Pasaulinė AI darbotvarkė: pažadas, tikrovė ir dalijimosi duomenimis ateitis

Susijęs su Genesys, Philips

' Pasaulinė AI darbotvarkė: pažadas, tikrovė ir dalijimosi duomenimis ateitis “ yra „MIT Technology Review Insights“ ataskaita, parengta bendradarbiaujant su „Genesys“ ir „Philips“. Jis buvo sukurtas 2020 m. sausio ir vasario mėn. atlikus pasaulinę apklausą, kurioje dalyvavo daugiau nei 1000 vadovų iš 11 skirtingų sektorių, ir interviu su ekspertais, turinčiais konkrečią atsakomybę už dirbtinį intelektą arba išmanančiais ją. Žemiau esantis straipsnis yra visos ataskaitos ištrauka.

Šį turinį sukūrė „Insights“, „MIT Technology Review“ tinkinto turinio dalis. Ją parašė ne „MIT Technology Review“ redakcija.

Atsisiųskite pilna ataskaita .

Nedaug naujų technologijų sričių pastaraisiais metais sukėlė tiek daug įspūdžių ir diskusijų kaip AI. Iki šiol didžioji jaudulys buvo susijęs su technologijų pramone, kuri JAV, Kinijoje ir tam tikru mastu Europoje investavo milijardus į savo AI pajėgumų plėtrą. Kitų sektorių organizacijos gali neleisti dirbtiniam intelektui tiek daug pinigų, tačiau apklausa rodo, kad dauguma bent jau išbando vandenis.

Iki 2020 m. pabaigos 97 % šioje ataskaitoje apklaustų didelių įmonių diegs dirbtinį intelektą. Anksčiausiai ją pradėjo taikyti IT ir telekomunikacijų įmonės, iki 2018 m. AI naudojo 81 %, o tai aplenkė finansinių paslaugų įmones (78 %) ir plataus vartojimo prekes bei mažmeninę prekybą (75 %). Viešasis sektorius taip pat randa daugybę dirbtinio intelekto naudojimo atvejų: 2019 m. pabaigoje 94 % vyriausybės respondentų teigė įdiegę dirbtinį intelektą.

AI natūraliai atliks skirtingus vaidmenis skirtingų tipų versle. Kai kuriems žmonėms jos galimybės padės pagerinti veiklos efektyvumo aspektus. Kiti tikisi, kad tai pakeis žaidimą. Mums, sako Jeroenas Tasas, vartotojų ir sveikatos priežiūros įrangos tiekėjos „Philips“ vyriausiasis inovacijų ir strategijos pareigūnas, dirbtinis intelektas yra pagrindinė technologija, kurią per ateinančius kelerius metus rasite daugumoje mūsų pasiūlymų. O kai kurioms internetinėje aplinkoje gimusioms įmonėms verslo modelio sėkmė priklauso nuo to. Vienas iš jų yra „Lemonade“, Niujorke įsikūręs internetinis turto ir nelaimingų atsitikimų draudimo paslaugų teikėjas, kuris apibūdinamas kaip nusistovėjusios draudimo pramonės žlugintojas. Jos generalinis direktorius Danielis Schreiberis mano, kad dirbtinio intelekto robotai, tokie kaip Lemonade's, yra draudimo ateitis.

Žingsnis vienu metu

Nors ir plačiai naudojamas AI, jis nesiruošia užkariauti įmonės. Labai nedaugelis apklaustų vadovų (4%) mano, kad po trejų metų jis bus naudojamas daugiau nei pusėje jų verslo procesų. Mažiau nei trečdalis (30 %) tikisi, kad jis bus naudojamas 31–50 % procesų. Dauguma, 60 % respondentų, mano, kad dirbtinis intelektas ras vietą nuo 11 % iki 30 % jų procesų – tai reikšminga, bet nebūtinai dominuojanti įtaka daugumos įmonių veiklai. Pagal šią priemonę AI atliks ypač didelį vaidmenį finansinių paslaugų teikėjų, gamintojų ir technologijų įmonių veikloje.

Finansinių paslaugų, gamybos, IT ir telekomunikacijų pramonė per trejus metus turi didžiausius AI siekius.

