Kecerdasan buatan perlu mempelajari pengajaran tentang kecenderungan transformasi digital untuk gagal

Pada Januari tahun ini, IBM mengeluarkan laporan penyelidikan terperinci yang menjelaskan bahawa transformasi digital hanya boleh memberikan -5% hingga 10% pulangan pelaburan, bukan 150% yang dijangkakan. Jurang ini berkaitan dengan pengalaman yang terkumpul sejak beberapa dekad yang lalu dalam pelaksanaan klien/pelayan, migrasi sistem pengendalian, aplikasi data besar dan pelaksanaan teknologi.

Bukan semua pelaksanaan teknikal terlepas sasaran, tetapi kebanyakan pelaksanaan melakukannya. Masalah utama ialah teknologi itu tidak matang, dan penyedia teknologi serta syarikat penggunaan sering menggunakan promosi jualan untuk menarik pembeli tetapi kurang tindakan susulan untuk memastikan nilai yang dijanjikan disampaikan.

Perkara yang sama boleh berlaku dengan kecerdasan buatan.

Apabila trend pelanggan/pelayan berkembang pesat, teknologi itu belum bersedia lagi, menyebabkan IBM menghadapi masalah dan pasaran tergesa-gesa untuk berpindah ke kawasan yang belum matang.

Jualan biasanya boleh melangkaui produk itu sendiri, kerana jualan sering menekankan nilai tambah dan perkhidmatan produk. Dalam era kebangkitan teknologi baharu seperti kecerdasan buatan, banyak syarikat berharap dapat bertapak dalam bidang ini. Walau bagaimanapun, selain daripada syarikat seperti IBM dan Nvidia, yang telah meneliti kecerdasan buatan selama beberapa dekad, tiada syarikat lain (termasuk Google) telah mengumumkan bahawa ia bersedia untuk memasuki sepenuhnya bidang kecerdasan buatan.

Sebab IBM begitu teruja adalah kerana ia memiliki WatsonX, salah satu penyelesaian AI yang paling matang di pasaran. Dalam bidang AI generatif peringkat perusahaan, IBM adalah yang paling matang, manakala syarikat lain bergantung pada sedikit atau tiada asas dalam komitmen jualan dan pemasaran untuk terus hidup.

Pembeli mungkin menderita apabila jualan mendahului teknologi. Data menunjukkan bahawa ramai orang gagal melakukan usaha wajar mereka, yang membawa kepada keadaan ini.

Penyelesaian: Lakukan kerja rumah anda dan ikuti prosesnya

Strategi yang berjaya dalam situasi ini adalah dengan menggunakan pendekatan "uji dahulu". Selepas memastikan penyelesaian yang disediakan oleh pembekal adalah matang dan lengkap, kebolehlaksanaannya disahkan melalui projek perintis. Walaupun produk itu matang, ia perlu digunakan secara beransur-ansur mengikut keadaan sebenar untuk mengelakkan kemungkinan kegagalan besar-besaran. Kegagalan dalam projek perintis boleh diterima dan boleh diperbetulkan, yang membawa kepada keputusan yang lebih termaklum semasa fasa pengeluaran.

Sebelum menjalankan percubaan, pastikan hasil vendor dan keperluan ROI boleh dicapai dan dapatkan rujukan daripada syarikat yang telah berjaya menggunakan teknologi tersebut. Tanya vendor jika mereka telah menggunakan teknologi secara dalaman dan bercakap dengan kakitangan IT di syarikat yang menggunakan teknologi untuk mendapatkan maklum balas sebenar.

Selidik dan dapatkan amalan terbaik dengan orang lain yang mencuba tugas yang sama, menyedari bahawa tidak setiap penyelesaian akan berfungsi untuk setiap syarikat atau malah setiap jabatan.

Awan berbilang hibrid ialah amalan menyediakan keseimbangan terbaik antara masa operasi, kos, ketersediaan dan kebolehpercayaan. Ia memerlukan vendor yang memahami konsep ini, mempunyai hubungan yang mendalam dengan penyedia awan yang anda percayai dan telah memperoleh pengalaman yang mencukupi yang tidak sepatutnya dipelajari semasa bekerja.

Terutama untuk data AI, kualiti adalah penting dan anda memerlukan banyak bantuan untuk memastikannya. Anda tidak mahu AI yang berat sebelah atau halusinasi, sama seperti anda tidak mahu analisis yang sentiasa memberikan jawapan yang tidak tepat.

Keupayaan AI baharu ini dijangka multimodal, termasuk bahasa semula jadi, imej, audio, video, dan juga elemen kritikal masa. Penggunaan AI selalunya cenderung untuk mengoptimumkan salah satu jenis data dan berprestasi buruk pada yang lain, jadi anda perlu memahami perbezaan dan memberitahu vendor bahawa di kawasan yang tidak mampu, vendor lain Business mungkin merupakan pilihan yang lebih baik. .

Akhir sekali, anda memerlukan bantuan dengan metrik dan pencapaian supaya jika vendor berprestasi rendah, anda boleh mengenal pasti masalah lebih awal dan sama ada menukar vendor atau menukar pasukan. Jika vendor yang anda bekerjasama tidak dapat membantu anda menetapkan metrik dan matlamat untuk projek anda, anda bekerja dengan vendor yang salah.

Daripada pelanggan/pelayan pada tahun 1980-an kepada kecerdasan buatan hari ini, masalah yang sering kita hadapi dalam teknologi besar baru-baru ini ialah jualan jauh melebihi produk dan struktur sokongan. Hasilnya ialah penempatan yang gagal memenuhi matlamat dan jangkaan. Dalam kebanyakan kes, adalah lebih bijak untuk menunggu sehingga rakan kongsi yang betul, pasukan yang betul dan penyelesaian yang betul datang.

Atas ialah kandungan terperinci Kecerdasan buatan perlu mempelajari pengajaran tentang kecenderungan transformasi digital untuk gagal. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!