10 Langkah untuk mengadopsi kecerdasan buatan dalam bisnis Anda

Kecerdasan buatan (AI) jelas merupakan kekuatan yang berkembang di industri teknologi. AI mengambil panggung utama di konferensi dan menunjukkan potensi di berbagai industri, termasuk ritel dan manufaktur. Produk-produk baru disematkan dengan asisten virtual, sementara chatbots menjawab pertanyaan pelanggan tentang apa saja, mulai dari situs pemasok kantor online hingga halaman dukungan penyedia layanan hosting web Anda. Sementara itu, perusahaan seperti Google, Microsoft, dan Salesforce mengintegrasikan AI sebagai lapisan intelijen di seluruh tumpukan teknologi mereka. Ya, AI pasti memiliki momennya.

Ini bukan AI yang dikondisikan oleh budaya pop untuk kita harapkan; itu bukan robot hidup atau Skynet, atau bahkan asisten Jarvis Tony Stark. Dataran tinggi AI ini terjadi di bawah permukaan, membuat teknologi kami yang ada lebih pintar dan membuka kekuatan semua data yang dikumpulkan perusahaan. Apa artinya: Kemajuan luas dalam pembelajaran mesin (ML), visi komputer, pembelajaran mendalam, dan pemrosesan bahasa alami (NLP) telah membuatnya lebih mudah untuk memanggang lapisan algoritma AI ke dalam perangkat lunak atau platform cloud Anda.

Untuk bisnis, aplikasi AI praktis dapat bermanifestasi dalam segala macam cara tergantung pada kebutuhan organisasi Anda dan wawasan intelijen bisnis (BI) yang berasal dari data yang Anda kumpulkan. Perusahaan dapat menggunakan AI untuk semuanya, mulai dari menambang data sosial hingga mendorong keterlibatan dalam manajemen hubungan pelanggan (CRM) hingga mengoptimalkan logistik dan efisiensi ketika menyangkut pelacakan dan pengelolaan aset.

ML memainkan peran kunci dalam pengembangan AI, kata Luke Tang, General Manager program Global Accelerator + AI TechCode, yang menginkubasi startup AI dan membantu perusahaan memasukkan AI di atas produk dan layanan mereka yang ada.

"Saat ini, AI sedang didorong oleh semua kemajuan baru-baru ini di ML. Tidak ada satu terobosan tunggal yang dapat Anda tunjukkan, tetapi nilai bisnis yang dapat kami ekstrak dari ML sekarang berada di luar grafik, " kata Tang. "Dari sudut pandang perusahaan, apa yang terjadi saat ini dapat mengganggu beberapa proses bisnis inti perusahaan seputar koordinasi dan kontrol: penjadwalan, alokasi sumber daya, dan pelaporan." Di sini kami memberikan kiat dari beberapa pakar untuk menjelaskan langkah-langkah yang dapat diambil bisnis untuk mengintegrasikan AI dalam organisasi Anda dan untuk memastikan implementasi Anda berhasil.

1. Kenali AI

Luangkan waktu untuk membiasakan diri dengan apa yang dapat dilakukan AI modern. TechCode Accelerator menawarkan startups beragam sumber daya melalui kemitraannya dengan organisasi seperti Stanford University dan perusahaan di ruang AI. Anda juga harus memanfaatkan kekayaan informasi online dan sumber daya yang tersedia untuk membiasakan diri dengan konsep dasar AI. Tang merekomendasikan beberapa lokakarya jarak jauh dan kursus online yang ditawarkan oleh organisasi seperti Udacity sebagai cara mudah untuk memulai dengan AI dan untuk meningkatkan pengetahuan Anda tentang bidang-bidang seperti ML dan analitik prediktif dalam organisasi Anda.

