ایجاد ارزش هوش مصنوعی با زمینه سازمانی
در سراسر یک کسب و کار، هر تعداد پلتفرم، سیستم و ابزار هوش مصنوعی ممکن است به طور همزمان در حال کار باشند - به عنوان مثال، پلتفرم های مشتری مبتنی بر هوش مصنوعی، دستیاران مکالمه، و ابزارهای اتوماسیون گردش کار و فرآیند. هر کدام پیچیده، پیشرفته و سریع پاسخ می دهند. اما، هنگامی که شروع به کار کنید، نتایج و اقداماتی که ظاهر میشوند ممکن است اشتباه، گیجکننده یا فاقد…
در سراسر یک کسب و کار، هر تعداد پلتفرم، سیستم و ابزار هوش مصنوعی ممکن است به طور همزمان در حال کار باشند - به عنوان مثال، پلتفرم های مشتری مبتنی بر هوش مصنوعی، دستیاران مکالمه، و ابزارهای اتوماسیون گردش کار و فرآیند. هر کدام پیچیده، پیشرفته و سریع پاسخ می دهند. اما، زمانی که شروع به کار کنید، نتایج و اقداماتی که ظاهر میشوند ممکن است اشتباه، گیجکننده یا فاقد درک مناسب از کسبوکار باشند. بسیاری از سازمانها خود را در این وضعیت میبینند و این میتواند یکی از دلایل کلیدی آنها برای استخراج بازده سرمایهگذاریهای هوش مصنوعی باشد.
گزارش را دانلود کنید
یک نظرسنجی MIT Technology Review Insights نشان می دهد که در حالی که امروزه هر سازمانی که مورد بررسی قرار گرفته است تا حدی از هوش مصنوعی استفاده می کند، کمتر از یک پنجم (16٪) ارزش تحولی را از استقرار خود استخراج می کنند. بیشترین درصد از پاسخ دهندگان (40٪) می گویند که در کارها یا تیم های خاص دستاوردهای متوسطی را مشاهده می کنند، در حالی که 21٪ سودهای معنی داری را گزارش می دهند، و 23٪ آنها حداقل بازدهی را مشاهده می کنند یا اصلا هیچ بازدهی ندارند.
شرکتها عمدتا همچنان موارد استفاده از هوش مصنوعی را آزمایش میکنند (طبق نظر ۳۸ درصد از پاسخدهندگان) یا از آن برای کمک به کار کارکنان با ابزارهایی مانند کمک خلبان یا دستیار چت (۳۵ درصد) استفاده میکنند. تنها 12 درصد از شرکت ها دارای عوامل هوش مصنوعی در تولید هستند و 3 درصد می گویند که از هوش مصنوعی برای انجام بیشتر کارها در فرآیندهای کلیدی استفاده می کنند.
پروکالپا سانکار، یکی از بنیانگذاران Atlan، میگوید: «شکاف بزرگی بین تواناییهای مدلها و اینکه چگونه مدلها واقعا در سازمانها مفید هستند، وجود دارد. "هوش عمومی مصنوعی برای هر هدف و هدف واقعی از قبل وجود دارد. امروزه در اکثر شرکت ها واقعا کاربردی نیست."
سانکار میگوید لایهای که از دست رفته، زمینه است یا اینکه هوش مصنوعی چقدر یک تجارت را درک میکند. یک لایه زمینه، زیرساخت معماری است که بین سیستم های تجاری یک سازمان (به عنوان مثال، سیستم های ثبت و داده، و پلت فرم های هوش مصنوعی آن) قرار دارد. این هوش سازمانی را به زمینه کنترل شده و قابل استفاده ماشینی برای عوامل یا مدل های هوش مصنوعی ترجمه می کند و به ترکیب دانش کمک می کند. سانکار میگوید: «بدون لایه زمینه برای هوش مصنوعی، تقریبا مثل این است که باهوشترین کارآموز دنیا را استخدام میکنید، چشمهایشان را میبندید و به سازمانتان میاندازید».
گزارش را دانلود کنید
این محتوا توسط Insights، بازوی محتوای سفارشی MIT Technology Review، نه اعضای تحریریه آن تولید شده است. این توسط انسان ها تحقیق و نوشته شده است، با هر ابزار هوش مصنوعی که ممکن است محدود به فرآیندهای تولید تحت نظارت انسان باشد.
متن اصلی (انگلیسی)
Creating AI value with enterprise context
Across a business, any number of AI platforms, systems, and tools may be at work simultaneously—for example, AI-powered customer platforms, conversational assistants, and workflow and process automation tools. Each one is sophisticated, advanced, and quick to respond. But, when set to work, the outcomes and actions that emerge may be wrong, confused, or lacking a…