차례:
비디오: ì¸í -ëëìì¬ì°-ì½ë, ê±´ê° íìê¾¼ãí¬ì¤ì¼ì´PCãíë°° íë¤ (십월 2024)
IBM의 Bluewolf 보고서에 따르면 소기업의 21 %만이 인공 지능 (AI) 기반 솔루션을 구현했다고합니다. AI Investment Gap Survey는 전세계 177 명의 의사 결정자들에게 AI와 머신 러닝 (ML)을 채택했는지 여부와 이러한 기술에 대한 이해의 깊이를 조사했습니다. 중소 기업의 33 %가 향후 12 개월 내에 AI에 투자 할 계획 이었지만 (내년에 총 AI 채택 자 수는 54 %로 증가), 총 대기업보다 여전히 낮습니다. 또한 대기업의 30 %가 이미 AI에 투자 한 반면 44 %는 향후 12 개월 이내에 투자를 시작할 계획입니다. 이로 인해 총 소기업보다 총 74 % 또는 20 %가 증가합니다.
Bluewolf의 Customer Experience Insights 수석 부사장 인 Vanessa Thompson은 AI 도구를 채택한 회사와 해당 도구를 채택하지 않는 회사 사이에는 지식 격차가 존재한다고 말했습니다. 그녀는이 걸프를 "AI Investment Gap"이라고 부르며, "AI를 이해하는 C 레벨 임원과 아직 비즈니스에 배포하지 않은 사람들 사이의 불일치"라고 설명합니다.
Bluewolf는 AI 도구를 판매하기 때문에 사람들이 AI 도구를 구입하지 않는 유일한 이유는 AI 도구를 알지 못하기 때문이라고 제안하는 것입니다. Thompson의 주장을 확인하기 위해 Forrester Research의 고객 통찰 담당 수석 분석가 인 Brandon Purcell과 함께 AI를 채택한 사람과 그렇지 않은 사람 사이에 차이가 발생하는 다른 문제에 대해 이야기했습니다. Purcell과 Forrester Research는 AI 채택에 대해 비슷한 연구를 수행했습니다. 그의 전체 수치는 IBM과 비슷하지만 (51 %의 기업이 AI를 채택하거나 확장하고 있으며, 20 %가 향후 12 개월 내에 채택 할 것이라고 답했다.) 퍼셀은 소기업이 뒤처 질 수있는 몇 가지 다른 강력한 이유를 생각 해냈다. AI 채택 곡선.
AI 비용
퍼셀은 투자 제약을 주요 요인으로 언급했다. 특히 "기술 세트와 관련이있다. 중소 기업은 데이터 과학자를 고용 할 자원이 없다"고 말했다. 이들은 엔터프라이즈 소프트웨어로 들어오고 나가는 데이터에서 통찰력을 추출 할 작업자입니다.
또한 AI가 데이터를 정확하게 읽고 자신의 지능을 기반으로 조치를 취하는 지 여부를 결정하는 사람들이 될 것입니다. 글래스 도어에 따르면 데이터 과학자의 평균 급여는 연간 113, 436 달러 (미국의 부자 구성표)는 미국 CEO의 평균 급여보다 약간 낮다 (PayScale에 따르면 166, 000 달러). 따라서 만약 당신이 아주 얇은 마진을 운영하고있는 중소 기업 CEO이고 자신의 월급을 삭감하고 싶지 않다면, 데이터 과학자에게 6 명의 인물을 지출하고 돈을 지출하는 것을 합리화하기가 어려울 것입니다 AI로 데이터를 전환 할 수있는 소프트웨어 시스템.
그러나 소기업이 AI 기반 소프트웨어에 투자하는 것을 금지하는 것은 돈뿐이 아닙니다. 퍼셀은“관련 메모에는 데이터 요소가있다”고 말했다. "AI는 많은 양의 데이터가있을 때 번성합니다. 소기업에는 그렇게 할 데이터가 없습니다."
다음과 같이 생각하십시오: 사진을 게시 할 때 Facebook에서 어떤 친구가 태그를 지정할 수 있는지 어떻게 알 수 있습니까? Facebook이 이전에 태그가 지정된 모든 게시물의 정보를 수집했기 때문입니다. Netflix가 추천 한 영화를 본 적이 있습니까? Netflix는 이전 선택을 기반으로 영화를 추천하는 것을 알고있었습니다. Facebook과 Netflix는 AI의 첫 번째 사촌 인 ML을 기반으로 이러한 권장 사항을 작성할 수 있습니다. 그것들은 비슷하지만, 두 용어는 종종 서로 바꿔서 (잘못) 사용됩니다.
