Malé podniky, které do AI neinvestovaly, pravděpodobně neprovedly dostatečný výzkum

Podle zprávy Bluewolf (společnost IBM) implementovalo řešení založená na umělé inteligenci (AI) pouze 21 procent malých podniků. Průzkum AI Investment Gap Survey oslovil 177 tvůrců rozhodnutí po celém světě, aby určili, zda dosud přijali AI a strojové učení (ML) a hloubku jejich porozumění těmto technologiím. Přestože 33 procent malých podniků plánuje investovat do AI v příštích 12 měsících (celkový počet příjemců AI v příštím roce se tak zvýší na 54%), ale celková částka je stále nižší než u velkých společností. Navíc 30 procent velkých společností již investovalo do AI, zatímco 44 procent plánuje začít investovat během následujících 12 měsíců. To přináší celkem 74 procent, což je o 20 procent více než celkový počet malých podniků.

Vanessa Thompson, senior viceprezidentka pro sledování zákaznických zkušeností v Bluewolfu, uvedla, že mezi společnostmi, které přijaly nástroje AI, a společnostmi, které takové nástroje neplánují, existuje mezera ve znalostech. Podle písemného prohlášení nazývá tento propast „AI Investment Gap“ a popisuje ji jako „rozpor mezi vedoucími pracovníky na úrovni C, kteří rozumějí AI, a těmi, kteří jej ještě musí do svého podnikání nasadit“.

Protože Bluewolf prodává nástroje pro umělou inteligenci, mělo by se jim ukázat, že jediným důvodem, proč lidé nekupují nástroje umělé inteligence, je to, že o nich nevědí. Abychom zkontrolovali Thompsonovo tvrzení, mluvil jsem s Brandonem Purcellem, hlavním analytikem zákaznických statistik ve společnosti Forrester Research, o tom, jaké případné další problémy by mohly způsobit mezeru mezi těmi, kdo přijali AI, a těmi, kteří tak neučinili. Purcell a Forrester Research provedli své vlastní podobné studie o adopci umělé inteligence. Přestože jeho celkový počet je podobný jako u IBM - 51 procent společností přijalo nebo rozšiřuje AI a 20 procent tvrdí, že plánují přijmout během příštích 12 měsíců - Purcell přišel s několika dalšími přesvědčivými důvody, proč by malé podniky mohly být pozadu křivka přijetí AI.

Náklady na AI

Purcell označil investiční omezení za hlavní faktor, zejména „pokud jde o soubor dovedností. Malé podniky nemají zdroje na najímání datových vědců, “ uvedl. Toto jsou pracovníci, kteří získají poznatky z dat tlačených do a z podnikového softwaru.

Budou také těmi, kdo určují, zda AI přesně čte vaše data a přijímá opatření na základě své vlastní inteligence. Průměrný plat pro vědce v oblasti dat je 113 436 dolarů ročně, podle společnosti Glassdoor, což je (ve velkém schématu bohatých) jen o něco méně než průměrný plat amerického generálního ředitele (podle PayScale 166 000 USD). Takže, pokud jste generální ředitel malé firmy, který pracuje s nízkými maržemi a nechcete snižovat svůj vlastní plat, pak by bylo obtížné racionalizovat utrácení šesti čísel na datového vědce - a utrácení peněz za softwarový systém, který umí převádět data v AI.

Ale nejde jen o zapojené peníze, které zakazují menším společnostem investovat do softwaru řízeného umělou inteligencí. „Na související poznámku existuje datový faktor, “ řekl Purcell. "AI vzkvétá, když máte velké množství dat. Malé podniky nemají tolik dat, aby to dokázaly."

Přemýšlejte o tom takto: Víte, jak Facebook ví, které přátele mají označit, když zveřejníte fotku? Je to proto, že Facebook shromažďuje informace ze všech vašich dříve označených příspěvků. Dívali jste se někdy na film, který vám Netflix doporučil? Netflix věděl, že doporučí tento film na základě vašich předchozích výběrů. Facebook a Netflix jsou schopni udělat tato doporučení na základě ML, který je prvním bratrancem AI. Ačkoli jsou si podobné, oba termíny se často používají zaměnitelně (a nesprávně).