Nežinodamos savo faktinių (o ne numanomų) galimybių ir suvokdamos jo keliamus iššūkius, įmonės imasi kartotinio DI diegimo metodo. Pasak Dirko Jungnickelio, „Emirates Group“ įmonių analizės vyresniojo viceprezidento, ankstyvieji jo įmonės bandymai 2015 ir 2016 m. sukurti dirbtinio intelekto galimybes dažnai nepasiekdavo koncepcijos patvirtinimo ar bandomojo etapo. Tai pradėjo keistis 2018 m. viduryje, kai, pasak jo, įmonė pradėjo vykdyti savo dirbtinio intelekto kūrimo pastangas ir industrializuoti duomenų mokslą.

Céline Le Cotonnec, Singapūro banko vyriausioji duomenų inovacijų pareigūnė, pažymi, kad daugelis įmonių organizacijų nori pateikti dirbtinio intelekto naudojimo atvejus prieš nustatydamos tinkamus IT architektūros, AI galimybių, tikslinio veikimo modelio ar duomenų valdymo pagrindus. Mano atsakymas yra „pirmiausia“, – sako ji. Prieš judėdami į priekį turime sukurti tinkamą duomenų pagrindą. Tai apima analitikos vertėjus – žmones, kurie supranta dirbtinį intelektą, taip pat verslo apimties projektus, valdo pristatymą, įvertina investicijų grąžą ir supranta, kaip bus įmanoma išplėsti savo apimtis.

Didelėms įmonėms, atidedančioms didelius biudžetus dirbtinio intelekto galimybėms plėtoti, naudojimo atvejų kūrimas ir prioritetų nustatymas yra didelis iššūkis. Pasak Mike'o Hanrahano, „Walmart's Intelligent Research Lab“ (IRL) generalinio direktoriaus: pirmas dalykas, į kurį turėjome investuoti, buvo nuspręsti, kur sutelkti savo išteklius. Jo komanda nustatė daugiau nei 250 skirtingų naudojimo atvejų ir išfiltravo juos iki kelių. Filtravimo procesas buvo gana sudėtingas sprendžiant, ką turėtume dirbti, sako Hanrahanas. Reikėjo nuspręsti, kurios bylos buvo praktiškiausios.

„Walmart“ prioritetiniai atvejai yra susiję su atsargų valdymu, kuris sudaro didelę tarptautinės įmonės sąnaudų bazės dalį ir kai net nedidelis efektyvumo patobulinimas leidžia žymiai sutaupyti. Tačiau visuose sektoriuose įmonės tiria įvairius naudojimo atvejus, tikėdamosi, kad bent pora duos ankstyvos grąžos ir sukurs pasitikėjimą dirbtiniu intelektu bei jaudulį visoje organizacijoje.

Naudokite atvejus šiandien ir rytoj

Iš viso tyrimo imties kokybės kontrolė, klientų aptarnavimas ir sukčiavimo aptikimas šiuo metu yra pagrindiniai AI naudojimo atvejai. Tačiau išsamesnis vaizdas atskleidžia didelę skirtingų sektorių pagrindinių naudojimo atvejų įvairovę. Pavyzdžiui, daugiau nei pusė finansinių paslaugų įmonių (58 %) ir vyriausybinių organizacijų (55 %) nurodo sukčiavimo aptikimą kaip pagrindinį AI naudojimo atvejį. Céline Le Cotonnec teigia, kad jos ankstesnėje pareigoje pasaulinėje draudimo įmonėje sukčiavimo aptikimo atvejai buvo pirmieji, kurie buvo įgyvendinti, nes nauda žadėjo būti nemaža: Remiantis Amerikos Reinsurance Group (RGA) 2017 m. apklausa, 3- 4 % visų pasaulinių ieškinių yra apgaulingi, o didžiausias paplitimas (4,16 %) Azijoje.

Iš viso tyrimo imties kokybės kontrolė, klientų aptarnavimas ir sukčiavimo aptikimas šiuo metu yra populiariausi AI naudojimo atvejai visame pasaulyje.

Pasak Adi Chhabra, „Vodafone UK“ produktų inovacijų skyriaus vadovo, mobiliojo ryšio operatoriui „Vodafone“ sėkmingiausi naudojimo atvejai yra klientų aptarnavimo srityje. Anot jo, naudą lemia ir ekonomiškumas, ir klientų patirtis. Telekomunikacijų pramonėje klientų aptarnavimas suvalgo daug išlaidų. AI integravimas su IVR (interaktyvus atsakas balsu) beveik akimirksniu sumažina šių operacijų sąnaudas ir leidžia greičiau priimti sprendimus sprendžiant klientų problemas.

