비즈니스에서 인공 지능을 채택하기위한 10 단계

인공 지능 (AI)은 기술 산업에서 분명히 증가하는 힘입니다. AI는 컨퍼런스에서 중심 단계에 있으며 소매 및 제조를 포함한 다양한 산업 분야에서 잠재력을 보여주고 있습니다. 새로운 제품에는 가상 어시스턴트가 내장되어 있으며, 챗봇은 온라인 사무실 공급 업체 사이트에서 웹 호스팅 서비스 제공 업체의 지원 페이지에 이르는 모든 것에 대한 고객의 질문에 답변합니다. 한편 Google, Microsoft 및 Salesforce와 같은 회사는 AI를 전체 기술 스택에 지능 계층으로 통합하고 있습니다. 예, AI는 분명히 그 순간을 보내고 있습니다.

이것은 대중 문화가 우리에게 기대하는 조건이 된 AI가 아닙니다. 로봇이나 스카이 넷, 심지어 토니 스타크의 자비스 조수도 아닙니다. 이 AI 고원은 표면적으로 일어나고 있으며 기존 기술을 더욱 똑똑하게 만들고 기업이 수집하는 모든 데이터의 힘을 활용합니다. 의미: 머신 러닝 (ML), 컴퓨터 비전, 딥 러닝 및 자연어 처리 (NLP)의 광범위한 발전으로 인해 AI 알고리즘 계층을 소프트웨어 또는 클라우드 플랫폼에 구울 수 있습니다.

비즈니스의 경우 실용적인 AI 응용 프로그램은 조직의 요구와 수집 한 데이터에서 파생 된 비즈니스 인텔리전스 (BI) 통찰력에 따라 모든 종류의 방식으로 나타날 수 있습니다. 기업은 소셜 데이터 마이닝에서 CRM (고객 관계 관리) 참여 유도, 자산 추적 및 관리와 관련된 물류 및 효율성 최적화에 이르기까지 모든 것에 AI를 사용할 수 있습니다.

ML은 AI 개발에 핵심적인 역할을하고 있다고 TechCode의 Global AI + Accelerator 프로그램 총괄 책임자 인 Luke Tang은 AI 스타트 업을 창업하고 회사가 기존 제품 및 서비스 위에 AI를 통합 할 수 있도록 도와 준다고 지적했다.

Tang은“현재 AI는 ML의 모든 최근 발전에 의해 주도되고있다. 지적 할 수있는 하나의 돌파구는 없지만 지금 ML에서 추출 할 수있는 비즈니스 가치는 차트를 벗어난 것이다. "엔터프라이즈 관점에서 현재 진행중인 상황은 조정 및 제어와 관련된 일부 핵심 기업 비즈니스 프로세스 (예: 스케줄링, 자원 할당 및보고)를 방해 할 수 있습니다." 여기에는 기업이 AI를 조직에 통합하고 성공적인 구현을 위해 수행 할 수있는 단계를 설명하기위한 일부 전문가의 팁이 있습니다.

1. AI에 익숙해 지십시오

현대 AI가 할 수있는 일에 익숙해 지려면 시간을 가지십시오. TechCode Accelerator는 Stanford University와 같은 조직 및 AI 분야의 기업과의 파트너십을 통해 신생 기업에 다양한 리소스를 제공합니다. 또한 AI의 기본 개념을 익히는 데 사용할 수있는 풍부한 온라인 정보와 리소스를 활용해야합니다. Tang은 AI를 시작하고 조직 내의 ML 및 예측 분석과 같은 영역에 대한 지식을 높이기 위해 Udacity와 같은 조직이 제공하는 원격 워크샵 및 온라인 과정 중 일부를 권장합니다.

다음은 시작하는 데 사용할 수있는 많은 온라인 리소스 (무료 및 유료)입니다.

• Udacity의 AI 입문 과정 및 인공 지능 나노 학위 프로그램
• Stanford University의 온라인 강의: 인공 지능: 원리와 기법
• Columbia University를 통해 제공되는 edX의 온라인 AI 코스
• 개발자가 딥 러닝 알고리즘을 마스터 할 수 있도록 도와주는 Microsoft의 오픈 소스 Cognitive Toolkit (이전의 CNTK)
• 머신 인텔리전스를위한 Google의 오픈 소스 (OS) TensorFlow 소프트웨어 라이브러리
• AI Access Foundation의 오픈 소스 코드 디렉토리 인 AI Resources
• 인공 지능의 발전을위한 협회 (AAAI)의 리소스 페이지
• 기계 학습에 대한 MonkeyLearn의 젠틀 가이드
• 스티븐 호킹과 엘론 머스크의 생명 연구소 미래
• 개방형 산업 및 학계 전체의 딥 러닝 이니셔티브 인 OpenAI

2. AI가 해결하고자하는 문제를 식별

기본 사항에 익숙해지면 비즈니스의 다음 단계는 다른 아이디어를 탐구하는 것입니다. 기존 제품 및 서비스에 AI 기능을 추가 할 수있는 방법에 대해 생각해보십시오. 더 중요한 것은 AI가 비즈니스 문제를 해결하거나 입증 가능한 가치를 제공 할 수있는 특정 사용 사례를 염두에 두어야한다는 것입니다.

