Spojrzenie na adopcję sztucznej inteligencji przez pryzmat IT

Wdrażanie technologii stało się integralną częścią strategii rozwoju wszystkich firm. Technologia informacyjna (IT) stoi na czele tego ruchu, zapewniając firmom narzędzia potrzebne do automatyzacji i usprawnienia procesów. Jednak wraz z szybkim rozwojem sztucznej inteligencji (AI) i zamieszaniem, jakie wywołała wśród ludzi – firmy zaczynają odkrywać jej potencjalne korzyści.

Zacznijmy od podstaw. Adaptacja IT odnosi się do procesu integracji technologii w firmie w celu usprawnienia operacji, poprawy produktywności i obniżenia kosztów. Technologia ta może obejmować sprzęt, oprogramowanie i infrastrukturę sieciową. W większości przypadków firmy wdrażają IT w celu automatyzacji zadań, które wcześniej były wykonywane ręcznie, takich jak wprowadzanie danych, obsługa klienta i zarządzanie zapasami.

Natomiast wdrożenie sztucznej inteligencji odnosi się do procesu integracji sztucznej inteligencji w firmie w celu automatyzacji złożonych zadań, analizy danych i usprawnienia procesu podejmowania decyzji. Technologia AI obejmuje uczenie maszynowe, przetwarzanie języka naturalnego i wizję komputerową. Wdrożenie sztucznej inteligencji może być wykorzystane do poprawy doświadczeń klientów, ulepszenia rekomendacji produktów i optymalizacji operacji łańcucha dostaw.

Tak, wiemy, że to coś zupełnie innego. Ale w jaki sposób?

Podstawową różnicą między przyjęciem IT a przyjęciem AI jest złożoność technologii. Podczas gdy IT może być złożone, sztuczna inteligencja jest znacznie bardziej wyrafinowana i wymaga specjalistycznych umiejętności do wdrożenia i utrzymania. Co więcej, potencjalne korzyści płynące z wdrożenia sztucznej inteligencji są znacznie większe niż w przypadku IT, choć koszty wdrożenia i utrzymania są również wyższe.

Przyjrzyjmy się kilku obszarom:

• Zdolność do dostarczania wyników: w przypadku IT stosunkowo łatwo jest przewidzieć oczekiwane wyniki dzięki zmierzonej wydajności, funkcjom i dobrze ustrukturyzowanym kryteriom sukcesu… co jest prawie niemożliwe w przypadku sztucznej inteligencji, jaką znamy obecnie. Główny powód? W wielu przypadkach po prostu nie jesteśmy w stanie przewidzieć, jak AI zachowa się przy przydzielonym zadaniu i dostępnych danych. Podczas gdy czas realizacji jest trudny do oszacowania w przypadku nowych projektów IT, staje się prawie niemożliwy do oszacowania w przypadku sztucznej inteligencji.

• Dostępne umiejętności i eksperci merytoryczni – w IT są oni w większości “wewnętrzni” lub łatwo zlecani na zewnątrz, podczas gdy w sztucznej inteligencji potrzebne umiejętności są trudne do przewidzenia, a wiedza specjalistyczna obejmuje zarówno definiowanie problemu, staranny dobór danych wejściowych, jak i ocenę oczekiwanego wyniku. Wysoce subiektywna praca jest bardzo zależna od umiejętności w zakresie nauki o danych, które są rzadkością w prawie każdej firmie.

• Głębokość integracji – podobnie jak w przypadku systemów/aplikacji IT, połączenia są zwykle dobrze zdefiniowane, dostępne (API, protokoły), a wymagania dotyczące przepływu danych są mierzalne… w przypadku sztucznej inteligencji jest to często zarządzane “w biegu”, gdy pojawiają się nowe wymagania podczas przeprowadzania testów w celu rozwiązania problemów biznesowych. Ponownie – nauka o danych ma kluczowe znaczenie dla oceny wymaganej głębokości integracji.

Wniosek?

Sztuczna inteligencja jest znacznie bardziej złożona niż IT i wymaga specjalistycznych umiejętności do wdrożenia i utrzymania. Ponadto AI ma potencjał do automatyzacji bardziej złożonych zadań i zapewnienia wglądu, który byłby niemożliwy do wykrycia przez ludzi. Jednak obecnie nie ma sposobu, aby zmierzyć, do czego zdolna jest sztuczna inteligencja, dlatego niezwykle rzadko można ocenić, jakie dane są potrzebne i jak wpłynie to na ogólną wydajność struktury IT.

Jesteśmy u zarania AI – zobaczmy pełny obraz, gdy słońce wzejdzie wyzej.