Berikut ini adalah sejumlah sumber daya online (gratis dan berbayar) yang dapat Anda gunakan untuk memulai:

• Kursus Intro untuk AI dari Udacity dan Program Nanodegree Kecerdasan Buatan
• Kuliah online Universitas Stanford: Kecerdasan Buatan: Prinsip dan Teknik
• Kursus AI online edX, ditawarkan melalui Columbia University
• Toolkit Kognitif open-source Microsoft (sebelumnya dikenal sebagai CNTK) untuk membantu pengembang menguasai algoritma pembelajaran mendalam
• Pustaka perangkat lunak TensorFlow open-source Google (OS) untuk kecerdasan mesin
• AI Resources, direktori kode sumber terbuka dari AI Access Foundation
• Asosiasi untuk Pengembangan Sumber Daya Kecerdasan Buatan (AAAI)
• Panduan Lembut MonkeyLearn untuk Pembelajaran Mesin
• Stephen Hawking dan Institut Masa Depan Kehidupan Elon Musk
• OpenAI, sebuah prakarsa pembelajaran mendalam industri terbuka dan akademisi

2. Identifikasi Masalah yang Anda Ingin Selesaikan AI

Setelah Anda memahami dasar-dasarnya, langkah berikutnya untuk bisnis apa pun adalah mulai menjelajahi berbagai ide. Pikirkan tentang bagaimana Anda dapat menambahkan kemampuan AI ke produk dan layanan yang ada. Lebih penting lagi, perusahaan Anda harus mempertimbangkan kasus penggunaan khusus di mana AI dapat menyelesaikan masalah bisnis atau memberikan nilai yang dapat ditunjukkan.

"Ketika kami bekerja dengan perusahaan, kami mulai dengan ikhtisar program dan masalah teknologi utamanya. Kami ingin dapat menunjukkan kepada mereka bagaimana pemrosesan bahasa alami, pengenalan gambar, ML, dll. Sesuai dengan produk-produk tersebut, biasanya dengan semacam lokakarya dengan manajemen perusahaan, "Tang menjelaskan. "Spesifik selalu berbeda di setiap industri. Misalnya, jika perusahaan melakukan pengawasan video, itu dapat menangkap banyak nilai dengan menambahkan ML ke proses itu."

3. Prioritaskan Nilai Beton

Selanjutnya, Anda perlu menilai nilai bisnis dan keuangan potensial dari berbagai kemungkinan implementasi AI yang telah Anda identifikasi. Sangat mudah untuk tersesat dalam diskusi AI "pie in the sky", tetapi Tang menekankan pentingnya mengikat inisiatif Anda langsung ke nilai bisnis.

"Untuk memprioritaskan, lihat dimensi potensi dan kelayakan dan masukkan ke dalam matriks 2x2, " kata Tang. "Ini akan membantu Anda memprioritaskan berdasarkan visibilitas jangka pendek dan tahu apa nilai keuangan untuk perusahaan. Untuk langkah ini, Anda biasanya memerlukan kepemilikan dan pengakuan dari manajer dan eksekutif tingkat atas."

4. Akui Kesenjangan Kemampuan Internal

Ada perbedaan mencolok antara apa yang ingin Anda capai dan apa yang Anda miliki kemampuan organisasi untuk benar-benar mencapainya dalam kerangka waktu tertentu. Tang mengatakan bahwa sebuah bisnis harus tahu apa yang mampu dilakukannya dan apa yang bukan dari perspektif teknologi dan proses bisnis sebelum meluncurkan ke dalam implementasi AI sepenuhnya.

"Terkadang ini membutuhkan waktu lama untuk dilakukan, " kata Tang. "Mengatasi kesenjangan kemampuan internal Anda berarti mengidentifikasi apa yang perlu Anda peroleh dan setiap proses yang perlu dikembangkan secara internal sebelum Anda mulai. Tergantung pada bisnis, mungkin ada proyek atau tim yang ada yang dapat membantu melakukan hal ini secara organik untuk unit bisnis tertentu."

