10 Schritte zur Einführung künstlicher Intelligenz in Ihrem Unternehmen

Künstliche Intelligenz (KI) ist eindeutig eine wachsende Kraft in der Technologiebranche. AI steht im Mittelpunkt von Konferenzen und zeigt Potenzial in einer Vielzahl von Branchen, einschließlich Einzelhandel und Produktion. Neue Produkte werden mit virtuellen Assistenten eingebettet, während Chatbots Kundenfragen von der Website Ihres Online-Office-Anbieters bis zur Support-Seite Ihres Webhosting-Anbieters beantworten. In der Zwischenzeit integrieren Unternehmen wie Google, Microsoft und Salesforce AI als Intelligenzschicht über ihren gesamten Tech-Stack. Ja, AI hat definitiv seinen Moment.

Dies ist nicht die KI, die wir aufgrund der Popkultur erwartet haben. Es sind keine empfindungsfähigen Roboter oder Skynet oder sogar Tony Starks Jarvis-Assistent. Dieses KI-Plateau geschieht unter der Oberfläche, wodurch unsere vorhandene Technologie intelligenter wird und die Leistung aller von Unternehmen gesammelten Daten freigeschaltet wird. Was dies bedeutet: Durch die weit verbreiteten Fortschritte beim maschinellen Lernen (ML), beim Computer Vision, beim Deep Learning und bei der Verarbeitung natürlicher Sprachen (NLP) ist es einfacher denn je, eine AI-Algorithmus-Schicht in Ihre Software oder Cloud-Plattform zu integrieren.

Für Unternehmen können sich praktische KI-Anwendungen je nach den Anforderungen Ihres Unternehmens und den aus den gesammelten Daten abgeleiteten Business Intelligence (BI) -Einblicken auf verschiedene Arten manifestieren. Unternehmen können KI für alles einsetzen, von der Gewinnung sozialer Daten über die Förderung des Kundenbeziehungsmanagements (Customer Relationship Management, CRM) bis hin zur Optimierung der Logistik und Effizienz bei der Verfolgung und Verwaltung von Vermögenswerten.

ML spielt eine Schlüsselrolle bei der Entwicklung der KI, bemerkte Luke Tang, General Manager des TechCode Global AI + Accelerator-Programms, das KI-Startups in Schwung bringt und Unternehmen hilft, KI zusätzlich zu ihren bestehenden Produkten und Dienstleistungen zu integrieren.

"Im Moment wird die KI von all den jüngsten Fortschritten bei ML angetrieben. Es gibt keinen einzigen Durchbruch, auf den Sie hinweisen können, aber der Geschäftswert, den wir jetzt aus ML ziehen können, ist nicht in den Charts", sagte Tang. "Aus Unternehmenssicht könnte das, was gerade passiert, einige Kerngeschäftsprozesse des Unternehmens in Bezug auf Koordination und Kontrolle stören: Planung, Ressourcenzuweisung und Berichterstellung." Hier geben wir Experten-Tipps, um die Schritte zu erläutern, die Unternehmen unternehmen können, um KI in Ihr Unternehmen zu integrieren und um sicherzustellen, dass Ihre Implementierung erfolgreich ist.

1. Machen Sie sich mit AI vertraut

Nehmen Sie sich Zeit, um sich mit den Möglichkeiten der modernen KI vertraut zu machen. Der TechCode Accelerator bietet seinen Startups eine breite Palette von Ressourcen durch Partnerschaften mit Organisationen wie der Stanford University und Unternehmen im AI-Bereich. Sie sollten auch die Fülle an Online-Informationen und -Ressourcen nutzen, um sich mit den Grundkonzepten der KI vertraut zu machen. Tang empfiehlt einige der von Organisationen wie Udacity angebotenen Remote-Workshops und Online-Kurse, um den Einstieg in die KI zu erleichtern und Ihre Kenntnisse in Bereichen wie ML und Predictive Analytics in Ihrem Unternehmen zu erweitern.

