compromis en matière de ressources avec d'autres charges de travail d'entreprise utilisant déjà une infrastructure informatique commune.

« L'IA est un voyage, pas une destination : il ne s'agit pas d'être prêt à être adopté ou d'automatiser les processus simplement pour plus d'efficacité », déclare Matt Armstrong-Barnes, directeur de la technologie pour l'intelligence artificielle chez Hewlett Packard Enterprise (HPE). « Il s'agit plutôt de réaliser une valeur à long terme, d'obtenir de meilleurs résultats et de reconnaître que l'IA exige une approche fondamentalement différente du déploiement informatique. Pour les technologues d'entreprise, il s'agit d'une courbe d'apprentissage complète à 360 degrés.

Le point de vue d'Armstrong-Barnes est démontré par le dernier rapport de Deloitte "État de l'IA dans l'entreprise" Enquête auprès des chefs d'entreprise mondiaux. Ses répondants ont identifié un tas de défis posés par l’IA au cours des phases successives de leurs projets de mise en œuvre de l’IA. Prouver la valeur commerciale de l'IA est un problème cité par 37 % des personnes interrogées : les projets peuvent s'avérer coûteux, et une analyse de rentabilisation convaincante peut être difficile à valider face à des conseils d'administration et des cadres supérieurs méfiants en matière d'investissement.

L’intensification de ces projets d’IA au fil du temps peut se heurter à d’autres obstacles identifiés, tels que la gestion des risques liés à l’IA (citée par 50 % des personnes ayant participé à l’enquête de Deloitte), le manque d’adhésion des dirigeants (également 50 %) et le manque de maintenance ou support continu (50 pour cent encore).

« Il est tout à fait compréhensible que les dirigeants d’entreprise doivent être convaincus que l’IA sera payante », déclare Armstrong-Barnes. « C’est là que travailler dès le départ avec un partenaire technologique impliqué depuis de nombreuses années dans des mises en œuvre éprouvées de l’IA permet de gagner le procès. Ses antécédents apporteront de la crédibilité aux propositions de projets et contribueront à convaincre les dirigeants que les risques de l'IA sont aussi gérables que ceux de toute autre entreprise informatique.

Et même si la technologie et les talents sont certainement nécessaires, il est tout aussi important d'aligner la culture, la structure et les méthodes de travail d'une entreprise pour soutenir une large adoption de l'IA. selon McKinsey, avec des caractéristiques distinctives agissant parfois comme des obstacles au changement induit par l’IA.

"Si une entreprise a des responsables relationnels qui se targuent d'être à l'écoute des besoins des clients, ils peuvent rejeter l'idée selon laquelle une "machine" pourrait avoir de meilleures idées sur ce que veulent les clients et ignorer les recommandations de produits personnalisées d'un outil d'IA", suggère McKinsey.

« Je discute fréquemment avec mes pairs et clients HPE de l'éventail de défis qu'ils rencontrent avec le déploiement de l'IA », rapporte Armstrong-Barnes. « Certaines caractéristiques probantes communes reviennent sans cesse. La première est une sous-estimation de la différence fondamentale entre les déploiements d’IA et les implémentations informatiques traditionnelles. Les organisations doivent déployer l’IA d’une manière essentiellement différente des projets informatiques qu’elles ont mis en œuvre dans le passé. La gestion et la mise à l’échelle des données sont très différentes pour l’IA. Cela signifie que parfois, une expérience technologique durement acquise doit être réappris.

La tendance à expérimenter des pilotes d’IA avant de les déployer directement dans un cas d’utilisation réel répondant à un besoin commercial urgent doit être évitée, explique Armstrong-Barnes. « L'approche consistant à essayer avant d'acheter semble raisonnable : l'IA est complexe et nécessite des investissements », explique-t-il. « Mais avec l'IA, les essais et les projets de test ne reproduisent pas vraiment les défis que les organisations utilisatrices rencontreront lors d'une mise en œuvre réelle. . Ce qui commence « en laboratoire » a tendance à y rester.

À l'autre extrémité de l'échelle d'adoption, Armstrong-Barnes voit les entreprises qui tentent d'appliquer l'IA partout où elle peut être appliquée, même là où une application fonctionne de manière optimale sans IA : « Ce qu'il faut retenir ici, c'est que – simplement parce que dans l'IA, vous avez un énorme marteau, il ne faut donc pas tout considérer comme une noix à casser.»

