Приложения искусственного интеллекта находят применение в организациях различных отраслей. Арун ’Рак’ Рамчандран, глобальный руководитель отдела трансформации цифрового ядра компании Hexaware, представил на портале Enterprisers Project три связанные с пандемией ключевые тенденции, которые ускорили внедрение ИИ.

Необходимость для организаций быстро создавать новые бизнес-модели и маркетинговые каналы ускорила внедрение ИИ в последние пару лет. Это особенно актуально в здравоохранении, где аналитика данных ускоряет разработку вакцин. Если говорить о сфере потребительских товаров, то компания Frito-Lay создала с помощью ИИ платформу электронной коммерции Snacks.com всего за 30 дней.

Пандемия также ускорила внедрение ИИ в сфере образования, поскольку школы были вынуждены в одночасье включить онлайн-обучение. И везде, где это было возможно, мир перешел на «бесконтактные» транзакции, полностью изменив банковскую отрасль.

Внедрению ИИ во время пандемии способствовали следующие три технологических достижения:

  • продолжающееся снижение стоимости вычислительных мощностей и систем хранения данных;
  • новые архитектуры данных;
  • доступность новых источников данных.

Давайте рассмотрим их плюсы и минусы для ИТ-руководителей.

1. Продолжающееся снижение стоимости вычислительных мощностей

Даже спустя 60 лет после открытия закона Мура вычислительная мощность продолжает расти: появляются более мощные машины и увеличивается производительность благодаря новым чипам от таких компаний, как Nvidia. AI Impacts сообщает, что «вычислительная мощность (измеряется в FLOPS или MIPS) в расчете на доллар в течение последней четверти века, вероятно, увеличивалась в десять раз примерно каждые четыре года». Однако за последние 6-8 лет темпы роста замедлились.

Плюсы: больше за меньшие деньги.

Недорогие вычисления дают ИТ-руководителям больше возможностей выбора, позволяя им делать больше при меньших затратах.

Минусы: слишком большой выбор может приводить к напрасной трате времени и денег.

Рассмотрим большие данные. С недорогими вычислениями у ИТ-специалисты растет аппетит использовать их мощь. Появляется желание начать собирать и анализировать все доступные данные для получения лучших инсайтов, анализа и принятия решений. Но если вы не будете осторожны, вы можете получить огромную вычислительную мощность и недостаточное количество реальных бизнес-приложений.

По мере снижения стоимости сетей, СХД и вычислительных систем люди стремится использовать их все больше и больше. Но они не обязательно обеспечивают бизнес-ценность во всем.

2. Новые архитектуры данных

До пандемии стандартными были термины «хранилища данных» и «озера данных» — и остаются таковыми сегодня. Но новые архитектуры данных, такие как «ткань данных» и «сетка данных», практически не существовали. Ткань данных способствует внедрению ИИ, поскольку позволяет предприятиям использовать данные для максимизации цепочки создания ценности за счет автоматизации обнаружения, управления и потребления данных. Организации могут предоставлять нужные данные в нужное время, независимо от того, где они находятся.

Плюсы: ИТ-лидеры получают возможность переосмыслить модели данных и управление данными.

Появляется шанс изменить тенденцию к централизованным хранилищам данных или озерам данных. Это может означать больше вычислений на периферии и доступность данных там, где они наиболее актуальны. Эти достижения приводят к тому, что подходящие данные автоматически становятся доступными для принятия решений, что критически важно для работоспособности ИИ.

Минусы: непонимание потребностей бизнеса.

ИТ-лидеры должны понимать бизнес- и ИИ-аспекты новых архитектур данных. Если они не знают, что нужно каждой части бизнеса — включая вид данных и то, где и как они будут использоваться — они смогут не создать правильный тип архитектуры данных и потребления данных для надлежащей поддержки. Понимание ИТ-специалистами потребностей бизнеса, а также бизнес-моделей, соответствующих архитектуре данных, будет иметь большое значение.

3. Новые источники данных

Согласно Statista, общий объем данных, созданных, полученных, скопированных и потребленных во всем мире, составил 64,2 Зб в 2020 г. и, по прогнозам, превысит 180 Зб в 2025-м. При этом рост оказался выше, чем ожидалось ранее, что вызвано увеличением спроса в связи с пандемией. Источниками больших данных являются медиа, облако, IoT, веб и базы данных.

Плюсы: данные — это сила.

Каждое решение и транзакция могут быть отслежены до источника данных. Если ИТ-руководители могут использовать AIOps/MLOps, чтобы сосредоточиться на источниках данных для анализа и принятия решений, они получают дополнительные возможности. Правильные данные могут обеспечить мгновенный бизнес-анализ и дать глубокие инсайты для предиктивного анализа.

Минусы: как узнать, какие данные использовать?

Осажденные данными — от IoT и периферийных вычислений, форматированных и неформатированных, интеллектуальных и неинтеллектуальных — ИТ-лидеры сталкиваются с правилом 80/20: какие 20% достоверных источников данных обеспечивают 80% ценности для бизнеса? Как использовать AI/MLops для определения достоверных источников данных, и какой источник данных следует использовать для анализа и принятия решений? Каждой организации необходимо найти ответы на эти вопросы.

ИИ становится вездесущим, его питают новые алгоритмы и все более многочисленные и недорогие вычислительные мощности. Технология ИИ находится на пути эволюции уже более 70 лет. Пандемия не ускорила развитие ИИ — она ускорила его принятие.

Использование ИИ — вот задача на будущее.