Im Folgenden finden Sie eine Reihe von Online-Ressourcen (kostenlos und kostenpflichtig), mit denen Sie loslegen können:

• Udacitys Einführung in den AI-Kurs und das Nanodegree-Programm für künstliche Intelligenz
• Online-Vorlesungen der Stanford University: Künstliche Intelligenz: Prinzipien und Techniken
• Der Online-AI-Kurs von edX wird über die Columbia University angeboten
• Das Open-Source-Cognitive Toolkit von Microsoft (früher als CNTK bekannt) unterstützt Entwickler bei der Beherrschung von Deep-Learning-Algorithmen
• Googles Open-Source (OS) TensorFlow-Softwarebibliothek für Machine Intelligence
• AI Resources, ein Open-Source-Codeverzeichnis der AI Access Foundation
• Die Vereinigung zur Förderung der künstlichen Intelligenz (AAAI)
• MonkeyLearns sanfter Leitfaden für maschinelles Lernen
• Stephen Hawking und Elon Musks Future of Life Institute
• OpenAI, eine offene branchen- und akademienweite Deep-Learning-Initiative

2. Identifizieren Sie die Probleme, die AI lösen soll

Sobald Sie mit den Grundlagen vertraut sind, besteht der nächste Schritt für jedes Unternehmen darin, verschiedene Ideen zu untersuchen. Überlegen Sie, wie Sie Ihre vorhandenen Produkte und Dienstleistungen um KI-Funktionen erweitern können. Noch wichtiger ist, dass Ihr Unternehmen bestimmte Anwendungsfälle in Betracht zieht, in denen KI geschäftliche Probleme lösen oder nachweislichen Wert liefern kann.

"Wenn wir mit einem Unternehmen zusammenarbeiten, beginnen wir mit einem Überblick über die wichtigsten technischen Programme und Probleme. Wir möchten zeigen, wie die Verarbeitung natürlicher Sprache, die Bilderkennung, ML usw. in diese Produkte passen, normalerweise mit eine Art Workshop mit der Geschäftsführung ", erklärte Tang. "Die Besonderheiten variieren immer je nach Branche. Wenn das Unternehmen beispielsweise Videoüberwachung betreibt, kann es einen hohen Mehrwert erzielen, indem es diesem Prozess ML hinzufügt."

3. Priorisieren Sie den konkreten Wert

Als Nächstes müssen Sie den potenziellen geschäftlichen und finanziellen Wert der verschiedenen von Ihnen identifizierten möglichen AI-Implementierungen bewerten. Es ist leicht, sich in KI-Diskussionen "pie in the sky" zu verirren, aber Tang betonte, wie wichtig es ist, Ihre Initiativen direkt mit dem Unternehmenswert zu verknüpfen.

"Um Prioritäten zu setzen, betrachten Sie die Dimensionen von Potenzial und Machbarkeit und fügen Sie sie in eine 2x2-Matrix ein", sagte Tang. "Dies soll Ihnen dabei helfen, Prioritäten auf der Grundlage kurzfristiger Transparenz zu setzen und den finanziellen Wert für das Unternehmen zu ermitteln. Für diesen Schritt benötigen Sie in der Regel die Eigenverantwortung und Anerkennung von Managern und Führungskräften."

4. Bestätigen Sie die interne Fähigkeitslücke

Es gibt einen großen Unterschied zwischen dem, was Sie erreichen möchten und dem, was Sie innerhalb eines bestimmten Zeitrahmens tatsächlich erreichen können. Tang sagte, ein Unternehmen sollte wissen, wozu es in der Lage ist und was nicht aus Sicht von Technologie und Geschäftsprozessen, bevor es mit einer vollständigen AI-Implementierung beginnt.

"Manchmal kann dies sehr lange dauern", sagte Tang. "Um Ihre interne Fähigkeitslücke zu schließen, müssen Sie ermitteln, was Sie erwerben und welche Prozesse intern weiterentwickelt werden müssen, bevor Sie loslegen können. Je nach Unternehmen gibt es möglicherweise Projekte oder Teams, die Ihnen dabei helfen können, dies für bestimmte Geschäftsbereiche zu tun."

