По данным исследовательской компании O’Reilly, только 26% организаций в этом году внедрили искусственный интеллект в производство, а 43% находятся на стадии его оценки. Вице-президент группы продуктов Nvidia Enterprise Software Джон Фанелли рассказывает на портале EnterpriseAI о значении выводов (inferences), которые делает ИИ, а также о тонкостях развертывания ПО на его основе.

ИИ быстро превращается из технологии, используемой крупнейшими мировыми поставщиками услуг, в инструмент, который применяют средние предприятия для создания новых продуктов, роста доходов, повышения вовлеченности и удержания клиентов, а также выхода на новые рынки. Однако, несмотря на весь ажиотаж вокруг него, многим CIO трудно понять, как создать в своих организациях набор навыков, необходимых не только для разработки ИИ, но и для обучения и внедрения всего, что было разработано.

Согласно данным O’Reilly, только 26% организаций в этом году внедрили ИИ в производство, а 43% находятся на стадии оценки. Это подчеркивает сложность его перевода из стадии разработки в стадию эксплуатации и снова в стадию разработки. Однако в каждой задаче есть потенциал роста, и, согласно исследованию PwC, к 2030 г. объем мировой ИИ-экономики достигнет 15,7 трлн. долл. Любая отрасль, стремящаяся воспользоваться этим ростом, будь то «умное» производство, розничная торговля, здравоохранение, энергетика и многие другие, должна знать, как связать выводы, которые делает ИИ, с его практическим применением.

Где резина встречается с дорогой

В области разработки ИИ существует множество полезной информации и экспертных знаний. Для многих CIO самой большой проблемой является его внедрение. Вывод — процесс запуска модели ИИ в производство — это то место, где буквально резина может встретиться с дорогой. Например, в автономных транспортных средствах принятие критических решений ИИ происходит с миллисекундным интервалом — на кону стоят жизни людей. В отличие от традиционных приложений, таких как ПО для управления продажами, модели ИИ, делающие выводы, необходимо постоянно переобучать и перераспределять, чтобы они оставались актуальными. Это усложняет управление жизненным циклом приложений ИИ, даже если выгоды от их применения значительны.

Повышайте продажи, избегайте сбоев, обслуживайте клиентов

Выводы являются ключом к решению ряда проблем, с которыми сегодня сталкиваются многие отрасли. Глубокое обучение может помочь автоматизировать функции, рекомендовать продукты и даже предложить обработку естественного языка. В розничной торговле, сфере развлечений и даже в профессиональных социальных сетях рекомендательные системы, работающие на основе выводов, могут помочь сгладить неровные циклы продаж и удержать клиентов. Даже если клиент не сразу совершает дополнительную покупку, меткие рекомендации могут заронить семена, способствующие будущим продажам. Они также могут повысить привязанность к бренду, показывая товары, которые соответствуют вкусам и интересам потребителей.

В производстве выводы ИИ помогают компаниям выявлять производственные ошибки и даже обнаруживать потенциальные поломки оборудования до того, как они подвергнут опасности людей. Промышленные инспекции на базе ИИ распознают объекты, препятствия и людей, выполняя расчеты на миллисекундном уровне, что сокращает время простоя. Эти преимущества делают системы технического зрения с ИИ приоритетными для любой компании, работающей в сложной производственной среде.

Колл-центры используют выводы для автоматизации обслуживания и быстрого направления вопросов клиентов к тем, кто в состоянии помочь. Когда человеку требуется помощь авиакомпании, банка или интернет-провайдера, он часто хочет как можно быстрее поговорить с человеком. В условиях растущего дефицита рабочей силы ИИ помогает решать простые проблемы и быстро соединять клиентов с нужными людьми, способными решить их более сложные вопросы.

Используйте более интеллектуальный подход с предварительно обученными моделями

Знание того, как выводы могут помочь, — это только начало пути ИИ. Следующие шаги — это разработка стратегии и выполнение плана. Проблема в том, что компании сталкиваются с проблемой поиска высококлассных специалистов. Для предприятий, только начинающих работу с ИИ, создание команды экспертов по разработке ИИ может оказаться еще более сложной задачей.

Организации могут преодолеть нехватку специалистов, работая более проворно и используя сторонние и открытые фреймворки с предварительно обученными моделями. Эти ресурсы значительно облегчают нагрузку на команды, работающие над внедрением готового для предприятий ИИ, поскольку разработчики могут адаптировать и настраивать существующие модели для получения выводов, а не пытаться создавать их с нуля.

Компании также могут развивать своих инженеров и разработчиков посредством обучения ИИ. Все чаще компании-партнеры предоставляют предприятиям бесплатные лаборатории разработки с пошаговыми руководствами по ключевым сценариям использования ИИ, включая создание чат-ботов для обслуживания клиентов или поддержки продаж, систем классификации изображений для обеспечения безопасности, моделей прогнозирования цен для повышения эффективности операций и многих других.

ИТ у руля производственного ИИ

После создания основы для продвижения в работе над выводами CIO должны внедрить поддерживаемое ПО для производственного применения — независимо от того, работает ли оно на «голом» железе (bare metal), в виртуализированной инфраструктуре дата-центра или в облаке. Корпоративное ПО на базе ИИ для получения выводов можно также применить для дополнительных практик по работе с данными и разработки моделей, поскольку это упрощает развертывание ИИ. Команды могут полагаться на комплексное решение, а не разрабатывать уникальные рабочие процессы по мере того, как ИИ расширяется с момента первоначального развертывания в новых областях бизнеса.

Рабочие нагрузки ИИ отличаются от традиционных корпоративных приложений, но сейчас как никогда легко поучиться у экспертов, чтобы убедиться, что они внедрены правильно. Понимание доступных инструментов для эффективного, экономичного корпоративного ИИ с предварительно обученными моделями, лабораториями профессионального развития и поддержкой корпоративного уровня может обеспечить CIO планом решения проблем, с которыми сталкивается каждое предприятие, вступающее на путь применения ИИ.