Energetikos įmonės ir komunalinės paslaugos, pasak 51 % šio sektoriaus respondentų, naudoja dirbtinį intelektą savo tinklų būklei stebėti. Stebėjimas ir diagnozė taip pat yra natūralus dirbtinio intelekto dėmesys sveikatos priežiūros pramonės organizacijoms, o 42 % respondentų iš šių organizacijų siekia tokio naudojimo. Pasak Tas iš Philips, dirbtinis intelektas visiškai pakeitė būdą, kaip pramonė diagnozuoja vėžį, o dabar jos galimybės apima ir gydymo metodų pasirinkimą: AI algoritmai dabar padeda pasirinkti tinkamą gydymą. Tai sudėtinga, nes gali būti chirurgija, abliacija, chemoterapija, imunoterapija ar spinduliuotė arba jų derinys. Tinkamų terapijų ir būdų pasirinkimas tampa įžvalgomis paremtu, dirbtinio intelekto įgalintu pratimu.

Mastelio keitimo iššūkiai

Iš vadovų, kalbintų šioje ataskaitoje, aišku, kad sudėtinga nustatyti AI naudojimo atvejus. Esami technologijų apribojimai gali trukdyti plačiau pritaikyti, siūlo Hanrahan, analizuodamas vaizdo įrašą realiuoju laiku. Kalbant apie asmeninio AI formas, reikia padaryti pažangą natūralios kalbos apdorojimo srityje, kad, pavyzdžiui, pokalbių robotai taptų tikrai sudėtingi, sako Chhabra.

Kai kuriose pramonės šakose reguliavimas trukdo plačiau taikyti dirbtinio intelekto palaikytas naujoves. Pavyzdys yra algoritmu pagrįsta draudimo kainodara Jungtinėse Valstijose. Pasak „Lemonade“ atstovo Danielio Schreiberio, šiuo metu tai leidžiama tik keliose JAV valstijose. Pasak jo, JAV, didžiausioje pasaulyje draudimo rinkoje, reguliavimo aplinka dar nepriėmė šių naujos kartos technologijų.

Su dirbtiniu intelektu susijusių talentų ir įgūdžių trūkumas dažnai apgailestauja CIO ir CTO, o 42 % mūsų apklausos respondentų teigia, kad vidinių duomenų mokslininkų ir susijusių ekspertų trūkumas yra pagrindinis DI naudojimo apribojimas. Trūkumas itin jaučiamas tarp gamybos ir technologijų pramonės respondentų, kuriuos kaip AI apribojimą nurodė atitinkamai 48 % ir 47 % jų.

Sunkumas pritaikyti verslo procesus, susijusius su AI įžvalgomis, buvo nurodytas kaip pagrindinis AI iššūkis visame pasaulyje, o po to kilo problemų, susijusių su duomenų kiekiu, kokybe ir prieinamumu.

Duomenys iš tiesų yra dar vienas svarbus apribojimas, kurį apklausos respondentai (paminėjo 48 proc.) užėmė antrą vietą po apdorojimo problemų. Dirbtinio intelekto modeliams reikia duomenų: kuo daugiau modelis įsisavina, tuo tikslesnė jo analizė ir tuo didesnė tikimybė, kad sprendimai, kurių jis paragino, pasiteisins. Tačiau problema yra mažesnė dėl bendro duomenų prieinamumo. Tik 10% respondentų teigia, kad jiems tai sunku. „Le Cotonnec“ teigimu, didesnė problema yra sunkumai integruojant duomenis įvairiais formatais, ypač nestruktūrizuotus duomenis. Pasak jos, draudikai turėtų pradėti naudotis savo nestruktūrizuotais duomenimis (skambučių žurnalais, nuotraukomis, el. paštu), kad pagerintų žalų nagrinėjimo efektyvumą ar pagerintų klientų patirtį. Turime pakankamai duomenų, tačiau šiuo metu mūsų galimybės išgauti vertę iš nestruktūruotų duomenų yra ribotos. Draudimo pramonė nėra vienintelė: su šia problema susiduria 57% tyrime dalyvavusių įmonių (ir daug daugiau profesionalių paslaugų, transporto ir vyriausybinių organizacijų).

Nestruktūruotų duomenų integravimas, sąsaja su atvirų duomenų platformomis ir šališkumas algoritminiuose modeliuose yra pagrindiniai AI duomenų iššūkiai.

