人工知能はデジタル変革の失敗傾向から教訓を学ぶ必要がある

今年 1 月、IBM は詳細な調査レポートを発表し、デジタル変革による投資収益率は、予想される 150% ではなく、-5% ～ 10% にとどまると説明しました。このギャップは、クライアント/サーバーの実装、オペレーティング システムの移行、ビッグ データ アプリケーション、テクノロジの実装において過去数十年にわたって蓄積された経験に関連しています。

すべての技術的な実装が的を外しているわけではありませんが、ほとんどの実装は的を外しています。主な問題は、テクノロジーが未熟であり、テクノロジープロバイダーや導入会社は買い手を引き付けるためにセールストークを頻繁に使用しますが、約束した価値を確実に提供するためのフォローアップが不足していることです。

同じことが人工知能でも起こるかもしれません。

クライアント/サーバーのトレンドが始まったとき、テクノロジーの準備が整っていなかったので、IBM は窮地に陥り、市場はまだ成熟していない分野への移行を急いでいました。

営業では製品の付加価値やサービスが強調されることが多いため、営業は通常、製品そのものを超えて行われることがあります。人工知能などの新技術が台頭する時代に、多くの企業がこの分野への足がかりを掴みたいと考えています。しかし、数十年にわたって人工知能を研究してきたIBMやNvidiaのような企業を除けば、人工知能の分野に本格的に参入する準備ができていると発表した企業（Googleを含む）は存在しない。

IBM がこれほど興奮している理由は、市場で最も成熟した人工知能ソリューションの 1 つである WatsonX を所有しているからです。エンタープライズレベルの生成 AI の分野では、IBM が最も成熟していますが、他の企業は生き残るために販売とマーケティングの取り組みにほとんど、またはまったく依存していません。

販売がテクノロジーよりも先を行く場合、購入者は苦しむ可能性があります。データによると、多くの人がデューデリジェンスを怠り、このような状況につながっています。

解決策: 下調べをしてプロセスに従います

この状況で成功する戦略は、「最初にテスト」アプローチを採用することです。サプライヤーが提供するソリューションが成熟し、完全であることを確認した後、パイロット プロジェクトを通じてその実現可能性が検証されます。製品が成熟していても、大規模な障害が発生する可能性を避けるために、実際の状況に応じて段階的に導入する必要があります。パイロット プロジェクトでの失敗は許容され、修正可能であるため、運用段階でより多くの情報に基づいた意思決定が可能になります。

試験運用を開始する前に、ベンダーの収益と ROI 要件が達成可能であることを確認し、テクノロジーの導入に成功した企業からの参照を求めてください。ベンダーにテクノロジーが社内に導入されているかどうかを尋ね、テクノロジーを使用している企業の IT スタッフに話を聞いて実際のフィードバックを取得してください。

同じタスクに取り組んでいる他の人たちとベスト プラクティスを調査し、取得してください。すべてのソリューションがすべての会社、さらにはすべての部門で機能するわけではないことに注意してください。

ハイブリッド マルチクラウドは、稼働時間、コスト、可用性、信頼性の最適なバランスを提供する実践です。それには、この概念を理解し、信頼できるクラウド プロバイダーと深い関係を持ち、現場で学ぶ必要がないほど十分な経験を積んだベンダーが必要です。

特に AI データの場合、品質は非常に重要であり、それを保証するには多くの支援が必要です。常に不正確な答えが得られる分析を望まないのと同じように、偏見や幻覚を伴う AI も望まないでしょう。

これらの新しい AI 機能は、自然言語、画像、音声、ビデオ、さらには時間の重要な要素を含むマルチモーダルであることが期待されています。 AI の使用は、多くの場合、あるデータ タイプに対して最適化され、他のデータ タイプではパフォーマンスが低下する傾向があるため、違いを理解し、AI が対応できない領域については、他のベンダー Business の方がより良い選択である可能性があることをベンダーに知らせる必要があります。

最後に、ベンダーのパフォーマンスが低い場合に問題を早期に特定し、ベンダーまたはチームを変更できるように、指標とマイルストーンに関するサポートが必要です。協力しているベンダーがプロジェクトの指標と目標の設定を支援できない場合は、間違ったベンダーと協力していることになります。

1980 年代のクライアント/サーバーから今日の人工知能に至るまで、最近の大きなテクノロジーでよく遭遇する問題は、売上が製品とサポートの構造をはるかに上回っていることです。その結果、導入は目標と期待を満たせなくなります。多くの場合、適切なパートナー、適切なチーム、適切なソリューションが現れるまで待つ方が賢明です。

以上が人工知能はデジタル変革の失敗傾向から教訓を学ぶ必要があるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。