企业未能将人工智能和数据科学转化为经济价值研究
techmonitor
一项新报告指出，企业尚未将数据科学努力和人工智能实施转化为真正的经济价值。对2500名高级技术领导者的调查显示，尽管期望很高，但只有四分之一的人对人工智能的性能高度满意。研究人员发现，英国的公司更倾向于在本地保留人工智能工具，而不是转向云计算。（图片由Images Products/Shutterstock提供）据ITSP Infosys的报告称，这种缺失的价值对所有受访公司而言相当于4600亿美元的额外利润，而从人工智能中获益最多的公司是那些专注于将数据科学完全整合到业务中的公司，而不是仅仅将其作为附属项目。“公司不应将数据和人工智能视为与业务分离的事物，而是要以不同的方式思考它，”Infosys的总裁莫希特·乔希（Mohit Joshi）告诉Tech Monitor。报告的关键发现是解决方案应集中在三个方面——数据共享、对先进人工智能的信任以及商业聚焦。尽管在最初推出人工智能项目时期望很高，但大多数公司未能在这三个关键领域中的任何一个或多个方面采取行动，报告指出。总体来看，63%的人工智能模型仅具备基本功能，由人类驱动，并且经常在数据验证、数据实践和数据战略方面存在不足。公司情报 查看所有报告 查看所有数据洞察 查看所有内容 只有26%的受访者表示他们对数据和人工智能工具非常满意。“尽管人工智能的号角声嘹亮，但某些东西显然缺失了，”乔希说道。尽管英国在数据共享率最低的情况下，拥有最高的整体人工智能满意度，并且强烈偏好使用本地部署的人工智能应用，而不是转向云解决方案，这可能会在未来带来问题。“对企业问题和人工智能系统最有效和有用的数据可能位于组织的围墙之外，”他解释道，并补充说信任人工智能也很重要。“我们的研究发现，高级人工智能需要对人工智能充分信任才能发挥最佳作用。如果与人工智能合作的人不信任它，这个模型就可能被闲置。数据伦理和偏见管理的最佳实践是推动人工智能发展的核心。” 来自我们合作伙伴的内容 为什么食品制造商必须追求更高的可视性和灵活性 如何定义一个有自主权的首席数据官 首席财务官可能发现财务管理是一项繁重的工作，但新技术正在帮助减轻负担 人工智能实施：企业寻求自动化工具 调查的其他发现包括，四分之三的公司希望在整个业务中运营人工智能，但大多数公司是人工智能的初学者，面临扩大使用的巨大挑战，主要由技能缺乏和招聘困难所驱动。 查看所有新闻通讯 注册我们的新闻通讯 数据、洞察和分析直接送到您手中 由Tech Monitor团队提供 在这里注册 Data+AI雷达研究是由Infosys知识研究所进行的，该研究所发现，它称之为“高绩效”的公司对人工智能和数据有着不同的看法，那些像货币一样看待数据的公司——共享数据并使其流通——获得了最高的回报。通过像货币一样对待数据，并通过中心辐射式的数据管理模型使其流通，公司可以实现1050亿美元的额外价值，团队发现，那些以低延迟刷新数据的公司能够产生更多的利润、收入和其他价值衡量指标。除了收入增加，对人工智能使用非常满意的公司，也有一致可信赖、合乎伦理且负责任的数据实践，这些实践能够应对数据验证和偏见的挑战，建立信任，并使从业者能够使用深度学习和其他高级算法，报告指出。那些将数据科学应用于实际需求的公司也创造了额外的价值，整合加快了效率提升，带来了价值相当于450亿美元的利润增长。 当被问及人工智能的快速发展是否让一些公司难以跟上步伐时，乔希表示，问题在于公司是否能在应用人工智能时取得良好成果。“人工智能和机器学习需要一种新的思维方式，而企业需要在这方面做出转变。尽管其发展迅速，我们看到的是，那些重新定义了数据处理方式的公司正在从机器学习和人工智能中获得最大的价值。”其中的一部分在于整理用于喂养人工智能工具的数据，并以适合企业的方式对其进行准备，其中包括认识到需要将数据与鼓励通过中心辐射式数据管理系统共享的做法相结合。“我们认为数据是一种新型货币，就像货币一样，当它流通时价值会增加。许多公司认识到，新兴的数据经济蕴藏着巨大的潜力，建立一种与合作伙伴和同行共享数据的生态系统，比起将其孤立保存可以带来更大的利益，”乔希说道。这背离了传统的将数据集中化的思维方式。乔希表示，他们发现了一种最佳方法，即系统将数据集中并组织起来，然后依赖各个“辐条”给予团队自由操作和灵活使用数据的权限。“例如，从第三方导入数据和高水平的数据共享对利润的提升比任何其他数据或人工智能行为都更显著。” “模型运营”可以帮助扩展人工智能系统 乔希表示，如果公司未能立即采取行动并开始以不同的方式思考人工智能和机器学习，它们将会遇到限制、对人工智能的不满以及在新数据经济中的困难。“公司需要采用一种人工智能部署框架，不仅允许一定程度的实验，还能够以可预测的方式扩展人工智能，”他补充道。“诸如‘模型运营’这样的概念可以为企业提供一个架构视角，构建一个可扩展的平台，推动敏捷性，确保流程标准化，并支持作为基准模型性能的衡量标准。” 乔希认为，另一个重要方面是确保公司遵守伦理和法律实践，特别是在政府正在制定法规以防止数据滥用和不道德行为的过渡阶段。“人工智能必须以可持续和深思熟虑的方式加以采用，使其能够与我们的社会结构共存，并带来更大的利益，”他说。“因此，科技行业应在行业内和跨行业、社区及监管机构之间，就任何大型人工智能技术的利弊、成本和后果进行讨论，这在技术发布到公共领域之前是非常重要的。” 了解更多：生成式人工智能的未来是什么？ 本文主题：人工智能，云计算
查看全文
作者最近更新
评论0条评论