Atrakinamos duomenų dalijimosi galimybės

2019 m. birželio mėn. 10 didelių farmacijos gamintojų subūrė konsorciumą, siekdami aiškiai dalytis vaistų tyrimų duomenimis, kuriuos kiekvienas gali panaudoti mokydamas dirbtinio intelekto algoritmus. Tai ne pirmas kartas, kai didžiosios narkotikų pramonės įmonės bendradarbiauja mokslinių tyrimų ir plėtros srityje. Tačiau tai pirmas atvejis šioje mokslinių tyrimų srityje, kai dirbtinis intelektas yra ir skatinantis, ir naudos gavėjas. Konsorciumo nariai renka vienas kito duomenis naudodamiesi jungtiniais mokymosi metodais, kurie yra decentralizuota mašininio mokymosi forma. Tai leidžia ieškomiems duomenims likti kiekvienos įmonės serveriuose, o ne kaupti centrinėje saugykloje. Įmonės gali apsaugoti tai, ką laiko nuosavybės teise, o blokų grandinės naudojimas užtikrina visišką duomenų atsekamumą. Galutinis tikslas: supaprastinti ir paspartinti vaistų atradimą ir kūrimą, kad rinką pasiektų nauji ir pigesni vaistai ir gydymo būdai.

Šiame pavyzdyje pabrėžiama, kaip dirbtinio intelekto naudojimas kartu su kitomis technologijomis gali palengvinti veiksmingą ir saugų duomenų dalijimąsi tarp įmonių ir naudą, kurią gali duoti galingi dirbtinio intelekto modeliai, sukurti remiantis bendrais duomenimis. Nauda gali pasireikšti kaip naujas efektyvumas, nauji produktai ir paslaugos arba net naujos vertės grandinės, susidarančios aplink dalijimosi duomenimis susitarimus.

Pasaulyje gamybos, plataus vartojimo prekių ir mažmeninės prekybos bei IT ir telekomunikacijų pramonė rodo didžiausią susidomėjimą būdais dalytis duomenimis su trečiosiomis šalimis.

Du trečdaliai (66 proc.) mūsų apklausos respondentų išreiškia norą šiais tikslais dalytis savo duomenimis. Gamintojai, plataus vartojimo prekių ir mažmeninės prekybos įmonės bei technologijų įmonės yra labiausiai entuziastingai nusiteikusios, nors visi sektoriai pasižymi dideliu pasirengimu. Kaip jie nori iš to gauti naudos? Gamintojai mano, kad pagrindiniai laimėjimai yra didesnis tiekimo grandinės greitis ir matomumas, efektyvesnės gamybos operacijos ir greitesnis bei novatoriškesnis produktų kūrimas. Respondentai iš plataus vartojimo prekių ir mažmeninės prekybos bei farmacijos ir sveikatos priežiūros sektorių nurodo tą patį tiekimo grandinės ir produktų kūrimo naudą. IT ir telekomunikacijų vadovai mato naudą daugiausia geresnėje klientų aptarnavimo patirtyje ir kibernetinėje saugoje bei sukčiavimo prevencijos srityje, t.

Dalijimasis duomenimis vertės grandinėse ir tarp skirtingų paslaugų teikėjų klientų kelyje gali būti labai naudingas vartotojams, sako Tony Bates iš Genesys. Sukuriame milijardus sąveikų, pagal kurias galime kurti bendrus duomenų modelius. Tačiau mums reikia ir kitų duomenų formų. Reikia dalytis duomenimis įvairiose didelėse technologijose, kurias naudojame ir tvarkome. Jei galime tai padaryti anonimiškai ir saugiai, mes, kaip pramonės šaka, galime užtikrinti, kad mūsų klientai gautų daug labiau suasmenintą patirtį nei dabar.

Apklausos respondentai mano, kad didesnis matomumas tiekimo grandinėse ir greitesnis bei novatoriškesnis produktų kūrimas yra didžiausia duomenų dalijimosi su trečiosiomis šalimis nauda.

Visų pirma verslo ir vartotojų įmonėms iki šiol pagrindinė kliūtis buvo sunkumai užtikrinti klientų duomenų anonimiškumą. Chhabra iš „Vodafone“ teigia, kad visiškas anonimiškumas buvo sunkiai pasiekiamas: kad ir kiek norite anonimizuoti, bendrinamų duomenų vartotojai gali rasti būdų, kaip sekti klientus, su kuriais šie duomenys susiję. Jis mano, kad „blockchain“ ir naujesni patobulinimai, tokie kaip „Ocean Protocol“, kuris veikia panašiai kaip federacinis mokymasis, leidžiantis atlikti decentralizuotą duomenų paiešką, ilgainiui užtikrins, kad AI modeliai gali būti paleisti naudojant visiškai anoniminius duomenis.

