Hvordan håndtere et AI-prosjekt belønning, risiko og beredskap

Bilde: iStockphoto / Gorodenkoff Productions OU

Bosatt i Seattle-området, har jeg muligheten til å bli utsatt for den nyeste og største kunstige intelligens (AI) -opplevelsen, som Amazon Go Store, som vet når du henter en vare i butikken for kassa og når du legger igjen en, alt sammen kulminerer med en app som forenkler kassaopplevelsen din med automatisering.

Dette er de typer AI-opplevelser som virksomheter håper på og kan oppnå hvis de utnytter AI ikke bare for fordelene, men også med et øye på å styre risikoen og sikre deres egen beredskap.

De etiske utfordringene til AI: En leders guide (gratis PDF) (TechRepublic)

Alex Fly, administrerende direktør i AI-løsningsleverandøren Quickpath, kaller dette "tre Rs" for kunstig intelligens: Belønning, risiko og beredskap.

"Det CIOs og andre individer på C-nivå i organisasjoner bør merke seg er at AI er en metodikk som bruker et eksperimentelt rammeverk, " sa Fly.

Når du implementerer AI, enten det opererer på big data, tradisjonelle data eller en blanding av de to, er testprosessen iterativ. Du begynner med små trinn, og du tester nøyaktigheten til dataene og algoritmene dine. Dette gjør du ved å bestemme hvor nøye data og algoritmer fanger opp virksomhetens virkeligheter og leverer den innsikten du ønsker.

I noen tilfeller gir eksperimentet resultater med en gang. I andre tilfeller er det behov for kontinuerlig forbedring. I enda andre tilfeller fungerer ikke eksperimentet.

"Nøkkelen er å pilotere AI-en først, " sa Fly. "Mål resultatene dine mot dine mål og forventninger. Hvis din første innsats ikke oppnår det du vil, kan du avgrense modellene. Perfeksjon av en AI-applikasjon er en iterativ prosess med kontinuerlig forbedring. Ved å øke resultatene gradvis reduserer du risikoen å produsere unøyaktige resultater. "

Konseptet med iterativ testing kan ha varierende innvirkning på prosjekter. Hvis for eksempel datahastigheten i en gitt forretningsprosess du tilpasser for AI er rask, kan du iterativt teste og distribuere raskt; Imidlertid, hvis forretningsprosessen og strømmen av data er treg, vil den iterative AI-testsyklusen også være treg, noe som kan prøve tålmodigheten til øverste ledelse og prosjekt sponsorer.

"En viktig nøkkel til AI-suksess er åpenhet, " sa Fly.

Så hvis AI-testprosessen etter behov må være treg, bør ledelsen informeres om den på forhånd. Hvis AI-prosjektet er vellykket implementert og det påvirker kundenes forventninger til personvern, for eksempel et forsikringsselskap som inngår kontrakt med tredjeparter for å få informasjon om kjørelengde for å beregne bilpremier, bør forbrukerne bli informert om praksis og AI på forhånd— og ikke med liten skrift på policyer.

"Det er også spørsmålet om IT-beredskap, " forklarer Fly. "Har du de rette ferdighetene på IT- og datavitenskapsteamene dine for å støtte og overvåke AI, og implementere det på nettsteder, i mobile apper og i systemer? Med AIs store belønninger kommer store ansvar. Disse inkluderer håndtering av risiko og også sikre din beredskap når du høster fordelene av AI. "

Fly fortsetter, "Hvis du påvirker på nye måter hvordan kunden samhandler med deg eller hvordan folk jobber i din egen organisasjon med en AI-app, bør kundefølsomhet og ansattes beredskap for en AI-introduksjon vurderes."

"En lydtilnærming med hvilken som helst ny AI er en av" gjennomgå, gå og løpe, "sa Fly. Dette lar deg vite om organisasjonen er klar for endringen du vil introdusere. Du og interessentene dine bør også bekrefte at forretningssaken AI ble designet for, vil kunne oppfylles, og hvis du har de riktige dataene for AI-algoritmene å operere på.

Nyhetsbrev om innovasjon

Vær kjent med smarte byer, AI, Internet of Things, VR, AR, robotikk, droner, autonom kjøring og mer av de kuleste teknologiske nyvinningene. Leveres onsdager og fredager

Registrer deg i dag

© Copyright 2021 | pepebotifarra.com