Малые предприятия, которые не инвестировали в ай, вероятно, не сделали достаточно исследований

Согласно отчету Bluewolf (компания IBM), только 21 процент малых предприятий внедрили решения на основе искусственного интеллекта (ИИ). Исследование инвестиционного разрыва ИИ опросило 177 лиц, принимающих решения, по всему миру, чтобы определить, приняли ли они ИИ и машинное обучение (ML), и глубину их понимания этих технологий. Хотя 33 процента малых предприятий планировали инвестировать в ИИ в течение следующих 12 месяцев (доведя общее число усыновителей ИИ в следующем году до 54%), общее количество по-прежнему ниже, чем у крупных компаний. Кроме того, 30 процентов крупных компаний уже инвестировали в ИИ, а 44 процента планируют начать инвестирование в течение следующих 12 месяцев. Это приносит общее количество до 74 процентов, или на 20 процентов больше, чем общее количество малых предприятий.

Ванесса Томпсон, старший вице-президент подразделения Customer Experience Insights в Bluewolf, сказала, что существует разрыв в знаниях между компаниями, которые внедрили инструменты ИИ, и теми, которые не планируют применять такие инструменты. Она называет эту пропасть «инвестиционным разрывом ИИ» и описывает это как «несоответствие между руководителями уровня С, которые понимают ИИ, и теми, кто еще не внедрил его в свой бизнес», говорится в письменном заявлении.

Поскольку Bluewolf продает инструменты ИИ, следует предположить, что единственная причина, по которой люди не покупают инструменты ИИ, заключается в том, что они не знают о них. Чтобы проверить утверждение Томпсона, я поговорил с Брэндоном Пурселлом, старшим аналитиком Customer Insights в Forrester Research, о том, какие, если таковые имеются, могут существовать другие проблемы, которые могут вызвать разрыв между теми, кто принял ИИ, и теми, кто этого не сделал. Компания Purcell и Forrester Research провели аналогичные исследования об усыновлении ИИ. Хотя его общие цифры аналогичны показателям IBM - 51% компаний приняли или расширяют ИИ, а 20% говорят, что планируют принять его в течение следующих 12 месяцев, - Перселл выдвинул пару других убедительных причин, по которым малые предприятия могут отставать кривая принятия AI.

Стоимость ИИ

Перселл назвал инвестиционные ограничения одним из основных факторов, особенно «поскольку он связан с набором навыков. У малых предприятий нет ресурсов для найма ученых-данных», - сказал он. Это работники, которые будут извлекать информацию из данных, передаваемых в корпоративное программное обеспечение и из него.

Они также будут теми, кто определит, правильно ли ИИ читает ваши данные и предпринимает действия, основанные на его собственном интеллекте. По данным Glassdoor, средняя зарплата ученого, работающего с данными, составляет 113 436 долларов в год, что (по большому счету) немного меньше, чем средняя зарплата американского генерального директора (166 000 долларов, согласно PayScale). Итак, если вы генеральный директор малого бизнеса, работающий на минимальной марже и не хотите снижать собственную зарплату, тогда будет сложно рационализировать расходы на цифру в шесть цифр - и деньги на система программного обеспечения, которая может превращать данные в AI.

Но не только вовлеченные деньги запрещают небольшим компаниям инвестировать в программное обеспечение, управляемое ИИ. «В связи с этим есть фактор данных», - сказал Перселл. «ИИ процветает, когда у вас есть большие объемы данных. У малых предприятий не так много данных, чтобы сделать это».

Подумайте об этом так: вы знаете, как Facebook знает, каких друзей отмечать, когда вы публикуете фотографию? Это потому, что Facebook собирал информацию из всех ваших ранее отмеченных постов. Вы когда-нибудь смотрели фильм, который вам порекомендовал Netflix? Netflix знал, что порекомендовал этот фильм на основе ваших предыдущих выборов. Facebook и Netflix могут сделать эти рекомендации на основе ML, который является двоюродным братом AI. Хотя они похожи, оба термина часто используются взаимозаменяемо (и неправильно).

Вот основное различие между терминами: системы ML используют интеллект для повышения производительности, предлагая вам рекомендации и способы оптимизации процессов, тогда как системы, использующие ИИ, предоставляют программному обеспечению автономность для выполнения задач и принятия решений без человеческого надзора. ML - это Netflix, который дает рекомендации к фильмам, в то время как AI - это машина, на которой вы едете на работу, пока вы спите на заднем сиденье. Для малого бизнеса, который только начинает генерировать данные, преимущества ИИ будут незначительными по сравнению с тем, что может увидеть компания из списка Fortune 500, когда они включат свое программное обеспечение для ИИ.

Bluewolf не так?

Так что, Bluewolf дал плохую информацию в своем опросе? Знают ли малые предприятия об искусственном интеллекте, но у них просто нет денег или данных, чтобы их волновать? Перселл не считает, что исследования Блювольфа неверны. На самом деле, он считает, что IBM Watson является создателем когнитивных вычислений, обобщающего термина, охватывающего AI, ML и другие приложения, имитирующие человеческий мозг.

«Они потратили много денег, чтобы создать эту категорию, но у них есть большие конкуренты в пространстве: Google, Amazon, Facebook, Microsoft», - сказал Перселл. «Эти компании также используют огромные объемы данных, используемых для обучения систем искусственного интеллекта. Голливудское определение искусственного интеллекта - разумный робот. Мы еще не использовали его. Но когда речь идет о внедрении искусственного интеллекта на уровне предприятия для практического искусственного интеллекта». IBM отлично справляется с созданием этих инструментов ".

Неправильные представления о Голливуде, ИИ и роботах, убивающих нас во сне, являются вероятной причиной, по которой малые предприятия уклоняются от того, чтобы больше узнать об инструментах ИИ. Если вы продавец футболок в Оклахоме, то что хорошего в автономном автомобиле или будущем роботе, вооруженном лазерной пушкой? Однако, если рассматривать их в менее известном контексте, Перселл и Томпсон видят практические варианты использования для малых предприятий - случаи использования, о которых малые предприятия еще не получили образования.

Что-то, что Томпсон и Блюволф называют «расширенным интеллектом», малым предприятиям не обязательно нужны знания данных или набор информации, чтобы воспользоваться преимуществами ИИ. Bluewolf определяет расширенный интеллект как способность приложений рассуждать, выводить и извлекать идеи, даже с неструктурированными наборами данных, такими как язык и образы. Даже в начале сбора данных компании решения расширенного интеллекта могут учиться по ходу дела, независимо от того, как мало информации поступает в систему.

«Расширенная разведка помогает конечным пользователям прогнозировать, что делать дальше, предоставляя им профиль того, что нужно их клиентам», - сказал Томпсон. «Мы видим дополненный способ сделать ИИ реальностью для компаний любого размера».

Это включает в себя такие вещи, как объединение внешних и внутренних данных, чтобы дополнить знания, которые использует технология расширенного интеллекта для принятия деловых решений. Например, комбинируя внешние локальные шаблоны покупок и данные о погоде с собственными данными шаблонов покупок, компании электронной коммерции могут проводить гипер-персонализированные кампании. В этом сценарии специалист по данным будет полезен, но не обязателен, а поток данных о клиентах сделает кампанию еще более мощной. Но это не помешало бы кампании стать более мощной, чем это было бы без комбинации внутренних и внешних источников данных.