Sukurti galimybę saugiai dalytis duomenimis yra viena galvosūkio dalis. Kitas dalykas, sako Chhabra, skatina įmones eiti į priekį ir dalytis tuo. Tie, kurie remiasi „Ocean Protocol“, ne pelno siekiančia platforma, kurią sukūrė Singapūre įsikūręs fondas, mano, kad jos technologija yra duomenų rinkų, kuriose įmonės, vartotojai ir kitos šalys dalijasi duomenimis ar jais prekiaujama, formavimo pagrindas.

Kad ir kokiomis dalijimosi formomis dalyvautų įmonės, jos turi išmokti vertinti turimus duomenis ir jiems reikalingus duomenis, sako George'as Bailey, tyrimų organizacijos Skaitmeninės tiekimo grandinės instituto vykdomasis direktorius. Tai gali reikšti piniginės kainos priskyrimą įvairių tipų duomenims arba nustatymą, kokiais duomenimis ji nori keistis mainais už kitų šalių duomenis. Jis pateikia pavyzdžius, kai sporto prekių gamintojai mato naudą gauti duomenis iš įmonių, palaikančių kūno rengybos programas, ir ilgalaikio vartojimo prekių gamintojus, ieškančius duomenų apie galutinių vartotojų pageidavimus ir charakteristikas iš mažmenininkų. Bailey taip pat pasisako už duomenų vertinimą ir prekybą įmonėse, kaip priemonę įveikti įsisenėjusius duomenų kaupiklius.

Norint įmonėms aktyviau keistis duomenimis, būtinas didesnis reglamentavimo aiškumas ir sutartų pramonės standartų kūrimas.

Nuo vizijos iki realybės

Dalijimasis duomenimis tokiu mastu, kuris veda prie naujų dirbtinio intelekto efektyvumo, produktų ir vertės grandinių, yra vizija, kurią reikia įgyvendinti, o ne dabartinė realybė. Visi, kuriuos apklausėme, mano, kad tai išsipildys, tačiau prireiks nemažai laiko, kol sumažės nuogąstavimai dėl to darymo saugumo ir privatumo rizikos. Ši nuomonė atsispindi apklausoje, kurioje 64 % respondentų teigia, kad reglamentas turi būti pakeistas arba patikslintas, o 58 % – kad pramonės standartai turi būti sukurti, kad jų įmonės imtųsi plačiai dalytis duomenimis.

Griežti duomenų privatumo reglamentai, tokie kaip Europos Sąjungos Bendrasis duomenų apsaugos reglamentas (BDAR), galiojantis nuo 2018 m., suprantama, suteikia vadovams pauzę, atsižvelgiant į nuobaudas, kurios jiems gali grėsti už jo reikalavimų nesilaikymą. Blockchain technologija gali būti sprendimo dalis, tačiau Chhabra taip pat pabrėžia vadinamąjį GDPR blokų grandinės paradoksą – pirmasis reikalauja duomenų ištrynimo asmens prašymu, o neištrynimas – visiškas atsekamumas – būdingas antrajam.

Kaip išspręstos tokios problemos, dar reikia pamatyti, tačiau kai kurios organizacijos pasisako už duomenų patikos fondų steigimą, kad būtų lengviau dalytis. Vienas iš jų yra Atvirųjų duomenų institutas (ODI), JK įsikūrusi ne pelno organizacija: ji teigia, kad JK įmonės labai nori tokių patikos fondų, įsteigtų kaip nepriklausomos institucijos, kurie veiktų kaip dalijamasi duomenų valdytojai.

„Philips“, teigia Jeroenas Tasas, yra didelis nekomercinio pasitikėjimo fondo, skirto sveikatos priežiūros duomenims valdyti, kūrimo šalininkas ir derasi su Europos Komisija, siekdamas paremti tokias iniciatyvas. Šioje pramonės šakoje sutariama: „Gal neturėtume vien investuoti į tradicines ligonines ir kitas patalpas. Galbūt sveikatos priežiūros ateitis yra labai tvirta sveikatos duomenų infrastruktūra, kuri yra saugi.

Norėdami sužinoti daugiau, atsisiųskite pilna ataskaita .

paslėpti