"회사와 함께 일할 때 핵심 기술 프로그램 및 문제에 대한 개요부터 시작합니다. 자연 언어 처리, 이미지 인식, ML 등이 이러한 제품에 어떻게 적용되는지 보여주고 싶습니다. Tang은 회사 경영진과 함께 일종의 작업장이라고 설명했다. "세부 사항은 항상 산업마다 다릅니다. 예를 들어, 회사가 비디오 감시를 수행하는 경우 ML을 해당 프로세스에 추가하여 많은 가치를 포착 할 수 있습니다."

3. 구체적인 가치의 우선 순위

다음으로 식별 한 다양한 AI 구현의 잠재적 비즈니스 및 재무 가치를 평가해야합니다. "하늘의 파이"AI 토론에서 길을 잃기 쉽지만 Tang은 이니셔티브를 비즈니스 가치에 직접 묶는 것이 중요하다고 강조했습니다.

Tang은“우선 순위를 정하기 위해 잠재력과 타당성의 차원을 살펴보고이를 2x2 매트릭스에 넣는다. "이는 단기 가시성을 바탕으로 우선 순위를 정하고 회사의 재무 가치가 무엇인지 파악하는 데 도움이됩니다.이 단계에서는 일반적으로 관리자 및 최고 경영진의 소유권과 인정이 필요합니다."

4. 내부 역량 갭 인정

달성하고자하는 것과 주어진 시간 내에 실제로 달성 할 수있는 조직적 능력을 가지고있는 것 사이에는 뚜렷한 차이가 있습니다. Tang은 비즈니스가 본격적인 AI 구현을 시작하기 전에 기술 및 비즈니스 프로세스 관점에서 볼 수있는 것이 무엇이고 기술이 아닌 것이 무엇인지 알아야한다고 말했다.

"때로는이 작업을 수행하는 데 시간이 오래 걸릴 수 있습니다"라고 Tang은 말했습니다. "내부 역량 차이를 해결하는 것은 획득해야 할 사항과 진행하기 전에 내부적으로 진화해야하는 모든 프로세스를 식별하는 것을 의미합니다. 비즈니스에 따라 특정 비즈니스 단위에 대해 유기적으로이를 수행 할 수있는 기존 프로젝트 또는 팀이있을 수 있습니다."

5. 전문가 유치 및 파일럿 프로젝트 설정

조직 및 기술 관점에서 비즈니스가 준비되면 구축 및 통합을 시작할 차례입니다. Tang은 여기에서 가장 중요한 요소는 소규모로 시작하고, 프로젝트 목표를 염두에두고, 가장 중요한 것은 AI에 대해 알고있는 것과 알지 못하는 것을 알고 있다는 것입니다. 외부 전문가 나 AI 컨설턴트를 데려 오는 것이 매우 중요합니다.

"첫 번째 프로젝트에는 많은 시간이 필요하지 않습니다. 일반적으로 파일럿 프로젝트의 경우 2-3 개월이 적합합니다."라고 Tang은 말했습니다. "내부 및 외부 직원을 4-5 명 정도의 소규모 팀으로 모으고 자합니다. 시간이 촉박하면 팀이 간단한 목표에 집중할 수 있습니다. 파일럿이 완료된 후 더 긴 것을 결정할 수 있어야합니다. 보다 정교하고 정교한 프로젝트가 될 것이며 가치 제안이 귀하의 비즈니스에 적합한 지 여부 또한 비즈니스에 대해 아는 사람들과 AI에 대해 아는 사람들 모두의 전문 지식이 파일럿 프로젝트 팀에 통합되는 것이 중요합니다"

6. 데이터 통합을위한 태스크 포스 구성

Tang은 ML을 비즈니스에 구현하기 전에 "쓰레기 수거, 쓰레기 수거"시나리오를 피할 수 있도록 데이터를 정리해야합니다. "내부 회사 데이터는 일반적으로 서로 다른 레거시 시스템의 여러 데이터 사일로에 분산되어 있으며 우선 순위가 다른 여러 비즈니스 그룹의 손에있을 수도 있습니다"라고 Tang은 말했습니다. "따라서 양질의 데이터를 얻는 데있어 매우 중요한 단계는 작업 간을 형성하고, 서로 다른 데이터 세트를 통합하며, 불일치를 분류하여 데이터가 ML에 필요한 모든 올바른 차원을 가지고 정확하고 풍부하게되도록하는 것입니다."