5. Ziehen Sie Experten hinzu und richten Sie ein Pilotprojekt ein

Sobald Ihr Unternehmen organisatorisch und technisch bereit ist, können Sie mit dem Aufbau und der Integration beginnen. Tang sagte, die wichtigsten Faktoren dabei seien, klein anzufangen, Projektziele im Auge zu behalten und vor allem zu wissen, was Sie über KI wissen und was nicht. Hier können externe Experten oder KI-Berater von unschätzbarem Wert sein.

"Sie brauchen nicht viel Zeit für ein erstes Projekt; normalerweise sind 2-3 Monate für ein Pilotprojekt eine gute Bandbreite", sagte Tang. "Sie möchten interne und externe Personen in einem kleinen Team zusammenbringen, vielleicht 4-5 Personen, und dieser engere Zeitrahmen wird das Team auf einfache Ziele fokussieren. Nachdem der Pilot abgeschlossen ist, sollten Sie in der Lage sein, zu entscheiden, was umso länger dauert." Ein langfristig aufwändigeres Projekt wird sein und ob das Wertversprechen für Ihr Unternehmen Sinn macht. Es ist auch wichtig, dass Fachwissen von beiden Seiten - denjenigen, die sich mit dem Geschäft auskennen und denjenigen, die sich mit KI auskennen - in Ihrem Pilotprojektteam zusammengeführt wird."

6. Bilden Sie eine Taskforce zur Datenintegration

Tang bemerkte, dass Sie vor der Implementierung von ML in Ihrem Unternehmen Ihre Daten bereinigen müssen, um ein "Garbage In, Garbage Out" -Szenario zu vermeiden. "Interne Unternehmensdaten sind in der Regel auf mehrere Datensilos unterschiedlicher Legacy-Systeme verteilt und befinden sich möglicherweise sogar in den Händen verschiedener Unternehmensgruppen mit unterschiedlichen Prioritäten", sagte Tang. "Ein sehr wichtiger Schritt zur Erlangung hochwertiger Daten ist es daher, eine Cross-Taskforce zu bilden, verschiedene Datensätze zusammenzuführen und Inkonsistenzen auszusortieren, damit die Daten genau und umfangreich sind und die richtigen Dimensionen für ML erforderlich sind."

7. Klein anfangen

Beginnen Sie, AI auf eine kleine Stichprobe Ihrer Daten anzuwenden, anstatt zu früh zu viel zu übernehmen. "Fangen Sie einfach an, nutzen Sie die KI inkrementell, um Wert zu beweisen, Feedback zu sammeln und entsprechend zu erweitern", sagte Aaron Brauser, Vizepräsident für Lösungsmanagement bei M * Modal, der Technologie für natürliches Sprachverständnis (NLU) auch für Organisationen des Gesundheitswesens anbietet eine AI-Plattform, die in elektronische Patientenakten (EMRs) integriert ist.

Eine bestimmte Art von Daten können Informationen zu bestimmten medizinischen Fachgebieten sein. "Seien Sie wählerisch, was die KI liest", sagte Dr. Gilan El Saadawi, Chief Medical Information Officer (CMIO) bei M * Modal. "Wählen Sie beispielsweise ein bestimmtes Problem aus, das Sie lösen möchten, konzentrieren Sie die KI darauf, und geben Sie ihr eine bestimmte Frage, die beantwortet werden soll, und werfen Sie nicht alle Daten darauf."

8. Schließen Sie Speicher als Teil Ihres AI-Plans ein

Nach dem Hochfahren einer kleinen Datenmenge müssen Sie die Speicheranforderungen berücksichtigen, um eine AI-Lösung zu implementieren, so Philip Pokorny, Chief Technical Officer (CTO) bei Penguin Computing, einem Unternehmen, das Hochleistungs-Computing anbietet (HPC) -, AI- und ML-Lösungen.

"Die Verbesserung von Algorithmen ist wichtig, um Forschungsergebnisse zu erzielen. Ohne große Datenmengen zur Erstellung genauerer Modelle können KI-Systeme jedoch nicht genug verbessert werden, um Ihre Computerziele zu erreichen", schrieb Pokorny in einem Whitepaper mit dem Titel "Critical Decisions: A Guide to Aufbau der vollständigen Lösung für künstliche Intelligenz ohne Reue. " "Deshalb sollte zu Beginn des AI-Systemdesigns die Einbeziehung eines schnellen, optimierten Speichers in Betracht gezogen werden."

