Jakie są szanse rozwoju sztucznej inteligencji na dużą skalę?

W dzisiejszych czasach w rozwiązania oparte na sztucznej inteligencji inwestuje się już miliardy dolarów. I nic w tym dziwnego, gdyż ta przełomowa technologia ma moc transformacji nie tylko biznesu, ale też wielu procesów gospodarczych i  otaczającej nas rzeczywistości. Coraz więcej firm z różnych sektorów wykracza poza rozwiązania pilotażowe. Na ile jednak są one skuteczne w zastosowaniach na szeroką skalę, zwłaszcza w świetle obecnej pandemii? Mówi o tym najnowszy raport Capgemini poświęcony badaniom potencjału sztucznej inteligencji na dzisiejszym rynku.

Capgemini zanalizowało tempo wdrożenia sztucznej inteligencji przez przedsiębiorstwa w ciągu ostatnich trzech lat, badając blisko tysiąc organizacji, z co najmniej miliardem dolarów przychodu rocznie, wdrażających inicjatywy oparte na AI, a także przeprowadziło obszerne, pogłębione wywiady z kadrą kierowniczą. Co wynika z raportu „The AI-powered enterprise”?

Wprowadzanie AI na dużą skalę wcale nie jest łatwe

Mimo, że coraz więcej przedsiębiorstw wykracza poza projekty pilotażowe, bo 53% (36% w raporcie z 2017 r.), to zastosowania produkcyjne z AI na szeroką skalę zainicjowało do tej pory tylko 13% liderów, a kryzys związany z pandemią nie pomaga tym, którzy tego nie zrobili. Mimo wszystko, to jednak większość z tej niewielkiej grupy liderów kontynuuje postępy w swoich inicjatywach związanych z AI w tym samym tempie co przed pandemią, a niektórzy z nich zwiększyli nawet tempo wdrożeń. Stanowi to jednak wyraźny kontrast w stosunku do organizacji, które zmagały się z problemami, z których blisko połowa wycofała się z inwestycji, a 16% w ogóle zawiesiło wszystkie inicjatywy z AI ze względu na dużą niepewność biznesową związaną z pandemią.

Spore korzyści dla liderów wdrożeń

Organizacje wdrażające AI liczą na korzyści w zakresie generowania przychodów, redukcji ryzyka, lepszej współpracy z klientami i optymalizacji kosztów. Aż 97% liderów z branży IT dostrzegło wymierne korzyści z zastosowań AI, przy czym 79% z grupy liderów AI na dużą skalę odnotowuje ponad 25% wzrost sprzedaży tradycyjnych produktów i usług. Ponadto w przypadku 62% liderów odnotowano spadek liczby skarg klientów o co najmniej 25%, a w przypadku 71% odnotowano spadek zagrożeń związanych z bezpieczeństwem o co najmniej 25%.

Najlepiej ze skalowaniem radzi sobie sektor nauk przyrodniczych i handel

Jeśli chodzi o pięć najważniejszych sektorów, które przodują w rozwijaniu AI, organizacje z sektora nauk przyrodniczych i handlu detalicznego znacznie wyprzedzają inne, które stanowią odpowiednio 27% i 21% wśród liderów we wdrażaniu sztucznej inteligencji na szeroką skalę. Na kolejnych miejscach znajdują się sektor motoryzacyjny i produkty konsumenckie po 17%, a następnie telekomunikacja (14%). Zaledwie 38% organizacji zajmujących się naukami przyrodniczymi zawiesiło lub wycofało inwestycje z powodu pandemii, w porównaniu z sektorami ubezpieczeń (66%), bankowości (64%) i użyteczności publicznej (64%). Odzwierciedla to znaczenie e-zdrowia w dzisiejszym kontekście, gdzie wirtualni asystenci, aplikacje do śledzenia kontaktów i czaty rozwijają się w miarę jak organizacje, takie jak Światowa Organizacja Zdrowia, uruchamiają narzędzia oparte na sztucznej inteligencji w celu gromadzenia i dostarczania informacji podczas trwającej pandemii.

Jaki jest skuteczny model działania?