Personnes et infrastructures peu disponibles

Même les systèmes d’IA les plus avancés n’ont pas encore atteint une autonomie totale de bout en bout : ils doivent être formés et peaufinés par l’expertise humaine. Cela représente un défi supplémentaire pour les entreprises aspirantes à l’IA : quelle est la meilleure façon d’acquérir les compétences nécessaires – de recycler le personnel informatique existant ? Recruter de nouveaux membres d’équipe possédant les connaissances requises en IA ? Ou explorer des options pour confier le besoin d’expertise en IA aux partenaires technologiques ?

McKinsey rapports que le potentiel de l'IA est limité par une pénurie de talents qualifiés. Un projet d'IA typique nécessite une équipe hautement compétente comprenant un data scientist, un ingénieur de données, un ingénieur ML, un chef de produit et un concepteur – et il n'y a tout simplement pas assez de spécialistes disponibles pour occuper tous ces postes vacants.

« Nous constatons que les technologues d'entreprise doivent généralement améliorer leurs capacités dans cinq domaines clés », explique Armstrong-Barnes. «Ils concernent principalement les domaines de l'expertise en IA, de l'infrastructure informatique, de la gestion des données, de la gestion de la complexité et, dans une moindre mesure, des barrières culturelles susmentionnées. Aucun de ces défis n’est insurmontable avec la bonne approche et le soutien d’un partenariat.

L’IA aime également fonctionner sur du matériel super puissant. L'approvisionnement de plates-formes de calcul hautes performances reste un défi permanent, car peu d'organisations souhaitent – ou peuvent se permettre – réaliser les investissements nécessaires dans leur parc de serveurs sans une augmentation prouvable des ratios de retour sur investissement.

« Lors de la planification des mises en œuvre de l'IA, les planificateurs informatiques doivent prendre très tôt des décisions clés concernant la technologie générique de base », explique Armstrong-Barnes. « Par exemple, allez-vous l’acheter, le construire – ou adopter une approche hybride qui englobe des éléments des deux ?

La prochaine décision importante concerne les partenariats. Une condition déterminante du succès de l’IA est que personne ne puisse faire cavalier seul, souligne Armstrong-Barnes : « Vous avez besoin du soutien de partenaires technologiques, et la meilleure façon d’établir ces partenariats passe par un écosystème d’IA. Considérez un écosystème d’IA comme un consortium d’expertise qui, réuni, vous donnera accès au savoir-faire, aux données, aux outils d’IA, à la technologie et à l’économie appropriés pour développer et opérationnaliser vos efforts d’IA.

Armstrong-Barnes ajoute : « Les clients se demandent parfois comment HPE est devenu si expérimenté dans les cas d'utilisation de l'IA : avons-nous prévu son impact il y a des années et commencé à nous préparer bien avant le marché ? Le fait est que nous avons constaté l'impact de l'IA il y a non pas des années mais des décennies, que nous avons établi des centres d'excellence et des écosystèmes en IA depuis longtemps et que nous avons réalisé des acquisitions stratégiques pour augmenter notre expertise existante en fonction des exigences des clients et des opportunités de croissance.

Pas de train, pas de gain

L'une de ces améliorations est Déterminée AI, qui est devenue partie intégrante des offres de solutions HPC et IA de HPE en 2021. Le logiciel open source de Déterminé AI répond au fait que la création et la formation de modèles optimisés à grande échelle constituent une étape exigeante et critique du développement du ML, une étape qui prend de plus en plus d'importance. nécessite que des non-technologues comme des analystes, des chercheurs et des scientifiques relèvent les défis du HPC.

Ces défis incluent la configuration et la gestion d’une pile logicielle et d’une infrastructure hautement parallèles qui couvrent l’approvisionnement informatique spécialisé, le stockage de données, la structure informatique et les cartes accélératrices.

"De plus, les acteurs du ML doivent programmer, planifier et entraîner efficacement leurs modèles afin de maximiser l'utilisation de l'infrastructure spécialisée qu'ils ont mise en place", explique Armstrong-Barnes, "ce qui peut créer de la complexité et ralentir la productivité".