5. Membawa Para Ahli dan Mengatur Proyek Percontohan

Setelah bisnis Anda siap dari sudut pandang organisasi dan teknologi, maka inilah saatnya untuk mulai membangun dan mengintegrasikan. Tang mengatakan bahwa faktor terpenting di sini adalah mulai dari yang kecil, memikirkan sasaran proyek, dan yang paling penting, waspadai apa yang Anda ketahui dan apa yang tidak Anda ketahui tentang AI. Di sinilah membawa ahli luar atau konsultan AI dapat sangat berharga.

"Anda tidak perlu banyak waktu untuk proyek pertama; biasanya untuk proyek percontohan, 2-3 bulan adalah kisaran yang baik, " kata Tang. "Anda ingin menyatukan orang-orang internal dan eksternal dalam sebuah tim kecil, mungkin 4-5 orang, dan kerangka waktu yang lebih ketat akan membuat tim fokus pada tujuan langsung. Setelah pilot selesai, Anda harus dapat memutuskan apa yang lebih lama jangka panjang, proyek yang lebih rumit akan dan apakah proposisi nilai masuk akal untuk bisnis Anda. Juga penting bahwa keahlian dari kedua belah pihak - orang-orang yang tahu tentang bisnis dan orang-orang yang tahu tentang AI - digabung dalam tim proyek pilot Anda."

6. Bentuk Satuan Tugas untuk Mengintegrasikan Data

Tang mencatat bahwa, sebelum menerapkan ML ke dalam bisnis Anda, Anda perlu membersihkan data Anda agar siap untuk menghindari skenario "sampah masuk, buang keluar". "Data internal perusahaan biasanya tersebar di banyak data silo dari sistem warisan yang berbeda, dan bahkan mungkin berada di tangan kelompok bisnis yang berbeda dengan prioritas yang berbeda, " kata Tang. "Oleh karena itu, langkah yang sangat penting untuk mendapatkan data berkualitas tinggi adalah membentuk pasukan lintas tugas, mengintegrasikan set data yang berbeda bersama-sama, dan memilah inkonsistensi sehingga data akurat dan kaya, dengan semua dimensi yang tepat diperlukan untuk ML."

7. Mulai Kecil

Mulailah menerapkan AI pada sampel kecil data Anda daripada mengambil terlalu banyak terlalu cepat. "Mulai sederhana, gunakan AI secara bertahap untuk membuktikan nilai, mengumpulkan umpan balik, dan kemudian memperluasnya, " kata Aaron Brauser, Wakil Presiden Manajemen Solusi di M * Modal, yang menawarkan teknologi bahasa alami (NLU) untuk organisasi perawatan kesehatan dan juga platform AI yang terintegrasi dengan catatan medis elektronik (EMR).

Jenis data tertentu dapat berupa informasi tentang spesialisasi medis tertentu. "Selektif dalam membaca AI, " kata Dr. Gilan El Saadawi, Kepala Informasi Medis (CMIO) di M * Modal. "Misalnya, pilih masalah tertentu yang ingin Anda selesaikan, fokuskan AI pada masalah itu, dan berikan pertanyaan spesifik untuk dijawab dan tidak membuang semua data padanya."

8. Sertakan Penyimpanan Sebagai Bagian dari Rencana AI Anda

Setelah Anda meningkatkan sedikit sampel data, Anda harus mempertimbangkan persyaratan penyimpanan untuk mengimplementasikan solusi AI, menurut Philip Pokorny, Chief Technical Officer (CTO) di Penguin Computing, sebuah perusahaan yang menawarkan komputasi berkinerja tinggi (Solusi HPC), AI, dan ML.

"Meningkatkan algoritma penting untuk mencapai hasil penelitian. Tetapi tanpa volume data yang besar untuk membantu membangun model yang lebih akurat, sistem AI tidak dapat meningkatkan cukup untuk mencapai tujuan komputasi Anda, " tulis Pokorny dalam sebuah buku putih berjudul, "Keputusan Kritis: Panduan untuk Membangun Solusi Kecerdasan Buatan Lengkap Tanpa Penyesalan. " "Itu sebabnya dimasukkannya penyimpanan yang cepat dan dioptimalkan harus dipertimbangkan pada awal desain sistem AI."