ML 시스템의 기본 차이점은 다음과 같습니다. ML 시스템은 인텔리전스를 사용하여 프로세스를 간소화하는 권장 사항과 방법을 제공하여 성능을 향상시키는 반면 AI를 사용하는 시스템은 소프트웨어에 자율권을 부여하여 사람의 감독없이 작업을 수행하고 의사 결정을 내립니다. ML은 Netflix에서 영화를 추천하는 반면 AI는 뒷좌석에서 낮잠을 자면서 운전하는 자동차입니다. 데이터 생성을 시작한 중소 기업으로서 AI의 장점은 Fortune 500 대 기업이 AI 소프트웨어를 켤 때 볼 수있는 것과 비교할 때 미미할 것입니다.
블루 울프가 잘못 되었나요?
Bluewolf는 설문 조사에서 나쁜 정보를 먹었습니까? 소기업은 AI에 대해 알고 있지만 흥분 할만한 돈이나 데이터가없는 것입니까? 퍼셀은 블루 울프의 연구가 틀렸다고 생각하지 않습니다. 실제로 그는 IBM Watson을 코 그너 티브 컴퓨팅의 창시자, AI, ML 및 인간 두뇌를 모방하는 기타 애플리케이션을 포괄하는 포괄적 용어로 인정합니다.
퍼셀은 "그들은이 카테고리를 만들기 위해 많은 돈을 썼지 만 구글, 아마존, 페이스 북, 마이크로 소프트와 같은 경쟁 업체가있다"고 말했다. "그 회사들도 AI 시스템 교육에 사용되는 방대한 양의 데이터에 앉아있다. AI의 할리우드 정의는 지각 로봇이다. 우리는 아직 그것을 사용하지는 않았다. 그러나 실제 AI를 위해 엔터프라이즈 수준에서 AI를 구현할 때 "IBM은 이러한 도구를 만드는 데 능숙합니다."
할리우드, AI 및 수면 중에 우리를 살해하는 로봇에 대한 오해는 소기업이 AI 도구에 대해 더 많이 배우지 않는 이유 일 수 있습니다. 오클라호마의 티셔츠 공급 업체라면 자율 주행 자동차 나 레이저 총으로 무장 한 미래 로봇이 어떤 장점이 있습니까? 그러나 덜 알려진 맥락에서 Purcell과 Thompson은 소규모 비즈니스에 대한 실제 사용 사례 (소규모 교육이 아직 이루어지지 않은 사용 사례)를 봅니다.
Thompson과 Bluewolf가 "증강 지능"이라고 부르는 것과 같이 소기업은 AI를 활용하기 위해 데이터 전문 지식이나 정보가 필요하지 않습니다. Bluewolf는 증강 지능을 언어 및 이미지와 같은 비정형 데이터 세트로도 아이디어를 추론, 추론 및 추출 할 수있는 기능으로 정의합니다. 회사의 데이터 수집이 시작될 때에도 시스템에 정보가 얼마나 적게 공급되는지에 관계없이 증강 지능 솔루션은 정보를 얻을 수 있습니다.
Thompson은“증강 지능은 최종 사용자가 고객이 필요로하는 것에 대한 프로파일을 제공함으로써 다음에 무엇을해야할지 예측하는 데 도움이됩니다. "우리는 모든 규모의 회사에 AI를 현실화하는 방법으로 기능 보강을보고 있습니다."
여기에는 외부 및 내부 데이터를 결합하여 증강 지능 기술이 비즈니스 결정을 내리는 데 사용하는 지식을 채우는 것과 같은 것들이 포함됩니다. 예를 들어 전자 상거래 회사는 외부 지역 쇼핑 패턴 및 날씨 데이터를 독점적 인 고객 쇼핑 패턴 데이터와 결합하여 과다 맞춤 캠페인을 제공 할 수 있습니다. 이 시나리오에서 데이터 과학자는 도움이되지만 반드시 필요한 것은 아니며 고객 데이터의 수는 캠페인을 더욱 강력하게 만들 것입니다. 그러나 내부 및 외부 데이터 소스를 결합하지 않은 캠페인보다 더 강력한 캠페인을 막을 수는 없습니다.
