Большинство компаний еще не понимают, что такое оркестровка искусственного интеллекта, и лишь немногие признают ее судьбоносное значение. Пришло время сделать домашнее задание, пишет на портале eWeek Дэвид Линтикум, главный специалист по облачной стратегии компании Deloitte Consulting.

Самое интересное в ИИ и его производных, таких как машинное обучение, глубокое обучение, а теперь и генеративный ИИ, то, что они существуют уже очень давно. Хотя те, кто приходят на рынок ИТ, по-новому понимают суть ИИ, его основные механизмы практически не изменились.

Изменились стоимость и простота создания очень сложных и ценных моделей ИИ. Использование облачных вычислений вызвало стремительный рост систем ИИ. По мере того как предприятия расширяют свои инвестиции в инновационные облачные технологии, ИИ сможет обеспечивать еще большую ценность для бизнеса.

Большинство предприятий используют системы ИИ как монолитные. Они получают обучающие данные, обучаются на их основе, а затем используют эти модели для какой-либо заранее определенной цели. Например, для определения кредитных рисков в системе обработки кредитов, автоматизации цепочки поставок для минимизации запасов или подбора акций для инвестиций.

Однако инновации, доступные в автономных системах, ограничивают ценность этих монолитных систем ИИ. Это ограничение породило стремление интегрировать технологию ИИ с другими основными бизнес-системами и другими системами ИИ для повышения ценности.

При правильном подходе конечный результат будет равен 1+1=3. Это также увеличит окупаемость инвестиций в систему ИИ, разработка и поддержка которой может быть дорогостоящей.

Оркестровка ИИ и интеграция систем ИИ

Интеграция систем ИИ со многими другими бизнес-системами (как слабо, так и тесно связанными) не представляет собой ничего нового. В конечном счете, системы ИИ не имеют никаких функций. Хотя их можно применять для выполнения некоторых впечатляющих функций, сами по себе они не являются бизнес-приложениями. Они должны быть связаны с бизнес-приложениями, чтобы доставлять необходимую бизнес-ценность.

В прошлом тенденция заключалась в тесной привязке систем ИИ к приложениям и данным приложений. Системы ИИ были либо компонентом бизнес-системы, работающей в том же пространстве и на той же платформе, либо системами, доступ к которым осуществляется через синхронные (блокирующие) API, которые могут программно взаимодействовать с системами ИИ.

Жесткое соединение систем ИИ с бизнес-системами было связано с выбором пути наименьшего сопротивления. Хотя это «работало», это ограничивало ценность систем ИИ для многих других бизнес-систем.

Легкие сервисы оркестровки могут справиться с уникальными требованиями систем ИИ и обеспечить свободный доступ к любому их количеству. Они задействуют эти системы, используя разработку no-code или low-code, когда сервисы оркестровки создают решения с помощью конфигурации, а не глубокой разработки. Свободное соединение в отличие от жесткого позволяет настроить доступ и оркестровку для использования систем ИИ таким образом, чтобы повысить ценность этих систем для бизнеса.

Оркестровка не является чем-то новым или инновационным, независимо от того, работают ли она в одном облаке, в разных облаках или во внутренних системах. Это новое применение существующей технологии, которое дает возможность уровням оркестровки решать вопросы взаимодействия систем ИИ таким образом, что они становятся гораздо более эффективными при совместном использовании (1+1=3).

Например, допустим, у нас есть система ИИ для выбора акций, которые будут расти в цене, система ИИ для поддержки анализа рисков для конкретных компаний и система ИИ для выявления тенденций в социальных сетях до того, как они станут тенденциями. Хотя каждая система сама по себе имеет очевидную ценность, способность создавать оркестровки, которые могут оценивать конкретные бизнес-проблемы или предложения с помощью комбинации всех или некоторых систем ИИ имеет гораздо большую ценность.

Ссылаясь на вышеприведенный пример, мы можем использовать список акций, созданный системой ИИ по подбору акций, а затем передать эту информацию системе анализа рисков. Эта система может проанализировать данные и сформировать рейтинг риска на основе данных обучения и полученной модели знаний.

Затем мы передаем упорядоченный по степени риска список хороших акций нашей аналитической системе ИИ, работающей в социальных сетях, которая может присвоить хорошие или плохие тенденции конкретным продуктам, производимым этими компаниями. Такое комбинированное применение систем ИИ позволяет определить, поддержит ли рынок данную компанию.

Вы поняли суть. Следуйте закономерностям интеграции процессов, RPA, интеграции данных и других систем, которые работают над более примитивными системами и позволяют извлекать больше ценности. Речь идет о поддержке автоматизации между этими системами для поиска полезных оркестровок, которые могут быть построены как разовое решение или как нечто более постоянное.

Полный потенциал оркестровки ИИ

Конечно, наш простой пример не иллюстрирует весь потенциал оркестровки ИИ или количество потенциальных бизнес-применений. Другие примеры включают:

  • Оркестровка 12 различных систем ИИ и 110 баз данных для поддержки интеграции цепочек поставок, что позволяет принимать решения с практически идеальными информацией и пониманием.
  • Возможность создания инвестиционной системы, подобной той, что была описана в нашем примере, которая выбирает акции с 89%-ным успехом, используя десятки систем ИИ и внутренние и внешние источники данных.
  • Система, которая ранжирует лучших потенциальных кандидатов на работу, используя внешние и внутренние данные, и девять систем ИИ, которые могут определить, какие кандидаты с наибольшей вероятностью будут успешны в конкретной роли.

ИИ сам по себе имеет определенную ценность. Интеграция ИИ с другими системами ИИ и другими источниками данных может принести гораздо больше пользы. Это возможность для компаний могут вывести ИИ на недостижимый ранее уровень ценности. Это также обеспечивает платформу для экспериментов с возможностями ИИ, которые, в свою очередь, могут найти инновационные ценности, которые большинство компаний еще не осознали или даже не концептуализировали.

Два типа оркестровки ИИ

Итак, как выглядят инструменты оркестровки ИИ? Существует два общих типа:

  • К первому типу относятся инструменты для организации рабочих процессов и оркестровки, которые изначально поддерживают интеграцию ИИ.
  • Второй тип инструментов требует расширенных возможностей для взаимодействия с системой ИИ и работы с генерируемыми и потребляемыми данными ИИ (например, обучающими данными).

Некоторые из инструментов даже могут использовать ИИ для усиления своих возможностей организации рабочего процесса или оркестровки, но это не является критическим моментом. Критически важным является использование инструмента, который может интегрировать ваши исходные и целевые базы данных и системы ИИ, предпочтительно с использованием механизма оркестровки no-code или low-code, который вы можете легко и быстро настроить. Применяемая платформа (например, публичное облако), вспомогательная технология и другие факторы определят «правильный» инструмент оркестровки ИИ.

Повторимся, этот подход к ИИ не является чем-то новым или научной фантастикой. Он просто использует существующие технологии для повышения ценности бизнеса.