Ces tâches doivent bien entendu être accomplies avec un niveau de compétence rigoureux qui, même avec le soutien d’équipes informatiques internes surchargées, n’est pas facile à garantir.

La plate-forme open source de déterminée AI pour la formation de modèles ML est conçue pour combler ce manque de ressources, en facilitant l'installation, la configuration, la gestion et le partage de postes de travail ou de clusters d'IA qui s'exécutent sur site ou dans le cloud. Et en plus d'un support premium, il comprend des fonctionnalités telles que des outils avancés de sécurité, de surveillance et d'observabilité, le tout pris en charge par l'expertise de HPE.

« Determined AI vise à éliminer les obstacles qui empêchent les entreprises de créer et de former des modèles de ML à grande échelle et rapidement, afin de générer une plus grande valeur en moins de temps, avec le nouveau système de développement d'apprentissage automatique HPE », explique Armstrong-Barnes. «Ces fonctionnalités incluent des éléments assez techniques nécessaires pour optimiser les charges de travail d'IA/Machine Learning, comme la planification des accélérateurs, la tolérance aux pannes, la formation parallèle et distribuée à grande vitesse des modèles, l'optimisation avancée des hyperparamètres et la recherche d'architecture neuronale.

« Ajoutez à cela des tâches disciplinaires telles que la collaboration reproductible et le suivi des indicateurs : cela fait beaucoup de choses à suivre. Avec l'aide de déterminé AI, les spécialistes de projet peuvent se concentrer sur l'innovation et accélérer leurs délais de livraison.

Davantage de ressources et de réglementations HPC jouent leur rôle

La puissance du HPC est également de plus en plus utilisée pour entraîner et optimiser les modèles d’IA, en plus de se combiner avec l’IA pour augmenter les charges de travail telles que la modélisation et la simulation – des outils établis de longue date pour accélérer les délais de découverte dans les secteurs de l’industrie manufacturière.

Le marché mondial du HPC devrait connaître une croissance estimable pour le reste des années 2020. Renseignements du Mordor estimations sa valeur à 56.98 milliards de dollars en 2023, et s'attend à ce qu'elle atteigne 96.79 milliards de dollars d'ici 2028, soit un TCAC de 11.18 % sur la période de prévision.

« HPE construit une infrastructure HPC depuis longtemps et dispose désormais d'un portefeuille HPC qui comprend des supercalculateurs Exascale et des plates-formes de calcul à densité optimisée. Certains des plus grands clusters HPC reposent sur l'innovation HPE », déclare Armstrong-Barnes. « HPE possède une expertise inégalée en matière de plates-formes matérielles hautes performances. »

Avec l'introduction de HPE GreenLake pour les grands modèles de langage plus tôt cette année (2023), les entreprises – des startups aux Fortune 500 – peuvent former, régler et déployer l'IA à grande échelle à l'aide d'une plate-forme de supercalcul durable qui combine le logiciel d'IA de HPE et les supercalculateurs les plus avancés.

De toute évidence, l'adoption de l'IA est un défi pour les organisations de toutes tailles, mais ce n'est pas seulement une question de technologie, souligne Armstrong-Barnes : « De plus en plus, tous ceux qui adoptent l'IA devront se tenir au courant des réglementations et des conformités émergentes en matière d'IA. Des législations telles que la Déclaration des droits de l'IA des États-Unis, la loi européenne sur l'IA et les prochaines propositions réglementaires énoncées dans le livre blanc sur l'IA du gouvernement britannique – généralement censées éclairer un cadre d'IA prêt à se conformer – en sont des exemples immanents.

Pour les entreprises qui opèrent à l’international, cela ressemble à un autre obstacle encombré de formalités administratives, mais Armstrong-Barnes suggère que la conformité réglementaire n’est peut-être pas aussi onéreuse qu’elle pourrait le paraître – avec un peu d’aide d’un écosystème de partenariats en IA bien désigné.

"Vérifiez si vos partenaires de l'écosystème d'IA pourraient également vous aider à vous conformer. Si vous êtes déjà dans un environnement commercial fortement réglementé, il se pourrait bien que vous soyez déjà à mi-chemin des observances existantes."

Sponsorisé par HPE.