Зміст:
Відео: HUGE EGGS Surprise Toys Challenge with Inflatable water slide (Вересень 2024)
Лише 21 відсоток малого бізнесу впровадили рішення на основі штучного інтелекту (AI), згідно з повідомленням Bluewolf (компанії IBM). Обстеження AI Investment Gap опитувало 177 осіб, які приймають рішення, щоб визначити, чи прийняли вони ще ІІ та машинне навчання (ML), і глибину їхнього розуміння цих технологій. Хоча 33 відсотки малого бізнесу планували інвестувати в ШІ протягом наступних 12 місяців (що призведе до загальної кількості усиновлених ШІ в наступному році до 54 відсотків), загальна кількість все ще нижча, ніж у великих компаній. Плюс до цього, 30 відсотків великих компаній вже інвестували в ШІ, тоді як 44 відсотки планують розпочати інвестиції протягом наступних 12 місяців. Це в сукупності складає 74 відсотки, або на 20 відсотків більше, ніж загальна кількість малого бізнесу.
Ванесса Томпсон, старший віце-президент з питань досвіду роботи з клієнтами в Bluewolf, заявила, що між компаніями, які застосували інструменти AI, і тими, хто не планує застосовувати такі інструменти, існує розрив у знаннях. Вона називає цю прогалину "інвестиційною прогалиною" ІП та описує її як "розбіжність між керівниками на рівні С, які розуміють ІІ, та тими, хто ще не розгорне його в своєму бізнесі", згідно з письмовою заявою.
Оскільки Bluewolf продає інструменти AI, було б їм припустити, що єдиною причиною, через яку люди не купують інструменти AI, є те, що вони не знають про них. Щоб перевірити претензію Томпсона, я поспілкувався з Брендоном Перселлом, старшим аналітиком Insights Customer Insights в Forrester Research, про те, які, якщо такі є, інші проблеми можуть виникнути, щоб викликати розрив між тими, хто прийняв ШІ, і тими, хто цього не зробив. Purcell and Forrester Research провели власні подібні дослідження щодо прийняття ШІ. Хоча його загальна кількість схожа на IBM - 51 відсоток компаній прийняв або розширює AI, а 20 відсотків заявляють, що планують прийняти протягом наступних 12 місяців - Purcell придумав ще кілька вагомих причин, чому малий бізнес може відстати крива прийняття ШІ.
Вартість AI
Перселл посилався на обмеження інвестицій як на головний фактор, особливо "це стосується набору навичок. Малий бізнес не має ресурсів для найму науковців", - сказав він. Це працівники, які отримують уявлення про дані, що висуваються в програмне забезпечення підприємства і виходять з нього.
Вони також будуть визначати, чи точно AI читає ваші дані та вживає дій, виходячи з власного інтелекту. Середня зарплата для науковця даних становить 113 466 доларів на рік, за даними Glassdoor, яка (за грандіозною схемою багатих) трохи менше середньої зарплати американського генерального директора (166 000 доларів за даними PayScale). Тож, якщо ви генеральний директор малого бізнесу, який працює з низькою маржею, і ви не хочете знижувати власну зарплату, було б важко раціоналізувати витрачання шести фігур на науковця даних і витратити гроші на програмна система, яка може перетворювати дані в AI.
Але не лише залучені гроші забороняють меншим компаніям інвестувати в програмне забезпечення, що керується AI. "У відповідній записці є фактор даних", - сказав Перселл. "AI процвітає, коли у вас є велика кількість даних. Малий бізнес не має стільки даних для цього."
Подумайте про це так: Ви знаєте, як Facebook знає, яких друзів позначити, коли публікуєте фотографію? Це тому, що Facebook збирає інформацію з усіх ваших раніше позначених публікацій. Ви коли-небудь дивилися фільм, який вам рекомендував Netflix? Netflix знав рекомендувати цей фільм на основі попередніх виборів. Facebook і Netflix здатні скласти ці рекомендації на основі ML, який є першим двоюрідним братом AI. Хоча вони схожі, обидва терміни часто використовуються взаємозамінно (і неправильно).
Ось основна відмінність термінів: ML-системи використовують інтелект для підвищення продуктивності, пропонуючи вам рекомендації та способи впорядкування процесів, тоді як системи, що використовують AI, надають автономії програмному забезпеченню для виконання завдань та прийняття рішень без нагляду людини. ML - це Netflix, що дає рекомендації щодо фільму, а AI - це машина, яка веде вас до роботи, поки ви дрімаєте на задньому сидінні. Як малий бізнес, який тільки починає генерувати дані, переваги AI будуть незначними порівняно з тим, що може побачити компанія Fortune 500, коли вони включають програмне забезпечення AI.
Невірно Блувольф?
Отже, чи годував Bluewolf поганою інформацією у своєму опитуванні? Чи знають малі підприємства про ШІ, але у них просто немає грошей чи даних, щоб їх хвилювати? Перселл не вважає, що дослідження Bluewolf невірно. Насправді він зараховує IBM Watson як творця когнітивних обчислень, парасольового терміна, який охоплює AI, ML та інші програми, що імітують людський мозок.
"Вони витратили багато грошей на створення цієї категорії, але у них є великі конкуренти в просторі: Google, Amazon, Facebook, Microsoft", - сказав Перселл. "Ці компанії також сидять на величезній кількості даних, що використовуються для підготовки систем ІІ. Голлівудське визначення AI - це розумний робот. Ми цього ще не використовували. Але, коли мова заходить про впровадження AI на рівні підприємства для практичного AI, IBM досконала в створенні цих інструментів. "
Помилкові уявлення про Голлівуд, ШІ та роботів, що вбивають нас уві сні - це ймовірна причина, чому малий бізнес ухилився від того, щоб дізнатися більше про інструменти AI. Якщо ви продавець футболок в Оклахомі, то яка користь - автономний автомобіль або майбутній робот, озброєний лазерним пістолетом? Однак, якщо взяти їх у менш відомий контекст, Персел та Томпсон бачать практичні випадки використання для малого бізнесу - використовують випадки, про які малий бізнес ще не отримав освіту.
Що стосується того, що Томпсон і Блуольф називають "розширеним інтелектом", малому бізнесу не обов'язково потрібна експертиза даних або сукупність інформації, щоб скористатися AI. Bluewolf визначає розширений інтелект як здатність додатків міркувати, робити висновки та витягувати ідеї навіть із неструктурованими наборами даних, такими як мова та зображення. Навіть на початку збору даних компанії розширені розвідувальні рішення здатні вивчатись у процесі роботи, незалежно від того, наскільки мало інформації надходить у систему.
"Розширена розвідка допомагає кінцевим користувачам передбачити, що робити далі, надаючи їм інформацію про те, що потрібно їх клієнтам", - сказав Томпсон. "Ми розглядаємо розширення як спосіб зробити AI реальністю для компаній будь-якого масштабу".
Сюди входять такі речі, як поєднання зовнішніх та внутрішніх даних, щоб зменшити знання, які використовує розширена розвідувальна технологія для прийняття бізнес-рішень. Наприклад, комбінуючи зовнішні локальні схеми покупок і дані про погоду з патентованими даними щодо моделей покупок клієнтів, компанії з електронної комерції можуть надавати гіперперсоніфіковані кампанії. У цьому сценарії науковець даних буде корисним, але не потрібним, а ціла кількість даних про клієнтів зробить кампанію ще сильнішою. Але це не завадить кампанії бути потужнішою, ніж була б без поєднання внутрішніх та зовнішніх джерел даних.