Selain itu, Anda harus mengoptimalkan penyimpanan AI untuk konsumsi data, alur kerja, dan pemodelan, sarannya. "Meluangkan waktu untuk meninjau opsi Anda dapat memiliki dampak yang besar dan positif terhadap cara sistem berjalan begitu daring, " Pokorny menambahkan.

9. Memasukkan AI sebagai Bagian dari Tugas Harian Anda

Dengan wawasan tambahan dan otomatisasi yang disediakan oleh AI, para pekerja memiliki alat untuk menjadikan AI bagian dari rutinitas harian mereka alih-alih sesuatu yang menggantikannya, menurut Dominic Wellington, Penginjil TI Global di Moogsoft, penyedia AI untuk operasi TI (AIOps). "Beberapa karyawan mungkin waspada terhadap teknologi yang dapat memengaruhi pekerjaan mereka, jadi memperkenalkan solusi sebagai cara untuk menambah tugas sehari-hari adalah penting, " jelas Wellington.

Dia menambahkan bahwa perusahaan harus transparan tentang bagaimana teknologi bekerja untuk menyelesaikan masalah dalam alur kerja. "Ini memberi karyawan pengalaman di bawah tenda sehingga mereka dapat dengan jelas memvisualisasikan bagaimana AI meningkatkan peran mereka daripada menghilangkannya, " katanya.

10. Bangun Dengan Saldo

• Kecerdasan Buatan Memiliki Masalah Bias, dan Ini Kesalahan Kita Kecerdasan Buatan Memiliki Masalah Bias, dan Ini Kesalahan Kita
• Inteligensi Buatan IBM Membawa Champs Debat Manusia IBM Inteligensi Buatan Membawa Manusia Champs
• AI Menawarkan Potensi Besar, Tapi Tidak Akan Terjadi Semalam AI Menawarkan Potensi Besar, Tapi Tidak Akan Terjadi Semalam

Ketika Anda sedang membangun sistem AI, itu memerlukan kombinasi memenuhi kebutuhan teknologi serta proyek penelitian, Pokorny menjelaskan. "Pertimbangan menyeluruh, bahkan sebelum mulai merancang sistem AI, adalah bahwa Anda harus membangun sistem dengan keseimbangan, " kata Pokorny. "Ini mungkin terdengar jelas tetapi, terlalu sering, sistem AI dirancang di sekitar aspek spesifik tentang bagaimana tim membayangkan mencapai tujuan penelitiannya, tanpa memahami persyaratan dan keterbatasan perangkat keras dan perangkat lunak yang akan mendukung penelitian. Hasilnya kurang dari yang optimal, bahkan disfungsional, sistem yang gagal mencapai tujuan yang diinginkan."

Untuk mencapai keseimbangan ini, perusahaan perlu membangun bandwidth yang cukup untuk penyimpanan, unit pemrosesan grafis (GPU), dan jaringan. Keamanan juga merupakan komponen yang sering diabaikan. AI pada dasarnya membutuhkan akses ke petak data yang luas untuk melakukan tugasnya. Pastikan Anda memahami jenis data apa yang akan terlibat dengan proyek dan bahwa perlindungan keamanan Anda yang biasa - enkripsi, jaringan pribadi virtual (VPN), dan anti-malware - mungkin tidak cukup.

"Demikian pula, Anda harus menyeimbangkan bagaimana anggaran keseluruhan dihabiskan untuk mencapai penelitian dengan kebutuhan untuk melindungi terhadap kegagalan daya dan skenario lainnya melalui redundansi, " kata Pokorny. "Anda mungkin juga perlu membangun fleksibilitas untuk memungkinkan repurposing perangkat keras saat kebutuhan pengguna berubah."