Darüber hinaus sollten Sie den AI-Speicher für die Datenerfassung, den Workflow und die Modellierung optimieren, schlug er vor. "Wenn Sie sich die Zeit nehmen, um Ihre Optionen zu prüfen, kann sich dies enorm positiv auf die Funktionsweise des Systems auswirken, sobald es online ist", fügte Pokorny hinzu.

9. Integrieren Sie KI als Teil Ihrer täglichen Aufgaben

Laut Dominic Wellington, Global IT Evangelist bei Moogsoft, einem Anbieter von KI für den IT-Betrieb (AIOps), verfügen die Mitarbeiter über ein Tool, mit dem sie KI zu einem Teil ihrer täglichen Routine machen können, anstatt sie zu ersetzen). "Einige Mitarbeiter sind mit Technologien vorsichtig, die sich auf ihre Arbeit auswirken können. Daher ist es wichtig, die Lösung einzuführen, um ihre täglichen Aufgaben zu verbessern", erklärte Wellington.

Er fügte hinzu, dass Unternehmen transparent sein sollten, wie die Technologie funktioniert, um Probleme in einem Workflow zu lösen. "Dies gibt den Mitarbeitern ein" unter der Haube "-Erlebnis, damit sie klar sehen können, wie KI ihre Rolle erweitert, anstatt sie zu eliminieren", sagte er.

10. Mit Gleichgewicht bauen

• Künstliche Intelligenz hat ein Vorspannungsproblem, und es ist unser Fehler. Künstliche Intelligenz hat ein Vorspannungsproblem, und es ist unser Fehler
• IBM Artificial Intelligence setzt sich für menschliche Debatten ein IBM Artificial Intelligence setzt sich für menschliche Debatten ein
• KI bietet enormes Potenzial, aber es wird nicht über Nacht passieren. KI bietet enormes Potenzial, aber es wird nicht über Nacht passieren

Wenn Sie ein KI-System bauen, müssen Sie sowohl die Anforderungen der Technik als auch des Forschungsprojekts erfüllen, erklärte Pokorny. "Die übergeordnete Überlegung, noch bevor Sie mit dem Entwurf eines KI-Systems beginnen, ist, dass Sie das System mit Ausgewogenheit aufbauen sollten", sagte Pokorny. "Das mag offensichtlich klingen, aber zu oft werden KI-Systeme nach bestimmten Gesichtspunkten entworfen, mit denen das Team seine Forschungsziele erreichen will, ohne die Anforderungen und Einschränkungen der Hardware und Software zu kennen, die die Forschung unterstützen würden. Das Ergebnis ist ein weniger Überoptimales, sogar funktionsgestörtes System, das die gewünschten Ziele nicht erreicht."

Um dieses Gleichgewicht zu erreichen, müssen Unternehmen eine ausreichende Bandbreite für die Speicherung, die Grafikverarbeitungseinheit (GPU) und das Netzwerk bereitstellen. Sicherheit ist ebenfalls eine häufig übersehene Komponente. KI erfordert von Natur aus den Zugriff auf große Datenmengen, um ihre Arbeit zu verrichten. Stellen Sie sicher, dass Sie verstehen, welche Arten von Daten in das Projekt einbezogen werden, und dass Ihre üblichen Sicherheitsmaßnahmen - Verschlüsselung, VPN (Virtual Private Networks) und Anti-Malware - möglicherweise nicht ausreichen.

"In ähnlicher Weise muss das Gesamtbudget für die Durchführung von Forschungsarbeiten mit der Notwendigkeit eines Schutzes vor Stromausfällen und anderen Szenarien durch Entlassungen in Einklang gebracht werden", sagte Pokorny. "Möglicherweise müssen Sie auch Flexibilität einbauen, um die Hardware bei sich ändernden Benutzeranforderungen neu verwenden zu können."