7. 작은 시작

너무 빨리 복용하지 않고 작은 데이터 샘플에 AI를 적용하십시오. M * Modal의 솔루션 관리 담당 부사장 Aaron Brauser는 "간단하게 시작하고 AI를 점진적으로 사용하여 가치를 입증하고 피드백을 수집 한 다음 그에 따라 확장합니다"라고 M * Modal의 솔루션 관리 담당 부사장 인 Aaron Brauser는 말합니다. 전자 의료 기록 (EMR)과 통합되는 AI 플랫폼.

특정 유형의 데이터는 특정 의료 전문 분야에 대한 정보 일 수 있습니다. M * Modal의 CMIO (Chief Medical Information Officer) Gilan El Saadawi 박사는“AI가 무엇을 읽을 것인지 선택적으로 선택해야한다. "예를 들어, 해결하고자하는 특정 문제를 선택하고 AI에 집중 한 다음 모든 데이터를 처리하지 않고 대답 할 구체적인 질문을합니다."

8. AI 계획의 일부로 스토리지 포함

Penguin Computing의 최고 기술 책임자 (CTO) 인 Philip Pokorny는 고성능 컴퓨팅을 제공하는 회사 (PTO)에 따르면 소량의 데이터 샘플을 준비한 후 AI 솔루션을 구현하기위한 스토리지 요구 사항을 고려해야합니다. HPC), AI 및 ML 솔루션.

Pokorny는 "핵심 결정: A 가이드에 대한 지침을 작성했습니다. 후회하지 않고 완벽한 인공 지능 솔루션 구축. " "AI 시스템 설계 초기에 빠르고 최적화 된 스토리지를 포함시키는 것이 고려되어야하는 이유입니다."

또한 데이터 수집, 워크 플로우 및 모델링을 위해 AI 스토리지를 최적화해야한다고 그는 제안했습니다. Pokorny는 "옵션을 검토하는 데 시간을 내면 시스템이 온라인 상태가되면 시스템 작동 방식에 큰 긍정적 영향을 줄 수 있습니다"라고 덧붙였습니다.

9. 일상 업무의 일환으로 AI 통합

IT 운영 AI 공급 업체 인 Moogsoft의 글로벌 IT 책임자 인 Dominic Wellington에 따르면 AI가 제공하는 추가적인 통찰력과 자동화 기능을 통해 AI를 일상 업무의 일부가 아닌 일상 업무의 일부로 만들 수있는 툴이 있다고한다.). 웰링턴은“일부 직원은 업무에 영향을 줄 수있는 기술에주의를 기울일 수 있으므로 일상 업무를 늘리는 방법으로 솔루션을 도입하는 것이 중요합니다.

그는 회사가 워크 플로의 문제를 해결하기 위해 기술이 작동하는 방식에 투명해야한다고 덧붙였습니다. "이는 직원들에게 AI가 자신의 역할을 제거하는 대신 역할을 확대하는 방법을 명확하게 시각화 할 수 있도록 '비정기적인'경험을 제공합니다."

10. 균형으로 구축

• 인공 지능은 바이어스 문제가 있으며, 우리의 잘못입니다 인공 지능은 바이어스 문제가 있으며, 우리의 결함입니다
• IBM 인공 지능이 인간 토론 챔피언을 차지합니다. IBM 인공 지능이 인간 토론 챔피언을 차지합니다.
• 인공 지능은 큰 잠재력을 제공하지만 밤새 일어날 수는 없습니다. 인공 지능은 큰 잠재력을 제공하지만 밤새 일어날 수는 없습니다.

포 콘니는 AI 시스템을 구축 할 때 기술과 연구 프로젝트의 요구를 충족시키는 조합이 필요하다고 설명했다. 포 코니는“AI 시스템 설계를 시작하기 전에도 시스템을 균형있게 구축해야한다는 것이 무엇보다 중요하다”고 말했다. "이것은 명백하게 들릴 수도 있지만 AI 시스템은 연구를 지원할 하드웨어 및 소프트웨어의 요구 사항과 한계를 이해하지 않고 팀이 연구 목표를 달성하는 방법의 특정 측면을 중심으로 설계되었습니다. 결과는 그보다 덜합니다. 원하는 목표를 달성 할 수없는 최적이 아닌 기능 장애 시스템이다."

이러한 균형을 달성하기 위해 회사는 스토리지, 그래픽 처리 장치 (GPU) 및 네트워킹에 충분한 대역폭을 구축해야합니다. 보안은 간과되는 요소이기도합니다. AI는 본질적으로 작업을 수행하기 위해 광범위한 데이터에 액세스해야합니다. 프로젝트에 어떤 종류의 데이터가 포함되는지 이해하고 일반적인 보안 보호 수단 (암호화, VPN (가상 사설망) 및 맬웨어 방지)으로는 충분하지 않을 수 있습니다.

Pokorny는“유사하게 중복을 통해 정전 및 기타 시나리오로부터 보호해야 할 필요성과 연구를 수행하기 위해 전체 예산이 어떻게 사용되는지 균형을 맞춰야한다. "사용자 요구 사항이 변경됨에 따라 하드웨어를 교체 할 수 있도록 유연성을 강화해야 할 수도 있습니다."