- Aby skutecznie skalować AI, wiodące organizacje koncentrują się na odpowiednich narzędziach, platformach technologicznych i zwinnych praktykach. Ustanawiają zrównoważone modele operacyjne, tworzą etyczne algorytmy AI oraz dbają o bogate zasoby talentów i partnerów do współpracy. Wreszcie, stale sprawdzają swoje modele AI pod kątem dokładności i ich wpływu na wzmocnienie wyników biznesowych – mówi Beniamin Poznański, szef zespołu Projects & Consulting Eastern Europe w Capgemini.

Zaufane, wysokiej jakości dane są niezbędne do skalowania AI

Grupa liderów oceniła poprawę jakości danych jako wskaźnik numer jeden, który pomaga w osiągnięciu większych korzyści z ich systemów AI. Dobre zarządzanie danymi gwarantuje, że zespoły ds. AI mają odpowiednią jakość danych i zwiększa to też zaufanie do danych wśród kadry kierowniczej. Wdrożenie odpowiednich platform technologicznych, takich jak hybrydowa architektura chmury obliczeniowej i demokratyzacja dostępu do danych, służą jako podstawowe elementy konstrukcyjne do skalowania AI.

Zatrudnianie dedykowanych informatyków to klucz do wspierania rozwoju AI

Z badań przeprowadzonych przez Capgemini wynika, że 70% organizacji uważa, że brak w puli talentów na średnim i wyższym poziomie zaawansowania stanowi duże wyzwanie dla skalowania AI. Ponad połowa liderów (58%) mianowała kierownika ds. AI, który może zapewnić zespołom rozwojowym wizję, ustalić wytyczne dotyczące hierarchii przypadków użycia, etyki i bezpieczeństwa, jednocześnie równoważąc wykorzystanie platform i narzędzi do rozwoju AI.

– Organizacje muszą również skoncentrować się na szerokiej gamie umiejętności w zakresie skalowania aplikacji AI, wykraczających poza czyste umiejętności techniczne, w tym na analitykach biznesowych i specjalistach ds. zarządzania zmianą. Jednak obecnie istnieje znaczna luka pomiędzy popytem a podażą w ważnych dziedzinach, takich jak uczenie maszynowe czy wizualizacja danych. Szkolenia i podnoszenie kwalifikacji mają zatem zasadnicze znaczenie dla zniwelowania tych braków i zapewnienia możliwości utrzymania potrzebnych umiejętności we własnym zakresie - dodaje Beniamin Poznański.

Etyczne interakcje z AI to budowanie satysfakcji i zaufania konsumentów

Niezależnie od tego, jak bardzo konsumenci i przepisy prawne koncentrują się na etycznej sztucznej inteligencji, raport odkrył, że wiele organizacji nie zajmuje się aktywnie takimi kwestiami, jak potrzeba posiadania autoryzowanego zespołu ds. etyki. W raporcie stwierdzono, że mniej niż jedna trzecia zmagających się z tym problemem organizacji (29% w porównaniu z 90% liderów zajmujących się sztuczną inteligencją) przyznaje, że posiada szczegółową wiedzę na temat tego, w jaki sposób i dlaczego ich systemy sztucznej inteligencji przynoszą efekty. Jest to ważne dla kadry kierowniczej przedsiębiorstw, aby móc zaufać organizacyjnym systemom AI. Jednocześnie niemożliwe jest zbudowanie zaufania konsumentów, jeśli pracownicy zwracający się do klientów nie mają zaufania do modeli lub danych, z których korzystają organizacje.

Nie tylko modernizacja, ale kompleksowe podejście zapewni sukces

W świetle niedawnego kryzysu związanego z pandemią, podczas gdy organizacje analizują dane i sztuczną inteligencję w celu zapewnienia stabilności swoich działań, istnieje jeszcze większa potrzeba powiązania strategicznych celów biznesowych z wdrażaniem AI na skalę. Badania Capgemini podkreślają, że najbardziej udane wdrożenia łączą wysiłki na rzecz racjonalizacji i modernizacji procesów zarządzania danymi, koncentrując się na wprowadzaniu nowych, zwinnych narzędzi z ekosystemów partnerów, a także podejść takich jak DataOps i MLOps (machine learning ops), aby rozwijać i wdrażać rozwiązania z zakresu sztucznej inteligencji, budować dedykowane zespoły i stworzyć zrównoważony model operacyjny.