Zde je základní rozdíl mezi pojmy: Systémy ML využívají inteligenci ke zlepšení výkonu tím, že vám nabízejí doporučení a způsoby, jak zefektivnit procesy, zatímco systémy využívající AI dávají softwaru samostatnost při provádění úkolů a rozhodování bez lidského dohledu. ML je Netflix, který vydává doporučení k filmu, zatímco AI je vůz, který vás vede do práce, zatímco si vzpíráte zadní sedadlo. Jako malá firma, která právě začíná generovat data, budou výhody AI nepatrné ve srovnání s tím, co by mohla vidět společnost Fortune 500, když zapnou svůj software AI.

Je Bluewolf špatný?

Takže byl Bluewolf ve svém průzkumu krmen špatnými informacemi? Zná malé podniky informace o umělé inteligenci, ale prostě nemají peníze ani data, aby se tím nadchly? Purcell si nemyslí, že Bluewolfův výzkum je špatný. Ve skutečnosti připisuje IBM Watsonovi jako tvůrce kognitivního počítače, zastřešujícího pojmu, který zahrnuje AI, ML a další aplikace napodobující lidský mozek.

"Utrácel spoustu peněz za vytvoření této kategorie, ale mají velké konkurenty ve vesmíru: Google, Amazon, Facebook, Microsoft, " řekl Purcell. "Tyto společnosti také sedí na obrovském množství dat používaných k trénování systémů AI. Hollywoodská definice AI je vnímající robot. To jsme dosud nepoužili. Ale pokud jde o implementaci AI na podnikové úrovni pro praktickou AI „Společnost IBM tyto nástroje vyniká.“

Mylné představy o Hollywoodu, umělé inteligenci a robotech, kteří nás vraždí ve spánku, jsou pravděpodobně důvodem, proč se malé podniky vyhýbaly učení o nástrojích umělé inteligence. Pokud jste prodejcem triček v Oklahomě, pak co dobrého je autonomní automobil nebo budoucí robot vyzbrojený laserovou pistolí? Když se však Purcell a Thompson berou ve svém méně známém kontextu, vidí praktické případy použití pro malé podniky - případy použití, o nichž malé podniky dosud nebyly vzdělány.

S něčím, co Thompson a Bluewolf označují jako „rozšířená inteligence“, nepotřebují malé podniky nutně odbornost v oblasti dat nebo informace, aby mohly využívat AI. Bluewolf definuje rozšířenou inteligenci jako schopnost aplikací uvažovat, odvodit a extrahovat myšlenky, a to iu nestrukturovaných datových sad, jako je jazyk a obrázky. Dokonce i na začátku sběru dat společnosti se mohou rozšířená zpravodajská řešení naučit průběžně, bez ohledu na to, jak málo informací je do systému přiváděno.

„Rozšířená inteligence pomáhá koncovým uživatelům předvídat, co dělat dál tím, že jim poskytuje profil toho, co jejich zákazníci potřebují, “ řekl Thompson. "Vidíme rozšířený způsob, jak učinit AI realitou pro společnosti jakékoli velikosti."

To zahrnuje věci, jako je například kombinace externích a interních dat, aby se utužilo vědomí, že rozšířená zpravodajská technologie používá při obchodních rozhodováních. Například kombinací externích místních nákupních modelů a údajů o počasí s vlastními údaji o vzorech nákupů zákazníků mohou společnosti elektronického obchodování poskytovat kampaně s personalizací. V tomto scénáři by byl datový vědec nápomocný, ale ne nutný, a údaje o zákaznících by kampaň ještě posílily. To by však nezabránilo tomu, aby byla kampaň silnější, než by byla bez kombinace interních a externích zdrojů dat.