Неліктен AI-ны командалық спорт ретінде қарастыру керек?

AI командалық спорт ретінде қарастыру нені білдіреді? Біз AI жобаларының хайптан әсерге ауысатынын көріп отырмыз, себебі бұрын жетіспейтін бизнес контекстін қамтамасыз ету үшін дұрыс рөлдер тартылады. Домен сараптамасы маңызды; машиналарда адамдарда болатын контекст тереңдігі жоқ және адамдар кез келген түсініктер немесе ұсыныстар негізінде қандай әрекеттерді орындау керектігін түсіну үшін бизнес пен деректерді жақсы білуі керек.

AI-ны масштабтау туралы сөз болғанда, көптеген көшбасшылар адамдар мәселесі бар деп ойлайды, атап айтқанда, деректер ғалымдары жеткіліксіз. Бірақ кез келген бизнес мәселесі деректер ғылымының мәселесі емес. Немесе, ең болмағанда, кез келген іскерлік қиындықтар сіздің деректер туралы ғылымдар тобыңызға салынбауы керек. Дұрыс көзқараспен сіз дәстүрлі деректер ғылымының циклдерінен туындайтын қиындықтарсыз AI артықшылықтарын ала аласыз.

AI шешімдерін қолдану және масштабтау үшін көшбасшылар ұйымның санасын AI-ны командалық спорт ретінде қарастыруға ауыстыруы керек. Кейбір AI жобалары табысты нәтижелердің қалай көрінетіні үшін әртүрлі адамдар, құралдар және күтулерді қажет етеді. Бұл мүмкіндіктерді қалай тануға болатынын білу сізге сәтті AI жобаларына жақындауға және AI пайдаланушыларының қатарын тереңдетуге көмектеседі, жұмыс күші бойынша шешім қабылдауға жылдамдық пен қуат қосады. Неліктен және қалай екенін зерттейік.

Ұйымдар AI көмегімен кеңейтілген талдауды демократияландыруда

Іскерлік мәселелерді шешу үшін AI пайдалану негізінен деректер ғалымдарының құзыретіне айналды. Көбінесе деректер туралы ғылым топтары ұйымның ең үлкен мүмкіндіктері мен ең күрделі қиындықтарына арналған. Көптеген ұйымдар деректер туралы ғылымды алаяқтықты анықтау, жекелендіру және т.б. сияқты нақты пайдалану жағдайларында қолдануда сәтті болды, мұнда терең техникалық тәжірибе және дәл бапталған модельдер үлкен табысты нәтижелерге әкеледі.

Дегенмен, деректер ғылымы тобы арқылы AI шешімдерін масштабтау көптеген себептерге байланысты ұйымдар үшін қиын. Талантты тарту және сақтау өте қымбат және бәсекелес нарықта қиын болуы мүмкін. Дәстүрлі деректер туралы ғылым жобалары бизнес құндылықты көргенге дейін әзірлеуге және орналастыруға көп уақытты алуы мүмкін. Тіпті ең тәжірибелі, сенімді деректер ғылымы командалары шешуі сұралған мәселенің нюанстарын түсіну үшін қажетті деректер немесе контекст болмаса, сәтсіздікке ұшырауы мүмкін.

2021 Gartner® Мәліметтер туралы ғылым және машиналық оқыту жағдайы (DSML) есебінде «клиент сұранысы өзгереді, техникалық аз аудитория DSML-ді оңайырақ қолданғысы келеді, сарапшылар өнімділікті арттыруды қажет етеді және кәсіпорындар өз инвестицияларын бағалау үшін қысқа уақытты қажет етеді» делінген.¹.” AI қамтамасыз ете алатын талдаудың жылдамдығы мен мұқияттылығынан пайда алатын көптеген бизнес мәселелері болуы мүмкін, бірақ деректер туралы ғылымның дәстүрлі тәсілі әрқашан құндылықты жылдам көру үшін шабуылдың ең жақсы жоспары бола бермейді. Шын мәнінде, дәл сол Gartner есебінде «2025 жылға қарай деректер ғалымдарының тапшылығы бұдан былай ұйымдарда деректер ғылымы мен машиналық оқытуды қабылдауға кедергі болмайды» деп болжайды.

Домен сараптамасы AI-ны бизнесте масштабтау үшін өте маңызды

AI қазірдің өзінде деректер туралы білімі жоқ пайдаланушыларға кеңейтілген талдау мүмкіндіктерін беруге көмектеседі. Машиналар ең жақсы болжау үлгілері мен алгоритмдерін таңдай алады, ал негізгі үлгілерді көрсетуге болады, бұл оларды реттеуге және барлығы пайдаланушы іздеген нәрсеге сәйкес келетініне көз жеткізуге мүмкіндік береді.

Бұл мүмкіндіктер сарапшылар мен білікті бизнес домен сарапшыларына өздерінің AI қолданбаларын жобалау және пайдалану мүмкіндігін береді. Деректерге жақынырақ болғандықтан, бұл пайдаланушылар көптеген деректер зерттеуші әріптестерінен артықшылығы бар. Бұл қуатты домен тәжірибесі бар адамдардың қолына беру ұзақ әзірлеу уақытын, ресурс жүктемелерін және дәстүрлі деректер ғылымының циклдеріне байланысты жасырын шығындарды болдырмауға көмектеседі. Сонымен қатар, домен тәжірибесі бар адамдар AI болжамы немесе ұсынысы пайдалы ма, жоқ па, соны шешуі керек.

Неғұрлым итеративті, қайта қарау және қайта орналастыру үлгілерін құру процестерімен бизнес контексті бар адамдар AI-дан тезірек құндылық ала алады, тіпті жаңа үлгілерді мыңдаған пайдаланушыларға апталар мен айлардың орнына бірнеше күн мен апта ішінде қолдана алады. Бұл әсіресе бірегей қиындықтар деректер ғылымы топтары үшін жоғары басымдылық болмауы мүмкін, бірақ AI талдауының жылдамдығы мен мұқияттылығынан пайда алатын командалар үшін өте күшті.

Дегенмен, бұл шешімдер аналитиктер мен деректер ғалымдары арасындағы біліктілік алшақтығын жоюға көмектессе де, бұл соңғысын алмастыра алмайтынын ескеру маңызды. Деректер ғалымдары AI қосылған шешімдерде пайдаланылатын деректерді тексеру үшін бизнес сарапшыларымен маңызды серіктес болып қала береді. Осы ынтымақтастыққа қосымша, білім беру және деректер дағдылары осы құралдар түрлерін ауқымда сәтті пайдалану үшін маңызды болады.

Деректер сауаттылығы адамдарға AI-ны қолдану мүмкіндігін береді

Сіздің негізгі деректер стратегияңыз ұйымыңызды AI-мен табысқа жету үшін орнатуда үлкен рөл атқарады, бірақ AI шешімдерін бизнестегі көбірек адамдарға жеткізу деректер сауаттылығының базалық деңгейін қажет етеді. Бизнес мәселесіне қандай деректерді қолдану орынды екенін түсіну, сондай-ақ AI ұсынымының деректері мен нәтижелерін қалай түсіндіру керектігін түсіну адамдарға шешім қабылдаудың бір бөлігі ретінде AI-ға сәтті сенуге және қабылдауға көмектеседі. Ұйымдағы деректердің ортақ тілі сарапшылармен табысты ынтымақтастық үшін көбірек есіктер ашады.

McKinsey компаниясының AI бойынша соңғы жаһандық сауалнамасы жоғары нәтижелі ұйымдардың 34% ішінде «арнайы оқыту орталығы техникалық емес қызметкерлердің AI дағдыларын тәжірибелік оқыту арқылы дамытатынын» көрсетті, ал басқа сауалнамаға қатысқандардың тек 14%. Сонымен қатар, жоғары өнімді ұйымдардың 39% -ында «AI пайдаланушылары мен ұйымның деректер ғылымы командасы арасында байланыс арналары мен байланыс нүктелері бар», ал басқаларының 20% ғана.

Көшбасшылар білім беру және оқыту, тәлімгерлік бағдарламалары, қауымдастық құру деректер байқаулары және т.б. бастап деректер сауаттылығын қалыптастырудың әртүрлі тәсілдерін қолдана алады. Деректерге қол жеткізу және ортақ пайдалануды қалыпқа келтіру, сондай-ақ табыстарды, оқуды және деректермен шешім қабылдауды қалай атап өту және алға жылжыту туралы ойланыңыз.

«Деректерді сауаттылық пен визуализация және деректер туралы ғылым туралы білім көбірек болуы керек және оны тезірек үйрету керек», - деді Видя Сетлур, Tableau Research басшысы. «Деректерді пайдалануға сүйенетін әлеуметтік және ұйымдастырушылық жауапкершіліктің бір түрі бар. Адамдар деректерді түсінуге, түсіндіруге және барынша тиімді пайдалануға жақсырақ жабдықталуы керек, өйткені AI тек күрделірек болады және біз ойыннан бірнеше қадам алда болуымыз керек ».

Ұйымыңыздың деректер мәдениетін құруды жалғастыру дағдыларды дамыту және бизнес бойынша жаңа шешімдерді ынталандыру үшін қуатты мүмкіндіктер жасайды. Көптеген ұйымдар соңғы жылдары деректер мен аналитикаға инвестицияларын арттырды, өйткені цифрлық трансформация жеделдеді. Деректерді командалық спорт ретінде қарастыру мүмкін емес - енді бізде бұл ойлауды AI-ға кеңейтуге мүмкіндік бар.